本文選題：基于內(nèi)容的衛(wèi)星圖像配準(zhǔn) + 特征點(diǎn)分布��； 參考：《Frontiers of Information Technology & Electronic Engineering》2017年08期

【摘要】：基于內(nèi)容的衛(wèi)星圖像配準(zhǔn)是在遙感和圖像處理領(lǐng)域的一大難題。受照度、旋轉(zhuǎn)、來源差異的影響,該問題在多源遙感圖像匹配中更為突出。尺度不變特征變換(scale-invariant feature transform,SIFT)算法是一種成功應(yīng)用于衛(wèi)星圖像配準(zhǔn)的算法。本地SIFT描述符被許多研究者應(yīng)用于改進(jìn)圖像檢索流程。盡管SIFT算法具有良好的穩(wěn)定性,它在提取多源遙感中本地特征點(diǎn)的質(zhì)量和數(shù)量上仍然具有一定的劣勢(shì)。另外,SIFT算法提取的本地特征具有較高維度,導(dǎo)致計(jì)算過程耗時(shí)過長(zhǎng)以及對(duì)保存相關(guān)信息的儲(chǔ)存空間要求過高,而這兩點(diǎn)也是在基于內(nèi)容圖像檢索(content-based image retrieval,CBIR)的相關(guān)應(yīng)用中的重要因素。本文介紹了一種在多源遙感中將本地SIFT特征轉(zhuǎn)變?yōu)槿痔卣鞯男路椒�。通過在預(yù)處理階段對(duì)圖像進(jìn)行對(duì)比度均衡化來提升SIFT本地特征點(diǎn)質(zhì)量和數(shù)量。將參考數(shù)據(jù)庫(kù)中每副圖像的本地特征單獨(dú)分為一類后,采用線性判別分析(linear discriminant analysis,LDA)方法將本地SIFT特征轉(zhuǎn)變?yōu)槿痔卣?同時(shí)不為降低特征空間的維度。該方法可以顯著減少計(jì)算時(shí)間和所需存儲(chǔ)空間。將核函數(shù)應(yīng)用于檢定數(shù)據(jù)并映射,所測(cè)試特征點(diǎn)的檢索率高達(dá)91.67%。
[Abstract]:Content-based satellite image registration is a difficult problem in the field of remote sensing and image processing. Affected by illumination, rotation and source difference, this problem is more prominent in multi-source remote sensing image matching. Scale-invariant feature transform sift (scale-invariant feature transform) algorithm is a successful algorithm for satellite image registration. Local SIFT descriptors are used by many researchers to improve the image retrieval process. Although the SIFT algorithm has good stability, it still has some disadvantages in the quality and quantity of local feature points extracted from multi-source remote sensing. In addition, the local features extracted by sift algorithm have a higher dimension, which results in a long time consuming and too much storage space for storing relevant information. These two points are also important factors in content-based image retrieval (CBIR) applications. In this paper, a new method for converting local SIFT features into global features in multi-source remote sensing is introduced. In order to improve the quality and quantity of SIFT local feature points, the contrast equalization of the image is carried out in the preprocessing stage. After the local features of each image in the reference database are divided into one group, linear discriminant analysis (linear discriminant analysis) method is used to transform the local SIFT features into global features without reducing the dimension of the feature space. This method can significantly reduce the computational time and the required storage space. The kernel function is applied to the verification data and mapped, and the retrieval rate of the feature points tested is as high as 91.67.
【作者單位】： Electrical
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孟佳娜;段曉東;楊亮;;基于特征變換的跨領(lǐng)域產(chǎn)品評(píng)論傾向性分析[J];計(jì)算機(jī)工程;2013年10期

2 肇瑩;劉紅星;高敦堂;;一種三角矩陣特征變換方法[J];模式識(shí)別與人工智能;2007年05期

3 馬萬(wàn)里;夏時(shí)洪;王兆其;;人體運(yùn)動(dòng)的風(fēng)格圖模型[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年12期

4 李政儀;馮貴玉;趙龍;;基于直接局部保持投影和尺度不變特征變換的人臉識(shí)別方法[J];計(jì)算機(jī)應(yīng)用;2012年09期

5 周玲麗;賴劍煌;;基于尺度不變特征變換優(yōu)化算法的帶遮擋人臉識(shí)別[J];計(jì)算機(jī)應(yīng)用;2011年S1期

6 馬俠霖;羅鵬;陳志斌;蔡銘;;基于尺度不變特征變換的云導(dǎo)風(fēng)計(jì)算方法[J];氣象科技;2014年03期

7 李根;李文輝;;基于尺度不變特征變換的平面旋轉(zhuǎn)人臉檢測(cè)[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2013年01期

8 蘇騰榮;吳及;王作英;;用于語(yǔ)音識(shí)別的空間相關(guān)性變換[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年10期

9 劉立;詹茵茵;羅揚(yáng);劉朝暉;彭復(fù)員;;尺度不變特征變換算子綜述[J];中國(guó)圖象圖形學(xué)報(bào);2013年08期

10 田文;徐帆;王宏遠(yuǎn);周波;;基于CUDA的尺度不變特征變換快速算法[J];計(jì)算機(jī)工程;2010年08期

相關(guān)博士學(xué)位論文 前1條

1 張巍;基于k近鄰分類準(zhǔn)則的特征變換算法研究[D];復(fù)旦大學(xué);2007年

相關(guān)碩士學(xué)位論文 前3條

1 趙文亮;基于特征變換的協(xié)同學(xué)習(xí)方法[D];鄭州大學(xué);2014年

2 黃艷麗;基于尺度不變特征變換的目標(biāo)跟蹤技術(shù)研究[D];武漢科技大學(xué);2009年

3 李穎;基于美麗指數(shù)的人臉美學(xué)分析模型[D];哈爾濱工業(yè)大學(xué);2013年

，

本文編號(hào)：1893826