大孔径静态干涉成像光谱仪(LASIS)图像配准技术研究的开题报告.docx

大孔径静态干涉成像光谱仪(LASIS)图像配准技术研究的开题报告
一、研究背景
大孔径静态干涉成像光谱仪（LargeApertureStaticImagingSpectrometer，LASIS）是一种新型的高光谱成像设备，其可以实现高精度的空间光谱信息采集。普通的光谱仪主要采用单个探测器进行光谱测量，而LASIS则利用像差分离将目标场景映射到光学平面上，并且匹配光谱条带以获取目标场景的光谱信息。尤其是在太阳光谱观测、气体探测、遥感影像等领域，具有广阔的应用前景。
在使用LASIS时，由于探测器数量众多、像素分辨率高等原因，其像素精度与标准光谱库的精度对比相对较低，因此需要对其进行配准。图像配准是对不同来源图像进行精细角度和位置调整以使其在尺度、方向和空间位置上相匹配的过程，对于LASIS图像来说，图像配准可以提高其像素精度和空间分辨率，提高光谱信息的准确性，从而更好地实现对目标场景的有效信息采集。
二、研究内容和目标
本课题旨在研究LASIS图像的配准技术，并设计有效的图像配准算法，以实现对不同光谱带的LASIS图像数据的精确匹配。本次研究的具体内容包括：
1.分析不同光学模块的像差特点及其对成像精度的影响，为图像配准算法的设计打下基础。
2.基于特征点匹配方法，设计实现LASIS图像的自动化配准方法，分析不同特征点提取与匹配算法的优缺点，提高匹配准确度。
3.采用图像融合方法对配准成功的LASIS图像进行重建处理，得到具有更高精确度和分辨率的成像结果。
三、研究方法与研究过程
本次研究的主要研究方法包括：
1.研究LASIS光学模块的成像特点和图像畸变特性，分析影响成像精度的因素，针对性设计成像校正算法。
2.基于SIFT（尺度不变特征变换）算法的特征点提取与匹配，并使用RANSAC（随机抽样一致性）算法来去除异常点的影响，最优化地确定图像的变换参数，实现图像的自动化配准。
3.采用基于像素级别的图像融合方法，对配准后的LASIS图像进行重建处理，得到更高精确度和分辨率的成像结果。
研究过程主要包括：
1.调研和学习LASIS图像配准技术的基本理论和应用。
2.分析LASIS图像成像误差分布特点和影响因素，确定成像校正算法的设计方向。
3.制定特征点提取和匹配方案，确定去除异常点的RANSAC算法参数。
4.编写图像配准算法程序，对不同光谱带的LASIS数据进行图像配准。
5.采用图像融合方法，对配准成功的LASIS图像进行重建处理，得到更高分辨率、更精确的成像结果。
四、研究成果和意义
本次研究的成果包括：
1.基于SIFT算法对LASIS图像进行特征点提取和匹配的自动化配准算法，并使用RANSAC算法去除异常点的影响。
2.基于像素级别的图像融合方法，得到更高精确度和分辨率的配准成像结果。
3.提高LASIS图像的像素精度和空间分辨率，提高光谱信息的准确性。
本次研究意义在于：
1.为LASIS光谱成像技术的应用提供了科学、合理的图像配准方案，为其他相关领域的光谱成像设备的图像配准提供了新思路和新方法。
2.优化了LASIS图像的精度和分辨率，在空间光谱信息的采集和分析方面具有广阔的应用前景。
3.增强了国内光谱成像技术的科学研究和产业发展能力。