遥感图像配准方法研究——综述
文章编号：１６７２—８７８５（２０１０）１０—０００１—０６
遥感图像配准方法研究——综述
苏清贺 程 红 孙文邦
（中国人民解放军空军航空大学特种专业系，吉林长春１３００２２）
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，是图像融合、图像镶
嵌、超分辨率图像处理等领域所不可缺少的关键步骤。对遥感图像自动配准领域出现
的最新技术进行了总结，并将图像配准方法分为三类：基于区域灰度的配准方法、基
于图像特征的配准方法和基于对图像的理解和解释的配准方法。从原理和配准性能上
对各类方法进行了分析，并指出了它们各自的优势和存在的问题。
关键词：图像配准；特征选择；算法
中图分类号：ＴＰ７５１ 文献标识码：Ａ ＤＯＩ：１０．３９６９￣．ｉｓｓｎ．１６７２—８７８５．２０１０．１０．００１
Ｏｖｅｒｖｉｅｗ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅ Ｒｅｇｉｓｔｒａｔｉｏｎ Ｍｅｔｈｏｄｓ
ｓｕ Ｑｉｎｇ—ｈｅ，ＣＨＥＮＧ Ｈｏｎｇ，ＳＵＮ Ｗｅｎ—ｂａｎｇ （Ｄｅｐａｒｔｍｅｎｔ ｏｆ ｓｐｅｃｉａｌｔｙ，Ａｖｉａｔｉｏｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ａｉｒ Ｆｏｒｃｅ Ｃｈａｎｇｃｈｕｎ １３００２２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ： Ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｉｓ ｏｎｅ ｏｆ ｔｈｅ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｔｅｃｈｎｏｌｏｇｉｅｓ ｄｅｖｅｌｏｐｅｄ ｒａｐｉｄｌｙ ｉｎ ｒｅｃｅｎｔ ｙｅａｒｓ．Ｉｔ ｉｓ ａｎ ｅｓｓｅｎｔｉａｌ ｓｔｅｐ ｉｎ ｔｈｅ ｆｉｅｌｄｓ ｏｆ ｉｍａｇｅ ｆｕｓｉｏｎ，ｉｍａｇｅ ｍｏｓａｉｃ，ａｎｄ ｓｕｐｅｒ—ｒｅｓｏｌｕｔｉｏｎ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｅｔｃ．Ｔｈｅ ｎｅｗ ａｕｔｏｍａｔｉｃ ｒｅｇｉｓｔｒａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｉｅｓ ｆｏｒ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅｓ ａｒｅ ｓｕｍｍａｒｉｚｅｄ． Ｔｈｏｓｅ ｔｅｃｈｎｏｌｏｇｉｅｓ ａｒｅ ｄｉｖｉｄｅｄ ｉｎｔｏ ｔｈｒｅｅ ｃａｔｅｇｏｒｉｅｓ：ｇｒａｙ ｌｅｖｅｌ—ｂａｓｅｄ ｒｅｇｉｏｎａｌ ｒｅｇｉｓｔｒａｔｉｏｎ，ｉｍａｇｅ ｆｅａｔｕｒｅ— ｂａｓｅｄ ｒｅｇｉｓｔｒａｔｉｏｎ，ａｎｄ ｉｍａｇｅ ｕｎｄｅｒｓｔａｎｄｉｎｇ ａｎｄ ｅｘｐｌａｎａｔｉｏｎ—ｂａｓｅｄ ｒｅｇｉｓｔｒａｔｉｏｎ．Ｔｈｅｉｒ ｐｒｉｎｃｉｐｌｅｓ ａｎｄ ｒｅｇｉｓｔｒａｔｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ ａｒｅ ａｎａｌｙｚｅｄ ａｎｄ ｔｈｅｉｒ ａｄｖａｎｔａｇｅｓ ａｎｄ ｄｉｓａｄｖａｎｔａｇｅｓ ａｒｅ ｐｏｉｎｔｅｄ ｏｕｔ ｆｉｎａｌｌｙ．
Ｋｅｙ ｗｏｒｄｓ：ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ；ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ；ａｒｉｔｈｍｅｔｉｃ
１引言
经过数十年的发展，图像配准技术已经成
