基于模拟影像的山地SAR影像配准方法研究

针对目前常规SAR影像配准方法在困难地区配准可靠性较低的问题,提出了一种基于模拟影像的山地SAR影像配准方法.该方法借助研究区的辅助DEM数据、真实SAR影像的卫星轨道数据和RD模型生成模拟SAR影像,并创建DEM地理坐标相一致的查找表.利用SIFT匹配算法对模拟影像和真实影像进行匹配,间接获取真实SAR影像的特征点,再利用仿射变换通过最小二乘法确定参考影像和待配准影像的变换模型,并进行重采样,最终实现山地SAR影像的配准.采用两种传感器类型的山地SAR影像数据进行了实验验证.结果表明,在地形起伏较大的山地区域,所提方法的配准精度相对于传统配准算法有明显提高,较好地克服了传统SAR影像配准方法对山地SAR影像配准适应性较差、精度较低的缺点,能够有效解决山地SAR影像配准问题.     

城区机载激光雷达点云数据与航空影像的多尺度配准方法

提出了一种激光雷达(LiDAR)点云数据和航空影像的多尺度配准方法. 该方法采用渐进式的配准策略,利用面形态学的方法构建尺度空间. 配准过程分为两部分:在大尺度下利用面片特征进行配准;在小尺度下利用直线特征进行配准. 渐进式的配准策略简化搜索匹配的直线特征的过程,提高了自动化程度,构建基于面形态学的尺度空间提高了配准元的提取精度. 最后,通过实验验证了方法的可行性.      

一种改进的隐含相似性光学和SAR图像配准算法

光学和SAR(synthetic aperture radar)图像信息的互补性和特征表现的差异性使得两者的配准成为目前多源遥感图像处理的研究重点.隐含相似性配准从图像间存在结构上的相似性出发,将传统复杂的特征匹配过程简化为特征点集的迁移和仅需在单幅图像上对配准参数进行迭代搜索的过程,为光学和SAR图像配准提供新的思路.基于上述配准思想,研究用Canny算子改进特征点集提取过程,引入联合马尔可夫模型提高SAR图像去噪质量,以改进后的量子粒子群算法优化配准参数搜索过程,最终实现光学和SAR图像的配准.经实验证明,改进后的隐含相似性光学和SAR图像配准算法能达到像素级甚至亚像素级的配准精度.     

利用补偿DSM的星载SAR影像正射纠正

针对利用光学遥感影像制作的未经编辑的数字表面模型(Digital Surface Model,DSM)进行星载SAR影像的正射纠正时,高低起伏的地物(如房屋等)常出现扭曲变形现象的问题.本文提出一种DSM的自动补偿方法,根据全球30m格网的SRTM(Shuttle Radar Topography Mission)数据消除光学遥感影像制作DSM的异常点,并采用中值滤波的方法进行平滑滤波处理,利用自动补偿的DSM对遥感7号SAR影像进行正射纠正.结果表明:该方法可以消除星载SAR正射影像中地物扭曲变形的现象,说明该方法的可行性.该方法减少了DSM人工编辑的工作量.     

面向极化SAR图像配准的极化特征

不同波段的极化合成孔径雷达(SAR)图像间的配准,是多波段极化SAR数据融合中的一个重要问题。该文从地物的极化散射机理出发,提出了一种适用于尺度不变特征变换(SIFT)配准算法的极化特征。该特征包含了地物目标主要散射成分的信息,并反映了其他弱散射成分的强度分布,可在不同波段极化SAR图像中保持稳定。实验结果表明:与使用散射总功率(Span)实现多波段极化SAR图像配准的方法相比,该特征在不同波段下的差异较小;使用SIFT算法配准后,该特征图像可得到更多的关键点和正确配准点,且配准点的分布较分散,从而有效地提高了多波段极化SAR图像的配准性能。     

采用非线性尺度空间滤波和SIFT的遥感影像配准方法

针对传统点特征匹配算法存在运算时间长和配准精度低的问题,提出一种基于非线性尺度空间滤波和尺度不变特征转换(SIFT)点特征配准算法.首先,通过非线性尺度空间滤波对基准影像和待配准影像分别进行预处理,保留其边缘信息并去除噪声.其次,采用SIFT算法对预处理后的两幅影像进行特征点提取,通过最近邻和次近邻的欧式距离比值法进行双向匹配,得到匹配特征点.最后,对待配准影像进行仿射变换.结果表明:该方法的总体运行时间比传统SIFT点特征配准算法降低63.2%,且配准精度大幅提高.     

