基于点特征和局部结构信息的遥感图像配准

发布时间：2020-11-15 03:49

　　 图像配准是指将不同时间、不同视角或者不同传感器在同一场景下拍摄的两幅或者多幅图像进行几何校准的过程。它是图像处理的关键技术之一,已经广泛应用于诸多领域,如计算机视觉、医学图像分析、遥感图像变化检测等。随着遥感摄影技术的发展,遥感图像的获取方式越来越多样化,图像之间的灰度差异也逐渐增大,传统的方法并不能实现精确配准,因此遥感图像配准中还存在较多问题需要解决。基于点特征的配准是目前使用最多的遥感图像配准方法,因为点特征不仅对图像之间的几何变换有较好的稳定性,而且对图像之间的重合度没有过高的要求。另外,点特征在实际应用中有比较高的计算效率。因此,本文提出了以下三个基于点特征的遥感图像配准方法:(1)针对遥感图像对之间灰度差异大,容易导致特征匹配失败的问题,本文提出了一种基于相位信息和局部结构信息保留的遥感图像配准方法。该方法首先将原始图像映射到相位一致性图上,利用经典的尺度不变特征变换(SIFT)算法在相位一致性图上进行特征点的提取和匹配。然后,通过局部结构信息保留策略删除错误匹配点对,保留正确匹配点对。实验结果表明,该方法能够配准灰度差异较大的图像,并且能够得到更多正确的匹配点对。(2)针对传统特征点匹配算法得到的匹配点对错误匹配率较高的问题,本文提出了一种基于相位一致性互相关和全局约束的特征点匹配方法。该方法首先利用SAR-SIFT算法提取并匹配特征点,得到初始匹配点对。然后利用相位一致性互相关来计算匹配点对周围两个邻域块儿的相似性值,通过相似性值筛选匹配点对。之后利用一个全局约束策略增加匹配点对,得到最终的匹配点对集。实验证明,该方法能够得到大量正确匹配点对,并且降低了错误匹配率。(3)针对现有特征点匹配算法得到的正确匹配点对较少且配准精度不高的问题,本文提出了一种基于改进最近邻距离比和三角约束的特征点匹配方法。该方法在经典的最近邻距离比特征点匹配算法基础上,通过依次判断次近邻点、三近邻点等是否为最近邻点的邻域点,从而排除特征点之间描述子相似的情况。然后利用三角约束增加匹配点对,得到最终的匹配点对集。实验证明,该方法不仅能够得到很多正确匹配点对,而且提高了配准精度。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP751
【部分图文】：

其技术原理可以推广到多幅图像。(a) (b) (c) (d)图1.1 两组遥感图像对图像I 可以由数字矩阵的形式表示，矩阵中的各个坐标 x ,y 代表像素点的位置。图像的灰度值可以用I x, y 来表示。如下述公式(1-1)所示，一幅大小为 M N的图像可定义如下：

最底层图像，继续进行跟第一步相同的高斯模糊过程，反复进行，最终得到O组S 层的高斯金字塔图像，图 2.2 为生成的高斯金字塔图像；图2.2 高斯金字塔图像

④ 构建 DOG 金字塔：将高斯金字塔相邻层相减，得到 DOG 金字塔图像，图 2.3为生成的高斯差分金字塔图像。至此 DOG 尺度空间构建完成。图2.3 高斯差分金字塔图像我们提到过，归一化的 LOG 函数可以提取到稳定、重复率高的特征点，而 DOG可以近似为归一化的 LOG，所以我们可以在构建的 DOG 尺度空间上检测极值点。在自身尺度层、上下两相邻层，共三层尺度空间上进行灰度值比较来检测极值点。如图2.4 所示，蓝色点为中心点，中心点需要和上下左右 26 个点进行比较，这 26 个点分别为同尺度层中心点周围 8 个，上下尺度层每层 9 个。如果中心点为极大值或者极小值点
【参考文献】

相关期刊论文 前6条

1 许佳佳;张叶;张赫;;基于改进Harris-SIFT算子的快速图像配准算法[J];电子测量与仪器学报;2015年01期

2 余先川;吕中华;胡丹;;遥感图像配准技术综述[J];光学精密工程;2013年11期

3 彭文;童若锋;钱归平;董金祥;;使用特征点与曲线配准医学图像[J];计算机辅助设计与图形学学报;2007年09期

4 刘宝生;闫莉萍;周东华;;几种经典相似性度量的比较研究[J];计算机应用研究;2006年11期

5 冯林,管慧娟,滕弘飞;基于互信息的医学图像配准技术研究进展[J];生物医学工程学杂志;2005年05期

6 郭海涛,刘智,张保明;基于遗传算法的快速影像匹配技术的研究[J];测绘学院学报;2001年S1期

本文编号：2884304