为越来越受关注的图像处理技术之一。图像配准
是对取自于不同时间、不同传感器或不同视角
的同一景物的两幅或多幅图像进行匹配和叠加
的过程。图像配准技术在图像融合、图像镶嵌、
超分辨率图像处理等领域得到了广泛应用。图
像配准的目的是根据图像的几何畸变特点，将
待配准图像变换到与参考图像相统一的坐标系
中。随着全球遥感图像数据量的迅速增加，研 究快速、有效、高精度的自动配准方法已经成为
遥感信息获取中迫切需要解决的问题。
２遥感图像配准的发展现状及基本内
容
根据不同的标准，图像配准有很多分类方
法，但总的来说，可以大致分为三类：基于区域
灰度的配准方法、基于图像特征的配准方法和基
于对图像的理解和解释的配准方法。其中，前两
类为图像自动配准方法。基于区域灰度的配准方
法是直接计算出图像间区域像素的灰度差值，认 为相同部分的灰度差值最小。该方法简单、直观，
收稿日期：２０１０－０５－０８ 作者简介：苏清贺（１９８６一），男，辽宁辽阳人，硕士研究生，主要研究方向为数字图像处理。Ｅ—ｍａｉｌ：４９４３９７６７０＠ｑｑ．ｃｏｍ
ｈｔｔｐ：／／ｊｏｕｒｎａ１．ｓｉｔｐ．ａｃ．ｃｎ／ｈｗ ＩＮＦＲＡＲＥＤ（ＭＯＮＴＨＬＹ）／ＶｏＬ．３１，Ｎｏ．
１０，ＯＣＴ ２０１０ 但计算量很大，而且在图像有较大的旋转、光照
以及色彩差异等情况下往往会失败。为了克服
这一缺点，人们提出了基于图像特征的配准方
法，即首先从待配准图像中提取含有图像重要
信息的特征（点、线、面），再用相似性度量进行
图像间的特征匹配。该方法对于图像畸变和遮
挡等具有一定的鲁棒陛，但是其匹配性能在很
大程度上取决于特征提取质量，而且容易受到
噪声的影响。而基于对图像理解和解释的配准
方法涉及到计算机视觉、模式识别、人工智能等
众多领域，目前尚不成熟。
图像配准技术主要包括四个内容［ 】：特征
空间、搜索空间、搜索策略和相似性测度。特征
空间指的是从图像中提取的用于匹配的信息；
搜索空间是指用来校准图像的图像变换集；搜索
策略决定如何在这个空间中选择下一个变换，
以及如何测试并搜索出最优变换；相似性测度
则决定每一次配准测试中的相关特性。
３遥感图像配准方法
３．１基于区域灰度的配准方法
以往的研究中已经出现了很多基于区域灰
度的配准方法【 。目前，此类方法比较成熟，
形式也多种多样，下面对其中几种经典的方法
进行比照分析。
３．１．１、互相关法
１９８２年，Ｒｏｓｅｎｆｅｌｄ提出了交叉相关法，该相
关法是基于灰度统计的最基本图像配准方法。
它是一种匹配度量，给出了一幅图像与一个模板
的相似程度。交叉相关法又称作互相关法，是通
过计算模板图像和搜索图像之间的互相关值来
确定匹配程度的。其中，互相关值最大时的搜索
窗口位置决定了模板图像和待匹配图像中的位 置。在进行模板匹配处理时，一般先将待配准分
块图像窗口定义为模板图像，再将基准图像划分
成若干个大小与模板图像相同的临时窗口，并给
出起始坐标值；然后通过在基准图像上移动模板
图像，计算出它与基准图像窗口的相关值；最后
采用循环比较的计算方法，搜索最大相关值所处
的位置，其坐标即为配准控制点坐标，与待配准
ＩＮＦＲＡＲＥＤ（ＭＯＮＴＨＬＹ）／ＶＯＬ．３１，Ｎｏ．１０，ＯＣＴ ２０１０ 图像中的相应坐标构成配准点对。其中，相关值 可通过式（１）来计算。
∑∑［（Ａ 一＿）（Ｂ 一 ］ Ｃ（Ａ，Ｂ）＝ — 皇 ——１—————一 、／薹 （ 一＿） ＼／薹妻（ 一
式中， 和Ｂ 分别为基准图像和待配准图像
的对应像素值， 和百分别为两幅图像的像素
平均值。该方法的思路比较简单，易于实现，但
其计算量很大，而且在图像有较大的旋转、光
照以及色彩差异等情况下配准往往会失败。对
于存在较大几何变形的图像，Ｂｅｒｔｈｉｋｓｓｏｎ【。】和
Ｓｉｍｐｅｒ［ Ｊ分别将推广的相关系数法用于仿射变
形情况下和摄像镜头失准出现投影变换情况下 的图像配准。针对不同的问题，人们又通过不断
