遥感影像的匹配方法研究开题报告

1. 研究目的与意义

传统的图像配准采用人工配准或半自动配准方法，即通过手工选择来获取实现配准所需的控制点。这种方法需要工作人员的大量重复性劳动，耗费大量的时间，配准精度容易受主观影响，无法满足处理系统的实时性和自动化要求。现阶段可见光图像之间的配准已经有了系统的研究和比较成熟的算法，主要分为两大类：基于像素的配准方法和基于特征的配准方法。基于像素的配准方法直接利用图像灰度值，可在空域如相关方法或频域进行如基于快速傅立叶变换的方法，主要特点是实现简单，但在估算最优变换参数的过程中往往需要巨大的运算量。基于特征的配准是可见光图像自动配准的主流方法，这种方法并不直接对灰度级图像进行操作，而是首先提取参考图像和待配准图像上的一些共同特征（角点，线段，边缘，特征区域等），通过相应的匹配策略来建立特征之间的对应关系，从而提取出一系列控制点对，结合设定的几何变换模型求解出变换参数，然后对其中的一幅图像进行变换操作，最终实现图像的自动配准。它具有运算量小、鲁棒性好、对复杂的几何形变不敏感等优点。国外从20世纪60年代就开始了对图像配准的研究，而国内从20世纪90年代初才开始涉足此领域。

配准是图像处理领域的关键技术，它实现了不同时相、不同类型、不同成像条件下的图像匹配和叠加。图像匹配技术涉及的应用领域非常广泛，如大气探测、空间探测、陆地探测、水土资源监测、农业与林业监测、城市遥感监测、地形测绘与地图绘制、城市管理区划分以及军事领域都有所应用，针对同一地区获取不同时间的遥感数据，遥感数据提供的信息具有重大的参考意义。无论是在民用还是国防反面，多源遥感数据都具有无可替代且完全反映的意义，而图像匹配是这些监控和统计的基础。

由于不同类型传感器的工作原理和成像模式不一样，它们的同一目标图像在灰度分布和统计特性等方面都有较大的差异，现有的基于可见光图像的配准方法在多传感器图像配准中无法得到满意的效果。因此，必须针对不同类型传感器的特点，设计相应的多传感器图像配准算法，目前一些学者也提出了不少配准方法，如基于边缘特征的多传感器图像配准方法，基于轮廓特征的sar和spot图像配准方法，基于轮廓特征的多源图像粗配准算法，边缘特征和遗传算法的可见光和sar图像配准方法等等。

2. 研究内容和预期目标

（1）主要研究内容

①图像配准的方法

②图像配准在实际中的应用

3. 研究的方法与步骤

（1）基于特征的匹配方法

①特征提取：使用特定的特征点提取算法进行特征提取；

②特征匹配：根据相似性测度，寻找匹配的特征对；

4. 参考文献

[1] 陈鹰。遥感影像的数字摄影测量。上海：同济大学出版社,2003

[2] 孙家抦。遥感原理与应用，武汉：武汉大学出版社，2003

[3] 梁勇，程红，孙文邦等。图像配准方法研究[j]。影像技术，2010（4）:15-17

5. 计划与进度安排

一、研究工作准备阶段（2022.1.20——2022.3.24）：

2022.1.20——2022.3.15为准备工作阶段，包括查阅资料、实验数据收集等；2022.3.16——2022.3.24为开题阶段，主要工作是撰写开题报告等。

二、研究工作开展阶段（2022.3.25——2022.5.19）：