镀膜双镜头多光谱相机的波段配准方法

doi:10.7523/j.ucas.2020.0021

中国科学院大学学报 ›› 2022, Vol. 39 ›› Issue (3): 377-385.DOI: 10.7523/j.ucas.2020.0021

• 电子信息与计算机科学 • 上一篇下一篇

镀膜双镜头多光谱相机的波段配准方法

郑佳怡^1,2, 方俊永¹, 王潇¹, 张晓红¹, 刘学¹

1 中国科学院空天信息创新研究院, 北京 100094;
2 中国科学院大学, 北京 100049

收稿日期:2020-02-24 修回日期:2020-05-22 发布日期:2021-06-01
通讯作者: 方俊永
基金资助:
国家重点研发计划项目(2016YFC0803000)和中国科学院重点部署项目(KFZD-SW-319-08)资助

A new band registration method for coated dual-lens multispectral camera

ZHENG Jiayi^1,2, FANG Junyong¹, WANG Xiao¹, ZHANG Xiaohong¹, LIU Xue¹

1 Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China;
2 University of Chinese Academy of Sciences, Beijing 100049, China

Received:2020-02-24 Revised:2020-05-22 Published:2021-06-01

摘要/Abstract

摘要： 针对镀膜双镜头多光谱相机波段多、数据量大、配准流程复杂的问题,提出一种基于改进SURF算法的快速配准方法。该方法首先完成对各波段图像的预处理,采用数字畸变模型采样法对各波段影像畸变进行校正;然后对畸变改正后的各波段图像利用快速版的SURF算法(F-SURF)进行配准。F-SURF算法从3个方面对原SURF算法进行改进,包括:依照匹配贡献度优化算法组数设置、舍弃算法旋转不变性以及引入渐进采样一致法进行特征点匹配等。通过地面及飞行实验数据进行算法验证,结果表明改进算法的配准精度优于经典SURF算法,且时间效率显著提升。

关键词: 镀膜多光谱相机, 波段配准, SURF算法, F-SURF算法

Abstract: In order to solve the problem of band registration of coated dual lens multispectral camera, a fast registration method based on improved SURF (speeded up robust features) algorithm is proposed. Firstly, the distortion of each band image is corrected. Then, the fast version of SURF algorithm (F-SURF) is used to register the undistorted band images. Compared with the original SURF algorithm, the F-SURF algorithm optimizes the number of octave, discards the rotation invariance and introduces the PROSAC algorithm. The experimental results indicate that the registration accuracy of the F-SURF algorithm is better than that of the classic SURF algorithm, and the time efficiency is significantly improved.

Key words: coated multispectral camera, registration, SURF, F-SURF

中图分类号:

P237

郑佳怡, 方俊永, 王潇, 张晓红, 刘学. 镀膜双镜头多光谱相机的波段配准方法[J]. 中国科学院大学学报, 2022, 39(3): 377-385.

ZHENG Jiayi, FANG Junyong, WANG Xiao, ZHANG Xiaohong, LIU Xue. A new band registration method for coated dual-lens multispectral camera[J]. Journal of University of Chinese Academy of Sciences, 2022, 39(3): 377-385.

