基于集成互补不变特征的多源遥感影像配准方法研究(王晓华著)PPT模板
遥感影像数据融合原理与方法课件.ppt
2.2 图像回归法（Image Regression）
图像回归法是首先假定影像的像元值是另一影像的一 个线性函数，通过最小二乘法来进行回归，然后再用回 归方程计算出的预测值来减去影像的原始像元值，从而 获得二影像的回归残差图像。经过回归处理后的遥感数 据在一定程度上类似于进行了相对辐射校正，因而能减 弱多时相影像中由于大气条件和太阳高度角的不同所带 来的影响。
2.7 贝叶斯（Bayes）估计 2.8 D-S推理法(Dempster-Shafter) 2.9 人工神经网络（ANN） 2.10 专家系统
遥感数据融合存在问题及发展趋势
遥感影像数据融合还是一门很不成熟的技术，有待于进 一步解决的关键问题有： 空间配准模型 建立统一的数学融合模型 提高数据预处理过程的精度
它将多波段的低分辨率图像进行PCA变换，将单波段的高分辨率 图像经过灰度拉伸，使其灰度的均值与方差和PCA变换第一分量图像 一致；然后用拉伸过的高分辨率图像代替第一分量图像，经过PCA逆 变换还原到原始空间，生成具有高空问分辨率的多波段融合图像。
PCT的优点是能够分离信息，减少相关，从而突出不同的地物目 标。另外，它对辐射差异具有自动校正的功能，因此无须再做相对辐 射校正处理。
特征级
熵法 表决法 聚类分析 Bayes估计 神经网络法 加权平均法 Dempater-shafer推理法
决策级
专家系统 神经网络 Bayes估计 模糊聚类法 可靠性理论 基于知识的融合法 Dempater-shafer推理法
2 数据融合方法介绍
2.1 代数法
代数法包括加权融合、单变量图像差值法、图像比值 法等。 （1）加权融合法 （2）单变量图像差值法
小波变换常用于雷达影像SAR与TM影像的融合。它具有 在提高影像空间分辨率的同时又保持色调和饱和度不变 的优越性。
集成MSER和SIFT特征的遥感影像自动配准算法
集成MSER和SIFT特征的遥感影像自动配准算法王晓华;邓喀中;杨化超【期刊名称】《光电工程》【年(卷),期】2013(000)012【摘要】针对倾斜的遥感影像配准困难问题，提出一种基于集成最大极值稳定区域(MSER)和尺度不变特征转换(SIFT)的互补不变特征的自动影像配准算法。
该算法首先应用目前公认的具有最佳仿射不变性的MSER特征区域进行影像的粗匹配，初步校正影像的空间形变。
然后在粗匹配基础上采用匹配能力较强的 SIFT 描述子与仿射不变矩描述子相结合，进行精匹配。
通过以上两步匹配，可以提高遥感影像配准精度，尤其对倾斜影像效果更明显。
最后采用倾斜的无人机(UAV)影像进行试验，并与SIFT配准算法比较。
结果表明，本文算法在仿射不变性和匹配正确率方面均优于SIFT配准方法。
%An image matching approach which integrates Maximally Stable Extremal Regions (MSER, Maximally Stable Extremal Regions) and Scale Invariant Feature Transformation (SIFT, Scale Invariant Feature Transformation) complementary invariant feature automatically is proposed for the tilt Remote Sensing image registration. Firstly, the images are coarsely matched by applying currently recognized as the best affine invariant MSER features, and the large deformation images are corrected initially. Then the images are fine matched by the matching ability of the SIFT descriptor joint the moments based on the coarse matching. The remote sensing image matching accuracy is improved through the above two steps, especially, the more pronounced effect on the large tilt images.Finally, the UAV(Unmanned Aerial Vehicle) image experiments show that this algorithm is more effective than SIFT algorithm in the affine invariant and matching the correct rate.【总页数】8页(P31-38)【作者】王晓华;邓喀中;杨化超【作者单位】河南理工大学测绘与国土信息工程学院，河南焦作 454000; 中国矿业大学江苏省资源环境信息工程重点实验室，江苏徐州 221116;中国矿业大学江苏省资源环境信息工程重点实验室，江苏徐州 221116;中国矿业大学江苏省资源环境信息工程重点实验室，江苏徐州 221116【正文语种】中文【中图分类】TP751【相关文献】1.基于SIFT特征的遥感影像自动配准 [J], 茹朝阳2.基于Harris-SIFT特征匹配的图像自动配准算法研究 [J], 李玉峰;王竹筠3.基于SIFT特征的遥感影像自动配准 [J], 李晓明;郑链;胡占义4.基于SIFT特征的多源遥感影像自动配准 [J], 李吉军;周尚波;陈虹;张伟伟5.基于SIFT特征遥感影像自动配准与拼接 [J], 程焱;周焰;林洪涛;潘恒辉因版权原因，仅展示原文概要，查看原文内容请购买。
