红外技术
紅外技術
홍외기술
INFRARED TECHNOLOGY
2015年
1期
20-24
,共5页
王晓华%李克%邓喀中%杨化超
王曉華%李剋%鄧喀中%楊化超
왕효화%리극%산객중%양화초
特征配准%最大极值稳定区域%尺度不变特征变换%Harris-Laplace特征
特徵配準%最大極值穩定區域%呎度不變特徵變換%Harris-Laplace特徵
특정배준%최대겁치은정구역%척도불변특정변환%Harris-Laplace특정
feature registration%MSER%SIFT%Harris-Laplace feature
针对具有倾斜的遥感图像的自动配准问题,提出一种增强自动配准方法.该方法首先应用最大极值稳定区域(Maximally Stable Extremal Regions,MESR)特征的仿射不变性结合匹配能力较强的SIFT(Scale Invariant Feature Transformation,SIFT)描述子进行粗匹配,初步校正倾斜图像的空间变换;然后利用Harris-Laplace(H-L)在图像旋转、光照变化条件下能最稳定的提取2维平面特征点和在3维尺度空间中能最稳定高效地提取特征点的特性结合随机一致性检验(Random Sample Consensus,RANSAC)方法进行精匹配.通过实验分析证明,与SIFT配准方法相比该方法能够对倾斜的遥感图像实现更精确的自动配准.
針對具有傾斜的遙感圖像的自動配準問題,提齣一種增彊自動配準方法.該方法首先應用最大極值穩定區域(Maximally Stable Extremal Regions,MESR)特徵的倣射不變性結閤匹配能力較彊的SIFT(Scale Invariant Feature Transformation,SIFT)描述子進行粗匹配,初步校正傾斜圖像的空間變換;然後利用Harris-Laplace(H-L)在圖像鏇轉、光照變化條件下能最穩定的提取2維平麵特徵點和在3維呎度空間中能最穩定高效地提取特徵點的特性結閤隨機一緻性檢驗(Random Sample Consensus,RANSAC)方法進行精匹配.通過實驗分析證明,與SIFT配準方法相比該方法能夠對傾斜的遙感圖像實現更精確的自動配準.
침대구유경사적요감도상적자동배준문제,제출일충증강자동배준방법.해방법수선응용최대겁치은정구역(Maximally Stable Extremal Regions,MESR)특정적방사불변성결합필배능력교강적SIFT(Scale Invariant Feature Transformation,SIFT)묘술자진행조필배,초보교정경사도상적공간변환;연후이용Harris-Laplace(H-L)재도상선전、광조변화조건하능최은정적제취2유평면특정점화재3유척도공간중능최은정고효지제취특정점적특성결합수궤일치성검험(Random Sample Consensus,RANSAC)방법진행정필배.통과실험분석증명,여SIFT배준방법상비해방법능구대경사적요감도상실현경정학적자동배준.