多源遥感影像高精度自动配准的方法研究
多源遥感影像配准技术分析
文章 编 号 ：６ ３ ３ （０ ７ ０ －２ １０ １７ ￣３８ ２０ ）４ ５ －４ ０
多 源遥 感 影 像 配 准 技 术 分 析
禄 丰 年
（ 南省 测 绘 局 ， 南 郑 州 河 河 ４ ００ ） ５ ０ ０
摘要 ： 图像配准技术是近年来发展迅速 的图像处理技术之 一， 图像 融合 、 是 目标提取 与定 位、 变化 监测 、 高分辨 率影像 重建 等处理工作不可缺少的步骤。首先给 出了多源遥感 影像 配准 的概 念和基本过 程， 然后着重从 匹配 基 元、 转换函数 、 相似性测度 、 匹配策略 ４个方面对 国内外现有 的影像配准 技术和方 法进 行 了分析和评 述 ， 最 后指 出 了影像配准技 术所 面临 的主要难题和发展方 向。 关 键 词： 影像配准； 影像融合 ； 特征提取
文献 标 识 码 ： Ａ 中 图分 类 号 ：２７ Ｐ３
Ｏｎ Ｍ ｕ ｔ－ ｏ ｒ ｅＨ ｉｈ－ ｓ ｌｔｏ ｍ ｏ ｅＳ ｎ ｉ ｇＩ ａ ｅＲｅ ｉ ｒ ｔｏ ｅ ｈ ｉ ｕ ｓ ｌ － ｕ ｃ ｇ － ｏｕ ｉｎ Ｒｅ ｔ ｅ ｓｎ ｍ ｇ ｇｓ ａｉｎ Ｔ ｃ ｎ ｑ ｅ ｉＳ Ｒｅ ｔ
随着 当前 传 感 器技 术 的不 断 发 展 ， 别 是 多 不 同方式 下 的得 到的需要 与标 准 参考 影像 配 准 的 特 种 新型 传感器 的不 断 涌 现 ， 感 数据 处 理 中 的多 影像 。待 配准 影像 相对 于参 考影 像 的配 准具 体可 遥 源影像 配准技术 逐渐 成为 摄影 测量 界学 者们 研 究 定 义 为两 幅 影 像 在 空 域 和 灰 度 上 的 映 射 或 者 变 的热点 。通过 对 影像 的精 确 配 准 ， 以实 现 在 物 换 。 可 方 空间代 表 同一 目标 的 同名特 征如 点 、 、 等 的 线 面
遥感图像配准技术与精度评定方法
遥感图像配准技术与精度评定方法引言：遥感图像是通过卫星、飞机等空中平台获取的地球表面的影像数据，它在各个学科领域中有着广泛的应用。
在实际应用中，遥感图像配准技术是一项关键的技术，它能够将多幅图像进行几何校正，以确保它们在同一坐标系下具有一致的几何特征，进而提高遥感影像的解译和分析的准确性。
本文将介绍遥感图像配准技术的原理和方法，并探讨相应的精度评定方法。
一、遥感图像配准技术原理遥感图像配准技术的基本原理是通过提取图像中的特征点，并通过匹配这些特征点来实现图像的几何校正。
根据匹配的原理和方法的不同，遥感图像配准技术可以分为点特征匹配法、区域特征匹配法和基于控制点的配准法等。
1. 点特征匹配法点特征匹配法是基于图像中的离散像素点进行配准的方法。
它通过寻找同一地物的相应像素点，并计算它们之间的几何变换关系来实现图像配准。
这种方法的优点是计算简单，但对于遥感图像中存在复杂地物和纹理的情况，点特征匹配法的效果较差。
2. 区域特征匹配法区域特征匹配法是基于图像中的纹理和结构信息进行配准的方法。
它通过提取图像中的区域特征，并计算它们之间的相似性来实现图像配准。
这种方法的优点是对遥感图像中的复杂地物和纹理有较好的适应性，但计算复杂度较高。
3. 基于控制点的配准法基于控制点的配准法是通过已知位置的控制点来实现图像配准。
它通过提取图像和参考影像中的控制点，并计算它们之间的变换关系来实现图像配准。
这种方法的优点是精度较高，但需要准确的控制点信息。
二、遥感图像配准技术方法遥感图像配准技术的方法多种多样，下面将介绍几种常用的方法。
1. 特征点提取与匹配该方法通过使用特征点检测算法（如SIFT、SURF等）来提取图像中的特征点，再使用特征点匹配算法（如RANSAC等）来进行特征点的匹配，以实现图像的配准。
2. 多尺度配准该方法通过使用金字塔多尺度图像处理方法，将原始图像金字塔进行分解，然后将不同层次的图像进行配准，逐步实现图像的几何校正。
基于边缘特征的多源影像空间配准精度研究
地表 的细节 特征 。利 用 ＡＳ Ｔ Ｅ Ｒ 与 ＭＯＤ Ｉ Ｓ同位 于一颗 卫 星的优 势 ， 进行 了大量 研 究 ， 尤其 是 在地 表 温度 验 证、 数 据融合 和 等方 向发 挥 了明显 优 势［ １ ２ １ ３ ］ 。但 由于 ＭＯＤ Ｉ Ｓ空 间分 辨 率较 低 ， 地 物 细节 不 明 显 ， 在 选 择 同
共搭 载五个 对 地观测 传 感器 ， 其 中就包 括 ＡＳ Ｔ Ｅ Ｒ 与 Ｍ０Ｄ Ｉ Ｓ 。
获取 ２ ０ ０ ８年 ６月 ４ 日研 究 区 ＡＳ Ｔ Ｅ Ｒ Ｌ １ Ｂ 、 ＡＳ ＴＥ Ｒ 与 ＭＯＤ Ｉ Ｓ地 表 温 度 （ １ ａ ｎ ｄ ｓ ｕ ｒ ｆ ａ ｃ ｅ ｔ ｅ ｍｐ ｅ ｒ ａ ｔ ｕ ｒ ｅ ， Ｌ Ｓ Ｔ） 数 据 。ＡＳ ＴＥ Ｒ Ｌ Ｉ Ｂ产 品为大 气顶 层 的辐亮 度 ， 包括 １ ４个 波段 ， 即三个 １ ５ ｍ 的可见 光 近红外 数据 、 六
名点 时如何 确定 其配 准精 度是 一个 难 点 。
本 文 以 ＡＳ ＴＥ Ｒ与 ＭＯ ＤＩ Ｓ两种 数据 进行 空 间配准 研究 ， 以甘肃 省 张掖 市 为研究 区域 ， 充分 考 虑该 地 区 盈科 绿 洲与 戈壁 区分 界 明显这 一 特点 ， 利用 图像 分割 、 边 缘提 取 及 图像 匹配 等技 术 ， 以先 验 知识 为 基础 确 定
边缘 并 拟合分 析 ， 提 出 了基于边 缘 进行 空 间配准精 度 的分析 方法 。此 外 ， 还 利用 选择 同名 点 的方 法进 行 了空 间 配准 精度 分析 。
１ 材 料 与 方 法
１ ． １ 研 究 区 域 及 数 据 预 处 理
研 究 区位 于甘肃 省 张掖市 （ １ ０ ０ 。 １ ２ ～１ ０ ０ 。 ３ ２ Ｅ， ３ ８ 。 ４ ４ ～３ ８ 。 ５ ７ Ｎ） ， 属 于 河西 走廊 中段 ， 其 中包 括盈 科 绿
