导读:本文包含了高精度影像配准论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:影像,遥感,特征,算子,光谱,数据,曲面。
高精度影像配准论文文献综述
程国华,王阿川,陈舒畅,赵宇,范晓锐[1]（2016）在《多源遥感影像高精度自动配准方法研究》一文中研究指出针对遥感影像本身存在纹理差异,特征点提取不均匀的自动配准问题,提出了一种新的多源遥感影像高精度自动配准方法。首先,对Harris算子进行了改进,使其提取特征点覆盖范围更广;然后,对影像进行分块处理,对每块用文章改进的Harris算子进行特征点提取,并采用分块迭代剔除策略,保证了特征点在整幅影像中的均匀分布和非冗余分布;其次提出了金字塔-双向-最小二乘多匹配算法进行影像匹配,完成了最终同名点选取;最后利用小叁角形面元TIN对影像进行了精确纠正。实验结果表明本文方法获取同名点均匀合理,能够更好地实现多源遥感影像的高精度配准,具有一定实际意义。(本文来源于《液晶与显示》期刊2016年06期）
李奇峻,范大昭,雷蓉,纪松,张文朝[2]（2016）在《资源叁号多光谱影像谱段间相对内参关系标定及高精度配准》一文中研究指出针对资源叁号多光谱相机,提出利用同时获取的各谱段影像间高精度提取的同名像点建立多光谱相机各谱段对应分片CCD之间的位置模型,求解它们的相对内参关系参数,并应用此模型实现了谱段间影像的高精度谱段配准。试验结果表明该方法能够实现资源叁号卫星多光谱影像优于0.3像素精度的谱段间自动配准。(本文来源于《测绘学报》期刊2016年06期）
姚国标,邓喀中,张力,杨化超,艾海滨[3]（2013）在《融合互补仿射不变特征的倾斜立体影像高精度自动配准方法》一文中研究指出提出一种基于最大稳定极值区域(maximally stable extremal regions,MSER)与Harris&Hessian Affine的互补仿射不变特征高精度自动配准算法。算法分3个阶段:①融合MSER与Harris&Hessian Affine互补不变特征,采用最小生成树算法选取一定数量的最优互补特征集合,基于特征的仿射不变信息实现局部图像的仿射与方向归一化,特征匹配采用多层次自适应策略,首先基于SIFT描述符的欧氏距离比率测度获得初始匹配,继而估计影像间的基本矩阵与单应矩阵,然后在双重几何约束下利用归一化互相关(normalized cross correlation,NCC)测度进行扩展匹配,以增加特征匹配数量且最大限度地消除误匹配;②通过最小二乘匹配(least square matching,LSM)使匹配结果达到子像素精度,以提高配准精度,最小二乘匹配的迭代参数初值由同名仿射不变特征间的协方差矩阵与主梯度方位获得;③基于②的匹配结果和投影变换模型,完成影像的高精度配准。针对地面近景倾斜立体影像和无人机倾斜立体影像的试验结果证明了算法的有效性。(本文来源于《测绘学报》期刊2013年06期）
蒋永华,张过,唐新明,祝小勇,黄文超[4]（2013）在《资源叁号测绘卫星多光谱影像高精度谱段配准》一文中研究指出针对ZY-3多光谱影像各谱段共视场扫描成像特点,提出基于在轨检校内方位元素的虚拟CCD重成像算法,通过虚拟CCD重成像技术实现单谱段CCD影像的无缝拼接及多谱段的高精度谱段配准。采用河南登封区域及天津区域的ZY-3多光谱影像对ZY-3多光谱相机进行在轨几何检校,利用河北安平区域的30个高精度靶标控制点验证了检校结果的正确性;进一步利用检校后的内方位元素对河北安平区域、兰州区域的ZY-3多光谱影像进行虚拟CCD重成像,采用靶标点验证方法以及高精度配准验证方法对虚拟CCD重成像影像的谱段配准精度验证,谱段配准精度均优于0.2像元。(本文来源于《测绘学报》期刊2013年06期）
程海琴,陈强,刘国祥,杨莹辉[5]（2013）在《基于相干曲面移动拟合的SAR影像高精度配准方法》一文中研究指出本文采用斜距-多普勒模型与卫星轨道状态矢量探查影像粗配准点,以粗配准像素中心及其邻域相干系数阵列拟合相干曲面,通过快速求解二元连续相干函数的极值点作为影像精细配准位置,建立主从影像同名像素的坐标映射转换模型。实验分别以我国东部平原地区的ERS SAR影像和西部龙门山地区的ALOS PALSAR影像为例,进行InSAR影像配准与干涉计算,结果表明,SAR影像配准后的相干性提高约5%。(本文来源于《测绘科学》期刊2013年05期）
