遥感图象控制点自动提取与配准方法分析

《遥感图象控制点自动提取与配准方法分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第1章绪论区域则检测角点，并进行匹配。对匹配得到的控制点对进一步进行一致性检查，消除错误匹配["1oBourret提出一种基于匹配分割后的SPOT卫星图象配准方法。首先采用多尺度边缘检测和边缘闭合过程进行图象分割，然后通过计算图象分割后的能量函数，并用模拟退火算法极小化能量函数完成图象配准[”]。Wang等先用Sobe:算子分割图象形成闭区域，然后利用闭区域的中心作为特征点。并用图象上的特征点组成线段，用线段的角度差和线长度的比率建立二维直方图，从而得到匹配特征点对[141。这一类方法可以分为二种，一种是利用两幅图象的空间统计信息作为其相似性判别

2、标准，采用适当的搜索算法得到令相似性判别标准最大化的图象配准方法，这是最早发展出来的图象配准技术，其使用的图象全局信息是基于象素灰度得来的。这种方法的主要特点是实现简单，但应用范围较窄，不能直接用于校正图象的非线性形变，在最优变换的搜索过程中往往需要巨大的运算量，而且对噪声敏感。另一种是基于图象特征提取的方法，对于不同特性的图象，选择图象中容易提取并能够在一定程度上代表待配准图象相似性的特征作为配准控制点。基于特征提取的方法在图象配准方法中具有较强的适应性。(二)变换域方法:把图象从空间域经过某种形式转换到变换域时，可得到空间域表现不明显的特征，

3、很多人从这方面做了很多的研究口如早期的利用付里叶变换的方法进行图象配准，平移、旋转、镜象、缩放等变换在付里变换域都有对应的形式。比较典型的是直接利用付里叶变换相位相关技术进行配准，而后Reddy对相位相关技术进行的扩展【”]，使其不仅适用于平移关系的配准问题，而且可以解决旋转、缩放关系的图象配准问题。还有利用小波变换的方法进行图象配准的，如Djam对两幅图象用“atrous”算法进行小波分解得到特征点，再在不同尺度上进行特征点匹配和迭代估计多项式变换的参数[161oMoigne采用小波变换对图象进行分解，并从图象分解的LH和HL分量的小波变换系数

4、中得到特征点，然后采用从粗到精迭代策略，得到图象之间的旋转变换参数I'll.Corvi用图象小波变换的模极大和极小值作为特征点，接着用聚类方法得到变换模型的旋转和平移参数的初始值[181。并进一步对特征点用最小距离方法匹配，最后采用LMS估计图象之间的变换参数。Li等人考虑可见光和红外图象的配准，将轮廓检测与灰度局部统计特性结合起来提取特征点[”〕。并对特征点进行初始匹配和精确匹配，最后得到真实匹配点对。Hsieh等用图象小波分解的局部模极大值作为侯选特征点，并筛选得到真实特征点[201。在用估计得到的图象之间的角度差对图象进行补偿后，用相关系数

5、法得到补偿后的两幅图象之间的特征点对，再根据仿射变化条哈尔滨工业大学工学硕译丁学位论文件下，同一幅图象中两点距离保持不变的特点消除错误匹配点对。变换参数通过迭代得到，实验对象仅为单一传感器所得图象。其它的方法还有Dana提出一种可见光和红外图象的配准方法[211。首先用多尺度边缘检测得到不同尺度下的图象边缘，然后采用分层估计、变换、优化策略得到图象间的变换参数。Unse:应用二维三次连续样条函数表示图象，并利用样条函数的多分辨率结构，由粗到精采用迭代策略和最速下降方法寻找图象仿射变换的参数[221。可以看出，在变换域内，图象被分解为一组变换系数，

6、不直接依赖于象素值，鲁棒性好。但这一类算法，往往通用性比较差，有的方法仅对平移和旋转变换有效，而有的只适合于某种特定的遥感图象。1.2.2遥感图象线特征提取研究现状在上述的空间域方法中有一种是基于特征提取的方法，在城市遥感图象中，线特征最为普遍而且相对容易提取。线特征自动提取包括道路，河流等线特征的自动识别和几何特征的自动定位，遥感图象线特征提取己有各种各样的方法，若干有代表性的方法如下:1)BarzoharandCooper对道路的中心线、宽度、灰度、边缘和背景灰度级建立模型，将整幅图中的每个小窗口进行最大后验估计，然后用动态规划法从这些候选者

7、中得到全局的最优估计[2312)Vosslman和Knecht提出了一个与上述类似的方法并做了一些改进。道路的位置由灰度断面和表面模型的最小二乘匹配计算出来，并用卡尔曼滤波更新路径的参数[2413)Heipke用一个分级式的多分辨率方法，在粗分辨率上提取中心线，在高分辨率上用类似于Nevatia方法的边缘跟踪算子提取两边线，将两级的结果合并得到道路等线特征[2514)Sylvain为提高效率和节省计算时间，提出了集成自动和半自动的道路提取方式的方案，以自动化方法提取道路网的一部分信息，然后用人工干预的方法提取道路等线特征，提取结果进行三维投影来得

8、到制图数据[2615)RalfTonjes提出多传感器(红外、航片、SAR等)的信息融合的道路提取方法。多传感器的信息用一个分层的语义网