结合Harris和改进K-means的遥感图像配准算法
发布时间：2021-06-27 20:42
针对高分辨率遥感图像中,特征点数目大且易存在误匹配点的问题,提出结合Harris和改进K-means的遥感图像配准算法。首先,利用Harris提取特征点;然后,使用改进K-means算法进行区域划分,进行特征点匹配;最后,区域间利用RANSAC方法剔除错误匹配点,得到精确匹配点对。该算法减少了特征点数目,提高配准精确度。实验结果表明了算法的有效性。
【文章来源】：数字技术与应用. 2020,38(10)
【文章页数】：6 页
【部分图文】：
实验数据图
sT,GoolLV.SURF:Speededuprobustfeatures[C]//sProceedingsoftheEuropeanConferenceonComputerVision,2006:404-417.[9]何梦梦,郭擎,李安,等.特征级高分辨率遥感图像快速自动配准[J].遥感学报,2018,22(2):277-292.[10]王威,杨芳,张鹏,等.基于ENVI/IDL的高分遥感数据自动预处理及植被提取方法:以湖南林业为例[J].湖南城市学院学报(自然科学版),2020,29(2):45-50.方法RMSECMR运行时间SIFT3.1588.52%19.31s本文方法2.5697.02%11.63s表3第2组图像精度评价(a)第一组配准结果图(b)第二组配准结果图(c)第三组配准结果图图5配准结果图······下转第91页祁曦:结合Harris和改进K-means的遥感图像配准算法
2020年第10期85新质心,依次循环进行,直至质心不再变化[14]。上述求解过程中,开始中心点的选取较为随机,影响后期的聚类区域形成。因此,粒子群算法加入聚类中寻找最优初始聚类中心点。PSO算法是利用全局最优信息、个人最优信息和个人经验信息,加权求得,重复迭代,直至找到最优解[15]。PSO公式如下:t1tt1iiixxv(2)11122*()()()()ttttiiiiiivwvcrandpbestxcrandgbestx(3)改进K-means算法的流程如下:(1)初始化K值,划分为K组,对每组初始位置和速度进行初始化操作;(2)对i组区域,计算每个特征点的适应值、个体最优信息和全局最优信息,不断比较更新;(3)求i区域中每个特征点的最优速度和下一步最佳位置,从(3)重新迭代,直至到达目的地,得到K个初始聚类中心;(4)进行K-means聚类,得出区域划分。2高分辨率遥感图像配准改进算法2.1算法思路遥感图像配准时,一般使用RANSAC算法对匹配点筛选,但会出现一定的错误匹配点对,且迭代次数多,工作量大[4]。因此,本文对匹配点添加一定的区域进行约束,使得对应区域的点进行进行匹配,并剔除误配点。算法设计流程如下:(a)第1组使用SIFT算法提取特征点分布情况(b)第1组使用Harris提取特征点分布情况(c)第2组使用SIFT算法提取特征点分布情况(d)第2组使用Harris提取特征点分布情况图3使用Harris和SIFT算法对基准图像提取特征点方法参与匹配点数正确匹配点数错误匹配点数正确匹配率RANSAC5344983.02%本文方法2625196.15%表2第3组图像正确匹配点率对比方法特征点数目运行时间SIFT6638.6sHarris2615.2s表1第1组基准图像使用Harris和SIFT方法提取特征点祁曦:结合Harris和改进K-means的遥感图像配准算法
【参考文献】：
期刊论文
[1]结合多尺度角点和Harris变换的遥感图像配准方法[J]. 杨艳丽,夏朝辉,张金生,王李平. 电光与控制. 2020(08)
[2]基于ENVI/IDL的高分遥感数据自动预处理及植被提取方法：以湖南林业为例[J]. 王威,杨芳,张鹏,王新. 湖南城市学院学报(自然科学版). 2020(02)
[3]特征级高分辨率遥感图像快速自动配准[J]. 何梦梦,郭擎,李安,陈俊,陈勃,冯旭祥. 遥感学报. 2018(02)
[4]优化初始聚类中心及确定K值的K-means算法[J]. 蒋丽,薛善良. 计算机与数字工程. 2018(01)
[5]结合Harris与SIFT算子的图像快速配准算法[J]. 许佳佳. 中国光学. 2015(04)
硕士论文
[1]高分辨率遥感图像配准技术的研究[D]. 刘占强.北京邮电大学 2019
[2]基于点特征和局部结构信息的遥感图像配准[D]. 葛毓欢.西安电子科技大学 2018