翟涌光,王耀强[6]（2010）在《基于点特征的多源遥感影像高精度自动配准方法》一文中研究指出提出了一种基于点特征的多源遥感影像高精度自动配准方法。该方法采用了由粗到精的配准策略。首先利用SIFT算子和一次多项式实现影像的粗配准,粗配准后的影像和参考影像将处于同一尺度(像素采样间隔)和参考坐标系下。其次在粗配准后的影像上提取分布均匀的特征点,根据前一步得到的影像间的坐标关系,在参考影像上确定一个较小的搜索范围,使用相关系数匹配出同名点,同时用Baarda数据探测法剔除粗差。最后根据同名点构建叁角网对影像进行精配准。实验结果表明:该方法能够实现多源遥感影像的高精度配准。(本文来源于《遥感技术与应用》期刊2010年03期）
杜全叶[7]（2010）在《无地面控制的航空影像与LiDAR数据自动高精度配准》一文中研究指出数字摄影测量,特别是航空数字摄影测量经过几十年的发展,已经形成了一套比较完备的理论体系,作为地理信息的重要获取手段之一,有其独特的纹理表现优势。近年来,在地震等自然灾害的应急响应中,低空摄影测量、非常规航空摄影测量也发挥了重大作用。机载激光扫描,通常也被称为LiDAR (Light Detection And Ranging),最近几年有了蓬勃的发展和应用,LiDAR为获取高时空分辨率的地球信息提供了一种全新的手段。相对于可以提供地面丰富的光谱、纹理信息的航空影像,LiDAR数据最大优势,在于直接提供大量地面离散点的叁维信息。这两种数据各有优势,互为补充。随着相关技术的不断发展,航空摄影测量与LiDAR集成是发展的必然趋势。然而,实现两者的集成,最关键的问题之一,就是实现航空影像与LiDAR数据的高精度配准,即实现影像上像点与LiDAR数据的准确对应。本文借鉴传统航空摄影测量中空中叁角测量的作业思路,针对大区域航空影像和机载LiDAR数据的配准进行研究,提出了在无地面控制点的情况下,实现航空影像与LiDAR数据自动、高精度配准的方法。该方法的核心是对航空影像进行密集特征点提取与匹配,经过前方交会获得特征点对应的叁维坐标,从而将航空影像与LiDAR数据的配准问题,转化为匹配点云与LiDAR点云的配准问题。迭代最邻近点算法(Iterative Closest Point Algorithm, ICP)是激光点云拼接较有效的方法,但它需要较好的初值,解算过程中搜索耗时也多。在解决了ICP算法所需要的初值和解算过程中搜索耗时问题的基础上,将其应用于影像匹配点云与LiDAR点云的配准。在航空影像与LiDAR数据的配准过程中,利用循环迭代的思想,在每一次配准控制片的密集点云后,都要筛选配准点作为控制点,重新进行光束法区域网平差,解算出影像新的方位元素。针对非常规摄影测量中影像重迭度不满足规范要求,无法进行常规空中叁角测量的问题,使用立体像对进行密集匹配获取匹配点云,利用ICP算法配准影像匹配点云和LiDAR点云,然后筛选配准点经过后方交会解算出影像的外方位元素,实现非常规航空摄影条件下影像与LiDAR数据的配准。整个配准过程中涉及以下几个方面的问题。(1)影像初始外方位元素在有影像定位定向系统(Position and Orientation System, POS)数据的情况下,POS数据即为影像的初始外方位元素。在无影像POS数据时,基于尺度不变特征变换(Scale Invariant Feature Transform, SIFT)特征算子,进行空中叁角测量连接点自动匹配,然后,使用少量从LiDAR数据中获取的粗略控制点,进行平差获取影像初始的外方位元素。(2) LiDAR和初始方位元素约束的航空影像多视密集匹配借鉴航空摄影测量中地面控制点的布设方案,确定测区某些影像为控制片。在控制片上划分格网,提取Harris密集特征点,然后进行POS数据和LiDAR点云叁维信息约束的同名点多视匹配,同时利用LiDAR数据水域信息,剔除位于水域的点,获得影像上的高精度、密集匹配点。(3)影像匹配点云与LiDAR点云的配准使用迭代解算的方法配准影像匹配点云和LiDAR点云。在每一次循环迭代中,首先,使用前一次平差解算出的影像方位元素(第一次迭代时,影像外方位元素使用初始值或POS数据),经过同名点的前方交会获得影像匹配点物方叁维坐标。然后,根据迭代最邻近点配准算法(Iterative Closest Point Algorithm,ICP)原理,以距离最近为衡量标准确定两种点云的关键对应点,配准影像匹配点云和LiDAR点云。然后,筛选高质量配准点作为像控点,进行光束法区域网平差,解算出影像新的方位元素,并且对配准精度进行评价。如果达不到精度要求,则进行下一次迭代运算,最终获取相对于LiDAR坐标框架下的高精度影像方位元素,实现无地面控制条件下的航空影像与LiDAR数据自动高精度配准。