基于多源遥感数据的图像配准与融合技术指南
基于多源遥感数据的图像配准与融合技术指南引言遥感技术已经在各个领域得到广泛应用，尤其是在地理信息系统、环境监测、农业和城市规划等方面。
然而，不同数据源的遥感图像通常存在不同的误差和变换，这给图像配准和融合带来了一定的挑战。
本文旨在介绍基于多源遥感数据的图像配准与融合技术，并提供一些实用的指南和建议。
一、图像配准图像配准是指将不同数据源的遥感图像进行几何、空间和光谱变换，使其能够在同一坐标系和分辨率下比较或融合。
在进行图像配准之前，首先需要选择合适的参考影像和待配准影像。
然后，通过以下几个步骤进行图像配准:1. 特征提取首先对参考影像和待配准影像进行特征提取，常用的特征包括角点、线特征和纹理特征等。
可以使用SIFT（尺度不变特征变换）或SURF（速度增强的尺度不变特征变换）等算法进行特征提取。
2. 特征匹配将参考影像和待配准影像的特征进行匹配。
通常采用RANSAC（随机抽样一致性）算法去除误差匹配，得到更准确的对应关系。
3. 几何变换根据特征匹配的结果，通过几何变换方法对待配准影像进行几何校正，常用的方法有相似性变换和仿射变换。
相似性变换可以处理平移、旋转和比例变换，仿射变换可以处理更复杂的几何变换。
4. 像素插值在进行几何变换后，需要对待配准影像进行像素插值处理，以保证像素点之间的连续性。
二、图像融合图像融合是指将多源遥感图像的信息融合到同一幅图像中，以增强图像的视觉效果和信息提取能力。
常用的图像融合方法包括以下几种：1. 基于像素的融合将多源图像的像素按照一定的权重进行组合，常用的方法有加权平均法、最大像素法和PCA（主成分分析）等。
2. 基于变换的融合将多源图像进行频域或时域变换，然后将变换域的系数进行线性或非线性组合，还原成多源图像。
常用的方法有小波变换、多分辨率分析和拉普拉斯金字塔等。
3. 基于特征的融合提取多源图像的特征，然后将特征进行组合，构建融合图像。
特征可以是几何特征、光谱特征或纹理特征等。
测绘技术中的遥感影像配准方法
测绘技术中的遥感影像配准方法引言遥感技术在测绘领域中扮演着重要的角色，它可以通过卫星、飞机等传感器获取地球表面的数据。
然而，由于不同传感器、不同时间获取的数据存在空间和时间上的差异，需要进行影像配准来融合和比较这些数据。
本文将介绍测绘技术中常用的遥感影像配准方法。
一、特征点匹配法特征点匹配法是一种常用的配准方法，也是最直观和简单的方法之一。
该方法基于图像中的特征点，通过将两幅影像中的对应特征点进行匹配，来实现影像的配准。
在这个过程中，可以采用特征描述子来提取特征点的信息，如SIFT（尺度不变特征变换）和SURF（加速稳健特征）等算法。
二、直接法直接法是一种比较常见的配准方法，它通过像素级的匹配来将两幅影像对齐。
这种方法的优点是简单直接，可以在不考虑图像特征的情况下完成配准，但由于像素匹配的计算量较大，所以在处理大尺寸影像时效率较低。
三、控制点法控制点法是一种基于地面控制点的配准方法。
它首先在待配准影像和参考影像中选择具有较好识别度的标志物作为控制点，然后通过测量这些控制点在两幅影像中的坐标，建立空间转换模型，进而实现影像的配准。
这种方法精度较高，适用于对地物变化较大的区域进行配准。
四、基于影像几何校正模型的配准方法利用影像几何校正模型进行配准是一种比较常见的方法，它主要根据空间变换模型进行配准。
常用的几何校正模型有平移、旋转、仿射和投影等。
通过对影像进行几何校正，可以将其与参考影像进行对比和融合，以获得更加准确和具有空间一致性的结果。
五、基于图像配准质量评估的方法在影像配准过程中，如何评估配准结果的质量是一个重要的问题。
一种常用的方法是计算影像配准后的残差误差，该误差越小，表示配准效果越好。
另外，可以利用图像质量评价指标，如峰值信噪比（PSNR）和结构相似性（SSIM）等指标来评估配准结果的质量。
六、配准精度与应用影像配准的精度对于后续的测绘应用具有重要影响。
在地图制图、城市规划、资源调查和环境监测等领域，高精度的影像配准可以提供准确的地理信息，为决策和规划提供支持。
遥感影像配准技术及应用研究
遥感影像配准技术及应用研究遥感技术是现代化社会的产物，它以卫星遥感和航空遥感为主要手段，以在海、陆、空中相机等数码影像获取设备为载体，利用成像分辨率优异和快速获取数据的特点，实现短时间内大面积地图制作和数据采集的效果。
而遥感影像配准技术的应用则在众多研究领域中具有广泛的应用，如城市规划、农业、环境监测等领域，无疑是未来发展的重要方向。
遥感影像配准技术的概念所谓遥感影像配准技术，简单来说就是将两幅及以上的遥感图像进行位置和方位决策，从而使它们能够在同一个几何坐标系下进行比较、对照和计算，以获取更精确更全面的信息。
它的主要目的是为了将多个遥感图像融合到一起，形成高分辨率、高时效性、高精度度数值地图或时间序列地图。
遥感影像配准技术的分类根据分类方法的不同，遥感影像配准技术可以分为以下几种：1.点对点配准技术：这是最早的遥感影像配准方法，它利用人工地识别待配准遥感图像和已知参考图像中具有对应关系的某些物点和地标物，求出两图像中对应相同点的变换之间的数学传递函数，并将待配准图像变换至与标准图像相同的地理坐标系下，以实现两幅图像对比和分析。
2.特征点匹配配准技术：特征点匹配配准技术是一种自动匹配待配准图像和已知参考图像中的特征点，建立两幅图像之间的几何变换关系的方法。
该技术在配准速度、自动性和通用性方面有很大的优势。
它适用于图像中含有特殊标志物、建筑物等的区域。
3.基于互信息的配准技术：基于互信息的配准技术是一种权衡速度和精度的取舍，通过比较待配准和标准图像中像素值的相似度、互异性和相关性等统计指标，来计算两幅图像之间的相似度，实现图片配准。
遥感影像配准技术的应用遥感影像配准技术在很多领域都有着广泛的应用，下面将介绍一些最为典型的应用场景。