优化式（１）相继提出了比值匹配法、块匹配法和 网格匹配法［引。
３．１．２相位相关法
该方法利用了傅里叶变换的良好性质，即
函数的平移、旋转和缩放在频域都具有对称性。
Ｋｕｇｌｉｎ和Ｈｉｎｅｓ提出的相位相关法先用傅里叶变
换将两幅待配准图像变换到频域，然后由式（２）２
直接计算出两幅图像之间的平移矢量。Ｒｅｄｄｙ 和Ｃｈａｔｅｒｊｉｔ【０】提出的基于快速傅里叶变换的方
法则利用了极坐标变换和互功率谱，对具有平
移、旋转和缩放变换的图像都能够实现精确配
准。
ｅｊｏ：鲁 ：ｅｘｐ｛ｊ（ 一０ｃ））（２） ｌＦ．Ｇ ｆＸ
， １ｌ
经过长期发展，此类模型通过对式（２）的不
断改进，丰富和完善了互功率谱在图像配准方
面的应用。由于对图像间的亮度变化不敏感，它
具有一定的抗干扰能力。该模型所获得的相关
峰尖锐突出，位移检测范围大，具有较高的匹配
精度，但其配准精度受噪声的影响仍然较大。
３．１．３基于小波变换的配准方法
随着小波技术的不断发展，出现了一类结
合小波变换的配准方法。其主要思想是：在图像
配准前对原始图像进行多层小波变换，利用低
频部分的信息进行配准以降低时间复杂度；同
ｈｔｔｐ：／／ｊｏｕｒｎａ１．ｓｉｔｐ．ａｃ．
ｃｎ／ｈｗ 时将低频共轭相乘矩阵与高频共轭相乘矩阵进
行干涉处理，降低噪声对配准结果的影响以提
高配准精度；小波变换层数的选取以满足所需
配准精度为底线。整个流程如图１所示。
通道１ 通道２ １．ｒ
频谱分割 频谱分割 ／、、
视图１ 视图２ 视图１ 视图２ 、、▲．Ｉｌ— —
共轭相乘 共轭相乘 ＼．．－
干涉处理
配准误差
图１基于小波变换的配准流程图
Ｊｉｎｇ Ｚｈａｎｇ［ ］提出了一种基于小波分解和
等距匹配的全景图像拼接算法：首先，运用小波
对图像进行分解，定义相应像素之间的相似距
离；其次，根据最小ＳＳＤ准则，在小波金字塔的
每一级上采用等距匹配方法配准所有的图像；
最后，将所有的配准图像映射到平面或者柱面
以构建全景图。
３．２基于图像特征的配准方法
基于图像特征的配准方法是目前最常用的
一种。它提取出图像的显著特征，可大大压缩
图像的信息量，使得计算量减小，速度变快，而
且其对图像的灰度变化具有鲁棒性。特征元素
主要包括点、线和面：面特征的选择精度虽然很
高，但计算量很大；线特征需要用边缘检测算子
对图像进行边缘提取，而这些算子对噪声很敏
感；目前来说，点特征是最为常用且效率较高的
一种方法。二维图像中的角点、圆点、切点和拐
点是图像的明显特征。这些点具有平移、旋转和
缩放不变性，几乎不受光照条件的影响。它只需
用图像中大约０．０５％的像素点就可以表示整幅图
像的数据信息，其信息含量高、计算速度高，使
实时处理成为可能。但另一方面，由于只有一小
部分的图像灰度信息被使用，所以这种方法对
ｈｔｔｐ：／／ｊｏｕｒｎａ１．ｓｉｔｐ．ａｃ．ｃｎ／ｈｗ 特征选择和特征匹配的错误更加敏感，需要可
靠的特征选择和特征一致性。 遥感图像配准的基本步骤是：（１）提取遥感
图像特征； （２）对找到的特征进行匹配； （３）根
据特征匹配对的性质确定坐标变换参数；（４）根 据坐标变换参数把图像配准到同一坐标系中。
本文主要介绍配准效果良好的经典特征点提取
方法，并对其优缺点进行对比分析。
３．２．１ Ｍｏｒａｖｅｃ算法 Ｍｏｒａｖｅｃ在１９７７年提出利用灰度方差提取
点特征的算子。Ｍｏｒａｖｅｅ算子是在四个主要方向 上选择具有最大一最小灰度方差的点作为特征
点：第一步，计算各像元的兴趣值ＩＶ；第二步，
给定一个经验阈值，将兴趣值大于该阈值的点 作为候选点，而阈值的选择应以候选点中既包括
所需特征点，又不含过多的非特征点为原则；第
三步，选取候选点中的极值点作为特征点【引。
Ｍｏｒａｖｅｃ算子是经典的点特征提取算子之
一，后来的很多点特征提取算子都是在其基础
