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。     

多光谱遥感影像对高分辨率DOM精确配准思路研究

本文基于笔者多年从事遥感图像处理的相关工作经验,以图像预处理中的几何精纠正为研究对象,提出一种遵循物理模型的多光谱遥感影像对航空正射影像多点精确配准方法,实现异源的、空间分辨率跨度较大的多光谱遥感影像和航空正射影像间的精确配准。试验结果表明,该方法能达到预期的空间分辨率较大提高的融合效果,相信对从事相关工作的同行能有所裨益。     

遥感图像配准技术研究最新进展

图像配准技术是近年来发展迅速的图像处理技术之一,是多光谱分类、环境检测、变化检测、图像镶嵌等所不可缺少的。本文对遥感图像自动配准领域出现的最新技术进行了总结、分类,按照图像模型分为基于像素的配准和基于物理模型的配准两大类,并从原理和配准性能上进行了对比,最后介绍了自动配准方法的性能评价,以及配准中存在的问题。     

图像匹配中点特征提取方法的研究

图像特征提取是图像匹配和三维信息提取的基础,是影像分析与单像处理技术领域中最重要的任务之一．有效的特征提取算法是影像分析与处理的关键．基于特征的图像配准中,特征主要针对点特征．基于点特征的图像配准,特征点的提取是图像配准的关键步骤,本文从点特征定义出发,分析和研究了几种常用的点特征提取方法,如：Moravec算子、Harris算子、SUSAN算子、Forsmer算子等,最后得出一些有益的结论．     

基于深度学习的医学图像配准研究进展

图像配准是图像引导手术、图像融合、器官图谱生成、肿瘤和骨骼生长监测等临床任务应用的关键技术,也是一个极具挑战性的问题。近年来,深度学习技术对医学图像处理方法的研究产生重要的影响,在医学图像配准领域发展迅速。对使用深度学习技术实现医学图像配准的研究进行综述,首先按照深度学习模型将医学图像配准方法分为3类,包括监督、弱监督和无监督医学图像配准;然后分别介绍国内外研究进展,并总结这些研究方法的优缺点;在此基础上,阐述常用的深度学习配准框架以及评价标准,并总结常用的开源医学影像数据集;最后对深度学习技术在医学配准图像领域中存在的问题进行分析,展望未来发展的方向。     

TIN图像配准中的同名特征点的可靠性提高

图像配准是对多时相、多传感器或多角度的同一场景的两幅或者多幅图像进行匹配处理,使得同名点在相同的坐标系中具有相同的空间位置.图像配准是评价两幅或多幅影像的相似性,以确定同名点的过程.要把对同一对象的不同波段、不同时间、不同分辨率或不同传感器的遥感影像进行融合或识别其变化,就必须首先进行影像配准.图像配准被广泛应用于遥感图像、医学影像、三维重建、机器视觉等诸多领域中.本论述系统地介绍了TIN图像配准的基本缺陷,接着详细地论述TIN优化方法,在此基础上提出了基于TIN优化的图像配准步骤,同名特征点的可靠性得到提高.     

医学图像粗匹配的主轴质心法

图像配准是图像分析和处理的基本问题,在医学影像、遥感遥测、计算机视觉等领域有着广泛的应用。根据当前国内外医学图像配准技术的发展现状,发现主轴质心法作为混合配准算法中的粗匹配算法,具有速度快、鲁棒性相对较高,易实现等优点。通过实验,得出主轴质心法对256×256的图像配准速度在0.45 s以内,对512×512的图像配准速度在1.70 s以内,角度误差在3°以内,平移误差在5个像素以内,配准效果良好。     

基于主成分分析—神经网络的医学图像刚性配准方法(投稿)

医学图像配准在临床诊断和治疗计划中起着重要的作用。应用特征图像的第一主方向提出了自动配准计算机层析术(CT)和磁共振(MR)大脑图像的方法。方案中,先应用主成分分析-神经网络来计算特征图像的第一主方向,然后通过调整特征图像的第一主方向和质心来完成配准问题。此外,还以MR-MR图像配准和CT-MR图像配准为例,对此方法的配准效果进行了简单分析。     

一种新的图像配准分类方法的研究

为了更好的理解和分析图像配准技术,本文基于图像配准结果和目的的不同,提出了一种新的图像配准分类方法,将其分为运动估计和融合两类,突破了传统的基于算法分类方法的界限,站在一个全新的角度去理解图像配准技术,在每一个分类下,分别阐述了常用算法,以及提出当前新颖的研究方法,并分析了每一分类的具体应用,为后续的图像处理、拼接、重建等工作做出详细的准备。     

一种新的图像配准分类方法的研究

为了更好的理解和分析图像配准技术,本文基于图像配准结果和目的的不同,提出了一种新的图像配准分类方法,将其分为运动估计和融合两类,突破了传统的基于算法分类方法的界限,站在一个全新的角度去理解图像配准技术,在每一个分类下,分别阐述了常用算法,以及提出当前新颖的研究方法,并分析了每一分类的具体应用,为后续的图像处理、拼接、重建等工作做出详细的准备。     

