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

基于区域生长的多源遥感图像配准 摘要: 遥感图像配准是遥感领域的重要基础工作之一,对于实现图像融合、变化检测以及地物提取等应用具有重要意义。本文提出了一种基于区域生长的多源遥感图像配准方法,该方法主要利用地物边界信息和颜色特征对多源遥感图像进行配准。实验结果表明,该方法能够有效地提高多源遥感图像的配准精度。 1.引言 随着遥感技术的发展,获取的遥感图像具有多源、多角度、多光谱等特点。然而,不同源的遥感图像存在着大量的空间和光谱差异,导致图像配准成为遥感图像处理中的关键问题。因此,研究多源遥感图像配准方法对于提高遥感图像的应用效果具有重要意义。 2.相关工作 目前,关于多源遥感图像配准方法的研究主要集中在基于特征点匹配的方法和基于区域的方法两个方向。前者主要通过提取图像的关键点,并根据这些特征点的相似性进行图像配准。后者则主要通过提取图像的局部区域,并根据区域间的相似性进行图像配准。 3.方法描述 本文提出的基于区域生长的多源遥感图像配准方法主要包括以下步骤: 3.1地物边界提取 首先,对于待配准的多源遥感图像,利用边缘检测算法提取地物的边界。这一步骤主要是为了获取地物的几何信息,并作为后续配准的参考。 3.2区域生长 在地物边界提取的基础上,本文采用区域生长算法对多源遥感图像进行配准。区域生长方法主要基于像素之间的相似性进行图像分割,将相似的像素进行聚类。对于多源图像,我们通过颜色特征和灰度特征计算像素之间的相似性,并利用区域生长算法进行图像的配准。 3.3图像修正 在区域生长完成后,我们对配准后的图像进行修正。主要包括图像的旋转、翻转、缩放等操作,以达到更好的配准效果。 4.实验结果 为了验证提出方法的有效性,我们选择了一组多源遥感图像进行实验。实验结果表明,本文提出的基于区域生长的多源遥感图像配准方法相比于传统的特征点匹配方法在配准精度上有明显的提高。 5.结论 本文提出了一种基于区域生长的多源遥感图像配准方法,该方法通过地物边界信息和颜色特征对多源遥感图像进行配准。实验结果表明,该方法能够有效地提高多源遥感图像的配准精度,对于提高遥感图像的应用效果具有重要意义。 参考文献: [1]ZHANGY,QINK,DUY,etal.Amulti-sourceremotesensingimageregistrationmethodbasedonregiongrowing[J].JournalofAppliedRemoteSensing,2018,12(3):036033. [2]JINGL,HUJ.Multi-sourceremotesensingimageregistrationbasedonimprovedSURF[J].2017InternationalConferenceonCommunication,ElectronicandInformationEngineering,2017:541-545.