針對(duì)高分辨率遙感圖像中,特征點(diǎn)數(shù)目大且易存在誤匹配點(diǎn)的問(wèn)題,提出結(jié)合Harris和改進(jìn)K-means的遙感圖像配準(zhǔn)算法。首先,利用Harris提取特征點(diǎn);然后,使用改進(jìn)K-means算法進(jìn)行區(qū)域劃分,進(jìn)行特征點(diǎn)匹配;最后,區(qū)域間利用RANSAC方法剔除錯(cuò)誤匹配點(diǎn),得到精確匹配點(diǎn)對(duì)。該算法減少了特征點(diǎn)數(shù)目,提高配準(zhǔn)精確度。實(shí)驗(yàn)結(jié)果表明了算法的有效性。 

【文章來(lái)源】：數(shù)字技術(shù)與應(yīng)用. 2020,38(10)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

實(shí)驗(yàn)數(shù)據(jù)圖

sT,GoolLV.SURF:Speededuprobustfeatures[C]//sProceedingsoftheEuropeanConferenceonComputerVision,2006:404-417.[9]何夢(mèng)夢(mèng),郭擎,李安,等.特征級(jí)高分辨率遙感圖像快速自動(dòng)配準(zhǔn)[J].遙感學(xué)報(bào),2018,22(2):277-292.[10]王威,楊芳,張鵬,等.基于ENVI/IDL的高分遙感數(shù)據(jù)自動(dòng)預(yù)處理及植被提取方法:以湖南林業(yè)為例[J].湖南城市學(xué)院學(xué)報(bào)(自然科學(xué)版),2020,29(2):45-50.方法RMSECMR運(yùn)行時(shí)間SIFT3.1588.52%19.31s本文方法2.5697.02%11.63s表3第2組圖像精度評(píng)價(jià)(a)第一組配準(zhǔn)結(jié)果圖(b)第二組配準(zhǔn)結(jié)果圖(c)第三組配準(zhǔn)結(jié)果圖圖5配準(zhǔn)結(jié)果圖······下轉(zhuǎn)第91頁(yè)祁曦:結(jié)合Harris和改進(jìn)K-means的遙感圖像配準(zhǔn)算法

2020年第10期85新質(zhì)心,依次循環(huán)進(jìn)行,直至質(zhì)心不再變化[14]。上述求解過(guò)程中,開(kāi)始中心點(diǎn)的選取較為隨機(jī),影響后期的聚類(lèi)區(qū)域形成。因此,粒子群算法加入聚類(lèi)中尋找最優(yōu)初始聚類(lèi)中心點(diǎn)。PSO算法是利用全局最優(yōu)信息、個(gè)人最優(yōu)信息和個(gè)人經(jīng)驗(yàn)信息,加權(quán)求得,重復(fù)迭代,直至找到最優(yōu)解[15]。PSO公式如下:t1tt1iiixxv(2)11122*()()()()ttttiiiiiivwvcrandpbestxcrandgbestx(3)改進(jìn)K-means算法的流程如下:(1)初始化K值,劃分為K組,對(duì)每組初始位置和速度進(jìn)行初始化操作;(2)對(duì)i組區(qū)域,計(jì)算每個(gè)特征點(diǎn)的適應(yīng)值、個(gè)體最優(yōu)信息和全局最優(yōu)信息,不斷比較更新;(3)求i區(qū)域中每個(gè)特征點(diǎn)的最優(yōu)速度和下一步最佳位置,從(3)重新迭代,直至到達(dá)目的地,得到K個(gè)初始聚類(lèi)中心;(4)進(jìn)行K-means聚類(lèi),得出區(qū)域劃分。2高分辨率遙感圖像配準(zhǔn)改進(jìn)算法2.1算法思路遙感圖像配準(zhǔn)時(shí),一般使用RANSAC算法對(duì)匹配點(diǎn)篩選,但會(huì)出現(xiàn)一定的錯(cuò)誤匹配點(diǎn)對(duì),且迭代次數(shù)多,工作量大[4]。因此,本文對(duì)匹配點(diǎn)添加一定的區(qū)域進(jìn)行約束,使得對(duì)應(yīng)區(qū)域的點(diǎn)進(jìn)行進(jìn)行匹配,并剔除誤配點(diǎn)。算法設(shè)計(jì)流程如下:(a)第1組使用SIFT算法提取特征點(diǎn)分布情況(b)第1組使用Harris提取特征點(diǎn)分布情況(c)第2組使用SIFT算法提取特征點(diǎn)分布情況(d)第2組使用Harris提取特征點(diǎn)分布情況圖3使用Harris和SIFT算法對(duì)基準(zhǔn)圖像提取特征點(diǎn)方法參與匹配點(diǎn)數(shù)正確匹配點(diǎn)數(shù)錯(cuò)誤匹配點(diǎn)數(shù)正確匹配率RANSAC5344983.02%本文方法2625196.15%表2第3組圖像正確匹配點(diǎn)率對(duì)比方法特征點(diǎn)數(shù)目運(yùn)行時(shí)間SIFT6638.6sHarris2615.2s表1第1組基準(zhǔn)圖像使用Harris和SIFT方法提取特征點(diǎn)祁曦:結(jié)合Harris和改進(jìn)K-means的遙感圖像配準(zhǔn)算法

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合多尺度角點(diǎn)和Harris變換的遙感圖像配準(zhǔn)方法[J]. 楊艷麗,夏朝輝,張金生,王李平.  電光與控制. 2020(08)
[2]基于ENVI/IDL的高分遙感數(shù)據(jù)自動(dòng)預(yù)處理及植被提取方法：以湖南林業(yè)為例[J]. 王威,楊芳,張鵬,王新.  湖南城市學(xué)院學(xué)報(bào)(自然科學(xué)版). 2020(02)
[3]特征級(jí)高分辨率遙感圖像快速自動(dòng)配準(zhǔn)[J]. 何夢(mèng)夢(mèng),郭擎,李安,陳俊,陳勃,馮旭祥.  遙感學(xué)報(bào). 2018(02)
[4]優(yōu)化初始聚類(lèi)中心及確定K值的K-means算法[J]. 蔣麗,薛善良.  計(jì)算機(jī)與數(shù)字工程. 2018(01)
[5]結(jié)合Harris與SIFT算子的圖像快速配準(zhǔn)算法[J]. 許佳佳.  中國(guó)光學(xué). 2015(04)

碩士論文
[1]高分辨率遙感圖像配準(zhǔn)技術(shù)的研究[D]. 劉占強(qiáng).北京郵電大學(xué) 2019
[2]基于點(diǎn)特征和局部結(jié)構(gòu)信息的遙感圖像配準(zhǔn)[D]. 葛毓歡.西安電子科技大學(xué) 2018
[3]基于邊緣點(diǎn)特征的高分辨率遙感圖像配準(zhǔn)方法研究[D]. 何夢(mèng)夢(mèng).中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所) 2017



本文編號(hào)：3253574