摘 要

随着大数据时代的到来，人们处理的信息量与日俱增。使用遥感技术获取地面数据一直是科研人员获取信息的一个重要手段，然而单幅遥感图像所包含的信息往往非常有限，在处理某一实际问题时，通常需要多幅图像拼接，或者使用图像融合技术以获得更多有用的信息，遥感图像配准则是这些操作的非常重要的环节。在图像处理技术未普及之前，图像配准通常由人工完成，然而这种方法耗时长，效率低，在发生紧急情况时无法及时得到图像结果。因此探索高效快速额遥感图像自动配准算法具有重要意义。

本文使用到Emgu CV在visual studio平台对遥感图像自动配准算法进行研究，分析图像自动配准算法的效率等问题。针对配准中最为关键的特征点提取算法，本文使用了现阶段较为流行的SIFT(Scale-Invariant Feature Transform）特征点^[1]，SURF(Speeded Up Robust Features)特征点^[2]和ORB特征点^[3]，从均方根误差和时间等方面比较使用不同特征点的配准效果。研究表明，使用SURF特征点的配准结果最为稳定，且时间可以满足实际需求。并且，本文将该使用SURF特征点的配准算法与ENVI软件的图像自动配准模块相比较，这一算法依然有着明显的优越性。本文的特色在于使用了两组数据，详细地比较了三种特征点的配准情况，并且将配准算法与市面上的软件进行了比较，证明了本文算法的可行性。

关键词：图像配准；特征点提取；尺度不变特征点变换；ENVI

Abstract

With the advent of the Big Data era, people are dealing with more and more information day by day. Use remote sensing technology to obtain the ground data has always been an important channel to obtain information of scientific research personnel. However, the information contained in a single remote sensing image is often very limited, in dealing with a practical problem, usually need more image stitching, or use the image fusion technology to get more useful information, rule of remote sensing image plays an important role in these operations. Before the popularization of image processing technology, image registration was usually done manually. However, this method was time-consuming and inefficient, and could not obtain image results in time in case of emergency. Therefore, it is highly significant to explore an efficient and fast automatic registration algorithm for remote sensing images.

In this paper is to study the automatic registration algorithm of remote sensing images

on visual studio platform with Emgu CV. Aiming at the most critical feature point extraction algorithm in registration, this paper uses the currently popular SIFT feature points, SURF feature points and ORB feature points to compare the registration effect of using different feature points from the aspects of root mean square error and time. Research shows that the registration results using SURF feature points are the most stable, and the time can meet the actual needs. In addition, compared with the automatic image registration module of ENVI software, this registration algorithm which use SURF feature point still has obvious advantages. The feature of this paper is that it uses two sets of data to compare the registration of three kinds of feature points in detail, and the registration algorithm is compared with the software in the market to prove the feasibility of this algorithm.

Key Words：image registration；Feature point extraction ;scale-invariant feature transform；ENVI

目录

第一章 绪论 1

1.1 研究背景及意义 1

1.2 图像配准技术国内外研究现状 1

1.3 本文研究内容及章节主要安排 3

1.4 本文研究路线 4

1.5 本章小结 5

第二章 图像配准理论简介 6

2.1 图像配准基本定义 6

2.2 空间变换模型 6

2.2.1相似变换 6

2.2.2仿射变换 7

2.2.3投影变换 7

2.2.4多项式变换 7

2.3 图像配准一般框架 8

2.3.1参数推导型 8

2.3.2参数寻优型 8

2.4 图像配准评价标准 9

2.4.1均方根误差 9

2.4.2正确匹配点对数 9

2.4.3 正确匹配率 9

2.4.4运行时长 9

2.5 本章小结 10

第三章 特征点提取算法简介 11

3.1 SIFT算法简介 11

3.1.1 检测尺度空间的极值点 11

3.1.2 精确定位特征点 12

3.1.3 设定特征点的方向参数 14

3.1.4描述子生成 14

3.2 SURF算法简介 15

3.2.1 特征点检测 15

3.2.2 特征点主方向确定 15

3.2.3 生成描述子 16

3.3 ORB算法简介 16

3.3.1 FAST特征点提取 16

3.3.2 BRIEF描述子 17

3.4 特征点匹配 17

3.5 匹配结果筛选 18

3.5.1 比值筛选法 18

3.5.2 RANSAC筛选 18

3.6 本章小结 19

第四章 基于自动配准算法的秭归县遥感图像配准 20

4.1 实验数据与实验环境 20

4.2 秭归县遥感图像配准 20

4.2.1特征点提取 20

4.2.2特征点匹配 22

4.2.3 变换参数求解 24

4.2.4 图像配准结果比较 24

4.3结论验证与旋转不变性研究 26

4.4 本章小结 31

第五章 本文算法与ENVI比较 32

5.1 ENVI遥感图像自动配准 32

5.2 本章小结 34

第六章 总结与展望 35

6.1本文总结 35

6.2 本文存在的不足与展望 35

参考文献 36

致谢 38

第一章 绪论

1.1 研究背景及意义

当人类进入21世纪信息时代，我们可以利用科技的力量可以在太空中来观测地球，获取和传输各种信息。随着航天航空技术，信息通讯技术，传感器技术日新月异的发展，人们已经可以在地面，航空，航天各种遥感平台，利用各种波段和各种传感器对城市、海洋和其他各种自然景观进行动态观测。而随着遥感器的空间分辨率，时间分辨率以及光谱分辨率等设备条件不断改善，人们获得的数据量也随之与日俱增，为了使得空天地多源海量观测数据得到更为综合有效的利用，融合互补信息的同时避免数据冗余，需要实现对多源影像数据进行时空配准并进行多层次信息融合。遥感影像配准是后续变化检测，目标提取的前提，其重要性不言而喻^[4]。

遥感图像配准就是在对各类遥感数据进行处理之前，把需要配准的图像进行一定变换，使得图像中公共部分变换到标准图像的坐标系下，然后再进行其他分析操作。作为许多图像处理方法的必要预操作之一，遥感图像配准已广泛应用于遥感图像融合，三维地形重建、地质测量测绘和生态环境监测等诸多领域。例如，在地震发生时利用遥感技术可以快速获取灾区的最新影像，在对遥感影像使用之前就必须对影像进行配准。然而由于异源遥感影像配准本身的困难性和复杂性，没有一个算法能够配准所有不同类型影像，因此对如何有效的结合多特征多测度进行影像配准进行研究是研究人员仍需努力的方向^[5]。现阶段一种有效的方法就是制定一个融合多种配准算法的人工智能系统，应对不同的情况采用不同的情况使用不同的配准方法，因此探索适用于不同情况的最佳算法具有重要意义。

1.2 图像配准技术国内外研究现状

在遥感领域中，图像配准技术最早出现在20世纪70年代，Anuta借助快速傅里叶变化来实现图像配准，该方法率先利用绝对偏差对特征的相似性进行比较，是实现图像配准的先例^[6]。