上改进得来的。因此，掌握Ｍｏｒａｖｅｃ算子的原理 和实现方法对理解其他点特征算子及其应用有
很大好处。但由于只考虑灰度变化的方差极值，
该方法对图像噪声较为敏感，对边缘响应很敏 感。虽然其速度较快，但准确性不够。
３．２．２ Ｆｏｒｓｔｎｅｒ算法 Ｆｏｒｓｔｎｅｒ算子是摄影测量中常用的点定位算
遥感图像处理中的图像融合方法与精度评价
遥感图像处理中的图像融合方法与精度评价
遥感图像处理是一门研究如何获取、处理和应用遥感图像信息的学科。遥感图像融合是其中的一个重要研究方向，它旨在通过将多个遥感图像融合为一个具有更高空间、光谱分辨率和更丰富信息量的图像，来提高遥感图像的解译和应用能力。本文将探讨遥感图像融合的方法和精度评价。
一、遥感图像融合方法
1. 传统融合方法
传统的遥感图像融合方法主要包括像素级融合和特征级融合。
像素级融合是指将不同分辨率的遥感图像通过插值方法将其像素一一对应，然后对对应像素进行加权平均得到融合图像。常用的插值方法有最邻近插值、双线性插值等。这种方法简单易实现，但无法利用各个波段之间的相关性。
特征级融合是指通过提取多个图像的不同特征，然后将这些特征融合到同一个图像中。常见的特征包括边缘信息、纹理信息、频谱信息等。特征级融合方法可以更好地保留各个图像的特征，但对特征的提取和融合过程较为复杂。
2. 基于变换的融合方法
基于变换的融合方法是指通过对多个遥感图像进行变换操作，然后将变换后的图像进行融合。常见的变换包括小波变换、主成分分析、时频分析等。
小波变换是一种时频分析方法，可以将图像分解为不同频率和方向的小波系数。通过对小波系数进行加权平均，可以实现遥感图像的融合。小波变换融合方法能够提取图像的局部特征，能更好地保留图像的细节信息。
主成分分析是一种基于统计的方法，通过分析遥感图像的协方差矩阵，提取出图像的主要成分。然后将这些主成分按照一定的权重进行线性组合，得到融合图像。主成分分析融合方法可以更好地提取遥感图像的空间信息，对图像的纹理特征具有较好的保留效果。
以上只是其中的两种常见的基于变换的融合方法，实际上还有很多其他的方法，如独立分量分析、稀疏表示等。
二、图像融合精度评价
图像融合精度评价是指对融合图像质量进行定量评估的方法。常用的融合图像质量评价指标有以下几种：
1.谱信息准确度
谱信息准确度评价主要针对于融合图像的光谱特征，常用的指标有谱变异性、谱角等。谱变异性指标可以通过计算融合图像和原始图像的光谱差异来评估融合效果。
遥感数字图像处理主要研究的内容
遥感数字图像处理主要研究的内容有以下几个方面：
1、图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。
2、图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
3、图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。
4、图像分割图像分割是遥感数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。
5、图像描述图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。
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。
多时相遥感影像变化检测方法研究进展综述
多时相遥感影像变化检测方法研究进展综述
1. 本文概述
