基于SIFT和小波变换的遥感影像配准融合算法研究

发布时间：2020-08-27 22:50

【摘要】：遥感影像数据源源不断地被送回地面接收站,面对如此海量的遥感影像,影像配准和融合技术起了关键性的作用。遥感影像的配准是有效地进行数据融合的必要前提,不同几何特性和不同分辨率的影像之间必须进行严格地配准。遥感影像的融合是通过整合优势互补的遥感影像来提高数据的可用度,融合后的遥感影像要比源影像所包含的信息要丰富,从而为后续处理做好了准备。本文重点研究了遥感影像的配准和多光谱与全色影像的融合,针对配准和融合过程中出现的问题提出了相应的改进方法,并对其进行验证、评价、分析。本文主要工作分为以下三个方面:(1)研究常用的遥感影像配准和融合算法的理论和方法,分别对遥感影像配准和融合算法进行比较,并对各个算法的优缺点进行客观分析。相较于其它配准算法,SIFT配准算法有着明显的优势,在不同尺度、旋转、光照等条件下均能检测到稳定的特征点进行配准,其缺点是运算时间长、出现边缘效应;相较于其它融合算法,小波变换融合算法可以进行多尺度融合,进而改善融合后影像的细节,其缺点是出现分块、光谱扭曲、边缘模糊等现象。(2)提出一种基于Canny和PCA改进SIFT遥感影像配准算法。对基准影像和待配准影像分别进行Canny算法检测边缘特征、SIFT算法检测特征点,通过剔除在边缘特征上的特征点减少边缘效应,然后利用PCA进行主成分分析特征点描述符进行降维,最后通过RANSAC剔除误匹配对的方法完成配准,从而剔除大量的边缘响应点,提高算法的运算效率。(3)提出一种基于PCNN的小波变换多光谱与全色遥感影像融合算法。对多光谱影像分别进行IHS变换和PCA变换,IHS变换后得到强度I、色度H、饱和度S三个分量,PCA变换得后到多光谱影像的第一主成分PC1,将全色影像与第一主成分PC1进行直方图匹配得到PAN’,对I和PAN’进行小波变换得到低频分量和高频分量,对低频分量使用加权平均融合规则、高频分量使用改进PCNN的融合规则,然后生成I’,最后通过IHS逆变换生成融合结果。本算法有效地减少了光谱失真的现象也改善了融合的细节。通过大量实验,根据常见的客观评价指标做出比较,可以看出本文改进的算法可以有效地对遥感影像进行配准和融合。
【学位授予单位】：河南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751
【图文】：

遥感影像,配准,遥感影像,方法

根据处理类型的不同，目前主要分为基于区域的配准、基于特征的配准和基于物理模型的配准的方法[31]。对于四种处理类型的配准方法经常用于遥感影像配准处理。基于特征的配准方首先会将的特征提取出来作为配准基元，然后通过建立配准基元之间的对从而求得参数完成配准过程。在基于点特征、线特征、面特征的征的配准方法是研究的热点。遥感影像配准方法如图 2-1 所示。

边缘特征,算法

了更高的要求。近年来，随着科技的不断发展，遥感影像的种类不断增多、分辨率不断提升，所以单纯地使用 Canny 算法进行配准是不可取的。现以 Landsat8 拍摄的美国某区域的全色影像为例说明。使用 Canny 算法对遥感影像提取边缘特征，如图 2-2 所示。(a) 原始影像(b) Canny 算法检测 2 倍大小原始影像的边缘 (c) Canny 算法检测原始影像的边缘图 2-2 Canny 算法检测边缘特征图 2-2 中，(a)、(b)、(c)依次为原始影像、2 倍大小原始影像检测出的边缘特征和原始比例原始影像检测出的边缘特征。(b)和(c)中检测出的边缘特征明显受到待检测图像大小的变化而变化，故不适合多尺度遥感影像的配准。(2) SURF 算法SURF 是 Baya 等在 2006 年提出的算法，主要是针对 Lowe 在 2004 年总结完善 SIFT算法的基础上进行改进的。SUFR 算法摒弃了 SIFT 算法中的差分高斯空间构建，采用了积分图像和多尺度方框滤波器来进行卷积完成多尺度金字塔的构建。原始基准影像和待

图像金字塔,构建方式,算法

F 算法与 SIFT 算法在构建图像金字塔时也有不同，SIFT 算法会对图像的处理而高斯滤波器大小保持不变，SURF 则不改变图像的大小。SUR尺度不变的特性是靠改变方框滤波器的大小来完成的。两种算法构建如图 2-3 所示。

【参考文献】