1.城市规划：随着城市化进程的加速，城市规划和管理变得越来越复杂。
高分辨率遥感影像指导了城市空间结构的分析和控制，对于合理规划和管理城市起到了至关重要的作用。
在城市规划中，通常需要对不同时间或不同数据源的遥感影像进行配准，以实现城市空间态势的比较和分析。
提高遥感影像几何纠正的精度的方法
提高遥感影像几何纠正的精度的方法1. 高精度地面控制点：在遥感影像几何纠正过程中，使用高精度测量的地面控制点是提高几何纠正精度的关键。
这些控制点应该具有稳定的地理位置，并采用精确的测量方法进行定位。
2. 精确的数字地面模型（DEM）：准确的DEM可以提供地表高程的精确信息，从而帮助更准确地纠正遥感影像的几何畸变。
采用高解析度的DEM和精确的高程测量技术可以获得更准确的DEM。
3. 高精度的相机定位：准确的相机定位参数可以帮助准确地计算遥感影像的几何畸变。
使用精确的GPS定位和惯性导航系统（INS）可以提供准确的相机定位参数。
4. 影像配准：配准是将不同时间或不同传感器采集的遥感影像对齐的过程。
准确配准遥感影像可以减小几何纠正的误差。
5. 消除地层效应：地层效应是由地表材料反射特性的空间变化引起的影像几何畸变。
通过对地层效应进行建模和校正，可以提高遥感影像几何纠正的精度。
6. 改进的坐标转换算法：在进行遥感影像几何纠正时，通常需要将图像坐标转换为地理坐标。
改进的坐标转换算法可以提高几何纠正的精度。
7. 光线校正：光线校正可以消除由光照条件和大气影响引起的影像几何畸变。
通过校正光线条件，可以提高遥感影像几何纠正的精度。
8. 影像去噪：影像中的噪声会影响遥感影像的几何纠正精度。
通过去除噪声，可以提高几何纠正的精度。
9. 优化数据采集：在进行遥感影像数据采集时，应选择适当的传感器和采样参数，以获取具有高空间分辨率和高光谱分辨率的影像数据，从而提高几何纠正的精度。
10. 基于模型的几何纠正：使用几何模型来纠正遥感影像的几何畸变可以提高纠正精度。
常见的几何模型包括多项式模型、仿射模型和透视模型等。
11. 使用多源数据：利用多源数据，如航空影像、卫星影像、地面测量数据等，可以提高几何纠正的精度。
多源数据可以提供更多的几何参考信息，从而减小几何畸变。
12. 定义适当的控制点布局：在选择地面控制点时，应将它们布置在整个影像中以确保均匀覆盖。
多传感器遥感图像配准方法的研究
多传感器遥感图像配准方法的研究摘要：根据多传感器遥感图像的成像特点，需要对获得的遥感图像进行配准融合后才能获得所需要的信息。
傅立叶变换应用在多传感器遥感图像配准中可以达到预期的配准效果，能够分析出所需要的数据信息。
关键词：图像配准傅里叶变换数据信息1 图像配准的意义由多传感器遥感图像的成像的特殊性可知造成图像失真、发生几何畸变的原因有很多，无论是卫星的拍摄角度和运行速度还是地球本身的自转及曲率都会对图像质量造成影响[1]。
通过对多角度获取的多传感器图像进行融合分析，可以得到所勘测地区或空间的高清图像及有效信息，对遥感图像进行准确的信息融合首先需要对所获得的图像进行严格的一系列的预处理，包括对图像的纠正、匹配和去噪等，这样才能保证所获得的遥感图像之间具有一定标准的校准度。
2 图像配准的定义图像配准是对取自相同或不同时间、由多个传感器在不同角度所获得的同一场景的两幅图像或者多幅图像进行最佳匹配的处理过程[2]。
其具体配准过程可描述如下：将其中的一幅图像作为参考图像，其他图像作为输入图像来与参考图像进行比较，提取出图像中最能表现其本质的属性进行综合分析，建立起图像之间相互关联的变换关系，进而得到准确的信息。
衡量图像配准方法好坏的指标包括图像配准精度、匹配可靠性和配准处理速度等。
3 图像配准的方法(1）基于目标区域的配准方法基于目标区域的配准方法可以分为两种：基于灰度和基于相位（频率）的配准算法[3]。
基于图像灰度的算法使用时间比较长，很多种算法都是基于此种类型，具体过程是从参考图像中获取目标区域作为匹配的模板，待配准图像经过匹配模板的扫描，通过相似性度量来寻找最佳匹配点[4]。
(2）基于特征的配准方法基于特征的配准算法的实现通常分为两步：特征提取和特征匹配。
具体过程是：图像进行特征匹配前，首先将两幅图像中灰度特征发生比较显著变化的区域（点或线）提取出来，再在两幅图像所形成的特征集中运用相应的特征匹配的算法将存在匹配关系的特征对尽可能的选择出来，然后再对非特征像素点集采用插值等算法推出相对应的关系，以达到两幅图像配准的精度是像素级的。
多平台多传感器多源信息融合系统时空配准及性能评估研究
多平台多传感器多源信息融合系统时空配准及性能评估研究1. 本文概述随着信息技术的飞速发展，多平台多传感器多源信息融合技术在众多领域，如军事侦察、环境监测、智能交通等，发挥着越来越重要的作用。
该技术通过整合来自不同平台、不同类型传感器以及多种信息源的数据，以提高信息处理的准确性和效率。
由于各种传感器在时空上的差异，如何有效地进行时空配准成为该领域研究的重点和难点。
本文旨在探讨多平台多传感器多源信息融合系统中的时空配准方法，并对不同方法的性能进行评估。
本文首先介绍了时空配准的基本概念及其在多源信息融合系统中的重要性。
随后，详细分析了目前常用的时空配准技术，包括基于滤波器的方法、基于图论的方法以及基于深度学习的方法。
进一步，本文对这些方法的优缺点进行了比较分析，并提出了改进建议。
本文通过仿真实验评估了这些方法的性能，为实际应用中的时空配准技术选择提供了参考依据。
本文的研究成果不仅有助于深化对多平台多传感器多源信息融合系统中时空配准技术的理解，而且对于推动相关领域的技术进步具有积极意义。
2. 相关理论与技术基础多平台多传感器信息融合理论是本研究的核心，其基础是信息融合的层次模型。
该模型通常包括三个层次：数据层融合、特征层融合和决策层融合。