基于面特征和SIFT特征的LiDAR点云与航空影像配准

针对LiDAR数据与航空影像融合中的配准问题,提出一种将面特征与点特征相结合的配准方法,首先由LiDAR点云生成深度影像,对深度影像和航空影像提取面特征,在此基础上采用SIFT算子提取点特征,完成LiDAR点云与航空影像的配准。文中方法采取了由面特征到SIFT特征的配准策略,减少了面特征配准的数据量和SIFT算法的计算量。从ISPRS提供的数据集中选取了3组数据进行实验,实验结果表明该方法能有效减少SIFT算子的特征描述符的数量,减少寻找正确匹配点的时间,在保证配准精度的情况下提高配准的效率,适用于城市地区等包含大量面特征地区的LiDAR点云与航空影像配准。     

基于小波变换的同类传感器遥感图像快速自动配准的研究

同类传感器遥感图像灰度具有较强的相关性,应用模板相关的方法可以提供数量丰富的配准控制点,达到较高的配准精度.应用小波的图像分解与重构快速算法可以使配准速度得到较大度的提高.实验表明:基于小波变换的模板相关匹配方案实现了同类传感器遥感图像的自动配准,配准速度快且精度高.     

图像配准技术进展研究

图像配准是图像处理领域的一个重要研究方向.本文主要介绍了图像配准的定义、数学模型,以及图像配准的四个组成部分.并针对现有两大类图像配准方法总结出了每种方法的配准操作过程,并针对两种方法的各自特点,分别进行了对比分析.     

基于Harris特征点检测法的雷达图像与电子海图的数据融合

为解决雷达图像和电子海图显示与信息系统(ECDIS)单纯图像叠加中的问题,在分析基于图像特征的自动图像配准算法基础上,提出基于Harris特征点检测法的图像配准技术,同时对强度、色调和饱和度(HIS)颜色模型在图像融合中的应用进行了探讨,给出基于特征的小波变换融合方法.对图像融合效果的仿真结果表明,该方法获得的融合图像优于传统方法.     

基于模板的颅脑图像基准点自动定位方法

基于标记的图像配准是现实中最常用的配准方法之一。在配准过程中,一般使用完全固定在头骨皮肤上的外部基准标记。基于模板的全自动图像配准的关键在于无需人工选择即可确定基准点的坐标。提出了一种基于模板的颅脑图像自动基准定位算法和技术,具有快捷、自动、准确的特点,实施过程包括以下三个步骤:边缘图构建,基于曲率的候选基准点检测,基于模板的基准点检测。实验结果说明该方法有助于实现基于基准点的全自动图像配准,相较于专家人工选择,具有广阔的应用前景。     

图像拼接技术研究综述

图像拼接技术是虚拟现实和图像绘制技术的一个重要研究方向,该文对图像拼接的内涵进行了阐述,提出图像拼接在虚拟现实、提高图像的分辨率、增大光学系统的视场角、方便图像的检索、编辑、分析和理解等四大方面的应用,研究分析了图像拼接算法的流程,介绍了图像拼接的关键技术,即图像拼接预处理技术、图像配准技术和图像融合技术。结合图像拼接技术在现实生活中的应用,提出了图像拼接方法在实时图像拼接、自动图像拼接、彩色图像拼接、3D立体图像拼接等几大方面的研究新进展。     

基于样条小波和混合遗传算法的多源图像自动配准算法

为实现图像自动配准,需要确定初始变换参数,为此提出图像特征线和图像特征圆的概念,基于仿射变换模型,推导了确定图像自动配准初始参数的算法,并基于B样条小波和混合遗传算法求取最终的多源图像配准参数.实验结果表明,该算法可实现图像的自动配准,证明了该算法的有效性.     

无人机图像拼接技术的应用研究

图像拼接技术的目的是解决单幅相机拍摄视角不够问题,它给人们的日常生活以及科学研究都带来了很大的帮助,无人机低空遥感数据具有分辨率高、灵活性高,效率高和成本低等优势而被广泛应用于道路交通、自然灾害等领域。为了扩大视野更好地统一处理,分析和研究无人机图像信息,往往需要把相邻的俩幅或多幅图像拼接接为一幅全景图像。主要分为俩大部分,图像配准和图像融合,介绍了无人机智能遥测在道路交通中领域的应用。     

并行图像配准算法在幸运成像中的应用

借助图形处理器(GPU)在通用计算领域的优势,解决图像配准面临的处理速度问题。研究了基于GPU加速处理图像配准的算法;根据Fourier-Mellin变换的图像配准算法原理,提出相应的GPU并行设计模型;利用计算统一设备架构的软硬件体系架构,实现Fourier-Mellin变换算法向GPU的移植。实验表明,运用所提出的并行方案完成分辨率1 024×1 024像素的图像配准耗时22ms,有效提升了图像配准效率,增强了幸运成像技术工程应用的可能性。     

全景视觉技术研究进展

全景视觉技术在机器人、计算机视觉和虚拟现实领域有着重要的应用。实现全景视觉技术的主要方法包括图像拼接和折反射透镜。介绍图像拼接流程中的关键技术,包括图像配准和图像融合的几种主要算法。该文分析了单视点和非单视点折反射全景视觉技术的优缺点,概述近年来全景视觉技术的研究状况,最后分析全景视觉技术的研究动向。