结合SIFT和Delaunay三角网的遥感图像配准算法①
2018-10-24陈志云
计算机系统应用 2018年10期
关键词:特征
祁 曦, 陈志云
(华东师范大学 计算机科学与软件工程学院, 上海 200062)
随着航空航天技术的不断进步和发展, 遥感影像不断向多时相、多角度及多分辨率方向发展[1]. 越来越多的科研人员开始对高分辨率遥感影像数据处理进行研究[2]. 而遥感影像快速配准就是这些处理中的关键一步. 遥感图像是由不同类型的传感器或从不同角度、不同时间对同一场景拍摄形成的, 所以遥感图像之间会存在几何变形, 给遥感图像处理带来一定的困难. 图像配准就是在对各类遥感数据进行处理之前, 先对两幅或多幅不同类型的图像进行空间几何变换, 使得图像中代表同一位置的对应区域映射到相同坐标下, 而后进行匹配或叠加.
目前主要有两类图像配准方法:一类是基于灰度的配准方法, 另一类是基于特征的配准方法[3]. 基于灰度的配准方法主要是比较两幅图像的灰度相似性, 找出相似度高的区域[4]. 该方法对图像灰度的依赖程度很高, 运算量比较大, 对图像灰度差异大、图像旋转、图像噪声等情况的处理效果不佳[5]. 代表方法有最大互信息法[6]、傅里叶变换[7]等. 基于特征的图像配准方法是匹配两幅图像中的共性显著点, 它大大地降低了计算量, 且由于只关注图像的局部, 所以对图像的灰度变化、遮挡都有较好的不变性[8]. 该方法一般选取遥感影像的点、线、区域等特征, 而其中特征点的提取相对于线、区域特征来说, 既可以保证图像的信息量……
登录APP查看全文