参考文献

[1] 赵英时.遥感应用分析原理与方法[M]. 北京:科学出版社, 2003: 38.
[2] Lowe D G. Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision, 2004, 60(2): 91-110. DOI:10.1023/b:visi.0000029664.99615.94.
[3] 王峰,尤红建,傅兴玉,等.应用于多源SAR图像匹配的级联SIFT算法[J].电子学报, 2016, 44(3): 548-554. DOI:10.3969/j.issn.0372-2112.2016.03.008.
[4] 陈梦婷,闫冬梅,王刚.基于Harris角点和SIFT描述符的高分辨率遥感影像匹配算法[J].中国图象图形学报, 2012, 17(11): 1453-1459.
[5] Bay H,Tuytelaars T,Van G L. SURF:speeded up robust features [C]//European Conference on Computer Vision-ECCV 2006.Springer, 2006: 404-417. DOI:10.1007/11744023-32.
[6] 罗天健,刘秉瀚.融合特征的快速SURF配准算法[J].中国图象图形学报, 2015, 20(1): 95-103. DOI:10.11834/jig.20150110.
[7] 孙越,王宏琦,李峰,等.面向变化检测的遥感影像弹性配准方法[J].武汉大学学报 ·信息科学版, 2018, 43(1): 53-59. DOI:10.13203/j.whugis20150510.
[8] Rosten E,Drummond T. Machine learning for high-speed corner detection [C]//European Conference on Computer Vision-ECCV 2006.Springer, 2006: 430-443. DOI:10.1007/11744023_34.
[9] Calonder M, Lepetit V, Strecha C, et al. BRIEF:Binary Robust Independent Elementary Features [C]//European Conference on Computer Vision-ECCV 2010. Springer, 2010: 778-792. DOI:10.1007/978-3-642-15561-1_56.
[10] Ke Y,Sukthankar R. PCA-SIFT:a more distinctive representation for local image descriptors [C]//IEEE Conference on Computer Vision and Pattern Recognition-CVPR 2004. June 27-July 2, 2004, Washington, DC, USA. IEEE, 2004: 511-517. DOI:10.1109/CVPR.2004.1315206.
[11] Rublee E,Rabaud V,Konolige K,et al. ORB: an efficient alternative to SIFT or SURF [C]// 2011 IEEE International Conference on Computer Vision. November 6-13, 2011, Barcelona, Spain. IEEE, 2011: 2564-2571. DOI:10.1109/ICCV.2011.6126544.
[12] Leutenegger S,Chli M,Siegwart R Y. Brisk: Binary robust invariant scalable keypoints [C]// 2011 IEEE International Conference on Computer Vision. November 6-13, 2011, Barcelona, Spain. IEEE, 2011: 2548-2555. DOI:10.1109/ICCV.2011.6126542.
[13] Alahi A,Ortiz R,Vandergheynst P. FREAK: Fast retina keypoint [C]// 2012 IEEE Conference on Computer Vision and Pattern Recognition June 16-21, 2012, Providence, RI, USA. IEEE, 2012: 510-517. DOI:10.1109/CVPR.2012.6247715.
[14] 许允喜,陈方.局部图像描述符最新研究进展[J].中国图象图形学报, 2015, 20(9): 1133-1150. DOI:10.11834/jig.20150901.
[15] 冯文灏,商浩亮,侯文广.影像的数字畸变模型[J].武汉大学学报 ·信息科学版, 2006, 31(2):99-103. DOI:10.3969/j.issn.1671-8860.2006.02.002.
[16] 冯文灏.近景摄影测量:物体外形与运动状态的摄影法测定[M].武汉:武汉大学出版社, 2002: 116-142.
[17] 闫敬文,王宏志,林哲,等.基于改进SURF的遥感图像目标识别[J].扬州大学学报(自然科学版), 2018, 21(3): 74-78. DOI:10.19411/j.1007-824x.2018.03.016.
[18] 董强,刘晶红,周前飞.用于遥感图像拼接的改进SURF算法[J].吉林大学学报(工学版), 2017, 47(5): 1644-1652. DOI:10.13229/j.cnki.jdxbgxb201705042.
[19] Hossein-Nejad Z, Nasri M. An adaptive image registration method based on SIFT features and RANSAC transform[J].Computers & Electrical Engineering, 2016, 62:1-14. DOI:10.1016/j.compeleceng.2016.11.034.
[20] 迟英朋,刘畅.一种适用于SAR图像配准的改进SIFT算法[J].中国科学院大学学报, 2019, 36(2): 259-266. DOI:10.7523/j.issn.2095-6134.2019.02.014.
[21] Chum O,Matas J. Matching with PROSAC: progressive sample consensus [C]// 2005 IEEE Conference on Computer Vision and Pattern Recognition. June 20-25, 2005, San Diego, CA, USA. IEEE, 2005: 220-226. DOI:10.1109/CVPR.2005.221.
[22] Zhao P P, Ding D R, Wang Y X, et al. An improved GMS-PROSAC algorithm for image mismatch elimination[J]. Systems Science & Control Engineering, 2018, 6(1): 220-229. DOI:10.1080/21642583.2018.1477635.
[23] 李振宇,田源,陈方杰,等.基于改进ORB和PROSAC的无人机航拍图像拼接算法[J].激光与光电子学进展, 2019, 56(23): 91-99. DOI:10.3788/LOP56.231003.
[24] 产叶林,胡新平.基于FAST和SURF的特征点快速匹配算法[J].计算机工程与设计, 2019, 40(12): 3500-3504. DOI:10.16208/j.issn1000-7024.2019.12.023.