数据层融合直接在原始数据上进行，不涉及数据解释，其优点在于保留了尽可能多的原始信息，但计算量较大。
特征层融合则是在提取特征后进行，减少了数据量，提高了处理速度，但可能会丢失部分信息。
决策层融合是在各个传感器独立做出决策后进行，其优点在于灵活性和鲁棒性较强，但要求各传感器具有高度的决策一致性。
时空配准是多源信息融合的关键技术之一，其目的是将来自不同时间和空间的信息进行对齐，以便进行有效融合。
时空配准主要包括时间配准和空间配准两个方面。
时间配准解决的是不同传感器数据在时间上的不一致问题，常用的方法有时间延迟补偿、插值等。
空间配准则是解决数据在空间上的不一致问题，常用的方法有坐标变换、投影变换等。
遥感影像配准方法探讨
科技信息2010年第7期SCIENCE&TECHNOLOGY INFORMATION遥感是目前为止能够提供全球范围的动态对地观测数据的惟一手段,其成像模式多种多样。
多源传感器影像的数据融合,可以产生出比单一信息源更精确、更完整、更可靠的影像信息。
在融合这些多源遥感影像数据时,必须先进行影像配准，经过适当配准的多传感器图像可以在像素级直接融合形成融合图像，然后在此基础上完成目标探测、特征提取和目标识别等处理。
图像配准广泛应用于航空航天技术、地理信息系统、图像镶嵌、图像融合、目标识别、虚拟现实等领域。
1图像配准的基本概念图像配准是指同一目标的两幅（或者两幅以上）图像在空间位置上的对准，图像配准的技术过程称为图像匹配。
影像匹配实质上是在两幅(或多幅)影像之间识别同名点,是计算机视觉及遥感数字图像制图的核心问题[1]。
对影像匹配可作如下数学描述[2]:若影像I1与I2中的像点O1与O2具有坐标P1=(x1,y1)、P2=(x2,y2)及特征属性f1与f2，即O1=(P1,f1)、O2=(P2,f2)。
其中f1与f2可以是P1与P2为中心的小影像窗口的灰度矩阵g1与g2,也可以是其他能够描述O1与O2的特征。
基于f1与f2定义某种测度m(f1,f2)。
所谓影像匹配就是建立一个映射函数M满足：P2=M(P1,T)、M(f1,f2)=max或min(O1∈I1,O2∈I2)。
其中T为描述映射M的参数矢量,测度m表示O1与O2的匹配程度,称为匹配测度。
基于不同的理论或不同的思想可以定义各种不同的匹配测度,因而形成了各种影像匹配方法及相应的实现算法。
2图像匹配的一般算法2.1基于图像灰度的匹配方法基于图像灰度的匹配方法的基本思想是：首先对待匹配图像做几何变换；然后根据灰度信息的统计特性定义一个目标函数，作为参考图像与变换图像之间的相似性度量，使得匹配参数在目标函数的极值处取得，并以此为匹配的判决准则和匹配参数最优化的目标函数，从而将匹配问题转化为多元函数的极值问题；最后通过一定的最优化方法求得正确的几何变换参数。
一种优化的多源遥感影像高精度配准方法
一
种 优 化 的 多源遥 感 影 像 高精 度 配 准 方 法
简剑锋 林 怡２周利 华 尹 忠海 ， ， ， ， ３
（． ｉ 西安 电子科技大学 计算机 网络与信息安全教育部 重点实验室 ， 西安 ７ ０ ７ ； １０ １
２ 同济 大学 测量与 国土信息工程系 ， ． 上海 ２０９ ；． ００２３西安测绘 研究所 ， 西安 ７０５ ） １０４
摘要 ： 探讨 了一种优化 的多 源遥感影 像的高精度配准算法 ． 利用梯 度算子结 合 Ｆ ｒ ｎｒ 子快速提取特 征点 ， ｏｓ ｅ 算 ｔ 同时 采用基于熵的格 网技术 控制特征点的分布均匀度 ， 在少量准确 控制点 的基础 上 以不 变矩 相似度 量为 匹配 准则 ， 采 用整体松弛法 匹配策略快速配准得到 同名点 ， 并利用二次多项式模 型来剔 除误 配准点 ． 结果 表明 ， 方法配准速度 该 快， 得到 的同名点精度高 ， 分布均匀 ， 可以满足遥感影像 的融合与快速更新等后续处 理的要求 ．
ｔ ｅｇ ｉ ｅ ｈ ｉｕ ａｅ ｎ ｔ ｅｅ ｔｏ ｙ ｉ ａ ｏ ｔｄ ｔ ｏ ｔｏ ｈ ｏ ｇ ｎ ｉｙｏ ｅ ｔ ｒ ｏｎ ｓ Ｂａｅ ｈ ｒｄｔ ｃ ｎｑ ｅｂ ｓｄ ｏ ｈ ｎ ｒ ｐ ｓ ｄ ｐ ｅ ｏ ｃ ｎ ｒｌｔｅｈ ｍｏ ｅ ｅｔ ｆｆａｕ ｅｐ ｉｔ． ｓｄ ｏ ｍｅｅ ａ ｔｃ ｎ ｒ ｌｐ ｉ ｔ ｎ ｈ ｔｈｎ ｕｅ ｏ ｈ ｎ ａｉｎ ｍｅ ｔｓ ｉ ｒ ｙ ｍｅ ｓ ｒｍｅ ｔ ｎ ｓ ｘ ｃ ｏ ｔｏ ｏｎ ｓａ ｄ ｔ ｅｍａ ｃ ｉｇ ｒ ｌ ｆｔ ｅ ｉｖ ｒａ ｔｍｏ ｎ ｉ ｌ ｉ ａｕ ｅ ｎ ｏ ｍ ａｔ ａ ｄ ｔ ｅｍａｃ ｉｇｓｒｔｇ ｆ ｈ ｌｂ ｌ ｅａ ａｉｎ，ｈ ｏ ｎ ｍ ｙｐ ｉｔ ｒ ｂ ａｎ ｄｂ ｕｃ ｌ ｅ ｉ— ｎ ｈ ｔｈｎ ｔａｅ ｙ ｏ ｅｇｏ ａ ｒｌｘ ｔ ｔ ｏ ｔ ｅｈ ｍｏ ｙ ｏｎ ｓａｅｏ ｔｉｅ ｙｑ ｉ ｙｒｇｓ ｋ
高精度遥感图像配准技术的步骤与要点
高精度遥感图像配准技术的步骤与要点遥感图像是采用遥感技术获取的地球表面的影像数据，广泛应用于农业、城市规划、环境监测等领域。
然而，由于遥感图像的采集方式和角度的差异，导致不同图像之间存在空间上的差异，使其无法直接进行比较和分析。
因此，对遥感图像进行精确配准是十分重要的。
本文将介绍高精度遥感图像配准技术的步骤与要点。
一、图像预处理在进行图像配准之前，需要对原始图像进行一些预处理操作，以便提高配准的准确性和可靠性。
首先，应该对图像进行几何校正，消除由于摄影条件、飞行姿态等因素引起的图像畸变。
其次，还需进行边缘增强、噪声抑制、图像增强等预处理操作，以提高图像质量。
二、特征提取与匹配特征提取是图像配准的核心步骤之一。
通过提取图像中的显著特征点或特征区域，可以为后续的图像匹配提供准确的依据。
在遥感图像配准中，常用的特征提取算法包括SIFT（尺度不变特征变换）、SURF（速度ed密度特征）等。
在特征提取之后，需要对两幅图像中的特征点进行匹配，找出相对应的点对。
