导读:本文包含了遥感图像配准论文开题报告文献综述及选题提纲参考文献，主要关键词:遥感图像配准,SIFT算法,多图像特征,非刚性变换
遥感图像配准论文文献综述
顾漪,陈海燕[1]（2019）在《基于多图像特征的遥感图像配准新方法》一文中研究指出针对不同视角遥感图像配准中的非刚性几何畸变造成的配准误差,文章提出了一种基于尺度不变特征变换(SIFT)特征距离和几何结构描述符的精确方法,用于解决中等地形起伏和成像视点变化条件下遥感图像的配准问题。该方法采用尺度不变特征变换和部分强度不变特征描述符提取可靠的特征点集,利用变换过程中约束几何结构的多图像特征,提出一种新的算法来估计点集之间的精确对应关系。包括特征描述符提取、基于几何结构约束的改进SIFT特征点集配准和非刚性图像变换等步骤。对不同视点的无人机图像和卫星图像的实验结果表明,该方法相对于目前几种先进方法具有更佳的配准性能。(本文来源于《信息通信》期刊2019年08期）
周微硕,安博文,赵明,潘胜达[2]（2019）在《基于几何不变性和局部相似特征的异源遥感图像配准算法》一文中研究指出针对异源遥感图像在图像配准中的几何形变问题,本文提出了一种基于几何不变性局部相似特征的异源遥感图像配准算法。GISS算法利用加速鲁棒特征算子先对存在几何差异的异源遥感图像进行预匹配,然后根据特征点的方向特征对图像进行旋转仿射校正,最后引用局部相似性描述符并集成相似性度量来考察预匹配点对的相关性,选取其中相似相关性最优的点对实行图像配准。实验结果表明,对于存在几何形变的异源遥感图像,具有较好的配准实现效果,可以有效的解决异源遥感图像之间的几何形变差异问题,具有较好的鲁棒性和配准精度。(本文来源于《红外技术》期刊2019年06期）
刘占强[3]（2019）在《高分辨率遥感图像配准技术的研究》一文中研究指出近年来,随着遥感技术的发展和进步,航天器上搭载的传感器由于拍摄用时比较长、价格高昂、图像的分辨率比较低、处理起来难度大等缺点,逐渐被种类更加丰富和性能优良的高分辨率遥感卫星替代。目前,高分辨率遥感技术在农业、林业、城市规划、军事等领域均得到了广泛应用。其中,图像配准技术是这些应用的基础,图像配准技术可以看作是将两幅包含同一景物的不同图像由不同空间坐标系通过一定模型变换到同一坐标下的过程。因此,高分辨率遥感图像配准技术引起了广大学者们的重视。相对于传统的中低分辨率的遥感图像来说,高分辨率的遥感图像可以在一定程度上更好地展现拍摄物的细节纹理特征,但与此同时局部图像上微小的形变就会被放大,这就给高分辨率遥感图像的配准带来了新的挑战。具体表现为:第一,高分辨率的图像在空间信息上变得更为丰富,近地面物体的特征更加相似,特征匹配易受纹理特征相似性的干扰。第二,高分辨率遥感图像具有较高空间分辨率和较大的幅宽,给图像的存储、传输和处理带来不便。第叁,高分辨率遥感卫星携带大量机要信息,图像在云端配准处理过程中易遭到攻击。本论文对高分辨率遥感图像高效配准的问题进行了研究,相关的创新成果如下:(1)为解决相似性干扰,本文提出了一种局部特征结合全局上下文信息的描述符,即局部与全局的尺度不变转换算法(Local and global of scale-invariant feature transform,LG-SIFT)。然后通过实验仿真并与其他经典的配准算法进行比对,配准效果表明本文的算法可以减弱纹理特征相似对遥感图像配准的干扰,提高了图像配准的准确率。(2)针对高分辨率遥感图像所需存储空间大和处理难,提出用压缩感知技术对图像进行压缩采样,从而减少图像的传输带宽;同时将图像的配准过程通过云端完成,利用云计算资源提高图像处理速度,便于图像的存储和转移。(3)为减少遥感图像信息免受攻击,利用下混沌映射的伪随机性和混沌序列初始值敏感性对图像进行处理,并以两个混沌矩阵作为密钥,增强方法的安全性。