【摘要】：遙感影像數(shù)據(jù)源源不斷地被送回地面接收站,面對(duì)如此海量的遙感影像,影像配準(zhǔn)和融合技術(shù)起了關(guān)鍵性的作用。遙感影像的配準(zhǔn)是有效地進(jìn)行數(shù)據(jù)融合的必要前提,不同幾何特性和不同分辨率的影像之間必須進(jìn)行嚴(yán)格地配準(zhǔn)。遙感影像的融合是通過整合優(yōu)勢(shì)互補(bǔ)的遙感影像來提高數(shù)據(jù)的可用度,融合后的遙感影像要比源影像所包含的信息要豐富,從而為后續(xù)處理做好了準(zhǔn)備。本文重點(diǎn)研究了遙感影像的配準(zhǔn)和多光譜與全色影像的融合,針對(duì)配準(zhǔn)和融合過程中出現(xiàn)的問題提出了相應(yīng)的改進(jìn)方法,并對(duì)其進(jìn)行驗(yàn)證、評(píng)價(jià)、分析。本文主要工作分為以下三個(gè)方面:(1)研究常用的遙感影像配準(zhǔn)和融合算法的理論和方法,分別對(duì)遙感影像配準(zhǔn)和融合算法進(jìn)行比較,并對(duì)各個(gè)算法的優(yōu)缺點(diǎn)進(jìn)行客觀分析。相較于其它配準(zhǔn)算法,SIFT配準(zhǔn)算法有著明顯的優(yōu)勢(shì),在不同尺度、旋轉(zhuǎn)、光照等條件下均能檢測(cè)到穩(wěn)定的特征點(diǎn)進(jìn)行配準(zhǔn),其缺點(diǎn)是運(yùn)算時(shí)間長(zhǎng)、出現(xiàn)邊緣效應(yīng);相較于其它融合算法,小波變換融合算法可以進(jìn)行多尺度融合,進(jìn)而改善融合后影像的細(xì)節(jié),其缺點(diǎn)是出現(xiàn)分塊、光譜扭曲、邊緣模糊等現(xiàn)象。(2)提出一種基于Canny和PCA改進(jìn)SIFT遙感影像配準(zhǔn)算法。對(duì)基準(zhǔn)影像和待配準(zhǔn)影像分別進(jìn)行Canny算法檢測(cè)邊緣特征、SIFT算法檢測(cè)特征點(diǎn),通過剔除在邊緣特征上的特征點(diǎn)減少邊緣效應(yīng),然后利用PCA進(jìn)行主成分分析特征點(diǎn)描述符進(jìn)行降維,最后通過RANSAC剔除誤匹配對(duì)的方法完成配準(zhǔn),從而剔除大量的邊緣響應(yīng)點(diǎn),提高算法的運(yùn)算效率。(3)提出一種基于PCNN的小波變換多光譜與全色遙感影像融合算法。對(duì)多光譜影像分別進(jìn)行IHS變換和PCA變換,IHS變換后得到強(qiáng)度I、色度H、飽和度S三個(gè)分量,PCA變換得后到多光譜影像的第一主成分PC1,將全色影像與第一主成分PC1進(jìn)行直方圖匹配得到PAN’,對(duì)I和PAN’進(jìn)行小波變換得到低頻分量和高頻分量,對(duì)低頻分量使用加權(quán)平均融合規(guī)則、高頻分量使用改進(jìn)PCNN的融合規(guī)則,然后生成I’,最后通過IHS逆變換生成融合結(jié)果。本算法有效地減少了光譜失真的現(xiàn)象也改善了融合的細(xì)節(jié)。通過大量實(shí)驗(yàn),根據(jù)常見的客觀評(píng)價(jià)指標(biāo)做出比較,可以看出本文改進(jìn)的算法可以有效地對(duì)遙感影像進(jìn)行配準(zhǔn)和融合。
【學(xué)位授予單位】：河南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP751
【圖文】：

根據(jù)處理類型的不同，目前主要分為基于區(qū)域的配準(zhǔn)、基于特征的配準(zhǔn)和基于物理模型的配準(zhǔn)的方法[31]。對(duì)于四種處理類型的配準(zhǔn)方法經(jīng)常用于遙感影像配準(zhǔn)處理�；谔卣鞯呐錅�(zhǔn)方首先會(huì)將的特征提取出來作為配準(zhǔn)基元，然后通過建立配準(zhǔn)基元之間的對(duì)從而求得參數(shù)完成配準(zhǔn)過程。在基于點(diǎn)特征、線特征、面特征的征的配準(zhǔn)方法是研究的熱點(diǎn)。遙感影像配準(zhǔn)方法如圖 2-1 所示。