(4)配准点空间后方交会解算影像外方位元素非常规航空摄影测量条件下,经过立体影像匹配生成的匹配点云和LiDAR点云配准后,筛选良好的配准点进行空间后方交会,解算影像的外方位元素,并对结果进行精度评价。非常规摄影测量的航空影像与LiDAR数据配准实验表明,通过配准匹配点云和LiDAR点云的方式相对于人工配准,自动化程度高、精度更高。针对常规摄影测量获取的航空影像,以空中叁角测量作业的流程,解算出影像在LiDAR坐标系下的方位元素,从而实现航空影像与LiDAR数据的自动高精度配准。(本文来源于《武汉大学》期刊2010-05-01）
王克宇,胡志贵[8]（2009）在《一种实用的高精度遥感影像配准融合方法》一文中研究指出实用的高精度遥感影像配准、纠正、融合方法,该方法是由张祖勋教授等提出的,是将先进的数字摄影测量技术应用于遥感影像定量化处理的新突破。它不仅解决了长期困惑遥感信息定量化处理的理论问题和实际应用问题,而且提供了大规模生产实用的先进手段,使遥感信息定量化处理进入了实际应用的新阶段。(本文来源于《江苏省测绘学会2009年学术年会论文集》期刊2009-09-21）
简剑锋,林怡,周利华,尹忠海[9]（2008）在《一种优化的多源遥感影像高精度配准方法》一文中研究指出探讨了一种优化的多源遥感影像的高精度配准算法.利用梯度算子结合Forstner算子快速提取特征点,同时采用基于熵的格网技术控制特征点的分布均匀度,在少量准确控制点的基础上以不变矩相似度量为匹配准则,采用整体松弛法匹配策略快速配准得到同名点,并利用二次多项式模型来剔除误配准点.结果表明,该方法配准速度快,得到的同名点精度高,分布均匀,可以满足遥感影像的融合与快速更新等后续处理的要求.(本文来源于《同济大学学报(自然科学版)》期刊2008年10期）
张登荣,俞乐[10]（2007）在《一种高精度的干涉雷达复数影像配准方法》一文中研究指出在总结现有算法的基础上,提出了基于相干系数、Harris特征点、小波金字塔及TIN叁角微分纠正技术的单视复数雷达图像的配准流程。通过ERS 1/2的实验表明,提高了配准的精度和效率,特别是保证了在没有精确轨道甚至没有轨道参数的情况下也能获得很高的配准精度,计算正确的干涉相位图。在重采样过程中采用的叁角联网策略,进一步使匹配点的局部拟合误差得到有效控制,得到配准精度更高的复图像对。在CPU 3.06GHz计算机上,43 s内完成5000像素×1000像素的主辅图像的配准,平均相干系数为0.719855。(本文来源于《遥感学报》期刊2007年04期）
高精度影像配准论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对资源叁号多光谱相机,提出利用同时获取的各谱段影像间高精度提取的同名像点建立多光谱相机各谱段对应分片CCD之间的位置模型,求解它们的相对内参关系参数,并应用此模型实现了谱段间影像的高精度谱段配准。试验结果表明该方法能够实现资源叁号卫星多光谱影像优于0.3像素精度的谱段间自动配准。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
高精度影像配准论文参考文献
[1].程国华,王阿川,陈舒畅,赵宇,范晓锐.多源遥感影像高精度自动配准方法研究[J].液晶与显示.2016
[2].李奇峻,范大昭,雷蓉,纪松,张文朝.资源叁号多光谱影像谱段间相对内参关系标定及高精度配准[J].测绘学报.2016
[3].姚国标,邓喀中,张力,杨化超,艾海滨.融合互补仿射不变特征的倾斜立体影像高精度自动配准方法[J].测绘学报.2013
[4].蒋永华,张过,唐新明,祝小勇,黄文超.资源叁号测绘卫星多光谱影像高精度谱段配准[J].测绘学报.2013
[5].程海琴,陈强,刘国祥,杨莹辉.基于相干曲面移动拟合的SAR影像高精度配准方法[J].测绘科学.2013
[6].翟涌光,王耀强.基于点特征的多源遥感影像高精度自动配准方法[J].遥感技术与应用.2010
[7].杜全叶.无地面控制的航空影像与LiDAR数据自动高精度配准[D].武汉大学.2010
[8].王克宇,胡志贵.一种实用的高精度遥感影像配准融合方法[C].江苏省测绘学会2009年学术年会论文集.2009
[9].简剑锋,林怡,周利华,尹忠海.一种优化的多源遥感影像高精度配准方法[J].同济大学学报(自然科学版).2008
[10].张登荣,俞乐.一种高精度的干涉雷达复数影像配准方法[J].遥感学报.2007
论文知识图
