基于SURF特征点库的遥感影像自动配准研究.docx

基于SURF特征点库的遥感影像自动配准研究
基于SURF特征点库的遥感影像自动配准研究
摘要：
随着遥感影像获取和应用的快速发展，遥感影像自动配准技术成为遥感数据处理和分析中的重要环节。针对传统的遥感影像配准方法存在的问题，本文基于SURF（SpeededUpRobustFeatures）特征点库，提出了一种新的遥感影像自动配准方法。该方法通过提取SURF特征点，并利用RANSAC算法进行特征匹配和外点剔除，然后通过图像矩变换实现多视角遥感影像的准确配准。
关键词：遥感影像，自动配准，SURF特征点，RANSAC算法，图像矩变换
1.引言
遥感影像配准是将多幅遥感影像准确地对齐到同一坐标系下，以实现不同遥感数据的融合和分析。传统的遥感影像配准方法主要依赖于手动标记控制点或采用图像区域匹配的方式，这些方法存在效率低下、对操作人员要求高和容易受到干扰等问题。而基于SURF特征点库的自动配准方法可以通过提取图像中的特征点来实现自动化的配准，提高了配准的效率和准确性。
2.SURF特征点库概述
SURF是一种基于尺度不变特征变换的图像特征提取算法。它通过检测图像中的关键点，并提取关键点周围的局部特征描述符，实现了对图像的高效表示。SURF特征点库是在大量的图像数据库上预先计算和存储好的SURF特征点，可以极大地加快特征提取和匹配的速度。
3.方法及实现步骤
本文所提出的遥感影像自动配准方法包括以下步骤：
(1)SURF特征提取：对待配准的遥感影像进行SURF特征点提取，并在特征库中匹配相应的SURF特征点。
(2)特征匹配与RANSAC外点剔除：利用特征点之间的相似性进行特征匹配，并利用RANSAC算法剔除外点。
(3)图像矩变换：利用剔除了外点的特征点建立图像矩变换模型，并将待配准的影像进行几何变换，实现多视角遥感影像的准确配准。
4.实验与结果分析
为了验证本文所提出的方法的有效性，本文从公开遥感影像数据集中选择了多幅具有视角差异的遥感影像进行实验。实验结果表明，本文所提出的方法能够准确地实现遥感影像的自动配准，并且在影像中存在较大干扰和噪声的情况下依然具有较好的鲁棒性。
5.结论
本文基于SURF特征点库提出了一种新的遥感影像自动配准方法，通过特征点提取、特征匹配与RANSAC外点剔除以及图像矩变换等过程，实现了多视角遥感影像的准确配准。实验证明，该方法准确性高、效率高，并且在干扰和噪声的情况下仍能够保持较好的鲁棒性，具有一定的实际应用价值。
参考文献：
[1]BayH,TuytelaarsT,VanGoolL.SURF:SpeededUpRobustFeatures[J].ComputerVisionandImageUnderstanding,2008,110(3):346-359.
[2]LiG,QinglinY,ZhonghuaW.AnImprovedRegistrationAlgorithmforRemoteSensingImagesBasedonSURF[J].RemoteSensingTechnologyandApplication,2016,31(5):1033-1039.
[3]刘康,岑文科,邱奕洪.基于几何约束的遥感影像配准过程精度评价方法[J].武汉大学学报(信息科学版),2012,37(3):330-334.