论文部分内容阅读
基于角点特征的图像匹配在遥感图像应用领域发挥着重要作用,而特征角点的提取是图像匹配的关键。由于遥感影像数据量大信息丰富,针对传统的角点检测算法计算量大、定位不精准、易提取伪角点等缺点,本文提出了像素自相关矩阵的阈值自适应角点检测算法,大大提高了角点检测的效率以及后期图像匹配的精确度。 首先选用遥感影像作为角点检测数据源,对多光谱数据和全色数据进行正射校正,图像融合等预处理得到高分辨率遥感融合影像,将影像中建筑物作为重要空间对象进行角点检测。然后针对Harris角点检测算法中角点响应函数(CRF)系数阈值与非极大值抑制系数阈值需要人为设定所造成的可变性和随机性等问题,提出一种通过计算图像每个像素的自相关矩阵行列式值,构造特征角点图像进行自适应阈值分割的改进角点检测算法。该算法主要通过计算原图像经过方向滤波和低通滤波后各像素的自相关矩阵行列式构造特征角点图像;再采用最优熵算法计算特征角点图像分割阈值,从而筛选出预选区域;最终结合改进的非极大值抑制方法提取有效角点。 最后介绍了几种常见的基于灰度的图像匹配算法和基于特征的图像匹配算法,在应用改进的角点提取算法的基础上选择互相关算法进行匹配,得出遥感匹配图像。通过多组实验对比,证明本算法相比传统Harris角点检测算法不但能够自动计算角点检测的最佳阈值,而且能够更准确地定位角点和去除边缘伪角点,从而提高了角点检测的准确率以及遥感图像匹配的精确度。