综合以上叁个创新点,本文提出了一种基于混沌压缩感知云端遥感图像配准方案。首先用的混沌压缩感知方法对遥感图像进行压缩和加密处理,减少图像的传输带宽、加密图像信息。然后将上传至云端的图像采用云计算资源处理,既提高了图像处理的效率又节省了图像的存储空间、便于图像的转移。最后,利用结合局部特征与相对形状上下文的遥感图像配准方法对解密后的图像进行配准操作,并将配准效果与当前较新的算法进行对比。实验结果表明本文的方案能够减少纹理特征相似的干扰,提高高分辨率遥感图像的配准精度与鲁棒性。(本文来源于《北京邮电大学》期刊2019-06-06）
但婷婷[4]（2019）在《基于遥感图像配准的非结构化道路变化检测算法研究》一文中研究指出非结构化道路(Unstructured roads)在城市和乡村道路之中占据重要的地位。检测它们的变化信息是自然灾害评估、地理数据更新、意外风险检测、道路灾害评估、城市规划和军事目标的动态监测等领域中不可缺少的内容。然而,非结构化道路通常不具有清晰的车道线和道路边界,并且易受诸如光照、阴影、天气变化等环境因素的影响。因此,检测它们的变化信息变得越来越困难。本文提出了一种利用小型无人机(Small unmanned aerial vehicle,SUAV)遥感图像配准方法进行多时相和多视角非结构化道路变化检测的新框架,该方法在将多时相和多视角图像转换为同一坐标系中起着重要作用并确定了非结构化道路变化检测的有效性。拟提出框架的主要贡献如下:(i)图像增强和图像聚类用于图像预处理,以减少外部因素(如:大气、太阳高度角、无人机飞行角等)的影响;(ii)生成使用来自预训练的视觉几何组(Visual geometry group,VGG)网络层的多尺度深度卷积特征描述符,并结合几何结构形状上下文特征以形成用于提取道路特征的互补特征,此外,VGG-16网络用于提取特征点以使提取的特征点均匀分布在图像中,从而减少冗余点对匹配精度的影响;(iii)采用动态调整内点数的策略以最大化利用图像潜在信息,从而提高点集配准过程的稳健性;(iv)引入全局和局部的几何结构双约束项以约束特征点集配准过程中的图像转换成本和特征点集的特征结构,并防止图像转换过程中所造成的不适定问题(ill-posed problem)产生的误匹配;(v)构造混合特征描述符的框架,可以任意调整两个特征之间的权重,以稳固道路特征描述。来自不同视角和不同时相的SUAV(DJI Phantom 4 Pro)图像的叁步实验结果验证了所提出的框架的鲁棒性和准确性,证明了其在非结构化道路图像中的可实施性。本文还比较了五种最先进的图像配准方法和两种最先进的变化检测方法,其中本文提出的方法在大多数情况下表现出良好的性能。(本文来源于《云南师范大学》期刊2019-05-31）
叶发茂,罗威,苏燕飞,赵旭青,肖慧[5]（2019）在《卷积神经网络特征在遥感图像配准中的应用》一文中研究指出遥感图像配准是许多遥感应用的重要步骤之一。卷积神经网络(convolutional neural network,CNN)提取的图像高层特征在图像分类和检索问题上表现优异,能够克服低层配准特征的表达能力有限、容易受到干扰等问题。因此对利用CNN特征进行遥感图像配准开展研究。首先,针对遥感图像配准问题,对CNN中的全连接层特征和不同聚合大小的卷积层特征进行了研究;然后,对利用CNN特征进行图像配准的方法进行了分析;最后,将CNN特征与尺度不变特征变换(scale-invariant feature transform,SIFT)特征在图像的旋转角度、缩放倍数和亮度依次变换时的配准性能进行了对比分析。实验结果表明,在匹配精度和正确对应点的数量方面,CNN特征比SIFT方法具有更好的匹配性能;对变换后的图像而言,微调后的CNN特征比SIFT特征具有更强的鲁棒性。(本文来源于《国土资源遥感》期刊2019年02期）