匹配的准确性对于配准结果的精度至关重要。
三、几何变换模型选择几何变换模型的选择是遥感图像配准的一个重要环节。
根据图像之间的几何关系和变换特点，选择合适的几何变换模型可以更好地实现图像配准。
常见的几何变换模型包括刚体变换、相似变换、仿射变换和透视变换。
根据不同的应用场景和实际要求，选择适当的几何变换模型非常关键。
四、控制点选取与精确匹配控制点选取是配准的重要一步。
通过选取图像中的一些具有空间位置、形状、纹理等特征的明显地标点，作为控制点进行匹配，可以提高配准的准确性。
控制点的选取需要尽可能均匀地分布在图像中，尽量避免集中在某一区域。
在匹配时，应使用一些精确的匹配算法，如最小二乘法、RANSAC（随机一致性算法）等，以提高匹配的精度。
五、图像优化与验证配准后的图像可能存在一些小的误差或畸变。
为了进一步提高配准的质量和精度，可以通过图像优化算法对配准结果进行优化。
多源遥感影像自动配准技术的研究进展
影像重采样
图 １ 影 像 配 准 流 程 图
影 像 配准 的 流程 图如 图 １所 示 ， 文着 重 讨 论 本
近年来 国 内外 多 源 遥感 影像 自动 配 准 所 采 用 的 技 术 ， 于配 准模 型和影 像重采 样方 面不做 详 细介绍 。 对
赫 ｛
ｌ 差平方 协方差， 和， 相关函数归一
… Ｉ互 系 ，信 相 相 ， 化度 关 数互 息 位 关 梯 相
中 图分 类 号 ： Ｐ ９ Ｔ ７
文献 标 识码 ： Ａ
文 章 编 号 ：０ ０ １ ７ ２ １ ） １ — ０ ２ 一 Ｏ １ ０ —３ ７ （０ １ １ ５ １ １ ７
Ｔｈｅ Ｒｅ ｅ ｒ ｈ Ｓ ａ ｅ ｏ ｈｅ Ａｕ ｏ ａ ｉ ｇ ｓｒ ｔｏ ｃ ｎｉ ｅ ｓ ａ ｃ ｔ ｔ ｆｔ ｔ ｍ ｔｃ Ｒｅ ｉｔａ ｉ ｎ Ｔｅ ｈ ｑｕ ｓ ｏ ｕ ｔ＿ ｅ ｏ ｍ ｏ ｅＳ ｎ ｉ ｇ Ｉ ａ ｅ ｙ ｆＭ ｌｉｓ ｎｓ ｒ Ｒｅ ｔ ｅ ｓｎ ｍ ｇ ｒ 。
息 的优 势 互 补 ， 合 利 用 提 供 了一 个 很 好 的 途 径 。 综 多源 遥感 影像 的 自动配准 目前 已经成 功地 应用 于影 像融合 口 、 像分 类［ 、 ］影 ２ 变化检 测 ［ 、 ］ ３ 环境 检 测 ＿ 、 ］ ４ 以 ］ 及地 图更 新［ 等方 面 ， 其对 于突 发性 事 件 的应 急 ５ 尤 处理 和灾 害评估 有着 极为 重要 的作用 ［ 。由于 多源 ６ ］ 遥感 影像 由不 同 的传 感 器 获取 ， 录 的分 别 是地 物 记 对 不 同波段 的响应值 ， 征不 同 的物理特 性 ， 元表 表 像 现 形式 差异较 大 ， 因此提 取光 学影 像 、 达影像 等多 雷
多源遥感影像数据集成与处理技术研究
多源遥感影像数据集成与处理技术研究现代遥感技术可以提供很多种类的遥感影像数据，以帮助我们获取、分析和管理地球环境。
然而，由于不同遥感数据源记录的是不同的空间信息和波谱特征，单一数据通常不能完全反映出地球表面的复杂变化。
因此，多源遥感影像数据集成与处理技术是实现遥感应用的重要手段之一。
多源遥感影像数据集成技术的目标是将来自不同传感器、不同时间、不同分辨率或不同数据格式的遥感影像数据融合在一起，形成一个多源数据集。
这样的多源数据集可以最大化利用各种地球监测传感器的数据资源，增强遥感数据的信息量，提高反演精度和分类准确度。
同时，多源数据集成也可以解决遥感影像数据存在的不完善问题，使得融合后的数据能够在更广阔的应用范围内得到有效利用。
多源遥感影像数据处理技术是在多源数据集成的基础上对数据进行处理和分析的技术。
该技术包括影像配准、数据替代、特征提取和数据融合，而这些处理过程的目的都是为了更好的获取和理解地球表面的信息。
影像配准是遥感数据处理的首要步骤之一。
由于不同遥感传感器产生的遥感影像具有不同的光谱、时间、分辨率和投影坐标系等特点，因此，需要对不同源影像进行配准，使其达到相同的坐标空间和角度空间参考。
常用的配准方法包括基于空间变换模型的配准和基于模板的配准。
基于模板的配准主要是通过使用某些已知的地物特征来对遥感影像进行配准，例如建筑物、水体、公路、林地和城市绿地等。
而基于空间变换模型的配准主要是根据已知参考数据或者点对来进行计算，以实现影像的空间匹配。
数据替代是一种用一组遥感数据集来代替另一组遥感数据集的技术。
这种替代可以通过重采样、插值和放大等方法来实现。
常见的数据替代方案包括降尺度数据替代和升尺度数据替代。
降尺度数据替代是将高分辨率遥感影像通过降采样算法变为低分辨率影像，从而减少像素数据量和冗余信息，为后续影像处理提供更有效的数据。
升尺度数据替代则是增加影像分辨率，以便深入探测地球表面的细节和结构。
多源遥感影像的图像配准和分类技术研究
多源遥感影像的图像配准和分类技术研究遥感技术是以人造卫星、飞艇或航空器等高空平台获取地面信息的科学技术，具有广泛的应用领域，如气象、环境、农业、林业、水利等。
遥感图像配准和分类是遥感技术中的两项基础工作。
本文主要介绍多源遥感影像的图像配准和分类技术研究现状及发展趋势。
一、图像配准技术图像配准是指利用不同地物或相同地物在不同图像之间的相似性，把多幅遥感影像配准到同一坐标系下。
多源遥感影像的配准可以实现不同时间、不同分辨率、不同角度、不同传感器的遥感影像融合，从而提高对地观测数据的时空分辨率和准确性。
目前，图像配准技术主要分为两种方法：基于特征点匹配和基于区域匹配。
基于特征点匹配的方法通常采用尺度不变特征变换算法（SIFT）、加速稳健特征算法（SURF）等，能够应对遥感影像的旋转、平移和缩放等形变情况。
而基于区域匹配的方法则主要采用相似性矩阵算法（SSD）和归一化互相关算法（NCC）等，适用于处理多目标、弱纹理、复杂背景的遥感影像。
图像配准的关键在于选取合适的匹配算法和精确的粗配准参数估计方法，从而实现有效的图像区域匹配。
