基于局部不变特征的遥感图像自动配准方法

《基于局部不变特征的遥感图像自动配准方法》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、万方数据计算机研究与发展JournalofComputerResearchandDevelopmentISSN1000．1239

2、CN11．1777

3、TP44(Suppl．)：366--370，2007基于局部不变特征的遥感图像自动配准方法雷琳粟毅(国防科学技术大学电子科学与工程学院长沙410073)(alaleilin@163．eom)AutomaticRemoteSensedImageRegistrationwithLocalInvariantFeaturesLeiLinandSuYi(SchoolofEle

4、ctronicScienceandEngineering，NationalUniversityofDefenseTechnology，Changsha410073)AbstractAnautomaticremotesensedimageregistrationmethodwithimagelocalinvariantfeaturesisproposedinthispaper．Atfirst，thefeaturepointsareidentifiedaslocalextremabothin2D-spaceandsc

5、alespaceoftheimage，andthelocalinvariantfeaturedescriptorsareextractedintheneighborhoodsofthesefeaturepoints，namedasscaleinvariantfeaturetransform(SIFT)．Thentheinitialmatchingsetisdividedintoinliersandoutliersusingrobustrandomsampleconsensus(RANSAC)algorithm，a

6、ndtheimagetransformationisaccuratelyestimatedbytheinlierssub—set．TherepeatabilityandmatchabilityofSIFTfeaturesaretestedinthesimulatedexperiment，andtheexperimentwithsatelliteimageiscarriedouttovalidatetherobustnessoftheproposedregistrationmethod．KeywordsSIFT；i

7、nlierandoutlier；RANSAC；automaticregistration；remotesensedimage摘要提出了一种基于图像局部不变特征的遥感图像全自动配准算法．首先在图像二维平面空间和尺度空间中同时检测局部极值作为特征点，并在特征点邻域提取局部不变特征描述子——尺度不变特征变换(SIFT)．然后运用稳健的随机采样一致性(RANSAC)算法将匹配点集划分为内点和外点，在内点域上精确地估计出图像变换模型．实验利用仿真数据测试了SIFT特征的可重复性和可匹配性，利用卫星图像验证了此自动配准算法的

8、有效性和稳健性．关键词尺度不变特征变换；内点外点；随机采样一致性；自动配准；遥感图像中图法分类号TP391．41；TP75遥感图像自动配准方法主要分为两类：直接配准和基于特征的配准．其中基于特征的方法是通过提取显著的图像特征，利用特征集之间的空间关系或各种局部不变特征描述子找到特征集之间的对应关系来实现的⋯．有意义的区域(森林、湖泊)、线(区域边界、海岸线、道路)或点(区域角点、线交叉点)在此都可理解为特征．相对于直接方法而言，基于特征的配准并不直接作用于图像灰度，它们在更高层次上用特征描述信息．这一属性使得基于

9、特征的配准方法适合于遥感图像间发生复杂畸变的情况．收稿日期：200703—05假设参考图像和待配准图像的特征集是用控制点代表，典型的基于不变特征的配准方法一般包括下面5个步骤【2J：1)特征点检测．这些特征点一般是灰度变化的局部极值点，含有显著的结构性信息．2)不变特征描述，即建立特征向量．特征点的特征描述子应是不变量，以确保最低限度受图像几何变化和光照变化等因素的影响．3)进行不变特征匹配以获得初始匹配集合．这一步根据特征向量的相似性来进行匹配，一般采用万方数据雷琳等：基于局部不变特征的遥感图像自动配准方法36

10、7各种距离函数作为特征的相似性测度，如欧氏距离、马氏距离等．4)消除错配．无论采用何种特征描述子和相似性测度，错配难以避免．这一步主要根据约束信息去除初始匹配集中的错误匹配(外点)，最大限度地保留内点．5)最优变换模型估计和重采样．根据4)中提纯的内点，优化估计图像间的变换参数，并将待配准图像按模型参数重采样，得到最终配准结果．可见，基于不变特征的配准主要是特征提取和特征