[3]基于边缘点特征的高分辨率遥感图像配准方法研究[D]. 何梦梦.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
本文编号：3253574
【文章来源】：数字技术与应用. 2020,38(10)
【文章页数】：6 页
【部分图文】：
实验数据图
sT,GoolLV.SURF:Speededuprobustfeatures[C]//sProceedingsoftheEuropeanConferenceonComputerVision,2006:404-417.[9]何梦梦,郭擎,李安,等.特征级高分辨率遥感图像快速自动配准[J].遥感学报,2018,22(2):277-292.[10]王威,杨芳,张鹏,等.基于ENVI/IDL的高分遥感数据自动预处理及植被提取方法:以湖南林业为例[J].湖南城市学院学报(自然科学版),2020,29(2):45-50.方法RMSECMR运行时间SIFT3.1588.52%19.31s本文方法2.5697.02%11.63s表3第2组图像精度评价(a)第一组配准结果图(b)第二组配准结果图(c)第三组配准结果图图5配准结果图······下转第91页祁曦:结合Harris和改进K-means的遥感图像配准算法
2020年第10期85新质心,依次循环进行,直至质心不再变化[14]。上述求解过程中,开始中心点的选取较为随机,影响后期的聚类区域形成。因此,粒子群算法加入聚类中寻找最优初始聚类中心点。PSO算法是利用全局最优信息、个人最优信息和个人经验信息,加权求得,重复迭代,直至找到最优解[15]。PSO公式如下:t1tt1iiixxv(2)11122*()()()()ttttiiiiiivwvcrandpbestxcrandgbestx(3)改进K-means算法的流程如下:(1)初始化K值,划分为K组,对每组初始位置和速度进行初始化操作;(2)对i组区域,计算每个特征点的适应值、个体最优信息和全局最优信息,不断比较更新;(3)求i区域中每个特征点的最优速度和下一步最佳位置,从(3)重新迭代,直至到达目的地,得到K个初始聚类中心;(4)进行K-means聚类,得出区域划分。2高分辨率遥感图像配准改进算法2.1算法思路遥感图像配准时,一般使用RANSAC算法对匹配点筛选,但会出现一定的错误匹配点对,且迭代次数多,工作量大[4]。因此,本文对匹配点添加一定的区域进行约束,使得对应区域的点进行进行匹配,并剔除误配点。算法设计流程如下:(a)第1组使用SIFT算法提取特征点分布情况(b)第1组使用Harris提取特征点分布情况(c)第2组使用SIFT算法提取特征点分布情况(d)第2组使用Harris提取特征点分布情况图3使用Harris和SIFT算法对基准图像提取特征点方法参与匹配点数正确匹配点数错误匹配点数正确匹配率RANSAC5344983.02%本文方法2625196.15%表2第3组图像正确匹配点率对比方法特征点数目运行时间SIFT6638.6sHarris2615.2s表1第1组基准图像使用Harris和SIFT方法提取特征点祁曦:结合Harris和改进K-means的遥感图像配准算法
【参考文献】：
期刊论文
[1]结合多尺度角点和Harris变换的遥感图像配准方法[J]. 杨艳丽,夏朝辉,张金生,王李平. 电光与控制. 2020(08)
[2]基于ENVI/IDL的高分遥感数据自动预处理及植被提取方法：以湖南林业为例[J]. 王威,杨芳,张鹏,王新. 湖南城市学院学报(自然科学版). 2020(02)
[3]特征级高分辨率遥感图像快速自动配准[J]. 何梦梦,郭擎,李安,陈俊,陈勃,冯旭祥. 遥感学报. 2018(02)
[4]优化初始聚类中心及确定K值的K-means算法[J]. 蒋丽,薛善良. 计算机与数字工程. 2018(01)
[5]结合Harris与SIFT算子的图像快速配准算法[J]. 许佳佳. 中国光学. 2015(04)
硕士论文
[1]高分辨率遥感图像配准技术的研究[D]. 刘占强.北京邮电大学 2019
[2]基于点特征和局部结构信息的遥感图像配准[D]. 葛毓欢.西安电子科技大学 2018
[3]基于边缘点特征的高分辨率遥感图像配准方法研究[D]. 何梦梦.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
本文编号：3253574
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3253574.html
