基于SURF特征提取的遥感图像自动配准-论文.pdf

基于SURF特征提取的遥感图像自动配准-论文.pdf

ID:53761790

大小:1.32 MB

页数:9页

时间:2020-04-24

基于SURF特征提取的遥感图像自动配准-论文.pdf_第1页
基于SURF特征提取的遥感图像自动配准-论文.pdf_第2页
基于SURF特征提取的遥感图像自动配准-论文.pdf_第3页
基于SURF特征提取的遥感图像自动配准-论文.pdf_第4页
基于SURF特征提取的遥感图像自动配准-论文.pdf_第5页
资源描述:

《基于SURF特征提取的遥感图像自动配准-论文.pdf》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、计算机系统应用http://www.C—S·f1.org.cn2014年第23卷第3期基于SURF特征提取的遥感图像自动配准①葛盼盼,陈强(南京理工大学计算机科学与技术学院,南京210094)摘要:基于SURF(SpeededUpRobustFeatures)特征点提取是目前比较流行的图像配准方法.本文在SURF基础上,提出一种基于分块策略的改进方法:首先采用分水岭分割法确定图像的分块数量,然后对图像进行分块,每个子块提取一定数量的特征点,以便实现特征点的均匀提取;再通过稀疏特征树法找出匹配的特征点对;最后用RANSAC算法剔除错误匹配特征点对,同时

2、计算参考图像与待配准图像的变换关系.实验表明,该方法能够高效、快速地解决遥感图像的自动配准问题.关键词:SURF;分块策略;稀疏特征树;特征点匹配;自动配准RemoteSensingImageAutomaticRegistrationBasedonSURFFeatureExtractionGEPan·Pan,CHENQiang(CollegeofComputerScienceandTechnology,NanjingUniversityofScienceandTechnology,Nanjing210094,China)Abstract:SURF(S

3、peededUpRobustFeatures)featureextractioniscurrentlymorepopularimageregistrationmethod.ThispaperproposedaimprovedmethodbasedonblockstrategyonthebasisofSURF.Firstly,usingWatershedAlgorithmtodeterminethenumberofimageblocks;thentheimagewasdividedintoblocksandeachsub·blockextracteda

4、certainamountoffeaturepointstorealizeuniformfeaturepointextraction;thenusingsparsefeaturetreetofindthematchingfeaturepointsandfinallyusingimprovedRANSACalgorithmtoeliminatetheerormatchingfeaturepointpairs,whilecalculatingtransformationbetweenthereferenceimageandtheimagetoberegi

5、stered.Experimentsshowthatthismethodcaneficientlyandquicklysolvetheproblemofremotesensingimageautomaticregistration.Keywords:SURF;blockstrategy;sparsefeaturetree;featurepointsmatch;automaticregistration遥感图像配准是指确定在相同或不同时间、通过SIFT(Scale.InvariantFeatureTransform)算子,并在2004相同或不同传感器拍

6、摄的两幅或多幅图像之间最佳匹年进行总结和完善.Mikolajczyk与Schmid提出了配关系的过程1.图像配准在遥感、医学诊断和计算机Harris.Laplace和Hessian—Laplace算法l6】,该方法具有视觉等领域有着广泛的应用.近年来,图像配准的方仿射不变性,但检测到的特征点较少.SIFT具有旋转法层出不穷,其中基于特征的方法取得了飞速的发展.不变性、尺度不变性、亮度不变性及很好的抗噪声能常用的图像特征有特征点、边缘、区域和轮廓等.特征力.SIFT算法虽然可以适应亮度变化,但其计算速度的选择跟图像的内容有很大的关系,一般而言,提取较慢

7、【、算法计算数据量大、时间复杂度高、算法耗时特征点相对容易,能对图像间的分辨率、旋转、平移、长.针对上述缺点,研究者做了不同的改进,Yanke等光照变化等保持不变L2J.1988年,Haris和Stephens提出人[】提出用PCA—SIFT方法对特征描述进行数据降维,Harris角点【3J检测算法;1997年,Smith和Brady提出但在没有任何先验知识的情况下,反而增加了计算量;SUSAN(UnivalueSegmentAssimilatingNucleus)角点Delponte等人『9]提出用SVD方法进行特征匹配,但匹检测:结合尺度空间理论

8、,陈白帆等人提出一种多尺配过程计算复杂,且不能用于宽基线匹配;Grabner等度的Haris角点检测算法.L

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。