遥感入门图像融合ppt课件
编辑课件
1
图像融合处理
• 当代航天遥感系统已能为用户提供高空间分辨率、 高波谱分辨率和高时间分辨率的海量图像。如何将 同一地区的各种遥感图像的有用信息融合在一起是 遥感应用研究的课题之一。
• 从二十世纪70年代的航天遥感应用的研究和实践表 明：由于在可见光和红外波段，各类植被的响应大 都互相重叠。因此，单用一种多光谱图像进行分析， 要解决土地覆盖、耕地和森林资源监测、军事侦察 等问题是不可能的。
编辑课件
8
2.基于彩色空间变换的影像融合法-- 彩色变换
• 遥感图像融合方法的关键技术之一是彩色变换， 下面首先简单介绍彩色变换。
• 彩色变换又称为彩色编码，所谓彩色变换即为两 种彩色模型编码系统之间的变换。
• 彩色模型指的是某个三维彩色空间的一个可见光 子集。它包含某个彩色域的所有彩色，彩色模型 的用途是在某个彩色域内方便地指定彩色。由于 任何一个彩色都只是可见光的子集，所以任何一
个彩色模型都无法包含所有的可见光。
编辑课件
9
基于彩色空间变换的影像融合法
– 首先，必须将图像进行严格的几何校正，使不同的 遥感图像在几何上能完全匹配，并且分辨率一致。
– 将多波段图像由RGB彩色系统变换到IHS彩色系统 中；
– 用高分辨率的图像代替I分量，进行彩色逆变换，就 可以得到融合图像
编辑课件
H arctan[
2R G B ] C 3 (G B )
C 0, ifG B
C
, if
G B
S 6 R 2 G 2 B 2 RG RB GB 3
编辑课件
17
3.基于PCA变换的融合
对低分辨率图像进行PCA变换后，以高空间 分辨率图像代替第一主成分，进行反变换。
遥感图像分析与处理ppt课件
仪器所引起 的条带噪声
• 引起辐射畸变的原因：是由于探测器的不正常功能 或不同敏感度、地形因素和大气因素等造成的。
20
二、大气引起的辐射预处理
大气引起的辐射变化
21
大气引起的辐射预处理方法
• 1、物理模型法 ：
• 根据辐射通过大气层时的物理原理进行建模。 • 优点：具有严密、准确和适用广。 • 缺点：模型复杂，而且需要大量难以获得的参数，所以可
较大区域或整幅影像 较小区域或局部影像
28
§3 几何校正
• 原始遥感图像上常存在各种像元位置误差，使图像表现出旋 转、中心偏离、偏扭、梯形变化、纵横向比例尺不一致、边 缘与中心比例尺不一致等变形，因此需要进行几何校正。
数学变换
29
简述引起遥感影像几何变形的原因？
30
一、导致几何畸变的原因：
• 遥感平台姿态变化、地球自转和球面弯曲、大气折 射、地形起伏等外部因素综合作用导致几何变形。
x=fx(u,v) y=fy(u,v)
上述数学关系常表示为二元多项式（一次、二次、三次或更高 次）表达，其中二元二次多项式可以表示为：
x a00 a10u a01v a11uv a20u2 a02v2
y
b00
b10u
a01v
b11uv
b20u 2
b02v 2
• 1、地面控制点的选取方法
• 控制点分布均匀，边界、四角要有，以避免图像校正不能满 幅，地形起伏大的区域要多选；所选点在图像上要易辨认且 目标较小，如道路的交叉点、河流的分叉处或弯曲处、飞机 场等，而且这些特征在研究时间范围内没有变化。
道路交叉口
遥感图像校正ppt课件
地理参考（Geo-referencing）：将地理坐标系
统赋予图像数据的过程。
29 29
遥感图像几何精校正的一般过程
1)选取地面控制点（GCP），确定其空间坐 标； 2)利用控制点数据对图像进行空间变换
多项式近似法
合理选择校正方程的次数:2-3次。
10 10
回归分析法
用长波数据来校正短波数据
作法：在不受大气影响的波段（如TM5）和待校正的
某一波段（如TM1）图像中，选择由最亮至最暗的
一系列目标，将每一目标的两个待比较的波段灰
度值提取出来进行回归分析。
例如：
Y a1 b1 X
式中，X 为TM5波段的亮度均值； Y 为TM1亮度均值；
11 11
镶嵌与制图
28 28
图像配准（registration）：图像对图像的校准，
以使两幅图像中的同名像元配准。
图像精校正（rectification）：借助于一组地面
控制点（Ground Control Point，GCP），对 一幅图像进行地理坐标的校正，又称为georeferencing。
正射影像纠正（ortho-rectification）：借助于
控制点的地理坐标与地图投影的要求必须一致。
32 32
二次多项式间接法纠正变换公式为：
x fx (u, v) a00 a10u a01v a11uv a20u2 a02v2 y f y (u, v) b00 b10u b01v b11uv b20u2 b02v2
遥感图像校正
11
主要内容
辐射畸变
1、为什么要进行校正？ 2、怎样校正？
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。
多源遥感数据融合ppt课件
可编辑课件PPT
23
LL3 H L3 LH 3H H 3
