發(fā)布時(shí)間：2018-07-16 21:39

【摘要】：遙感圖像配準(zhǔn)是后端多種遙感應(yīng)用的基礎(chǔ)和前提,配準(zhǔn)精度直接影響后續(xù)應(yīng)用的效果,配準(zhǔn)的自動(dòng)化處理和配準(zhǔn)效率的提高對(duì)海量遙感數(shù)據(jù)分析具有重要意義,也是學(xué)者們關(guān)注的焦點(diǎn)。SIFT(Scale Invariant Feature Transform)和SURF(Speed Up Robust Features)是常用的典型遙感圖像配準(zhǔn)方法。SIFT具有尺度不變性,在噪聲干擾、仿射變換等方面有良好的魯棒性,但計(jì)算量大,耗時(shí)長(zhǎng),且采用歐氏距離匹配特征點(diǎn)會(huì)產(chǎn)生較多誤匹配點(diǎn)對(duì)。SURF算法優(yōu)化了配準(zhǔn)時(shí)間,在尺度和仿射變換下保持不變性,但配準(zhǔn)精度有待提高,匹配率較低。隨著遙感圖像分辨率的日益提高,遙感圖像的尺寸和數(shù)據(jù)量不斷增大,以及隨著遙感應(yīng)用的發(fā)展,都對(duì)圖像配準(zhǔn)的性能提出越來(lái)越高的要求,特征配準(zhǔn)方法克服灰度配準(zhǔn)方法的局限,是目前遙感圖像配準(zhǔn)領(lǐng)域研究的重點(diǎn)。本論文面向細(xì)節(jié)紋理信息豐富的高分辨率遙感圖像,提出一種基于邊緣點(diǎn)特征的高分辨率遙感圖像自動(dòng)配準(zhǔn)方法。該方法主要包括五個(gè)方面:(1)對(duì)參考圖像與待配準(zhǔn)圖像都進(jìn)行一級(jí)Haar小波變換,基于小波變換后的低頻近似圖像進(jìn)行匹配,然后根據(jù)匹配結(jié)果完成原圖的配準(zhǔn),從而有效減少計(jì)算量,提高配準(zhǔn)速度;(2)根據(jù)不同種類遙感圖像的特性使用不同的特征提取算法(光學(xué)圖像使用Canny算子,SAR圖像使用Ratio Of Averages算子)來(lái)提取邊緣點(diǎn)特征,利用邊緣點(diǎn)特征既可準(zhǔn)確定位,又可獲得穩(wěn)定的特征。(3)在特征匹配環(huán)節(jié),同時(shí)考慮特征點(diǎn)的主、輔方向特征,使得一個(gè)特征點(diǎn)擁有多個(gè)方向的特征描述,從而增強(qiáng)圖像配準(zhǔn)的魯棒性,然后根據(jù)特征點(diǎn)間最小角與次小角的角度比值小于某個(gè)閾值來(lái)確定初始匹配點(diǎn)對(duì);(4)在匹配點(diǎn)對(duì)篩選環(huán)節(jié),對(duì)隨機(jī)抽樣一致性算法進(jìn)行改進(jìn),通過添加約束條件,優(yōu)先選擇質(zhì)量好的匹配點(diǎn)對(duì)進(jìn)行模型參數(shù)擬合,以此提高圖像配準(zhǔn)的精確度;(5)仿射變換環(huán)節(jié),采取分區(qū)域選取匹配點(diǎn)對(duì)的策略,從而使匹配點(diǎn)對(duì)在圖像中均勻分布,以避免配準(zhǔn)中的局部最優(yōu)問題,進(jìn)一步提高圖像配準(zhǔn)精度。為驗(yàn)證上述方法的有效性,本論文針對(duì)不同的情況進(jìn)行了實(shí)驗(yàn)驗(yàn)證:相同傳感器光學(xué)圖像配準(zhǔn)、相同傳感器SAR圖像配準(zhǔn)、不同波段間的圖像配準(zhǔn)、不同分辨率的圖像配準(zhǔn)以及不同衛(wèi)星傳感器的圖像配準(zhǔn)。并將本文方法與比較典型的SIFT算法、SURF算法進(jìn)行比較分析,采用匹配率、匹配效率、均方根誤差和時(shí)間消耗四個(gè)定量評(píng)價(jià)指標(biāo)來(lái)客觀評(píng)價(jià)算法的配準(zhǔn)性能。實(shí)驗(yàn)結(jié)果表明,本論文提出的基于邊緣點(diǎn)特征的高分辨率遙感圖像自動(dòng)配準(zhǔn)方法具有較高的配準(zhǔn)精度、較好的魯棒性,且在處理效率方面具有較好的有效性。
[Abstract]:Remote sensing image registration is the foundation and premise of many remote sensing applications. Registration accuracy directly affects the effect of subsequent applications. The automatic processing of registration and the improvement of registration efficiency are of great significance for the analysis of massive remote sensing data. SIFT (scale variant feature transform) and SURF (Speed up robust Features) are typical remote sensing image registration methods, which have scale invariance and good robustness in noise interference and affine transformation. Using Euclidean distance matching feature points can produce more mismatch points to optimize the registration time of SURF algorithm and keep the invariance under the scale and affine transformation but the registration accuracy needs to be improved and the matching rate is low. With the increasing resolution of remote sensing images, the size and data volume of remote sensing images are increasing, and with the development of remote sensing applications, the performance of image registration is becoming more and more demanding. Feature registration method overcomes the limitation of gray level registration method and is the focus of research in remote sensing image registration field. In this paper, a high resolution remote sensing image registration method based on edge features is proposed for high-resolution remote sensing images with rich detail texture information. The method mainly includes five aspects: (1) Haar wavelet transform is applied to both the reference image and the image to be registered, and the low-frequency approximate image is matched based on the wavelet transform, and then the original image is registered according to the matching result. In order to reduce the computation cost and improve the registration speed effectively, (2) according to the characteristics of different kinds of remote sensing images, different feature extraction algorithms are used (using ratio of Averages operator in optical images) to extract edge features. The feature of edge points can be accurately located and stable features can be obtained. (3) in feature matching, the main and auxiliary directions of feature points are considered at the same time, so that a feature point has a feature description of multiple directions. In order to enhance the robustness of image registration, and then determine the initial matching point pairs according to the ratio of the minimum angle to the sub-small angle between feature points is less than a certain threshold. (4) in the matching point selection link, the algorithm of random sampling consistency is improved. By adding constraint conditions, the matching point pairs with good quality are selected first for model parameter fitting, so as to improve the accuracy of image registration. (5) the affine transformation link is adopted to select matching point pairs in different regions. In order to avoid the problem of local optimization and improve the accuracy of image registration, the matching point pairs are uniformly distributed in the image. In order to verify the effectiveness of the above methods, experiments are carried out in this paper for different cases: optical image registration of the same sensor, SAR image registration of the same sensor, and image registration between different bands. Different resolution image registration and different satellite sensor image registration. The method is compared with the sift algorithm and the SURF algorithm. The matching rate, matching efficiency, root mean square error and time consumption are used to evaluate the registration performance objectively. The experimental results show that the proposed automatic registration method based on edge feature has higher registration accuracy, better robustness and better efficiency in processing.
【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 史亮,陳軍寧,柯導(dǎo)明,張良震;基于形狀配準(zhǔn)方法的研究與改進(jìn)[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年02期