了更高的要求。近年來，隨著科技的不斷發(fā)展，遙感影像的種類不斷增多、分辨率不斷提升，所以單純地使用 Canny 算法進(jìn)行配準(zhǔn)是不可取的�，F(xiàn)以 Landsat8 拍攝的美國(guó)某區(qū)域的全色影像為例說明。使用 Canny 算法對(duì)遙感影像提取邊緣特征，如圖 2-2 所示。(a) 原始影像(b) Canny 算法檢測(cè) 2 倍大小原始影像的邊緣 (c) Canny 算法檢測(cè)原始影像的邊緣圖 2-2 Canny 算法檢測(cè)邊緣特征圖 2-2 中，(a)、(b)、(c)依次為原始影像、2 倍大小原始影像檢測(cè)出的邊緣特征和原始比例原始影像檢測(cè)出的邊緣特征。(b)和(c)中檢測(cè)出的邊緣特征明顯受到待檢測(cè)圖像大小的變化而變化，故不適合多尺度遙感影像的配準(zhǔn)。(2) SURF 算法SURF 是 Baya 等在 2006 年提出的算法，主要是針對(duì) Lowe 在 2004 年總結(jié)完善 SIFT算法的基礎(chǔ)上進(jìn)行改進(jìn)的。SUFR 算法摒棄了 SIFT 算法中的差分高斯空間構(gòu)建，采用了積分圖像和多尺度方框?yàn)V波器來進(jìn)行卷積完成多尺度金字塔的構(gòu)建。原始基準(zhǔn)影像和待

F 算法與 SIFT 算法在構(gòu)建圖像金字塔時(shí)也有不同，SIFT 算法會(huì)對(duì)圖像的處理而高斯濾波器大小保持不變，SURF 則不改變圖像的大小。SUR尺度不變的特性是靠改變方框?yàn)V波器的大小來完成的。兩種算法構(gòu)建如圖 2-3 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃登山;王曉楠;;基于Canny和Hillbert-Huang變換的改進(jìn)的SIFT算法研究[J];西北工業(yè)大學(xué)學(xué)報(bào);2015年06期

2 吳粉俠;李紅;李洪星;;基于NSCT變換和PCA的圖像融合算法[J];航空計(jì)算技術(shù);2015年03期

3 許佳佳;張葉;張赫;;基于改進(jìn)Harris-SIFT算子的快速圖像配準(zhǔn)算法[J];電子測(cè)量與儀器學(xué)報(bào);2015年01期

4 楊健;李若楠;黃晨陽;王剛;丁闖;;基于局部顯著邊緣特征的快速圖像配準(zhǔn)算法[J];計(jì)算機(jī)應(yīng)用;2014年01期

5 余先川;呂中華;胡丹;;遙感圖像配準(zhǔn)技術(shù)綜述[J];光學(xué)精密工程;2013年11期

6 高穎;王阿敏;王鳳華;郭淑霞;;改進(jìn)的小波變換算法在圖像融合中的應(yīng)用[J];激光技術(shù);2013年05期

7 陳抒tb;李勃;董蓉;陳啟美;;Contourlet-SIFT特征匹配算法[J];電子與信息學(xué)報(bào);2013年05期

8 陳夢(mèng)婷;閆冬梅;王剛;;基于Harris角點(diǎn)和SIFT描述符的高分辨率遙感影像匹配算法[J];中國(guó)圖象圖形學(xué)報(bào);2012年11期

9 李德仁;童慶禧;李榮興;龔健雅;張良培;;高分辨率對(duì)地觀測(cè)的若干前沿科學(xué)問題[J];中國(guó)科學(xué):地球科學(xué);2012年06期

10 周會(huì)珍;吳雙;毛德發(fā);汪愛華;于冰洋;李麗;;多衛(wèi)星傳感器數(shù)據(jù)的Brovey融合改進(jìn)方法[J];遙感學(xué)報(bào);2012年02期

相關(guān)博士學(xué)位論文 前4條

1 陳大可;多光譜與全色圖像融合方法的研究[D];吉林大學(xué);2010年

2 楊波;基于小波的像素級(jí)圖像融合算法研究[D];上海交通大學(xué);2008年

3 張易凡;多光譜遙感圖像融合技術(shù)研究[D];西北工業(yè)大學(xué);2007年

4 董衛(wèi)軍;基于小波變換的圖像處理技術(shù)研究[D];西北大學(xué);2006年

相關(guān)碩士學(xué)位論文 前3條

1 張景新;多光譜與全色遙感圖像融合算法研究[D];哈爾濱工程大學(xué);2016年

2 丁超;小波變換在二源遙感圖像配準(zhǔn)中的應(yīng)用研究[D];浙江工業(yè)大學(xué);2015年

3 趙軼昌;基于SIFT和小波多尺度分析的多聚焦圖像融合方法研究[D];武漢理工大學(xué);2013年

本文編號(hào)：2806712