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。
- 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
& $ %’" ) $ (’"