镀膜双镜头多光谱相机的波段配准方法

A new band registration method for coated dual-lens multispectral camera

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	李昊, 马友青, 张烁, 刘少创. “祝融号”火星车驶离着陆平台决策支持几何参数计算方法研究^*[J]. 中国科学院大学学报, 0, (): 24-24.
[2]	陈忠媛, 高永年. 长江水系湖泊型流域生态用地长时间序列时空变化分析[J]. 中国科学院大学学报, 2022, 39(2): 172-184.
[3]	于春瑶, 方俊永, 王潇, 张晓红, 刘学. 线性渐进滤光成像高光谱数据的波段配准方法研究^*[J]. 中国科学院大学学报, 2021, (): 87-87.
[4]	陈若男, 彭玲, 刘玉菲, 卫志超, 吕蓓茹, 陈德跃. 引入空间距离信息的城郊山区道路提取与应用^*[J]. 中国科学院大学学报, 0, (): 534-534.
[5]	方韩康, 张波, 陈卫荣, 吴樊, 王超. 高分三号SAR影像L1A级产品精处理方法研究^*[J]. 中国科学院大学学报, 0, (): 535-535.
[6]	张晓平, 高珊珊, 陈明星, 赵艳艳. 夜间灯光数据在城市化及其资源环境效应研究中的热点主题追踪^*[J]. 中国科学院大学学报, 0, (): 540-540.
[7]	刘杉, 张风丽, 韦诗莹, 刘娜, 邵芸. 基于极化分解组合的SAR图像视觉优化和建筑物损毁评估[J]. 中国科学院大学学报, 2020, 37(6): 750-759.
[8]	王帅, 覃驭楚, 杨富坤. 大面积建成区建筑密度遥感制图产品的精度验证[J]. 中国科学院大学学报, 2020, 37(1): 83-92.
[9]	顾鹏程, 王世新, 周艺, 刘文亮, 尚明. 基于时间序列DMSP/OLS夜间灯光数据的GDP预测模型[J]. 中国科学院大学学报, 2019, 36(2): 188-195.
[10]	杨渊, 陈凤翔, 虢韬, 时磊, 王成, 罗鑫. 基于LiDAR点云特征和模型拟合的高压线提取[J]. 中国科学院大学学报, 2018, 35(5): 612-616.
[11]	罗开盛, 李仁东. 长沙市近10年土地利用变化过程与未来趋势分析[J]. 中国科学院大学学报, 2014, 31(5): 632-639.
[12]	宋开山, 赵云升, 张柏. 偏振反射与二向性反射的关系——以不同物候期杨树单叶的室内光谱测量为例[J]. 中国科学院大学学报, 2005, 22(2): 164-169.
[13]	汪钰晴, 唐伶俐, 王新鸿, 周增光, 李子扬, 李传荣. 基于时序InSAR技术的中巴走廊盖孜河谷段地表形变分析[J]. 中国科学院大学学报, 2022, 39(3): 343-351.