论文部分内容阅读
多光谱图像丰富的光谱信息为地物的边界和地物目标的识别创造了良好的条件,因此作为遥感图像中一类重要的图像,它的应用范围很广。本文针对多光谱遥感图像配准与融合方法进行了研究。首先本文实现了对于一般灰度图像适用的三种角点检测算法:Harris、SUSAN和ACSS角点检测算法。然后又详细研究了基于SIFT的特征点提取算法。本文实验把这四种方法用于多光谱遥感图像的配准中,实验结果表明Harris算子提取的特征点很少,SUSAN算子提取的特征点数受灰度对比度影响很大,最后能够匹配到的特征点对几乎不能完成图像配准。所以这两种方法不适用于多光谱遥感图像的配准。ACSS、SIFT方法在每幅波段图像上提取的特征点数很多,这两种方法把灰度相差不大、谱段也相差不大的多光谱图像当作一般的灰度图像配准,也能够得到相应数量的匹配点对数,从而达到配准效果。但是对于灰度差异很大、谱段相差较大的情况这两种方法的配准效果也不好。根据多光谱遥感图像具有各谱段图像间的灰度差异大,位置偏移误差是亚像素级的独有特点,本文提出了一种基于局部灰度极值的图像配准算法。这也是本文的创新工作所在。本算法思想是在基准图像上寻找具有灰度极值的区域并保存这些区域,在待配准图的相应区域判断是否同样含有灰度极值。如果有,那么就保留该区域,否则就剔除该区域。然后对保留下的极值区域用二次多项式法进行曲面拟合,拟合后的极值点即作为初匹配的特征点对。实验结果表明本文方法不受多光谱图像灰度差异大的影响,能够很好的完成图像的配准。实验中还用模拟多光谱图像进行了实验,结果证明本方法具有算法简单和配准精度好的特点。在图像配准的基础上,本文又介绍了图像融合算法。图像融合作为图像配准的一个重要应用,本文研究了基于小波变换的多波段图像融合和传统小波变换、HIS变换和基于HIS和小波变换的全色图像和多光谱图像融合。实验结果表明对于多波段图像的融合本文中低频系数采用加权平均、高频系数采用改进的拉普拉斯规则图像融合效果最好。对于全色图像和多光谱图像是基于HIS和小波变换的融合效果优于另外两种。