论文部分内容阅读
本课题是针对目前国内外遥感影像配准领域,尤其是在多源遥感影像配准方面,仍然无法快速、全自动、可靠地实现高精度配准的现状提出来的,是国家科技支撑计划资助项目——“环北京区域遥感监测信息服务系统”的重要研究内容。本课题的研究目标是针对多源遥感影像之间存在较大的灰度、视角、分辨率差异以及环境因素造成的噪声影响等问题,通过改进的尺度不变特征提取算法提取多源遥感影像的匹配特征,使这些特征能够对多源遥感影像的亮度、尺度(分辨率)、视角等保持一定的不变性,对噪声以及环境等因素的影响具有一定的抵抗性,然后采用最佳的匹配策略最终实现多源遥感影像的快速、全自动的精确配准。本文通过对尺度空间理论的研究,分析了目前常用的几种多尺度检测算法,并对多尺度检测算子进行了比较评价,得出了美国学者LOWE (2004)提出的尺度不变特征检测算法(Scale-Invariant Features Transform, SIFT)是一种最适合于遥感影像配准的特征检测算法的结论。通过实验研究了SIFT算法的优势和缺点,总结了目前常用的SIFT算法的改进策略,最后得出了局部自适应的SIFT自动配准算法(Local Adaptive Scale-Invariant Features Transform, LA-SIFT)的思想和流程。运用本文提出的LA-SIFT算法对大量多源遥感影像的进行了配准实验。结果表明：本文算法能够对具有较大灰度差异、具有一定的视角变化以及较大空间分辨率差异的多源遥感影像实现高精度的自动配准,同时实现了配准点在配准影像中的均匀分布,从而进一步提高了后续的影像几何纠正精度。针对当前遥感影像纠正过程中自动化程度不高等问题,本文开发设计了局部自适应的SIFT自动配准系统,实现了对常用多源遥感影像的全自动、高精度的配准,保证了遥感影像几何纠正的快速进行。