基于Harris和SURF的遥感图像匹配方法研究.pdf

万方数据
基于和的遥感图像匹配方法研究测绘与空间地理信息石善球芯糠椒,篐籗籪言帐』〉乩硇畔⒅行模漳暇摘要:针对多源遥感图像匹配正确率低的问题,本文首先采用点空间约束的角点检测算法,得到分布比较均匀的角点;接着构建冀型枷穹挚椋蝗缓笥τ梅挚镾卣鞯慵觳夂推ヅ涞玫椒律浔浠徊问辉利用灰度积相关算法实现同名点搜索;最后辅以两点对空间约束剔除误匹配。实验结果表明,本文采用的基于和的方法在遥感图像匹配正确率和效率上优于算法。关键词:;;特征点;匹配中图分类号:;文献标识码:文章编号:———遥感图像匹配在图像处理领域有着重要的意义,而图像匹配是图像处理领域研究的热点之一。谢东海、詹总谦等⋯提出了改进算子用于点特征的精确定度;赵万金、龚声蓉等旧岢隽艘恢肿允视Φ腍堑检测算法,这种算法有效地避免了角点聚簇现象;贾莹口采用新的角点响应函数以改进算法,提高了算法的有效性和鲁棒性,但该算法的定位性能较差,只能达到一个像素级;方壮提出一种迭代有序盍诮嗬胧迪痔征点匹配的迭代算法,能很好地实现有镜像或自相似图像间的特征点匹配,但没有考虑噪声、仿射变换对该算法的影响;张锐娟”捎肧椒ê妥罱谄ヅ浞ㄅ渥纪像,能够满足图像配准正确度的要求,运行时间缩短,具由于多源遥感图像的成像原理存在一定的差异,甚多源遥感图像的成像时间不同,因此同一地理位置的地物也存在差异,这直接造成了多源遥感图像间的匹配正确率比较低,而且特征检测多分布在纹理核结构较丰富的区域。因此,为了获取分布比较均匀的特征点,兼顾匹配精度和算法效率,本文采用了一种基于和该方法首先利用具有点疏密空间约束的算法在基准图像上提取角点;然后根据角点生成自带地理坐标的级曰纪枷窈痛U枷窠型枷穹挚椋算法进行误匹配剔除,接着根据求出的仿射变换矩阵得到角点在校正图像的估计点位,并在估计点位一定像素范围内根据灰度积算法完成同名点的搜索;最后辅以两点对空间约束剔除粗差点对。基于和第卷第,,猼猵籱位,在点特征提取方面达到了较好效果,提高了匹配精有可行性和有效性。至有的图像是通过融合而成的,导致色彩差异较大,此外算法的遥感图像匹配方法。在此基础上分块完成特征检测和匹配并根据基金项目:江苏省测绘科研项目手作者简介:石善球,男,湖北黄冈人,工程师,学士,主要从事数字影像处理工作。年痭收稿日期:——琋。.—:猻,琣;.;,猵.;—,——籉,甌.
万方数据
P⒂床使用尺度可变高斯函数并,会囟其中,为矩阵尝】的行列式;讹肘为,圳ぁ霉㈩№.贖蚐奶卣鞯闫ヅ鼬戚錮妇改进的角点检测一￡,,蚅进行高斯加权】,生成矩阵脑K餙加分块特征点检测特征点匹配第石善球:基于和的遥感图像匹配方法研究的遥感图像匹配如图尽角点检测算法基本流程‘如下:最大值点即为图像中的角点。传统的角点检测主要集中在纹理信息比较丰富的区域,容易导致特征点分布不均匀,对后续图像的分块造成影响。针对这个问题采用具有点空间约束的点间的距离约束,检测结果如图尽?梢苑⑾郑堑间距为像素提取到的角点虽然数量多,密度大,但对于全图而言,角点分布不均匀,且局部角点数目依赖于图像纹理信息的丰富程度;而角点间距为像素的角点虽然数量少,密度低,但分布较为均匀。等在年提出,它本质上是对盯算子的改进,一种基于快速鲁棒特征的算法。该算法首先建立尺度空间,然后极值点定位,最后生成描述子,不仅很大程度上提高了特征点匹配的计算速度,而且还有着很好的