序关系描述下的多源遥感图像配准算法研究

In the application of remote sensing image, such as data fusion, target change detection, target recognition, and so on, it is necessary to analyse and compare the multiple images. The basis of these applications must be strict registration from different geometric characteristics or different resolution images. The feature extraction and feature matching, which are the two key steps of multi-source remote sensing image registration algorithm, are researched in this project. The main research contents are as follows: (1) Aiming at the nonlinear variation of image brightness, the local feature extraction methods in the description of the intensity order relation are explored, which are geometric invariance and brightness invariance.(2) The local feature point sets are found in the description of the space order relation. The struction of graphs and matrice in local point sets is researched, which breakes the limitation of the lack of local features in the conventional method. And then the matching relationship is obtained by using the the combinatorial properties of feature vector and probability methods. (3) In the processing of graph matching, the methods of dimension reduction and perturbation are analysed, which improve the efficiency and robustness of the matching. The aim of the project is to describe some new approaches and algorithms of multi-source remote sensing image registration in the description of order relation, improve the accuracy of remote sensing image registration, and analyse the performance of the algorithms.

在遥感图像应用过程中，往往需要对多幅图像数据进行分析和比较，例如多源遥感图像的数据融合、目标变化检测、目标识别等，而这些应用的基础都必须对来自不同几何特性或不同分辨率的图像间进行严格的配准。本项目针对多源遥感图像配准算法中的特征提取和特征匹配两大关键步骤进行研究，主要研究内容包括：（1）针对亮度非线性变化的图像，探索灰度序关系描述下的局部特征提取方法，使得提取的特征同时具有几何变换不变性和亮度不变性；（2）寻找特征点空间序关系描述下的局部点集，研究局部点集结构图的构建及其矩阵表示，突破常规构图方法中缺少局部特征的局限，然后应用图的特征向量的组合性质并结合概率等方法获取特征的匹配关系；（3）在图匹配过程中，研究降维与扰动分析的方法，提高匹配的效率与鲁棒性。本项目旨在给出序关系描述下的多源遥感图像配准的新方法和新算法，提高遥感图像配准的精度，并对算法的性能进行分析。

本项目通过对多源遥感图像配准算法中的特征提取和特征匹配两大关键步骤的深入研究，构建了同时具有几何变换不变性和亮度不变性的局部图像特征，并通过寻找特征点空间序关系描述下的局部点集，给出了特征匹配的新方法。主要研究内容包括：灰度序关系描述下的特征提取方法，空间序关系描述下的特征匹配方法，特征向量的降维与扰动分析。. 在本基金的支持下，项目组按照研究计划圆满完成了规定的研究内容，发表论文19篇，其中SCI收录3篇，EI收录9篇，研究成果超出了预期成果。主要成果如下：（1）将灰度序、非抽样Contourlet、有向图上无符号Laplacian谱、图模型上随机游动的熵率等应用于特征的描述中，并利用离散余弦变换对图像特征向量进行降维；（2）在特征匹配方面，应用图匹配方法的同时引入线图、马氏度量、椭圆型度量、双曲线度量、最大池策略等，提高了匹配的精度和鲁棒性；（3）同时将研究成果应用于遥感图像处理、智能视觉感知技术中的人、车、物图像处理中，取得了较好的结果；（4）培养了一批从事计算机视觉、图像处理、模式匹配等方面研究工作的研究生，其中已毕业博士研究生2名、硕士研究生 6名，正在培养的有博士研究生2名、硕士研究生9名。