基于SIFT特征遙感影像自動(dòng)配準(zhǔn)與拼接

《基于SIFT特征遙感影像自動(dòng)配準(zhǔn)與拼接》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、第23卷第6期遙感技術(shù)與應(yīng)用Vo1．23No．62OO8年12月REMOTESENSINGTECHN0L0GYANDAPPLICAT10NDec．2008基于SIFT特征遙感影像自動(dòng)配準(zhǔn)與拼接程焱。，周焰，林洪濤，潘恒輝(1．空軍雷達(dá)學(xué)院研究生管理大隊(duì)，湖北武漢430019；2．空軍雷達(dá)學(xué)院信息與指揮自動(dòng)化系，湖北武漢430019；3．海軍92602部隊(duì)，浙江寧波315000)摘要：將SIFT特征用于遙感及航拍影像的配準(zhǔn)和拼接，并針對(duì)RANSAC算法在SIFT特征匹配中效率低、同時(shí)還需要估計(jì)內(nèi)點(diǎn)噪

2、聲均方差作為誤差數(shù)據(jù)的門限等不足，采用一種基于投影的M估計(jì)算法，利用最優(yōu)化準(zhǔn)則和輸入數(shù)據(jù)的內(nèi)在聯(lián)系繞開(kāi)魯棒估計(jì)對(duì)噪聲均方差的依賴性。實(shí)驗(yàn)結(jié)果表明，對(duì)航空和航天遙感影像SIFT特征在一定程度的視點(diǎn)變化、光照變化、分辨率不同等情形下，該方法具有穩(wěn)定、快速、可靠等特點(diǎn)。M估計(jì)則有效地解決了對(duì)于不同輸入數(shù)據(jù)的門限選擇，真正實(shí)現(xiàn)了無(wú)人工干預(yù)的自動(dòng)配準(zhǔn)。關(guān)鍵詞：SIFT特征匹配；圖像配準(zhǔn)；RANSAC；M估計(jì)中圖分類號(hào)：TP75文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1004-0323(2008)06—0721-081引言特

3、征元素匹配時(shí)，通常用其屬性作為衡量相似度的標(biāo)準(zhǔn)。基于特征匹配的方法能夠根據(jù)定位深度比較連圖像配準(zhǔn)指同一目標(biāo)的兩幅(或多幅)圖像在空續(xù)地提取較準(zhǔn)確的信息，而且適合應(yīng)用在灰度特征明間位置上的對(duì)準(zhǔn)。圖像配準(zhǔn)是眾多具體應(yīng)用的共性顯不同的多傳感器圖像配準(zhǔn)中。基于特征的圖像配核心技術(shù)，如圖像融合、變化檢測(cè)等。其在遙感、軍準(zhǔn)算法文獻(xiàn)很多，Bentoutoul2在參考圖像，通過(guò)改事、醫(yī)學(xué)、計(jì)算機(jī)視覺(jué)等眾多領(lǐng)域都有廣泛的應(yīng)用【1]。進(jìn)的Harris算子[3檢測(cè)特征點(diǎn)，并設(shè)定一個(gè)梯度門圖像配準(zhǔn)包括特征提取、特征匹配、

4、轉(zhuǎn)換模型參限，相應(yīng)地在測(cè)量圖像中采用基于不變性的相似性數(shù)估計(jì)、圖像重采樣4個(gè)步驟。根據(jù)圖像配準(zhǔn)中匹配度量，通過(guò)模板匹配的方法尋找匹配的控制點(diǎn)，僅通基元的性質(zhì)又可以分為基于區(qū)域的配準(zhǔn)和基于特征過(guò)3個(gè)點(diǎn)來(lái)估計(jì)變換模型。TaejungKim]首先通的配準(zhǔn)。基于區(qū)域的配準(zhǔn)方法通常直接利用圖像區(qū)過(guò)歸一化函數(shù)度量特征的相似性，并利用場(chǎng)景的重域的灰度信息，其匹配過(guò)程是：在參考圖像中以匹配疊程度和方向角調(diào)整窗口大小，從而改進(jìn)匹配的精點(diǎn)D為中心確定一個(gè)m*大小的窗口(模板)，然后度，然后運(yùn)用RANSAC算法進(jìn)一步消