基于目标分解的面向对象决策树PolSAR影像分类

为了解决极化合成孔径雷达(Polarization Synthetic Aperture Radar,PolSAR)影像单一分类方法不能充分利用其中的丰富信息问题,结合目标分解理论、面向对象思想和C5.0决策树算法,对PolSAR影像进行多种方式的极化分解,提取包含地物散射机理信息的各种极化参数,并将提取的参数分割为对象,最后,采用C5.0决策树算法进行分类.采用RADARSAT-2全极化SAR数据进行实验,并将分类结果与经典的分类方法进行了对比,证明了本文提出方法的有效性.该成果将在PolSAR影像分类中发挥更大的作用.     

基于极化SAR和光学影像特征的土地覆盖分类

为了更好地利用多源遥感影像参与土地覆盖分类,采用一种基于合成孔径雷达(SAR)影像和光学影像相结合的特征分析及筛选方法.该方法在对光学影像和SAR影像的各类特征变量进行可分性分析后,使用随机森林算法对其组成的高维变量空间进行降维筛选,将筛选出的特征变量用于土地覆盖分类,并对实验结果进行分析比较.实验结果表明:利用随机森林算法对特征变量进行分析筛选后的变量组合可以取得最优的分类结果,总体精度和Kappa系数可以达到92.1％和0.91,相比于仅用SAR影像特征变量进行分类时分别提升了11.9％和16.7％.该方法能够充分发挥光学影像和SAR影像各自的优势,提高特征变量的利用率,使分类结果更加稳定和精确.     

遥感影像配准方法探讨

影像匹配是指从数字影像上识别相关影像,它是计算机视觉和数字摄影测量中的一个基本问题。遥感影像的配准技术直接关系到图像融合等地形分析的精度和效果,针对不同的应用目的和条件可以选择不同的匹配算法,本文在三种经典的配准方法的基础上提出了两种图像配准的新方法。     

基于地理坐标参数的SAR图像自动概略配准法

提出了一种新的基于地理坐标参数的SAR(Synthetic Aperture Radar)图像自动概略配准方法.该方法利用SAR图像的地理坐标(经纬度)参数,用多项式拟合主辅图像中像元的地理坐标随其图像坐标的变化,首先得到主图像中心像元地理坐标值,然后在辅图像中找到某个像元,其地理坐标等于主图像中心像元的地理坐标,此辅图像中像元的图像坐标与主图像中心像元的图像坐标之差即为概略配准的偏移量.用真实的SAR数据研究证明,本文提出的方法运算速度快,配准精度高.     

基于区域特征的光学图像与SAR图像配准算法

图像配准是进行图像融合、变化检测等图像处理应用的前处理步骤,其配准效果将直接影响到后续图像处理工作的质量．针对光学图像与SAR图像成像特性差异,提出了一种基于区域特征的配准算法,通过实验结果证明了本算法的有效性．     

基于强角点的SAR图像自动配准

图像配准技术在合成孔径雷达图像处理中占据至关重要的位置。针对合成孔径雷达图像配准对时间和精度的需求,提出基于角点特征的配准算法。提取两幅图像的角点构造三角形,计算三角形的角度,寻找两幅图像对应的相似三角形,用三角形的顶点坐标求得仿射变换系数,参考图像进行仿射变换,与待配准图像比较相似性,最大相似性对应的变换图像为配准结果。引入用于视频追踪的强角点,对该算法进行验证。实验数据表明该算法的快速准确,并具有一定的抗噪性。     