随着遥感技术的飞速发展，多时相遥感影像在环境监测、资源管理、城市规划等领域发挥着越来越重要的作用。多时相遥感影像变化检测，作为遥感影像分析的核心内容之一，旨在识别和量化不同时间点获取的遥感影像之间的变化信息。本文旨在全面回顾和评述多时相遥感影像变化检测方法的研究进展，包括传统方法和基于深度学习的方法，以及它们在各类应用场景中的性能表现。本文首先介绍了多时相遥感影像变化检测的基本概念、研究背景和重要性。随后，本文详细梳理了当前主流的变化检测方法，包括基于像素、基于特征和基于决策的方法，并分析了这些方法的优缺点。特别地，本文重点关注了近年来兴起的基于深度学习的变化检测方法，如卷积神经网络（CNN）、循环神经网络（RNN）和生成对抗网络（GAN）等，并探讨了它们在提高变化检测精度和效率方面的潜力。本文还讨论了变化检测方法在实际应用中面临的挑战，如数据异质性、变化类型多样性和计算复杂性等，并提出了可能的解决方案和未来研究方向。通过本文的综述，我们期望为遥感科学和相关领域的研究者提供一个关于多时相遥感影像变化检测方法的全面了解，并激发新的研究思路和技术创新。 2. 多时相遥感影像基本概念
多时相遥感影像，指的是在不同时间点对同一地区或目标进行多次遥感观测所获取的影像集合。这些影像可以来自同一传感器，也可以来自不同传感器，但它们的共同点是都反映了同一地区在不同时间点的地表状况。多时相遥感影像的获取，有助于我们深入了解地表的动态变化，如土地利用覆盖变化、城市扩张、自然灾害等。
多时相遥感影像的变化检测，就是通过对这些不同时间点的影像进行比较和分析，识别出地表发生的各种变化。这种变化检测的方法，可以基于像素级、特征级或对象级进行。像素级变化检测主要关注像素值的变化，通过比较不同时间点的像素值来识别变化区域特征级变化检测则提取影像中的特定特征，如纹理、形状等，通过比较这些特征的变化来识别地表变化对象级变化检测则是将影像分割为不同的对象，通过比较这些对象的变化来识别地表变化。
总结图像配准算法
图像配准定义为：对从不同传感器、不同时相、不同角度所获得的两幅或多 幅图像进行最佳匹配的处理过程⑵。图像配准需要分析各分量图像上的几何畸 变，然后采用一种几何变换将图像归化到统一的坐标系统中。 在配准过程中，通
常取其中的一幅图像作为配准的标准， 称之为参考图像；另一幅图像作为配准图
像。
图1-2图像配准方法分类特征空间 搜索策略 相似性度量
刚性变换
仿射变换
投影变换
多项式变换
局部变换 灰度特征
区域特征
线特征
点特征 穷尽搜索
逐级求精
树图匹配
动态规划 互相关函数
绝对差和
相位相关
Hausdorff距 手工配准 半自动配准 自动配准 图1-1图像配准的基本流程
搜索空间 根据配准使用的特征，图像配准的方法大致可分为三类：
（1） 基于图像灰度的配准算法。首先从参考图像中提取目标区作为配准的模
板，然后用该模板在待配准图像中滑动，通过相似性度量 （如相关系数法、差的
平方和法、差的绝对值法、协方差法）来寻找最佳匹配点。
（2） 基于图像特征的配准算法。该算法是以图像中某些显著特征 （点、线、区
域）为配准基元，算法过程分为两步：特征提取和特征匹配。首先从两幅图像中 提取灰度变化明显的点、线、区域等特征形成特征集。然后在两幅图像对应的特 征集中利用特征匹配算法尽可能地将存在对应关系的特征对选择出来。 对于非特
征像素点利用插值等方法作处理推算出对应匹配关系， 从而实现两幅图像之间逐
像素的配准。
（3） 基于对图像的理解和解释的配准算法。这种配准算法不仅能自动识别相
应像点，而且还可以由计算机自动识别各种目标的性质和相互关系， 具有极高的 可靠性和精度。这种基于理解和解释的图像配准涉及到诸如计算机视觉、 模式识 别、人工智能等许多领域。不仅依赖于这些领域中理论上的突破， 而且有待于高 速度并行处理计算机的研制。
从自动化角度来看，可以将配准过程分为自动、半自动和手动配准。
存在问题：如何提高图像的配准速度将是大范围遥感图像自动配准问题的要点； 选取何种自动配准方案以保证图像的配准精度将是大范围遥感图像自动配准问 题的另一要点。
如何处理测绘技术中的遥感影像配准和融合问题
如何处理测绘技术中的遥感影像配准和融合问题