朱浩[6]（2019）在《双支路深度神经网络下的遥感图像配准及多分辨率融合分类》一文中研究指出在利用遥感技术对地球表面进行探测的过程中,遥感图像的匹配及多分辨率的融合分类问题一直是非常关键的研究课题。一方面,随着信息技术的发展和硬件设备上的支持,人们可以从卫星、飞机等各种遥感平台上获取分辨率越来越高、内容越来越复杂的遥感图像。这些遥感图像所特有的数据多源异构、目标结构多变、背景纷繁复杂等特性,使得传统方法已经越来越难以满足对其进行高效解译的需求。而另一方面,深度学习在自然图像、视频和语音等领域的发展如火如荼,展现了其对海量数据强大的特征提取能力,但它在遥感领域的应用才初露锋芒。与近景拍摄的自然图像不同,遥感图像具有特性复杂、噪声干扰大、局部信息扭曲、容纳大量不同尺度的地物信息、样本标记少等特性。因此,在本文的工作中,我们充分利用遥感数据的特殊性质,设计了多种专门处理遥感数据的深度神经网络模型,用以完成遥感图像配准和融合分类任务。此外,这些工作还能够被独立地应用于其它相关的任务,具有较强的泛化性能。这些成果也获得了国内外同行的认可,具体内容有:1.针对遥感数据中SAR图像的数据特点,提出了一种基于多特征检测和树形网络匹配的SAR图像配准方法。多特征检测策略有利于同时保留两种类型的特征信息。相比于传统的一类特征,该策略既可以检测到丰富的纹理特征,又可以找到稳定的角点特征,在扩充特征点数目的同时丰富了特征的类型,充分利用图像信息为后续的配准过程做准备。考虑到SAR图像的斑点噪声,使用一种基于统计的指数加权平均比率的算子计算上述两种检测器的梯度。在特征匹配过程,提出的树形匹配网络算法主要由主干网和分支网两个部分构成,随着网络的构造来寻找匹配对。该算法将特征约束与特征点之间的空间关系结合在一起,具有比原算法更多的匹配对和更高的亚像素匹配精度。在SAR图像配准任务中,该算法在鲁棒性和有效性等方面比传统算法具有更优越的性能。2.针对于更高分辨率、更复杂结构的大场景遥感图像特性,提出了一种基于双支路卷积深度置信网框架的特征匹配算法,将图像配准任务转化为一个二值分类问题。为了匹配两个关键点,将两个以关键点为中心的图像块输入到该网络中。该网络的目的是学习用于图像块匹配的显着特征表示,以便在保持较高的亚像素级别的匹配精度的前提下获得更多的匹配对。该网络采用两阶段训练的方式来处理遥感图像的复杂特征。此外,在样本选择上,提出了一种自适应的样本选择策略,通过其中心关键点的尺度来确定每个图块的大小,从而确定样本的邻域范围。因此,每个图块可以保留其关键点周围的纹理结构,而不是所有图块都具有预定的尺寸大小。在匹配预测阶段,为了提高匹配效率和匹配精度,分别设计了基于超像素的样本分级策略和基于超像素的有序空间匹配策略。实验结果和理论分析证明了该方法的可行性、鲁棒性和有效性。3.提出了一种自适应特征融合空间网络,用于高分辨率遥感图像的配准任务。该网络具有多尺度的概念,不需要人为的为每个样本确定领域范围,它可以对不同的样本能自适应地选择合适的邻域信息。我们通过将深层特征与浅层特征相互融合,并根据输入样本特性自适应地调整它们之间的融合权重,为该输入样本提供鲁棒的特征表示。此外,将空间变换的思想嵌入到网络中,使两个支路在融合前尽可能地调整到同一坐标系下,从而提高匹配预测的置信度。4.针对于多光谱和全色图的融合分类任务,提出了一种双支路特征融合网络。它旨在将特征级融合和分类集合成一个端到端的网络模型框架中。考虑到一个大尺寸的遥感场景,提出了一种自适应样本选择策略。在网络结构中,我们提出了一种双路径模块,在保证稠密连接路径中层与层之间的最大梯度信息流的同时,有效缓解残差路径中的梯度爆炸。该模块可以提取出更强大的特征,以应对遥感图像的复杂特征。最后,我们采用渐进协同的方式逐步整合这两个支路的特性,从而减少计算负担,提高分类精度。实验证明,本算法在大场景下的遥感图像融合分类任务中表现优异。5.