目前，随着深度学习、人工智能和卷积神经网络等技术的不断发展和应用，遥感图像配准的精度和速度都得到了极大地提高，并逐渐向自动化、智能化、高精度化方向发展。
二、图像分类技术图像分类是指根据遥感图像中的地物特征和空间分布规律，将其划分成不同的类别，以实现对遥感影像的目标提取和地物分类。
多源遥感影像的分类应用广泛，如城市土地利用监测、自然资源调查、农业生产管理等。
目前，图像分类技术主要包括基于经验规则、基于传统机器学习算法和基于深度学习算法等方法。
其中，基于经验规则的分类方法针对特定的地物类型和场景，采用专家规则和知识经验进行分类。
而基于传统机器学习算法的分类方法则主要包括最大似然法（ML）、支持向量机（SVM）和随机森林（RF）等，可以根据大量标注样本进行学习和分类。
基于深度学习算法的分类方法则主要是基于卷积神经网络（CNN）等深度学习算法，通过多层神经元进行特征提取和分析，进而实现高精度的分类。
遥感图像影像几何校正方法与精度评价
遥感图像影像几何校正方法与精度评价遥感技术是一种通过航空器或卫星获取地球表面信息的技术手段。
为了获得准确的地理空间信息，遥感图像需要经过几何校正。
本文将介绍几种常用的遥感图像影像几何校正方法，并探讨它们的精度评价。
一、几何校正方法1. 多点校正法多点校正法是一种常用的几何校正方法。
它通过在图像中选择多个控制点，然后根据这些控制点在现实地面上的坐标，使用几何变换公式进行图像的几何校正。
这种方法简单易行，适用于中等分辨率的图像。
2. 数字高程模型校正法数字高程模型校正法是一种基于数字高程模型的几何校正方法。
首先，通过获取地面的数字高程模型，然后将图像与数字高程模型进行配准，最后进行几何校正。
这种方法的优点是精度较高，适用于高分辨率的图像。
3. 惯导校正法惯导校正法是一种利用航空器或卫星的惯性导航系统进行几何校正的方法。
惯性导航系统可以测量航空器或卫星的姿态和位置信息，根据这些信息对图像进行几何校正。
这种方法的精度较高，适用于航空器或卫星上配备有惯性导航系统的情况。
二、精度评价几何校正的精度评价是衡量几何校正过程中误差大小的方法。
常用的评价指标有均方根误差（RMSE）和控制点定位精度。
1. 均方根误差（RMSE）均方根误差是通过对校正前后的像素位置误差进行统计分析得到的一个指标。
它是校正后图像中所有像素位置误差的平方和的开方。
均方根误差越小，表示几何校正的精度越高。
2. 控制点定位精度控制点定位精度是通过选取一组已知坐标的控制点，然后对校正后图像中的相应像素进行位置测量，计算其与控制点的位置误差。
控制点定位精度越小，表示几何校正的精度越高。
三、案例分析以一幅航拍图像为例，使用多点校正法、数字高程模型校正法和惯导校正法进行几何校正，并对校正后的图像进行精度评价。
多点校正法得到的校正图像的RMSE为0.5个像素，控制点定位精度为2米。
数字高程模型校正法得到的校正图像的RMSE为0.2个像素，控制点定位精度为0.5米。
如何利用测绘技术实现遥感影像配准
如何利用测绘技术实现遥感影像配准遥感影像配准是一项重要的测绘技术，它能够对多幅遥感影像进行处理和比对，使其在地理位置上达到一致。
通过遥感影像配准，我们可以实现地图制作、环境监测、农业病害诊断等一系列应用。
本文将探讨如何利用测绘技术来实现遥感影像配准，并介绍一些常用的配准方法和工具。
一、测绘技术在遥感影像配准中的作用测绘技术在遥感影像配准中发挥着至关重要的作用。
首先，测绘技术通过采用高精度的测量和观测手段，获取到地物的精确位置信息和形状特征，为遥感影像的配准提供了基准。
其次，测绘技术能够提供高分辨率的数字地图，通过与遥感影像进行对比，从而确定配准参数。
最后，测绘技术还可以使用全球定位系统（GPS）等技术手段，对遥感影像进行定位，提高配准的准确性。
二、常用的遥感影像配准方法1. 地面控制点法地面控制点法是一种传统的配准方法，主要通过采集地面上的高精度地面控制点，利用这些控制点与遥感影像中的对应点进行对比，从而确定影像之间的平移、旋转和尺度变换参数，实现配准。
地面控制点法具有较高的准确性，适用于配准区域较小的情况。
2. 特征匹配法特征匹配法是一种基于图像特征的配准方法，它通过提取遥感影像中的特征点，再将这些特征点与参考影像中的特征点进行比较和匹配，从而确定配准参数。
特征匹配法能够克服地面控制点法在数据获取上的限制，适用于配准区域较大的情况。
三、常用的遥感影像配准工具1. ENVI软件ENVI是一款常用的遥感影像处理软件，它提供了丰富的配准功能和工具。
用户可以利用ENVI软件进行影像预处理、地物提取和配准参数计算等一系列操作，实现遥感影像的配准。
2. Erdas Imagine软件Erdas Imagine也是一款常用的遥感影像处理软件，它具有强大的影像配准功能。
用户可以通过该软件进行影像几何校正、影像配准和图像融合等处理操作，实现遥感影像的精确配准。
四、测绘技术在遥感影像配准中的挑战和解决方案在实际的遥感影像配准过程中，会面临一些挑战，例如配准区域复杂多变、地物特征不稳定等。
图像配准及多源图像融合技术研究
图像配准及多源图像融合技术研究一、图像配准技术介绍图像配准是指将两个或多个图像通过某种方法进行对齐，使得它们在空间位置上对应一致。
图像配准技术在医疗影像、遥感图像、地质探测等领域得到了广泛应用。
常见的图像配准方法包括基于特征点的配准、基于区域的配准、基于相位相关的配准等。
1.基于特征点的配准基于特征点的配准方法是指通过在图像中提取出关键点，并将其对应起来的方式进行图像配准的方法。
常见的特征点包括角点、边缘、斑点等。
该方法可以应对图像位置、形状、大小、光照等变化，因此具有较高的准确性和可靠性。
2.基于区域的配准基于区域的配准方法是指通过选择图像中相似的区域进行匹配的方法。
