針對高分辨率遙感圖像中,特征點數(shù)目大且易存在誤匹配點的問題,提出結(jié)合Harris和改進K-means的遙感圖像配準(zhǔn)算法。首先,利用Harris提取特征點;然后,使用改進K-means算法進行區(qū)域劃分,進行特征點匹配;最后,區(qū)域間利用RANSAC方法剔除錯誤匹配點,得到精確匹配點對。該算法減少了特征點數(shù)目,提高配準(zhǔn)精確度。實驗結(jié)果表明了算法的有效性。 

【文章來源】：數(shù)字技術(shù)與應(yīng)用. 2020,38(10)

【文章頁數(shù)】：6 頁

【部分圖文】：

實驗數(shù)據(jù)圖

sT,GoolLV.SURF:Speededuprobustfeatures[C]//sProceedingsoftheEuropeanConferenceonComputerVision,2006:404-417.[9]何夢夢,郭擎,李安,等.特征級高分辨率遙感圖像快速自動配準(zhǔn)[J].遙感學(xué)報,2018,22(2):277-292.[10]王威,楊芳,張鵬,等.基于ENVI/IDL的高分遙感數(shù)據(jù)自動預(yù)處理及植被提取方法:以湖南林業(yè)為例[J].湖南城市學(xué)院學(xué)報(自然科學(xué)版),2020,29(2):45-50.方法RMSECMR運行時間SIFT3.1588.52%19.31s本文方法2.5697.02%11.63s表3第2組圖像精度評價(a)第一組配準(zhǔn)結(jié)果圖(b)第二組配準(zhǔn)結(jié)果圖(c)第三組配準(zhǔn)結(jié)果圖圖5配準(zhǔn)結(jié)果圖······下轉(zhuǎn)第91頁祁曦:結(jié)合Harris和改進K-means的遙感圖像配準(zhǔn)算法

2020年第10期85新質(zhì)心,依次循環(huán)進行,直至質(zhì)心不再變化[14]。上述求解過程中,開始中心點的選取較為隨機,影響后期的聚類區(qū)域形成。因此,粒子群算法加入聚類中尋找最優(yōu)初始聚類中心點。PSO算法是利用全局最優(yōu)信息、個人最優(yōu)信息和個人經(jīng)驗信息,加權(quán)求得,重復(fù)迭代,直至找到最優(yōu)解[15]。PSO公式如下:t1tt1iiixxv(2)11122*()()()()ttttiiiiiivwvcrandpbestxcrandgbestx(3)改進K-means算法的流程如下:(1)初始化K值,劃分為K組,對每組初始位置和速度進行初始化操作;(2)對i組區(qū)域,計算每個特征點的適應(yīng)值、個體最優(yōu)信息和全局最優(yōu)信息,不斷比較更新;(3)求i區(qū)域中每個特征點的最優(yōu)速度和下一步最佳位置,從(3)重新迭代,直至到達目的地,得到K個初始聚類中心;(4)進行K-means聚類,得出區(qū)域劃分。2高分辨率遙感圖像配準(zhǔn)改進算法2.1算法思路遙感圖像配準(zhǔn)時,一般使用RANSAC算法對匹配點篩選,但會出現(xiàn)一定的錯誤匹配點對,且迭代次數(shù)多,工作量大[4]。因此,本文對匹配點添加一定的區(qū)域進行約束,使得對應(yīng)區(qū)域的點進行進行匹配,并剔除誤配點。算法設(shè)計流程如下:(a)第1組使用SIFT算法提取特征點分布情況(b)第1組使用Harris提取特征點分布情況(c)第2組使用SIFT算法提取特征點分布情況(d)第2組使用Harris提取特征點分布情況圖3使用Harris和SIFT算法對基準(zhǔn)圖像提取特征點方法參與匹配點數(shù)正確匹配點數(shù)錯誤匹配點數(shù)正確匹配率RANSAC5344983.02%本文方法2625196.15%表2第3組圖像正確匹配點率對比方法特征點數(shù)目運行時間SIFT6638.6sHarris2615.2s表1第1組基準(zhǔn)圖像使用Harris和SIFT方法提取特征點祁曦:結(jié)合Harris和改進K-means的遙感圖像配準(zhǔn)算法

【參考文獻】：
期刊論文
[1]結(jié)合多尺度角點和Harris變換的遙感圖像配準(zhǔn)方法[J]. 楊艷麗,夏朝輝,張金生,王李平.  電光與控制. 2020(08)
[2]基于ENVI/IDL的高分遙感數(shù)據(jù)自動預(yù)處理及植被提取方法：以湖南林業(yè)為例[J]. 王威,楊芳,張鵬,王新.  湖南城市學(xué)院學(xué)報(自然科學(xué)版). 2020(02)
[3]特征級高分辨率遙感圖像快速自動配準(zhǔn)[J]. 何夢夢,郭擎,李安,陳俊,陳勃,馮旭祥.  遙感學(xué)報. 2018(02)
[4]優(yōu)化初始聚類中心及確定K值的K-means算法[J]. 蔣麗,薛善良.  計算機與數(shù)字工程. 2018(01)
[5]結(jié)合Harris與SIFT算子的圖像快速配準(zhǔn)算法[J]. 許佳佳.  中國光學(xué). 2015(04)

碩士論文
[1]高分辨率遙感圖像配準(zhǔn)技術(shù)的研究[D]. 劉占強.北京郵電大學(xué) 2019
[2]基于點特征和局部結(jié)構(gòu)信息的遙感圖像配準(zhǔn)[D]. 葛毓歡.西安電子科技大學(xué) 2018
[3]基于邊緣點特征的高分辨率遙感圖像配準(zhǔn)方法研究[D]. 何夢夢.中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所) 2017



本文編號：3253574