遥感影像配准和融合是测绘技术中一个重要且复杂的问题。在测绘领域，遥感影像的获取和处理是不可或缺的一环。遥感影像的配准和融合能够为地理信息系统的建设和应用提供精确和全面的数据，因此在测绘工作中具有重要的意义。
一、遥感影像配准问题
1. 影像配准的概念和意义
在遥感影像处理中，配准是指将不同时间、不同分辨率或不同类型的遥感影像进行准确对齐的过程。影像配准的目的是实现不同影像之间的空间对应关系，以便进行比较分析和地理信息提取。配准精度的高低直接影响到地理信息的准确性和可靠性。
2. 遥感影像配准方法
当前，常用的遥感影像配准方法主要包括基于特征点的配准方法和基于控制点的配准方法。基于特征点的配准方法利用影像中的显著特征点，如建筑物角点、河流交叉口等，通过提取并匹配这些特征点来实现影像的配准。而基于控制点的配准方法则通过事先选取一些具有明确地理位置的控制点，并在待配准影像中搜索对应点来实现影像配准。
3. 遥感影像配准的挑战
遥感影像配准过程中会遇到一些挑战，如不同影像之间光谱、几何和分辨率的差异，地表变化引起的配准不一致等。这些问题会影响配准的精度和效果。而且，由于影像中存在噪声和遮挡，配准算法在实际应用中也会受到局限。
二、遥感影像融合问题 1. 影像融合的概念和作用
遥感影像融合是指将多幅不同波段或不同传感器获取的遥感影像进行融合，以得到一幅包含更丰富信息的复合影像。影像融合可以提高影像的空间分辨率、光谱信息和时间特性，有助于提高对地观测和信息提取的精确性和综合能力。
2. 遥感影像融合方法
目前常用的遥感影像融合方法主要包括基于变换的方法和基于降维的方法。基于变换的方法包括主成分分析、小波变换、整体变换等，通过对影像进行变换和重构来实现融合。而基于降维的方法则利用数学模型对遥感数据进行分析和处理，通过降低数据维度以实现融合。
3. 遥感影像融合的挑战
多源遥感影像自动配准技术的研究进展
２Ｏ１１．３ 综逮 遥感信息
多源遥感影像自动配准技术的研究进展
王瑞瑞①～，马建文⑦，陈雪①
（①中国科学院遥感应用研究所，北京１００１０１；②中国科学院对地观测与数字地球科学中心，北京１０００９４； ③中国科学院研究生院，北京１０００４９）
摘要：综合利用多种不同遥感卫星获取的数据，可以较为全面地反映观测对象的几何和物理特性，有利于后 续影像融合、影像分类等操作的进行，但是不同传感器设计各异，使多源影像自动配准难度重重。为此本文首先 对自动配准的流程进行简要介绍，进而对国内外多源遥感影像的自动配准技术进行了分析和评述，最后总结了多
源遥感影像自动配准技术面临的主要问题，并展望了其未来的发展方向。 关键词：多源遥感影像；自动配准；特征提取 ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００—３１７７．２０１１．０３．０２３ 中图分类号：ＴＰ７９ 文献标识码：Ａ 文章编号：１０００—３１７７（２０１１）１１５—０１２１一Ｏ７
Ｔｈｅ Ｒｅｓｅａｒｃｈ Ｓｔａｔｅ ｏｆ ｔｈｅ Ａｕｔｏｍａｔｉｃ Ｒｅｇｉｓｔｒａｔｉｏｎ Ｔｅｃｈｎｉｑｕｅｓ
ｏｆ Ｍｕｌｔｉ＿。ｓｅｎｓｏｒ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅｒｙ
ＷＡＮＧ Ｒｕｉ—ｒｕｉ①～，ＭＡ Ｊｉａｎ－ｗｅｎ￣，ＣＨＥＮ Ｘｕｅ０ （①Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ａｐｐｌｉｃａｔｉｏｎｓ，ＣＡＳ，Ｂｅｉｊｉｎｇ １００１０１； ②Ｇｒａｄｕａｔｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ ＣＡＳ，Ｂｅｉｊｉｎｇ １０００４９； ③ ｎｔｅｒ ｆｏｒ ｒ Ｄ６ｓｅｒｖａｔｉｏｎ ａｎｄ Ｄｉｇｉｔａｌ Ｅ口ｒ跣，ＣＡＳ，Ｂｅｉｊｉｎｇ １００１９０）
