基于网格运动约束的遥感图像配准算法

发布时间：2025-02-07 18:27

　　 为解决遥感图像配准易受到环境变化等影响,导致匹配鲁棒性低、配准精度差的问题,提出一种基于网格运动约束的遥感图像配准方法。利用AKAZE (accelerated-KAZE)算法提取图像特征点,采用二进制描述子BRISK (binary robust invariant scalable keypoints)对特征点进行有效描述,利用GMS (grid-based motion statistics)基于网格的运动估计方法实现快速且鲁棒性较强的特征点匹配,利用随机采样一致性算法对匹配点对进一步提纯。实验结果表明,该方法提高了匹配速度和匹配正确率,在遇到光照变化、尺度变化及旋转变化的情况下能够保持稳定的匹配效果。

【文章页数】：5 页

【部分图文】：

图1 算法流程

基于网格运动约束的遥感图像配准方法流程如图1所示。1.1AKAZE特征点检测

图2 BRISK描述子采样模式

为了提高遥感图像匹配的实时性，本文采用计算成本较低且计算速度较快的二进制描述子BRISK来对特征点进行描述。BRISK描述子是通过比较邻域内像素点对的灰度值，进行二进制编码得到的。其特征点邻域的采样模式如图2所示，以特征点为中心，构建不同半径的圆，在每个圆上获取等间隔的采样点，所....

图3 Si分布

如图3所示，正确的匹配和错误的匹配都有自己的分布，且均满足二项分布，为了使它们的区分度更大，首先这两个分布要相隔足够远，即mt-mf足够大，其次这两个分布的标准差或方差要足够小，区分能力得分如式（9）所示GMS算法将一幅图分成N×N的不重叠的网格，并且选取3*3网格作为一组来计算....

图4 实验数据遥感

对于本文提出的基于网格约束的遥感图像匹配方法，我们进行了大量的实验，本实验运行环境是Intelcore5的CPU,64位Windows10操作系统，所有算法集成在Visualstudio和OpenCV3.1环境下实现。为了验证算法效果，选出如图4所示的图（a）～图（c）这3....

本文编号：4031116