基于边缘信息的SAR与可见光景像匹配算法

SAR(合成孔径雷达 )与可见光图像由于成像机理的不同 ,直接进行基于图像灰度信息的匹配定位很难达到实际应用的要求。边缘是图像最基本的特征之一 ,文中提出一种基于边缘信息的 SAR与可见光景象匹配算法。该算法针对 SAR与可见光图像的特点 ,利用小波变换结合模糊中值加权滤波 ,取得有效的边缘信息 ,利用图像的边缘特征结合相关峰值特性分析的后处理方法进行匹配 ,并采用多分辨率分级搜索技术减少计算量。实验证明本算法匹配精度高 ,稳定性好     

应用整体结构信息分层匹配的红外与可见光遥感图像融合方法

现有红外与可见光图像融合方法,侧重于将可见光图像的空间细节注入红外图像,往往由于空间细节的不当注入导致融合图像中部分地物模糊不清。此外,航天器红外与可见光成像分辨率往往相差很大,现有方法未考虑其分辨率差异,生成的融合图像细节模糊不清。为此,文章从消除红外与可见光图像的整体结构信息差异角度,提出应用整体结构信息分层匹配的图像融合方法。利用融合方法对天宫一号(TG-1)目标飞行器的红外和可见光图像数据进行图像融合,并将获得图像与图像分解法、总体变分法和频率变换法获得图像进行比对,结果表明:文章提出的融合方法获得的图像光谱与细节保真效果好,优于对比方法。     

抗旋转和缩放的SAR与可见光图像自动配准算法

针对合成孔径雷达与可见光图像在大角度旋转和大比例缩放情况下的高精度自动配准问题,提出了一种尺度和旋转不变的SAR(Synthetie Aperture Radar)和可见光图像自动配准算法.算法以SIFT(Scale Invariant Feature Transform)算法为基础,首先通过增强Frost滤波和自适应直方图均衡增强SAR和可见光图像的共性,使其显著提高能够提取出足够多的特征点数目,然后再通过特征描述方法、相似性度量方法、点匹配方法、特征点聚类方法和误匹配点剔除方法等方面对原始SIFT方法进行改进,有效地提高其在多源图像、强噪声、复杂成像条件下的特征提取和匹配性能,最后通过最小二乘法和相似变换模型实现SAR和可见光图像的精确配准.试验表明该算法对图像尺度和角度变化具有良好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法,具有良好的工程应用前景.     

面向广域场景的可见光-SAR遥感图像匹配方法

可见光-SAR（合成孔径雷达）遥感图像的高精度匹配是视觉导航、图像融合等典型遥感应用的基础,现有匹配方法主要聚焦在非线性辐射失真（NRD）等成像差异的问题,并未充分考虑遥感图像的场景差异,导致匹配方法的场景适应性有限。为解决可见光-SAR图像匹配中成像场景广域多样、成像差异等挑战,文章提出了一种结合遥感图像场景分类的广域场景异源图像的匹配方法。该方法首先使用广域图像匹配场景分类算法按照纹理特征对遥感图像进行四个典型场景（重复纹理、非均匀纹理、弱纹理和混合类别）的分类,然后在统一的特征匹配框架中为每类场景选择合适特征描述符。将该方法在异源图像匹配数据集上与两种常用的可见光-SAR匹配方法进行比较,通过实验验证,文章的方法可以在不增加计算时间的前提下,在所有类别上取得最优的匹配结果。该方法为广域场景下的可见光-SAR遥感图像匹配提供了一种可行的解决方法。     

一种复杂环境下的红外成像运动目标检测方法

针对传统运动目标检测方法不能应用在背景和目标都存在运动的应用场合的缺点,文章提出了一种复杂环境下的红外成像运动目标检测方法。该方法首先对相邻两帧运动图像利用三步搜索法和最多邻近点距离相关匹配准则进行背景匹配,然后对匹配后的图像进行帧间差分并对差分图像进行灰度形态学滤波以去除背景噪声点,最后利用阈值分割方法检测到运动目标的位置。利用实际拍摄的红外图像对该算法进行了实验并与传统帧间差分法进行了比较,结果表明利用该方法能很好地解决传统帧间差分法应用中的缺点。     

基于光谱特性的高光谱图像压缩方案

根据干涉型高光谱成像仪成像特点,提出了一种针对干涉型光谱仪所获得高光谱图像的基于光谱特性的图像压缩方案。由于光谱信息最终从“点”十涉图像中恢复,因此方案中首先通过高精度匹配技术将原始“像面”干涉图像序列“重组”成“点”干涉图像,然后针对“点”干涉图像序列进行压缩。在重组过程中采取基于光流的亚像素级匹配和基于梯度的三角插值算法,实现了高精度的图像匹配重组;在压缩环节利用“点”干涉图像与光谱信息之间的傅立叶变换关系,提出一种能够很好保持频谱特性的基于一维DCT的压缩算法。实验证明,压缩算法总体性能远高于针对“像而”干涉圈序列的压缩算法．很好地控制了光谱信息的失真。     

基于改进SIFT的SAR图像与可见光图像配准

针对SAR图像与可见光图像的自动配准问题,提出了一种基于尺度不变特征(SIFT)的SAR与可见光图像配准算法。算法首先对SIFT主方向的检测进行了优化,利用特征点邻域内边缘局部极大值点的梯度方向作为特征点的方向,并以去均值归一化互相关系数为相似性度量进行特征点对匹配,然后通过随机抽样一致性算法(RANSAC)剔除误匹配点对,最后利用剩余的特征点对实现SAR与可见光图像的自动配准。实验结果表明,本算法对不同分辨率图像和不同旋转角度图像具有较好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法。     

已知最大定位误差的点特征松弛匹配

研究了在已知最大定位误差的情况下时，如何对基本点特征松弛匹配算法进行改进，以提高匹配性能。基本思想是利用已知的最大定位误差，确定两点对的最小匹配度量，从而减小虚假特征点对匹配结果的影响。采用针对模拟图像及实际卫片航片图像对的实验，比较了两种方法的性能。结果表明，在已知最大定位误差的情况下，该改进方法比基本点特征松弛匹配算法具有更好的匹配性能。     

一种新的红外目标跟踪方法

在成像制导过程中需要实时处理大量的信息,为了尽可能在保留有效信息情况下降低 计算量,提出了一种基于人眼非均匀采样特性和粒子滤波相结合的红外目标跟踪方法。首先 应用对数极坐标模型的旋转、缩放及灰度分布不变性来压缩信息量以提高计算速度,然后采 用基于目标灰度特征的粒子滤波跟踪方法来抑制匹配点漂移和目标的非刚性形变,从而实现 对非刚性变形目标的稳健跟踪。与角点匹配跟踪方法及传统的Mean Shift跟踪方法相比,该 方法具有跟踪稳定,计算速度快等优点。实验结果表明,该方法能够有效抑制匹配点漂移和 目标的非刚性形变。     

“资源三号”卫星图像影像特征匹配方法研究

随着中国遥感卫星的迅速发展,要求影像几何质量评价方法可以在待评图像和参考图像间提取出精确且分布均匀的控制点信息。文章提出一种基于多源、高精度遥感图像的特征点匹配方法。该方法首先用加速稳健特征（Speeded Up Robust Features,Surf）算法对＂资源三号＂卫星图像和参考图像进行粗匹配以建立两幅图像间的整体几何关系,通过对相同区域进行wallis滤波增强图像纹理信息,然后用Surf算法进行特征点的提取和匹配,最后利用对极几何约束剔除误匹配点。试验结果表明,该方法可以全自动、快速和精确的提取影像控制点。