基于改进SIFT算法的多源遥感图像自动配准技术

摘要

图像配准是指通过获得图像之间的空间几何变换关系,将拍摄于不同的时间、不同的角度、不同的传感器或者不同的条件下(如天气、光照等)的两幅或者多幅图像的坐标变换到同一坐标系之下进行对齐,是遥感、医学、计算机视觉等诸多领域中的一个基础性问题。在遥感领域,图像配准是实现图像融合、区域变化、场景重建以及目标识别等应用中必不可少的一个关键步骤。
　　 传统的遥感图像配准需要工作人员在图像上手工地选取配准所需的控制点。然而,在海量的遥感数据面前这样的方式己无法满足处理系统实时性和自动化的要求。因此如何实现遥感图像配准的自动化成为当前该领域研究的热点。现阶段的图像配准算法主要分为两大类:基于图像区域的配准算法和基于图像特征的配准算法。本文重点探讨基于局部特征的图像配准技术,完成的工作有如下几点:
　　 1.介绍了图像配准的理论知识、国内外发展现状以及图像配准的基本步骤;
　　 2.总结和概述图像局部特征的发展史,并对Harris角点、Affine-Harris角点、最大稳定极值区域(MSERs)和显著性区域(SalientRegion)特征进行了详细的原理介绍、性能分析和仿真实验。
　　 3.针对遥感图像的配准高精度的要求,详细阐述了SIFT(尺度不变特征变换,Scale Invariant Feature Transform)算法的原理以及步骤,其中包括构建高斯差分尺度空间(DOG,DifferenceofGaussianscale-space)、控制点检测、筛选以及特征向量生成等。本文针对标准SIFT算法中没有考虑到控制点在图像空域和尺度空间上的均匀分布以及控制点对人工阈值Tr敏感而造成控制点尺度不变特性下降、控制点数量不稳定等问题,通过预定义控制点数量以及对图像局部区域信息熵的统计来代替阈值设定,并且用精度度量RMSE(均方根误差)和运算时间进行定量分析证明,该改进方法较SIFT标准算法可以提高配准的精度以及部分的运行速度。