该方法可以较好地消除由于图像噪声、光照不均等产生的误差，但对于图像的变形较大时效果较差。
3.基于相位相关的配准基于相位相关的配准方法是指通过对两幅图像进行傅里叶变换后，进行相位相关计算的方法。
该方法可以较好地应对图像的位移、旋转等变化，因此被广泛应用于医学影像等领域。
二、多源图像融合技术介绍多源图像融合是指将多幅具有不同特征的图像融合成一幅新的图像。
多源图像融合技术可以提高图像的信息含量和品质，广泛应用于军事目标检测、环境监测、物体跟踪等领域。
常见的多源图像融合方法包括基于像素的融合、基于特征的融合、基于深度学习的融合等。
1.基于像素的融合基于像素的融合方法是指通过对多幅图像的像素进行加权平均、最大值、最小值等操作，得到一幅新的融合图像。
该方法简单易行，但缺乏对图像特征的有效提取，因此精度较低。
2.基于特征的融合基于特征的融合方法是指通过对各幅图像的不同特征进行提取，并进行特征融合的方法。
常见的特征包括颜色、边缘、纹理等。
该方法能够提取图像的细节信息，因此具有较高的融合精度。
3.基于深度学习的融合基于深度学习的融合方法是指通过使用卷积神经网络等深度学习模型对多个图像进行特征提取和融合的方法。
该方法具有较高的融合精度和泛化能力，但需要大量的图像数据和模型训练时间。
多源遥感信息融合技术及多源信息在地学中的应用研究
多源遥感信息融合技术及多源信息在地学中的应用研究一、本文概述本文主要研究多源遥感信息融合技术及其在地学中的应用。
多源遥感信息融合技术是一种将来自不同传感器或不同平台的遥感数据进行综合处理和分析的技术，旨在提高遥感数据的利用效率和解译精度。
该技术的研究已经成为遥感领域的一个重要方向。
本文首先对多源遥感信息融合技术进行了概述，介绍了其目的、意义以及国内外的研究现状。
详细阐述了多源遥感信息融合的理论基础，包括融合的概念、层次、模型和结构等。
接着，讨论了多源遥感影像像素级融合技术，包括融合过程、特点及其应用。
本文还探讨了基于不同理论的多源遥感信息融合方法，如Bayes融合法、DempsterShafer证据理论和改进的BP神经网络等。
在地学应用方面，本文研究了遥感技术为地学应用提供的数据来源和探索方式。
通过对遥感地学分析的基本思想进行研究，论述了遥感信息在地学中的应用，并结合实际案例进行了分析和讨论。
本文旨在为多源遥感信息融合技术的研究和应用提供理论和实践指导，以促进遥感技术在地学领域的进一步发展和应用。
二、多源遥感信息融合技术基础多源遥感信息融合技术是指将来自不同传感器、不同平台、不同时间和不同空间分辨率的遥感数据进行集成和综合分析，以获得更全面、更准确的地学信息。
该技术已取得显著进展，主要特点包括：数据来源广泛：随着航天技术的发展，遥感数据的获取平台和传感器类型日益丰富，包括光学传感器、雷达传感器、激光传感器等。
数据分辨率提高：遥感数据的分辨率不断提高，从早期的米级、公里级发展到亚米级、厘米级，甚至毫米级，提高了数据的细节信息含量。
数据融合技术成熟：多源遥感数据融合技术包括图像配准、图像增强、特征提取、分类识别等，实现了多源数据的有效集成和利用。
数据量大：遥感数据的体量庞大，处理和存储这些数据对计算资源和存储空间提出了挑战。
数据异质性强：多源遥感数据具有不同的传感器类型、分辨率和波段范围，导致数据异质性强，融合难度增大。
基于J-散度的多源遥感影像自动配准方法[发明专利]
![基于J-散度的多源遥感影像自动配准方法[发明专利]](https://img.taocdn.com/s3/m/db1e9349284ac850ac0242c4.png)
专利名称：基于J-散度的多源遥感影像自动配准方法专利类型：发明专利
发明人：黎夏,许晓聪,刘小平,黄康宁,梁嘉咏
申请号：CN201210289272.9
申请日：20120814
公开号：CN102938146A
公开日：
20130220
专利内容由知识产权出版社提供
摘要：本发明涉及计算机视觉和遥感领域，具体涉及一种基于J-散度的多源遥感影像自动配准方法。
其包括如下步骤：利用空间变化模型对待配准影像进行空间变换；计算变换后待配准影像和参考影像重叠部分的J-散度，其中计算得到的每一个J-散度相当于变换空间中一组空间变换参数对应的目标函数值；将J-散度作为相似性指数，利用优化算法搜索并寻找最大相似度指数，根据最大相似度指数得到最优的空间变换参数；利用最优空间变化参数将待配准影像映射到参考影像，实现完全配准。
将J-散度作为遥感影像配准的相似性指数解决了互信息对噪声和重叠度敏感的问题，扩大了相似性指数的可行搜索空间，提高了模型的鲁棒性。
申请人：中山大学
地址：510275 广东省广州市新港西路135号
国籍：CN
代理机构：广州粤高专利商标代理有限公司
更多信息请下载全文后查看。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期：!""#$"%$&’；修订日期：!""#$"($&’
基金项目：国家 %)# 项目：遥感数据处理平台与应用，编号：!""!**&##"&"。
作者简介：张继贤（&()+— ），男，陕西商洛人，博士。现任中国测绘科学研究院研究员、博士生导师、副院长。毕业于武汉测绘科技大学
第(卷 第&期 !""+ 年 & 月
遥感学报 MNOP1*Q N6 P45N/4 R41R01S
文章编号：&""’$,)&(（!""+）"&$""’#$"+
L:>- (，1:- & M@E- ，!""+
多源遥感影像高精度自动配准的方法研究
张继贤&，李国胜!，曾 钰&，#
（& - 中国测绘科学研究院，北京 &"""#(；!. 石油大学 资源信息学院，山东 东营 !+’")!； # - 山东科技大学 地科学院，山东 泰安 !’&"&(）
(<
!"，!# 分别是沿 "，# 方向的偏微分：
%
(
! ! ! !!" $
（ !& *"，) *" ’ !&，)）!
