基于RFM的高分辨率卫星遥感影像自动匹配研究.docx

基于RFM的高分辨率卫星遥感影像自动匹配研究
摘要：
随着遥感技术的不断发展，高分辨率卫星遥感影像的应用范围越来越广泛，如地表覆盖分类、目标检测、城市规划等。影像自动匹配技术可以帮助我们快速准确地获取卫星遥感影像的各项参数和属性信息。本文主要介绍了一种基于RFM的高分辨率卫星遥感影像自动匹配方法，并通过实验验证了其可行性和有效性。
关键词：高分辨率卫星遥感影像；自动匹配；RFM；特征提取
一、引言
随着高分辨率卫星遥感影像的广泛应用和数据量的急剧增长，影像自动匹配技术也愈发重要。影像自动匹配技术是指将两幅或多幅卫星遥感影像在空间和时间上进行匹配，使其在同一坐标系下具有相同的空间位置和时间信息，并生成一个精确的遥感影像引用数据库。
RFM（RobustFeatureMatching）是一种可靠的特征提取算法，其主要优势在于能够从大量的特征点中筛选出最具代表性的一些点，从而提高特征匹配的准确性。本文基于RFM算法，提出了一种高分辨率卫星遥感影像自动匹配方法，并通过实验验证了其有效性和可行性。
二、相关技术
（一）RFM算法
RFM算法是一种基于多尺度算法的特征提取和匹配算法，主要包括如下步骤：
1.不同尺度的伽马变换，以提高图像的对比度和亮度；
2.使用上述得到的图像，提取图像中的SIFT特征点，并根据特征点所位于的尺度将其分为不同的组别；
3.对于每组的特征点，使用相似矩阵对其进行筛选，选出最具代表性的若干个特征点；
4.通过对匹配点的光流场优化，确定相应的点对应关系。
（二）Canny边缘检测算法
Canny边缘检测算法是一种基于图像的边缘检测算法，其主要步骤包括：
1.使用高斯滤波器对图像进行平滑处理，以降低图像噪声；
2.利用Sobel算子，计算图像的梯度强度和方向；
3.根据非极大值抑制法，抑制图像中梯度强度非极大值点；
4.利用双阈值方法，识别并连接高强度边缘。
三、方法
（一）实验数据及预处理
本文使用的高分辨率卫星遥感影像来自卫星测绘局国地图库，其分辨率为1m，大小为2000*2000像素。由于卫星遥感影像的动态范围较大且包含大量的噪声，为了提高匹配的准确性，我们需要对图像进行预处理。在本文的实验中，我们将分别采用Gamma变换和Moravec角点检测算法进行预处理。
（二）基于RFM的特征提取和匹配
通过对高分辨率卫星遥感影像进行Gamma变换和Moravec角点检测算法预处理，我们可以得到一张经过优化的图像。接着，我们将使用RFM算法进行特征提取和匹配。由于RFM算法的多尺度特征提取能够提高匹配的鲁棒性和准确性，因此本文将使用RFM算法进行特征提取和匹配。
（三）Canny边缘检测算法
在进行基于RFM的特征提取和匹配之后，我们仍需要进一步对匹配结果进行优化。由于高分辨率卫星遥感影像所包含的信息过于复杂，因此我们还需要使用Canny边缘检测算法对匹配结果进行进一步优化。
四、实验结果及分析
（一）实验环境及步骤
本文利用MATLAB和ENVI软件搭建实验环境，具体步骤包括：
1.对高分辨率卫星遥感影像进行Gamma变换和Moravec角点检测算法预处理；
2.使用RFM算法进行特征提取和匹配；
3.使用Canny边缘检测算法对匹配结果进行进一步优化；
4.对优化后的匹配结果进行评估。
（二）实验结果及分析
经过实验，我们得到了一组完整的匹配结果。其中，RFM算法可以高效地提取出图像中的特征点，并进行准确的匹配。在使用Canny边缘检测算法对匹配结果进行优化后，我们得到了更加准确和可靠的匹配结果。评估表明，我们的方法在准确性和鲁棒性方面都得到了显著提高。
五、结论
本文提出了一种基于RFM的高分辨率卫星遥感影像自动匹配方法，并通过实验验证了其有效性和可行性。实验表明，我们的方法可以高效地提取图像中的特征点，达到准确的匹配结果。未来，我们将进一步优化算法，以提高匹配的效率和准确性。