设计了一个用于遥感图像多分辨率融合分类的双支路注意力融合深度网络。在建立训练样本库的过程中,提出了一种自适应中心偏移采样策略,该策略与传统的像素中心采样策略不同,它允许每个图像块通过寻找待分类像素的纹理结构来自适应地确定邻域范围。而邻域范围与此像素不对称,我们希望捕捉到更利于其分类的邻域信息。在网络结构上,基于采样策略捕获的图像块,对多光谱数据设计了一种通道注意模块,突出了多光谱数据谱段信息丰富的优势;而对全色数据设计了一种空间注意模块,突出了全色数据高空间分辨率的优势。然后将这两个特征相互融合,进一步从融合后的特征中提取更深层的特征进行分类。在高分辨率遥感数据集上的实验结果证明了该方法的有效性和鲁棒性。(本文来源于《西安电子科技大学》期刊2019-04-01）
崔金刚[7]（2019）在《森林近地面温度监测与遥感图像配准方法研究》一文中研究指出温度测量是森林环境监控的一个重要部分,在森林保护、森林生态、森林防火等领域有重要的意义。森林发生火灾时会使周边环境温度上升并伴随有显着的红外辐射,监测到这些信息就可以对火灾进行报警。林区由于面积大、交通不便、林冠郁闭度大、林窗小和保留木多等因素,传统测量手段难以获得全面准确的温度信息。本监测方法的设计构想是在利用遥感卫星进行全局监测的同时,对特定区域进行定点温度监测,并形成温度监测网络,最终建立一个以温度信息为检测目标的包含森林近地温度与卫星红外图像相结合的,能够达到点与面全方位覆盖的监测体系,该方法可以为森林火灾的预测与防控提供支持。本论文以森林发火灾时产生的近地温度与红外图像信息为研究目标,在以下几个方面进行了研究:(1)设计了一个基于STC89C52单片机并具备无线传输方式的地面温度监测系统以对特定区域的温度进行定点测量,温度采集选用DS18B20传感器,数据传输选用nRF24L01,具备无线传输功能,可以和六个设为发射模式的nRF24L01相互通信。为弥补单一传感器温度监测范围小的缺点,实验时采用了多节点分布式的温度监测方式。(2)为满足对地面温度监测的需要,设计了一种基于磁流体光纤的温度传感器。该传感器采用对温度敏感的磁性材料作为敏感元件,并把该磁性材料制作成磁流体注入到毛细光纤中作为导光介质,通过感应敏感元件的磁场变化来测量外界温度的变化。为研究传感器的工作机理,根据传感器波导结构中有效光学折射率的可调性,对传感器波导结构的光学特性进行了模拟和分析,进而实现了空间磁场强度与方向的检测,最后测试了磁性材料的温度性质,建立了温度与波长之间的关系。利用该结构实现温度的测量是光纤传感器应用领域中一个有意义的尝试。(3)为了获得准确的地理位置与温度信息,针对遥感卫星获得的多波段图像,提出了一种用于红外图像与可见光图像配准的相似性方法,并采用ETM卫星数据进行验证。选择搜索窗的大小为50×50像素,测试了图像的平移、旋转和缩放等因素对相似性准则的影响,结果表明ME曲线的最小值点均对应着最佳配准位置。与传统的梯度互信息配准方法相比较,本文提出的配准方法具有较高的准确性。(4)针对森林环境及地貌特点,提出了一种适用于林区检测的多波段图像配准的小成分子空间配准准则,分析了不同配准形状对小成分子空间方法的影响,不同成分数量对小成分子空间方法的影响以及噪声对小成分子空间方法的影响。同时本文还对小成分方法的亚像素配准性能进行了研究,并采用ETM卫星数据进行了实验验证。(本文来源于《东北林业大学》期刊2019-03-01）
党欣,马洪兵[8]（2019）在《基于闭合区域特征的光学和SAR遥感图像配准》一文中研究指出针对基于点特征和线特征配准SAR图像和光学图像的不足,提出了一种基于闭合区域特征的自动配准方法。通过对SAR图像和光学图像进行图像分割提取闭合区域,利用仿射不变矩对闭合区域进行匹配,提取经配对闭合区域的质心作为同名点,实现了高分辨率SAR图像和光学图像配准,取得了较好的配准结果。(本文来源于《电子设计工程》期刊2019年04期）