基于间接校正的高分三号正射影像生成

由于高分三号卫星(gaofen-3 satellite, GF-3)数据问世时间较短、参数不足,现有软件未针对GF-3数据添加传感器支持,导致难以利用现有各类软件生成其正射影像。提出一种基于间接校正的GF-3正射影像生成方法。模拟待校正区域卫星成像过程,采用RD模型利用与该区域对应的DEM数据构建模拟GF-3影像;在模拟与真实GF-3影像中分别提取特征点,并配准提取的特征点对,进而建立两影像间的映射关系;利用模拟GF-3影像分别与DEM数据和真实GF-3影像之间的映射关系,间接完成正射校正,生成正射影像。针对GF-3多成像模式的特点,选取3种具有代表性成像模式的影像进行正射影像生成试验,取得了较好的实验结果。将真实GF-3影像与模拟GF-3影像的对应像元坐标进行比较表明,x和y方向误差均小于一个像元,精度较高。提出算法充分考虑到了GF-3系统的成像特点,在不同的地形细节均取得了较好的结果。定性和定量的分析实验结果验证了提出方法的可行性及有效性。     

基于Gabor变换的雷达图像滤波及无监督分割

提出了一种基于Gabor小波变换的多尺度、多方向的SAR图像去除斑点噪声及纹理分割算法．根据SAR图像的特点设计一组Gabor滤波器，对SAR图像进行二维Gabor变换，得到一组滤波后多分辨率、多方向的图像．通过对滤波后的图像分别进行非线性变换，再用非相干均值平滑滤出斑点噪声，并计算每个像素在选定窗口内的能量，以此检测出纹理特征，用均方误差聚类方法得到分割的图像．给出对SAR图像进行纹理分割的满意实验结果，对照试验表明，该方法优于空间灰度共现矩阵方法．     

基于Harris—Laplace特征点的多时相SPOT图像配准方法

提出一种改进的多时相SPOT图像配准方法。首先通过分块提取H—L特征点,确保特征点分布均匀：然后对H—L特征点进行匹配,通过RANSAC一致性检验构建配准模型;最后利用图像重采样得到图像配准结果。实验结果表明,该方法能够有效地解决不同时相SPOT图像在几何变形、地物改变等情况下的配准,具有较高的自动化程度与实用性。     

基于统计形变模型的多模医学图像非刚性配准方法研究

多模医学图像间可能存在复杂的非刚性形变,矫正这类形变需要采用具有较高自由度的非线性变换模型.直接求解非线性变换的高维参数,不仅会增加配准时间,而且也影响配准精度.为此,本文提出一种基于统计形变模型的配准算法,该算法利用统计形变模型对大量多模图像间的非刚性形变进行统计学习,利用由此建立的模型大幅减少变换模型的参数,达到提高图像配准效率和精度的目的.大量的实验结果表明：与基于传统自由形变模型的配准算法相比,本文提出的基于统计形变模型的配准算法其效率可以提高52%,同时目标配准误差平均减少0.503 2个像素.     

基于空间结构约束的改进迭代最近点影像配准

提出了一种改进的基于空间结构约束的迭代最近点(ICP)影像配准方法.该方法通过结合特征点的空间结构相似性和特征相似性获得特征点的匹配矩阵,其中特征相似性通过特征点的局部特征描述算子进行计算,空间相似性则通过特征点的空间位置进行计算.特征点之间的空间结构相似性不仅包括了对应特征点之间的空间距离,还包含了特征点到邻近特征点的空间距离.在匹配过程中,分别从参考影像和待配准影像的角度出发,实现了匹配的对称性处理.通过对具有不同影像特征的真实遥感影像进行实验,结果表明该算法具有较高的配准精度.     

改进模拟退火算法在图像配准中的研究

为了实现图像的配准，提卅了使用模拟退火算法求解2幅图像的最佳匹配参数，然后对待配准图像进行变换，从而达到配准目的．实验表明，该方法对平移、旋转的2幅图像具有较高的配准精度和初值鲁棒性，其中的改进算法，即单纯形一模拟退火算法可以使优化解不陷入局部极值而获得全局优化解，具有更高的配准精度，同时也大大提高了运算效率．