Ａｂｓｔｒａｃｔ：Ｂｙ ｉｎｔｅｇｒａｔｉｎｇ ｔｈｅ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｍａｇｅｓ ｔｏｇｅｔｈｅｒ，ｔｈｅ ｇｅｏｍｅｔｒｙ ａｎｄ ｐｈｙｓｉｃａ１ ｆｅａｔｕｒｅｓ ｏｆ ｏｂｓｅｒｖａｔｉｏｎ ｏｂｊｅｃｔ ｃａｎ ｂｅ ｄｅｐｉｃｔｅｄ ｒｏｕｎｄｌｙ，ｗｈｉｃｈ ｍａｋｅｓ ｔｈｅ ｓｕｂｓｅｑｕｅｎｔ ｐｒｏｃｅｓｓｉｎｇ ｓｕｃｈ ａｓ ｉｍａｇｅ ｆｕｓｉｏｎ，ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ＳＯ ｏｎ ｍｏｒｅ ｃｏｎｖｅｎｉｅｎｔ． Ｂｕｔ ｔｈｅ ｄｉｆｆｅｒｅｎｔ ｄｅｓｉｇｎ ｂｅｔｗｅｅｎ ｓｅｎｓｏｒｓ ｃａｕｓｅｓ ａ ｂｉｇ ｄｉｆｆｉｃｕｌｔｙ ｉｎ ａｕｔｏｍａｔｉｃ ｒｅｇｉｓｔｒａｔｉｏｎ ｂｅｔｗｅｅｎ ｍｕｌｔｉ－ｓｅｎｓｏｒ ｉｍａｇｅｓ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｆｉｒｓｔ ｔｈｅ ｆｌｏｗ ｏｆ ａｕｔｏｍａｔｉｃ ｒｅｇｉｓｔｒａｔｉｏｎ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ｂｒｉｅｆｌｙ，ｔｈｅｎ ｔｈｅ ｔｅｃｈｎｉｑｕｅｓ ｏｆ ａｕｔｏｍａｔｉｃ ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ ｍｕｌｔｉ－ｓｅｎｓｏｒ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅｓ ａｒｅ ｒｅｖｉｅｗｅｄ ａｎｄ ａｎａｌｙｚｅｄ．Ａｔ ｌａｓｔ ｔｈｅ ｄｉｆｆｉｃｕｌｔｉｅｓ ｏｆ ａｕｔｏｍａｔｉｃ ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ ｍｕｌｔｉ－ｓｅｎｓｏｒ ｉｍａｇｅｓ ａｒｅ ｓｕｍｍａｒｉｚｅｄ，ａｎｄ ｔｈｅ ｐｒｏｓｐｅｃｔｓ ａｒｅ ｐｒｅｓｅｎｔｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｍｕｌｔｉ－ｓｅｎｓｏｒ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅｒｙ；ａｕｔｏｍａｔｉｃ ｒｅｇｉｓｔｒａｔｉｏｎ；ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ
遥感图像配准技术的研究进展
２０１３年第３期 第１５卷（总第７９期） 淮南师范学院学报 ＪＯＵＲＮＡＬ ＯＦ ＨＵＡＩＮＡＮ ＮＯＲＭＡＬ ＵＮＩＶＥＲＳＩＴＹ Ｎｏ．３，２０１３ Ｇｅｎｅｒａｌ Ｎｏ．７９，Ｖｏ１．１ ５
遥感图像配准技术的研究进展
刘莹莹，周美霞
（安徽理工大学测绘学院，安徽淮南２３２００１）
［摘 要１在进行图像处理时，图像配准是一个必不可缺的步骤，而且图像配准也在很多领域有着广
泛的应用，比如图像镶嵌、环境检测、多光谱分类等。对一般的遥感图像配准流程进行简要介绍．然后对
遥感图像配准领域出现的最新技术进行总结，从原理和性能上对常用的三类算法进行了对比分析。并指 出了各算法在图像配准中的优势及存在的问题。最后总结并指出了图像配准技术存在的主要问题．并展
望了其未来的发展方向。
【关键词】图像配准；特征选择；算法
［中图分类号］ＴＰ７５１ 【文献标识码】Ａ ［文章编号］１００９—９５３０（２０１３）０３—００４１—０６
随着遥感技术的迅速发展，我们可以通过更多
的途径获取遥感数据．同时国内外也已经研制出许
多不同类型的遥感器，应用在各个领域中。遥感是
至今唯一能随时获得全球实时动态数据的一种方
法。遥感图像的成像模式有许多种，其得到的数据
