SURF算法和Delaunay三角网算法相结合的遥感图像匹配技术研究与实现

摘要

遥感作为一门新兴综合性探测技术的学科，有着广泛的应用前景。随着遥感技术的不断发展，人们得到了海量的遥感图像数据，于是遥感图像处理工作显得十分重要。遥感图像匹配在遥感图像处理工作中占有重要的地位，但是由于遥感图像面对的自然场景比普通图像复杂的多，因此遥感图像的匹配技术一直是一个难题，这也就吸引了越来越多的研究者对遥感图像匹配算法的研究，在这个过程中产生了很多的经典匹配算法，这些算法被广泛的应用在多个重要领域中。　　本研究利用SURF算法和Delaunay三角网算法的各自优势，提出了一种将SURF算法和Delaunay三角网算法相结合的遥感图像匹配方法。该方法的实现过程为：首先利用SURF算法提取遥感图像的预匹配特征点，在两幅遥感图像上分别用这些离散的预匹配点构造Delaunay三角网；然后利用三角形相似函数计算待匹配图像与基准图像间的Delaunay三角网中三角形之间的相似度，进行粗匹配；最后利用射影不变量剔除粗匹配中的误匹配，用得到的正确匹配点计算出两幅遥感图像的空间变换参数，从而实现遥感图像的精确匹配。基于Matlab2012a平台通过实验证明，这种匹配方法不仅解决了SURF算法中存在较多的误差匹配且错误匹配点较多的问题，而且继承了SURF算法的速度优势，保证了遥感图像的匹配速度和精度。

目录

声明

1 绪论

1.1遥感图像匹配技术的背景及意义

1.2 影响图像匹配的三因素

1.3 图像匹配算法的性能评价标准

1.4 国内外研究现状

1.5 本文的章节安排和主要创新点

2. 基于特征的图像匹配技术

2.1 图像匹配技术概述

2.2 常用的特征点提取算子介绍

2.3 SURF算法

2.4 本章小结

3．基于离散点的Delaunay三角网构建

3.1 Voronoi图

3.2 Delaunay三角剖分

3.3 Delaunay 三角剖分算法

3.4 本章小结

4 SURF算法和Delaunay三角网相结合实现遥感图像匹配

4.1三角形相似函数

4.2 射影不变量理论

4.3 SURF算法和Delaunay三角网相结合的遥感图像匹配方法

4.4实验结果及分析

4.5 本章小结

5 总结与展望

5.1 总结

5.2 进一步研究展望

致谢

附录I-逐点插入法构建Delaunay三角网的Matlab实现代码

附录II-三角形相似度函数计算代码

附录III-射影不变量理论的Matlab实现代码

参考文献