基于不变特征的CCD影像与红外影像的自动配准.docx

基于不变特征的CCD影像与红外影像的自动配准
自动配准是遥感图像处理中非常基础且重要的工作步骤，其主要目的是将不同传感器或不同时间、不同分辨率等条件下获取的遥感图像进行准确的重合。遥感图像的自动配准对于遥感应用具有重要意义，如地物变化检测、地图更新等方面的应用。
传统的自动配准方法基本上都是基于互信息、归一化相关系数、方差滤波等算法进行的，这些算法已经被广泛运用于地震、医学图像处理、计算机视觉等领域，这些算法可以保证遥感图像在配准时的精度，但是在多种传感器或多分辨率遥感图像配准的任务中，传统的算法因为其假设条件的限制而显得不够完善。
近年来，由于计算机技术的飞速发展和全球卫星影像数据的大量获取，越来越多的算法被应用于自动配准算法中，例如基于全局寻优策略的改进重合算法、基于特征或区域的非线性配准算法、基于传感器模型的近似相交算法等方法，这些方法有很多亮点，但是各自的局限性也得到了很好的体现。
本文基于不变特征的思想，提出了一种新的遥感图像自动配准算法——基于不变特征的CCD影像与红外影像的自动配准算法。该算法通过提取图像中的SIFT特征点，来达到不同条件下的遥感图像配准。
SIFT特征点具有旋转、尺度不变、灰度不变等特性，适合于在不同传感器或不同分辨率遥感图像的匹配。SIFT特征点的提取可以使用已有的SIFT算法库，也可以自己实现，提取出来的特征点经过特征描述符的计算后可以作为遥感图像配准的参考。
本算法的步骤如下：
1.对CCD影像和红外影像进行预处理，如图像灰度变换、图像增强等；
2.对预处理后的图像提取SIFT特征点，并计算特征描述符；
3.对提取的SIFT特征点进行匹配，通过RANSAC算法去除不好的匹配点；
4.根据匹配点计算变换矩阵，实现自动配准。
通过实验验证，本算法具有较好的自动配准精度，可以在不同条件下得到较好的配准效果，与传统的配准算法相比，本算法有效地克服了不同条件下的遥感图像配准的难点和瓶颈，具有一定的实用价值。
本文的主要贡献在于提出了一种基于不变特征的自动配准算法，引领了自动配准的新方向，该算法不仅适用于遥感图像配准，也适用于其他图像处理中的配准问题，为图像处理的自动化提供了有力支持。