定的算法，生成一幅新的、更能有效表示该目标的图像信息。
可编辑课件PPT
12
遥感数据融合发展和应用
Data Fusion
数据融合（data fusion）最早被应用于军事领域。
融合数据的特点：融合产生的数据具有原始影像的优点，其可以 减少识别目标的模糊性和不确定性，提高遥感图像整体质量和综 合分析精度同时又能满足定量遥感需要更多的光谱信息和空间纹 理信息的要求。
可编辑课件PPT
6
Sensor two：SPOT
Multi-sensor data
RGB432
可编辑课件PPT
7
Sensor three： CBERS
Multi-sensor data
CBERS系列卫星：即中巴资源卫星（ China-Brazil Earth Resource Satellite ）
特征级融合
特征级融合是一种中等水平的融合。其先是将各遥感影像数据进行特征提取， 提取的特征信息应是原始信息的充分表示量或充分统计量，然后按特征信息 对多源数据进行分类、聚集和综合，产生特征矢量，而后采用一些基于特征 级融合方法融合这些特征矢量，作出基于融合特征矢量的属性说明。
决策级融合
决策级融合是最高水平的融合，融合的结果为指挥、控制、决策提供依据。 在这一级别中，首先对每一数据进行属性说明，然后对其结果加以融合，得 到目标或环境的融合属性说明。决策级融合的优点时具有很强的容错性，很 好的开放性，处理时间短、数据要求低、分析能力强。而由于对预处理及特 征提取有较高要求，所以决策级融合的代价较高。
多源遥感图像中的图像配准方法
多源遥感图像中的图像配准方法宋 芳1,李 勇2,陈 勇11.装备指挥技术学院重点实验室,北京 101416;2.浙江师范大学信息光学研究所,浙江,杭州 321004提要:提出了多源遥感图像配准融合的流程,分析了图像配准的过程。
介绍了几种遥感图像的图像配准方法,对几种配准方法的效果进行了讨论。
关键词:影像配准;信息融合;图像增强中图分类号:TP751 文献标识码:A 文章编号:0253-2743(2008)03-0026-02Match methods for multisensor remote sensing im age registrationS ONG Fang 1,LI -Y ong 2,CHE N -Y ong 11.The Academy of Equipment C ommand &T echnology ,Beijing 101416,China ;2.Institute of In formation Optics ,Zhejiang N ormal University ,Hangzhou 321004,ChinaAbstract :The article introduced a match framew ork of Multiscns or Rem ote Sensing.The author particularly studied every process.This paper introduced sev 2eral image match methods of Multisens or Rem ote Sensing data ,and author performed a discussion on the relationship between several.K ey w ords :image match ,in formation fusion ,image enhancement收稿日期:2008-01-16 在图像处理前,必须保证两幅图像的相关性,减小干涉相位误差。
- 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)。
03 3 .3 高 效特 征提取算 04 3 .4 图 像局 部不变特
法
征描述
05 3 .5 图 像局 部不变特 06 3 .6 局 部不 变性特征
征匹配策略
提取算法的评估标准
第3章集成局部互补不变特征的 提取与描述
3.7实验与分析 3.8本章小结
05
第4章集成局部互补不变特征的多源遥感图像配准
基于集成互补不变特征的多源遥感影 像配准方法研究(王晓华著)
演讲人
202X-11-11
01
前言
前言
02
第1章绪论
第1章绪 论
01 1 .1 研究背景
02 1 .2 图 像配 准研究的
国内外现状
03 1 .3 基 于特 征的图像 04 1 .4 研 究的 目的和意
配准方法研究现状
义
05 1 .5 主 要研 究内容
较
04
5.4图像融 合
02
5.2配准速 度比较
05
5.5变化检 测
03
5.3配准精 度比较
06
5.6本章小 结
07
第6章结论与展望
第6章结论与展望
6.1结论 6.2展望
08
参考文献
参考文献
09
彩图
彩图
感谢聆听
第4章集成局部互补不变特征的 多源遥感图像配准
4.1Kd－树算法 4.2优化提取算法 4.3集成局部互补不变特征配能评价及应用
准第
算 法 性 能 评 价 及 应 用
章 基 于 局 部 不 变 特 征
配
5
01
5.1配准 Recall－ Precision比
06 1 .6 本章小结
03
第2章遥感图像预处理
第2章遥感图像预 处理
2.1遥感图像预处理 2.2SAR影像预处理 2.3本章小结
04
第3章集成局部互补不变特征的提取与描述
变第
特 征 的 提 取 与 描 述
章 集 成 局 部 互 补 不
3
01 3 .1 尺 度空 间构建
02 3 .2 局 部不 变特征提