2 高學(xué)全;;數(shù)字針灸人圖像人工手動(dòng)配準(zhǔn)方法[J];天津中醫(yī)藥;2009年05期

3 劉重慶,曾東武,王福東;在印鑒識(shí)別中的配準(zhǔn)方法[J];上海交通大學(xué)學(xué)報(bào);1998年09期

4 劉克,楊靜宇;膛口沖擊波波陣面曲線序列的提取和配準(zhǔn)方法[J];兵工學(xué)報(bào);1990年03期

5 田上成;張喬;劉保成;崔超;;基于傳感器幾何特性和圖像特征的影像配準(zhǔn)方法[J];航天返回與遙感;2013年05期

6 劉衛(wèi)光,郭師紅,周利華;一種多層迭代的多源圖象的配準(zhǔn)方法研究(英文)[J];儀器儀表學(xué)報(bào);2004年S3期

7 李利軍;劉偉;管濤;姚曉文;;基于粒子濾波的虛實(shí)配準(zhǔn)方法研究[J];工程圖學(xué)學(xué)報(bào);2009年01期

8 陶冰潔,王敬儒,魏宇星,彭真明;一種實(shí)用的小目標(biāo)配準(zhǔn)方法[J];紅外與激光工程;2005年04期

9 張定華;程云勇;卜昆;張順利;;考慮彎扭變形的葉片模型配準(zhǔn)方法[J];航空學(xué)報(bào);2009年12期

10 梁吉?jiǎng)?吳亞娟;李波;原子波;;基于輻射狀模板的圓形印章配準(zhǔn)方法[J];大慶石油學(xué)院學(xué)報(bào);2011年04期

