论文部分内容阅读
匹配技术充分利用图像的空间域信息得到同一地物更为精确、全面和可靠的描述,为图像进一步的分析处理奠定了良好的基础。但是现阶段主要研究基于单一特征的匹配算法,容易受多源影像数据尺度、灰度和旋转角度等因素影响,不能满足实时特征提取和匹配精度要求。为此,很多学者提出了多特征结合的匹配算法,加入虚拟特征能降低对特征的要求,即使在无明显特征区域,也能得到较好匹配精度。本文采用了一种虚拟角点和直线相结合的多源影像匹配方法,进行了基于多特征提取和由粗到精的匹配算法研究和试验,论文主要内容包括：(1)在分析传统基于单一特征匹配算法和现存问题基础上,介绍多特征结合匹配技术的现状和优势,提出了本文的技术路线。(2)分析了Moravec算子、Forstner算子、Harris算子,SUSAN算子和SIFT算子特性和提取特征点方法,总结它们的优缺点。针对多源影像特点,本文采用基于不变量技术的SIFT算子提取特征点,试验得知该算子对影像多尺度、旋转差异有很强鲁棒性。直线提取方面,介绍了传统Hough原理及其局限性,提出一种Canny边缘图像二值化和子区域相结合的改进Hough直线提取算法,通过两组实验对比分析,验证了本文改进Hough算法抗干扰能力强、定位精度高,并提高了直线提取速度。(3)介绍了虚拟角点和直线相结合的由粗到精匹配算法。该算法在SIFT特征点粗匹配基础上,进行分区域改进Hough直线提取和匹配；引入虚拟角点概念,对特征不明显区域也能提取较高精度虚拟角点点对。利用该匹配思路,对Geo-eye和IKONOS、World-View和IKONOS这两组多源影像进行匹配试验,匹配精度为子像素级,对稀少特征地区的多源影像数据匹配具有一定的应用价值。