5、除錯(cuò)配并計(jì)在測(cè)量圖像中選擇足夠大的搜索區(qū)域(以保證對(duì)應(yīng)點(diǎn)算轉(zhuǎn)換參數(shù)。Lowe_5提出了一種基于尺度空間的，在該區(qū)域)，將模板在搜索區(qū)域中移動(dòng)時(shí)所覆蓋的區(qū)對(duì)圖像縮放、旋轉(zhuǎn)甚至仿射變換保持不變性的圖像域與模板進(jìn)行相似性比較，尋找相似性最大的區(qū)域中局部特征描述算子——SIFT算子。Mikolajczyk心點(diǎn)作為對(duì)應(yīng)的點(diǎn)。常用的相似性度量主要有：歸一對(duì)11種最具代表性的算子(如不變矩、互相關(guān)、化的函數(shù)、相關(guān)系數(shù)和最小二乘匹配。它可以實(shí)現(xiàn)全SIFT等)進(jìn)行了實(shí)驗(yàn)和性能比較，結(jié)果表明，在對(duì)光自動(dòng)，但圖像場(chǎng)景相

6、異時(shí)，存在很多錯(cuò)配，且計(jì)算量照變化、圖像旋轉(zhuǎn)、尺度變化、幾何變形、模糊和圖像大、速度慢、對(duì)噪聲和光照變化魯棒性差且該方法只壓縮等6種情況下，SIFT特征描述的性能最好。李限于光譜相似的圖像配準(zhǔn)，因而不適合本文的配準(zhǔn)問(wèn)曉明_l等人首次將SIFT算法應(yīng)用于遙感影像的自題?；谔卣鞯呐錅?zhǔn)方法以圖像的局部特征為研究動(dòng)配準(zhǔn)，并采用RANSAC算法完成對(duì)應(yīng)點(diǎn)的匹配。對(duì)象，首先提取參考圖像和測(cè)量圖像中的同類型元然而，RANSAC算法在實(shí)際應(yīng)用中需要用戶設(shè)定一素，比如角點(diǎn)、邊緣、輪廓、幾何拓?fù)潢P(guān)系等結(jié)構(gòu)特征，個(gè)“

7、閾值”作為內(nèi)點(diǎn)噪聲尺度的假設(shè)，該閾值的選取收稿日期：200806—26；修訂日期：2008—10一O9基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(4010】0l9)。作者簡(jiǎn)介：程焱(1984一)，男，碩士研究生，研究方向?yàn)閳D像處理與分析。Email：nash—skywalker@yahoo．COFII．cn。722遙感技術(shù)與應(yīng)用第23卷完全依賴于輸人數(shù)據(jù)本身的統(tǒng)計(jì)特性，對(duì)于不同的圖像與某種變換核進(jìn)行卷積運(yùn)算，得到基于該變換“”[7’輸人數(shù)據(jù)，需要設(shè)定合適的閾值，導(dǎo)致算法在完成的圖像序列。Koendetin

8、k將尺度空間形式化為熱配準(zhǔn)過(guò)程中需要人工的干預(yù)。因此，本文結(jié)合SIFT擴(kuò)散方程，開(kāi)辟了偏微分方程解決圖像處理的源頭，一一變換核特征描述子的思想，針對(duì)特征匹配的問(wèn)題，采用種并證明高斯卷積核是實(shí)現(xiàn)尺度變換的唯?；谕队暗腗估計(jì)算法，利用最優(yōu)化準(zhǔn)則與輸入數(shù)二維高斯函數(shù)定義如下：1nn0NSAC1‘‘。據(jù)的內(nèi)在聯(lián)系，避免了RA算法對(duì)輸人數(shù)據(jù)?！痽’0。。G(x一一e，Y，仃)i(1)Z7c盯統(tǒng)計(jì)特性的依賴，實(shí)現(xiàn)算法的全自動(dòng)。本文第T其中：(z，y)代表圖像的像素空間坐標(biāo)，一代表了高二部分介