高雪艳,潘安宁,杨扬[9]（2019）在《基于图像混合特征的城市绿地遥感图像配准》一文中研究指出为了解决同一场景城市绿地遥感图像因视角变化等原因不在同一坐标系,以致于不能对其进行变化检测的问题,提出一种基于图像混合特征的遥感图像配准方法. 1)提取SIFT特征点:从待配准图像和参考图像提取足够的SIFT特征点;2)基于混合特征的SIFT特征点配准:首先在特征点集Y和X之间进行对应关系评估,然后利用对应关系建立空间映射函数不断更新形变后源点集的位置;3)图像配准:基于源点集和形变后的源点集来构造一个映射函数,从而对图像进行配准.在与当前流行的4种算法(SIFT、CPD、RSOC、GLMDTPS)的对比实验中,提出的算法均给出了精确的配准结果,在大部分实验中其性能超过了其他算法.(本文来源于《浙江大学学报(工学版)》期刊2019年06期）
吴亚珍,杨健,狄根虎[10]（2018）在《基于改进MSER与SIDs特征的遥感图像配准算法》一文中研究指出由于遥感图像存在仿射变形且纹理结构丰富,基于单一特征往往难以实现高效、高精度的配准利用显着图像圆盘(SIDs)易于自动提取的特点,并结合改进的极大稳定极值区域(MS-ER)实现仿射归一化,提出了一种新的仿射不变的遥感图像配准算法.该算法利用多尺度各向同性相匹配滤波(Multiscale Isotropic Matched Filtering,MIMF)检测稳定SIDs特征,结合高斯函数来精确定位SIDs极值点,再利用匹配好的MSER实现仿射归一化.实验结果表明,所提算法能较好适应较大尺度、光照及视角变化,具有较高匹配效率和配准精度,尤其是大尺寸遥感图像,算法效率提升更加明显.(本文来源于《太原师范学院学报(自然科学版)》期刊2018年04期）
遥感图像配准论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对异源遥感图像在图像配准中的几何形变问题,本文提出了一种基于几何不变性局部相似特征的异源遥感图像配准算法。GISS算法利用加速鲁棒特征算子先对存在几何差异的异源遥感图像进行预匹配,然后根据特征点的方向特征对图像进行旋转仿射校正,最后引用局部相似性描述符并集成相似性度量来考察预匹配点对的相关性,选取其中相似相关性最优的点对实行图像配准。实验结果表明,对于存在几何形变的异源遥感图像,具有较好的配准实现效果,可以有效的解决异源遥感图像之间的几何形变差异问题,具有较好的鲁棒性和配准精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遥感图像配准论文参考文献
[1].顾漪,陈海燕.基于多图像特征的遥感图像配准新方法[J].信息通信.2019
[2].周微硕,安博文,赵明,潘胜达.基于几何不变性和局部相似特征的异源遥感图像配准算法[J].红外技术.2019
[3].刘占强.高分辨率遥感图像配准技术的研究[D].北京邮电大学.2019
[4].但婷婷.基于遥感图像配准的非结构化道路变化检测算法研究[D].云南师范大学.2019
[5].叶发茂,罗威,苏燕飞,赵旭青,肖慧.卷积神经网络特征在遥感图像配准中的应用[J].国土资源遥感.2019
[6].朱浩.双支路深度神经网络下的遥感图像配准及多分辨率融合分类[D].西安电子科技大学.2019
[7].崔金刚.森林近地面温度监测与遥感图像配准方法研究[D].东北林业大学.2019
[8].党欣,马洪兵.基于闭合区域特征的光学和SAR遥感图像配准[J].电子设计工程.2019
[9].高雪艳,潘安宁,杨扬.基于图像混合特征的城市绿地遥感图像配准[J].浙江大学学报(工学版).2019
[10].吴亚珍,杨健,狄根虎.基于改进MSER与SIDs特征的遥感图像配准算法[J].太原师范学院学报(自然科学版).2018