sift结合图像信息的多源遥感图像配准技术研究

《sift结合图像信息的多源遥感图像配准技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、杭州电子科技大学硕士学位论文SIFT结合图像信息的多源遥感图像配准技术研究研究生：吕步云指导教师：赵辽英教授2015年3月DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterResearchesonregistrationofMulti-sourceRemoteSensingImagesbasedonSIFTandimageinformationCandidate:LvBuyunSupervisor:Prof.ZhaoLiaoyingMarch,2015摘要多源遥感图像协同处理可以提高遥感应

2、用效果，而多源遥感图像配准是多源遥感图像协同处理的前提。因此，多源遥感图像配准技术的研究具有重要意义。本文以SIFT特征提取与配准为基础，结合图像的其他信息，研究多源遥感图像的配准。论文主要研究的内容包括：(1)简单描述了本文研究的相关背景与实际意义，查阅国内外研究相关的文献，并对其进行分析与总结，为本文提出改进的配准方法提供重要的科学参考与理论支持。(2)对配准相关理论进行系统介绍，包括图像配准的定义及其数学模型，常用的空间变换模型、以及基本的配准流程，最后对配准算法的性能评价标准进行简单介绍。(3)结合图像的光谱信息，提出了基于SIFT和植被指数分析相结合的配准方法。

3、详细介绍了经典SIFT特征点提取算法，并根据多光谱图像中地物光谱反射率的差异特性，引入了植被指数分析。(4)结合图像的灰度信息，提出SIFT结合粒子群算法优化区域互信息的图像配准。基于SIFT算法提取特征点，经匹配和有效地外点排除完成预配准，然后对匹配特征对坐标进行亚像素级微调，通过最小二乘法求得一系列匹配参数构造初始粒子群，最后利用混沌粒子群优化区域互信息完成精配准得到最优匹配参数。(5)总结本文所做工作，并对未来遥感图像配准方面的发展方向进行展望。关键词图像配准、遥感图像、SIFT算法、植被指数、区域互信息、混沌量子粒子群算法IABSTRACTMulti-source

4、remotesensingimagesprocessingcanimprovetheeffectofremotesensingapplication.Registrationofthemutli-sourceremotesensingimagesisakeytechnologyformulti-sourceremotesensingimagesprocessing.Sotheresearchonimageregistrationformulti-sourceremotesensingimageshasgreatsignificance.Thispaperstudiesth

5、eregistrationformulti-sourceremotesensingimagesbycombiningSIFTwithsomeotherimageinformation.Themaincontentsareasfollows:(1)Tomakesuretheresearchaboutremotesensingimageregistrationworkwell,thefirstpartintroducesthebackgroundandsignificanceoftheresearch.Andthentosumupandanalyzetherelevantli

6、teratures,whichprovideanimportanttheoreticalbasisforfurtherstudyoftheremotesensingimageregistration.(2)Thesecondchapterbrieflyintroducesthebasistheoriesofimageregistration,includingthedefinitionofimageregistration,geometrictransformationmodel,basicprocessofimageregistrationandimageregistr

7、ationevaluationcriteria.(3)Takingintoaccountthespectralinformationofremotesensingimages,anewimageregistrationmethodbasedonscale-invariantfeaturetransform(SIFT)andvegetationindexanalysisisproposed.Inthispart,thetraditionalSIFTalgorithmisfirstlydescribedindetail,andth