下载文档原格式
集成MSER和SIFT特征的遥感影像自动配准算法王晓华;邓喀中;杨化超【期刊名称】《光电工程》【年(卷),期】2013(000)012【摘要】针对倾斜的遥感影像配准困难问题，提出一种基于集成最大极值稳定区域(MSER)和尺度不变特征转换(SIFT)的互补不变特征的自动影像配准算法。
该算法首先应用目前公认的具有最佳仿射不变性的MSER特征区域进行影像的粗匹配，初步校正影像的空间形变。
然后在粗匹配基础上采用匹配能力较强的 SIFT 描述子与仿射不变矩描述子相结合，进行精匹配。
通过以上两步匹配，可以提高遥感影像配准精度，尤其对倾斜影像效果更明显。
最后采用倾斜的无人机(UAV)影像进行试验，并与SIFT配准算法比较。
结果表明，本文算法在仿射不变性和匹配正确率方面均优于SIFT配准方法。
%An image matching approach which integrates Maximally Stable Extremal Regions (MSER, Maximally Stable Extremal Regions) and Scale Invariant Feature Transformation (SIFT, Scale Invariant Feature Transformation) complementary invariant feature automatically is proposed for the tilt Remote Sensing image registration. Firstly, the images are coarsely matched by applying currently recognized as the best affine invariant MSER features, and the large deformation images are corrected initially. Then the images are fine matched by the matching ability of the SIFT descriptor joint the moments based on the coarse matching. The remote sensing image matching accuracy is improved through the above two steps, especially, the more pronounced effect on the large tilt images.Finally, the UAV(Unmanned Aerial Vehicle) image experiments show that this algorithm is more effective than SIFT algorithm in the affine invariant and matching the correct rate.【总页数】8页(P31-38)【作者】王晓华;邓喀中;杨化超【作者单位】河南理工大学测绘与国土信息工程学院，河南焦作 454000; 中国矿业大学江苏省资源环境信息工程重点实验室，江苏徐州 221116;中国矿业大学江苏省资源环境信息工程重点实验室，江苏徐州 221116;中国矿业大学江苏省资源环境信息工程重点实验室，江苏徐州 221116【正文语种】中文【中图分类】TP751【相关文献】1.基于SIFT特征的遥感影像自动配准 [J], 茹朝阳2.基于Harris-SIFT特征匹配的图像自动配准算法研究 [J], 李玉峰;王竹筠3.基于SIFT特征的遥感影像自动配准 [J], 李晓明;郑链;胡占义4.基于SIFT特征的多源遥感影像自动配准 [J], 李吉军;周尚波;陈虹;张伟伟5.基于SIFT特征遥感影像自动配准与拼接 [J], 程焱;周焰;林洪涛;潘恒辉因版权原因，仅展示原文概要，查看原文内容请购买。
科技信息2010年第7期SCIENCE&TECHNOLOGY INFORMATION遥感是目前为止能够提供全球范围的动态对地观测数据的惟一手段,其成像模式多种多样。
多源传感器影像的数据融合,可以产生出比单一信息源更精确、更完整、更可靠的影像信息。
在融合这些多源遥感影像数据时,必须先进行影像配准，经过适当配准的多传感器图像可以在像素级直接融合形成融合图像，然后在此基础上完成目标探测、特征提取和目标识别等处理。
图像配准广泛应用于航空航天技术、地理信息系统、图像镶嵌、图像融合、目标识别、虚拟现实等领域。
1图像配准的基本概念图像配准是指同一目标的两幅（或者两幅以上）图像在空间位置上的对准，图像配准的技术过程称为图像匹配。
影像匹配实质上是在两幅(或多幅)影像之间识别同名点,是计算机视觉及遥感数字图像制图的核心问题[1]。
对影像匹配可作如下数学描述[2]:若影像I1与I2中的像点O1与O2具有坐标P1=(x1,y1)、P2=(x2,y2)及特征属性f1与f2，即O1=(P1,f1)、O2=(P2,f2)。
其中f1与f2可以是P1与P2为中心的小影像窗口的灰度矩阵g1与g2,也可以是其他能够描述O1与O2的特征。
基于f1与f2定义某种测度m(f1,f2)。
所谓影像匹配就是建立一个映射函数M满足：P2=M(P1,T)、M(f1,f2)=max或min(O1∈I1,O2∈I2)。
其中T为描述映射M的参数矢量,测度m表示O1与O2的匹配程度,称为匹配测度。
基于不同的理论或不同的思想可以定义各种不同的匹配测度,因而形成了各种影像匹配方法及相应的实现算法。
2图像匹配的一般算法2.1基于图像灰度的匹配方法基于图像灰度的匹配方法的基本思想是：首先对待匹配图像做几何变换；然后根据灰度信息的统计特性定义一个目标函数，作为参考图像与变换图像之间的相似性度量，使得匹配参数在目标函数的极值处取得，并以此为匹配的判决准则和匹配参数最优化的目标函数，从而将匹配问题转化为多元函数的极值问题；最后通过一定的最优化方法求得正确的几何变换参数。
多源遥感图像中的图像配准方法宋 芳1,李 勇2,陈 勇11.装备指挥技术学院重点实验室,北京 101416;2.浙江师范大学信息光学研究所,浙江,杭州 321004提要:提出了多源遥感图像配准融合的流程,分析了图像配准的过程。
介绍了几种遥感图像的图像配准方法,对几种配准方法的效果进行了讨论。
关键词:影像配准;信息融合;图像增强中图分类号:TP751 文献标识码:A 文章编号:0253-2743(2008)03-0026-02Match methods for multisensor remote sensing im age registrationS ONG Fang 1,LI -Y ong 2,CHE N -Y ong 11.The Academy of Equipment C ommand &T echnology ,Beijing 101416,China ;2.Institute of In formation Optics ,Zhejiang N ormal University ,Hangzhou 321004,ChinaAbstract :The article introduced a match framew ork of Multiscns or Rem ote Sensing.The author particularly studied every process.This paper introduced sev 2eral image match methods of Multisens or Rem ote Sensing data ,and author performed a discussion on the relationship between several.K ey w ords :image match ,in formation fusion ,image enhancement收稿日期:2008-01-16 在图像处理前,必须保证两幅图像的相关性,减小干涉相位误差。
