预览加载中,请您耐心等待几秒...
1/2
2/2

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

基于增强MSER和Harris-Laplace互补不变特征的遥感图像配准 基于增强MSER和Harris-Laplace互补不变特征的遥感图像配准 摘要 遥感图像配准是遥感影像处理中的关键技术之一,它在图像融合、变化检测和地物提取等应用中具有重要的作用。本文提出了一种基于增强MSER(MaximallyStableExtremalRegions)和Harris-Laplace互补不变特征的遥感图像配准方法,在提高配准精度的同时,充分利用了两种特征的互补性。 引言 遥感图像配准的目的是将来自不同传感器或不同时刻的遥感图像配准到同一个参考坐标系下,以实现后续的地物提取、变化检测等任务。传统的图像配准方法如基于特征点匹配的方法存在鲁棒性不足、对光照变化敏感等问题。因此,我们提出了一种基于增强MSER和Harris-Laplace互补不变特征的遥感图像配准方法。 方法 首先,对待配准的两幅遥感图像进行亮度调整和直方图均衡化,以增强图像的对比度。然后,利用增强MSER算法检测图像中的稳定极值区域,并筛选出具有稳定性且具有代表性的区域作为特征点。接着,利用Harris-Laplace算法检测图像中的角点,并筛选出具有代表性的角点作为特征点。将MSER和Harris-Laplace特征点进行融合,得到最终的特征点集合。 然后,对特征点进行特征描述,利用MSER和Harris-Laplace算法分别计算出特征点的描述子。利用特征描述子进行特征匹配,采用基于几何约束的RANSAC算法去除错误匹配。同时,利用局部匹配窗口计算匹配点对的相似性度量,进一步提高匹配的准确性。 最后,利用匹配点对求解仿射变换模型,将待配准的图像进行配准。采用亚像素精细化的配准方法来提高配准的精度,并结合光束法平差原理对配准结果进行优化。 实验与结果 本文使用了一对遥感图像进行了实验证明了所提方法的有效性。实验结果表明,所提方法在保持较高的鲁棒性和抗噪能力的同时,能够取得较好的配准效果。与传统的特征点匹配方法相比,所提方法具有更好的配准精度和稳定性。 结论 本文提出了一种基于增强MSER和Harris-Laplace互补不变特征的遥感图像配准方法,通过充分结合两种特征的互补性,提高了配准精度和鲁棒性。实验证明了所提方法的有效性,对于提高遥感图像处理的精度和效率具有重要的意义。 参考文献: [1]MatasJ,ChumO,UrbanM,etal.Robustwidebaselinestereofrommaximallystableextremalregions[J].ImageandVisionComputing,2004,22(10):761-767. [2]HarrisC,StephensM.Acombinedcornerandedgedetector[C]//ProceedingsoftheFourthAlveyVisionConference.1988:147-151. [3]MikolajczykK,TuytelaarsT,SchmidC,etal.AComparisonofAffineRegionDetectors[C]//CCV'04-WorkshoponTextureAnalysisandSynthesis.2004. [4]SchmidC,MohrR,BauckhageC.EvaluationofInterestPointDetectors[C]//InternationalJournalofComputerVision.2000,37(2):151-172. [5]LoweDG.DistinctiveImageFeaturesfromScale-InvariantKeypoints[J].InternationalJournalofComputerVision,2004,60(2):91-110.