相關(guān)會(huì)議論文 前10條

1 韋海軍;梁甸農(nóng);朱炬波;;一種適合長(zhǎng)基線、復(fù)雜地形的InSAR精配準(zhǔn)方法[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

2 衣曉飛;陳福接;楊學(xué)軍;;一種基于知覺組織的邊緣修復(fù)模型[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

3 盛艷青;孫季豐;;一種基于LOG算子提取顯著封閉邊緣的新方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

4 付宇光;唐煥文;唐一源;;一種優(yōu)化算法在圖像配準(zhǔn)中的應(yīng)用[A];第二十屆中國(guó)控制會(huì)議論文集（上）[C];2001年

5 桂秋陽(yáng);邱志明;;大口徑艦炮圖像配準(zhǔn)方式射擊精度仿真[A];中國(guó)系統(tǒng)仿真學(xué)會(huì)第五次全國(guó)會(huì)員代表大會(huì)暨2006年全國(guó)學(xué)術(shù)年會(huì)論文集[C];2006年

6 彭靜;徐曉艷;任蕾;;一種基于極對(duì)數(shù)分?jǐn)?shù)階傅里葉變換的圖像配準(zhǔn)方法[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

7 王佳佳;廖寧放;廉玉生;劉子龍;;基于八通道成像光譜儀圖像配準(zhǔn)技術(shù)研究[A];中國(guó)光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

8 馮麗麗;姜慧研;李季;;一種自適應(yīng)的非剛性圖像配準(zhǔn)方法及其在肝臟配準(zhǔn)中的應(yīng)用[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

9 翟勝軍;姜暉;張?chǎng)?;一種基于角點(diǎn)的圖像配準(zhǔn)方法[A];武漢(南方九省)電工理論學(xué)會(huì)第22屆學(xué)術(shù)年會(huì)、河南省電工技術(shù)學(xué)會(huì)年會(huì)論文集[C];2010年

10 倪維平;嚴(yán)衛(wèi)東;李飚;王平;安斌;;一種有效的圓形小幅員目標(biāo)檢測(cè)方法[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 趙麗亞;腫瘤手術(shù)導(dǎo)航中圖像分割與配準(zhǔn)方法研究[D];北京工業(yè)大學(xué);2016年

2 孫少燕;基于像素灰度的醫(yī)學(xué)圖像剛性配準(zhǔn)方法研究[D];大連理工大學(xué);2007年

3 李琦;多模態(tài)醫(yī)學(xué)影像魯棒配準(zhǔn)方法研究[D];西安電子科技大學(xué);2013年

4 徐玉華;二維光學(xué)和距離圖像配準(zhǔn)方法及其應(yīng)用研究[D];合肥工業(yè)大學(xué);2011年

5 張建國(guó);骨科導(dǎo)航手術(shù)中數(shù)字幾何處理相關(guān)技術(shù)的研究及其應(yīng)用[D];上海交通大學(xué);2009年

6 王曉華;基于集成互補(bǔ)不變特征的多源遙感影像配準(zhǔn)方法研究[D];中國(guó)礦業(yè)大學(xué);2013年

7 徐麗燕;基于特征點(diǎn)的遙感圖像配準(zhǔn)方法及應(yīng)用研究[D];南京理工大學(xué);2012年

8 雷波;直線邊緣光學(xué)精密測(cè)量系統(tǒng)研究與開發(fā)[D];武漢理工大學(xué);2010年

9 劉建霞;高超聲速非一致邊緣鈍化乘波構(gòu)型氣動(dòng)力/熱基礎(chǔ)問題研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

10 王海南;基于互信息的多模醫(yī)學(xué)圖像配準(zhǔn)方法研究[D];西北工業(yè)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 何夢(mèng)夢(mèng);基于邊緣點(diǎn)特征的高分辨率遙感圖像配準(zhǔn)方法研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

2 范霞妃;基于正交學(xué)習(xí)差分進(jìn)化算法的遙感圖像配準(zhǔn)方法研究[D];西安電子科技大學(xué);2014年

3 陳凱;基于特征的遙感圖像配準(zhǔn)方法研究[D];西安電子科技大學(xué);2014年

4 王詩(shī)琴;鼻咽癌進(jìn)行圖像引導(dǎo)放療時(shí)不同配準(zhǔn)方法對(duì)體位校正的影響[D];廣州醫(yī)學(xué)院;2010年

5 何夢(mèng)s，

本文編號(hào)：2127746