类型、波段特征也有不同，因此在融合遥感影像数
据时就会遇到很多问题。而在进行数据融合之前，
首先就应该进行图像配准，然后在配准后的图像基
础上进行融合，最后才能完成所需要的各种处理如
特征提取等。图像配准在许多领域已经有广泛的应
用，如航空航天技术、军事侦察、计算机视觉等。在
现代化技术迅速发展的促进下，遥感图像的配准技
术也将会变得更加快速，效率更高，精度更高，真正
地实现实时化、快速化和智能化的图像配准技术。
１图像配准的基本步骤 图像配准是在不同的时间或是采用不同的传
感器或是不同的视角，对同一景物上获得的两幅或
多幅图像进行识别、叠加的过程①，主要分为以下
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。惯导校正法得到的校正图像的RMSE为0.1个像素，控制点定位精度为0.2米。
基于随机游走的遥感图像变换检测与配准
第３０卷第８期
２０１３年８月 计算机应用与软件
Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ ａｎｄ Ｓｏｆｔｗａｒｅ Ｖ０ｌ－３０ Ｎｏ．８
Ａｕｇ．２０１３
基于随机游走的遥感图像变换检测与配准
杨怀义
（南充职业技术学院四川南充６３７０００）
摘要 提出一种基于随机游走的遥感图像变化检测与配准方法。该方法的特点是，提取多时相遥感图像的关键点，作为随机游
走的初值种子点和图像配准的特征点，将图像配准和变化检测结合起来，提高变化检测的效率。该方法采用一种能量最小化策略来
提取像素的不透明度，能检测到大范围的变化，包括一些细微的变化。仿真表明了该方法的有效性。
关键词 变化检测 图像配准 随机游走
中图分类号ＴＰ７５ 文献标识码Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００￣８６ｘ．２０１３．０８．０７６
ＣＨＡＮＧＥ ＤＥＴＥＣＴＩｏＮ ＡＮＤ ＲＥＧＩＳＴＲＡＴＩｏＮ ＦｏＲ ＲＥＭｏＴＥ ＳＥＮＳＩＮＧ ＩＭＡＧＥ
ＢＡＳＥＤ ＯＮ ＲＡＮＤｏＭ ＷＡＬＫ
Ｙａｎｇ Ｈｕａｉｙｉ
（ＮａｎｃｈｏｎｇＰｒｏｆｅｓｓｉｏｎａｌ Ｔｅｃｈｎｉｃ Ｃｏｌｌｅｇｅ，Ｎａｎｃｈｏｎｇ６３７０００，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ Ａ ｒａｎｄｏｍ ｗａｌｋ—ｂａｓｅｄ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｒｅｇｉｓｔｒａｔｉｏｎ ｍｅｔｈｏｄ ｆｏｒ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｉｓ ｐｒｏｐｏｓｅｄ．Ｉｔ ｈａｓ ｔｈｅ ｆｏｌｌｏｗｉｎｇ
ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ：ｅｘｔｒａｃｔｉｎｇ ｔｈｅ ｋｅｙ ｐｏｉｎｔｓ ｏｆ ｍｕｌｔｉ—ｔｅｍｐｏｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ａｓ ｔｈｅ ｒａｎｄｏｍ ｗａｌｋｉｎｇ ｉｎｉｔｉａｌ ｓｅｅｄ ｎｏｄｅｓ ａｎｄ ｔｈｅ ｆｅａｔｕｒｅ
ｎｏｄｅｓ，ａｎｄ ｃｏｍｂｉｎｉｎｇ ｔｈｅ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｗｉｔｈ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ，ｔｈｉｓ ｉｍｐｒｏｖｅｓ ｔｈｅ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ．Ａｎ ｅｎｅｒｇｙ ｍｉｎｉｍｉｓａｔｉｏｎ