& $ %’" ) $ (’"
%
(
! ! ! !!# $
（ !&，) *" ’ !& *"，)）!
& $ %’" ) $ (’"
%
(
! ! ! !"!# $
（ !& *"，) *" ’ !&，)）（ !&，) *" ’ !& *"，)）
设同名点对数为 2，对每一同名点对 （/ &，)），
!（ 6，7），计算各偏差值在水平、垂直方向上的均方
差"" ，"# ：
""
$
2
" ’
" $（!"1
’
1" ）! ，"#
$
2
" ’
"
$（!#2
’ 1#）!
!"# 金字塔逐层匹配获得同名控制点
在利用 )*’+&,%’ 兴趣算子提取出待配准影像（或 参考影 像）特 征 点 后，利 用 互 相 关 相 似 性 测 度（式 （-）），通过影像匹配获得各特征点在参考影像（或待 配准影像）上的同名点。为提高匹配速度，采用金字 塔结构的影像逐层搜索机制。
&"，&#，’"，’# 可转换为两个平面间的变换，同时可 直接采用多项式函数进行整体数字纠正配准。例如
利用 A<9135’8 梯度算子在四邻域计算差分，亦 即计算像素（ *，+）在上下左右 " 个方向的灰度差分
利用二次多项式进行反解法纠正，其公式为： " ( (* + () $ + (’ % + (! $% + (" $’ + (& %’ # ( )* + )) $ + )’ % + (! $% + )" $’ + )& %’ （!） 变换关系式的建立按照后面所述的影像与影像
根据获取相邻离散点的判断规则不同，567 的 构建 分 为 不 同 的 方 法［1］，泰 森 多 边 形 算 法 构 建 的
!% ! 的 平 均 滤 波，得 到 金 字 塔 序 列 /&，!（& & 0 "， $%89:,9; 三角网较优。由于在自动选择控制点时， !，…，,，一般可取 , 0 1），将提取的特征点映射到 我们对图像进行了均匀网格化，因此最后获得的控
设待纠正的数字影像已利用扫描影像成像过程 中可以预测的一些几何参数构成纠正公式，进行地
!"# 特征点提取
球旋转、像元素在 $，% 方向尺寸不等、卫星轨道偏
提取的特征点要求有可作为控制点使用的高定
角、大气折光，以及地球曲率等因素的几何处理。 整体粗配准时，忽略地面起伏的影响，变换函数
位精度，采用 ,@385213 兴趣算子［’］。 初始特征点提取
影像 /&，!& 序列相应位置上； （!）从第 & 0 , 层开始，在影像 !, 上，计算每
一特征点所对应的 /, 和 !, 之间的 .（ /，!）值，按最 大值原则求得 !, 上各特征点的同名点，并将各同 名点映射到 & 2 " 层 !& 2 "上，令 & 0 & 2 "；
（1）在第 & 层，影像 !& 的 3 % 4 范围内，按（!） 求得各特征点对应的同名点，直到 & 0 " 为止；
摄影测量与遥感专业。主要研究方向为摄影测量与遥感、地理信息系统、资源与生态环境遥感监测。已发表论文 (" 余篇。
万方数据
J"
遥感
为高精度配准的控制点基础； （!）以特征点为引导，利用金字塔逐层模板匹
配技术获得配准用同名控制点对； （"）由各控制点构建 #$% 将影像分成各三角形
区域； （&）在每个三角形内进行高精度配准。
学报
第K卷
定的格网 大 小 将 影 像 分 割 为 若 干 个 相 同 的 格 网 区 域，保证在每一格网均检测到特征点。
’ 多项式模型整体纠正
数字影像的几何配准在于确定原始影像和配准
后影像的几何关系并按相应几何关系对待配准影像
进行变换处理。设任意像素 ! 在原始影像和纠正
配准后影像中的坐标分别为（ "，#）和（ $，%）。则有
制点对。
（!）逐三角形扩展形成 567
!"! 误匹配点剔除
本文提出的算法稳健，可在待配准影像和参考 影像上得到足够数量的同名控制点对。将配准生成
的同名控万制方点对数通据过建立二次多项式的几何关系来
首先从第一个三角形的第一条边开始向外扩
展，设其顶点分别为 8"，8!，81，第一条边为 8" 8（! 图 1），显然扩展三角形的另一点 +（ "9，#9）应排除和 81 位于直线 8" 8! 同 侧 的 点 以 及 位 于 直 线 8" 8! 上 的 点，其判别依据是直线方程判别式
.（ /，!）$
0’" ,’"
!!（（/ %，(）’"/（）!（1 * %，2 * (）’#!）
%$. ($.
0’" ,’"
0’" ,’"
$!! !! （（/ %，(）’"/）! （!（1 * %，2 * (）’#!）!
%$. ($.
%$. ($.
（-）
# 逐三角网影像高精度配准
通过影像匹配自动获得纠正配准用控制点之 后，利用控制点构建 567 将影像分割为一个个的三 角形，在每个三角形区域内利用仿射变换模型精确
其中，
! ! 1" $
" 2
2
!"1 ，
&$"
1# $
" 2
2
!#1 ，
1$"
!"1 $ 6 ’ &， !#1 $ 7 ’ )，
（ &，)，6，7，1 $ "，!，…，2） （".）
取 5" 0 1""， 5! 0 1"#，当 !"& 4 5"，!#& 4 5! 时，认 为点对（ &，)）， （ 6，7）为误匹配点。
! 影像与影像匹配自动生成控制点
1*，+，按照误差椭圆的圆度阈值 .1，在一格网区域 内，取最大值
影像自动匹配生成精确配准用控制点的流程如 图 ’。利用特征检测技术从参考影像（或待配准影 像）上提 取 足 够 数 量 均 匀 分 布 的 特 征 点，在 此 基 础
{ =4（F 2*，+）(
* （ 1*，+" .1） G150 H 530 （ 1*，+ E .1）
（&）
对应的（ *，+）点为相应格网的特征点。其中，
上，利用金字塔互相关匹配从待配准影像（或参考影
像）上自动获得与特征点相对应的同名点作为配准
用控制点万。方为保数证据控制点分布的均匀性，首先按一
# # -’"
-"-#
03
# # -"-#
-’#
（I）
第"期
张继贤等：多源遥感影像高精度自动配准的方法研究
B
," ( B -*，+ C -*，+ C ) B
（"）
选阈值 .，当 / ( =-D｛,)，,’，,!，,"｝E .，则
（ *，+）为相应区域内部的初始特征点。
到相互配准的影像间拥有相似的旋转尺度即可满足 要求［)］。
特征点提取
在以初始点（ *，+）为中心的 !!! 窗口中，按照 ,@385213 算子计算协方差矩阵 0 和误差椭圆的圆度
& $ %’" ) $ (’"