摘要:随着遥感图像分辨率的日益提高,遥感图像的尺寸和数据量也不断地增大,同时随着遥感应用的发展,对图像配准的性能也提出越来越高的要求,基于此,提出一种特征级高分辨率遥感图像快速自动配准方法。首先,对图像进行Haar小波变换,基于小波变换后的近似图像进行配准以提高配准速度;其次,根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子,SAR图像使用Ratio Of Averages算子),并将线特征转化为点特征;然后,依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对;最后,利用改进的随机抽样一致性算法滤除错误匹配点对,并结合分块思想均匀选取匹配点对计算仿射变换参数,进一步提高配准精度。为了验证本文方法的有效性,选择高分辨率WorldView-2图像、Pleiades图像和TerraSAR图像进行了实验,并与典型的SIFT算法、SURF算法进行比较分析,采用匹配率、匹配效率、均方根误差和时间消耗4个定量评价指标来客观评价算法的配准性能。实验结果表明,本文方法具有较好的有效性,且在不同的情况下具有较高的配准精度。本文提出的特征级高分辨率遥感图像快速自动配准方法,多组高分辨率遥感图像数据的配准实验结果表明该方法能快速实现并具有较高的配准精度和较好的鲁棒性。
摘要:针对复杂环境下水体提取精度易受到低反射率地表影响的问题,本文以秦淮河流域为实验区,选用2015年10月12日ETM+影像,在水体、低反射率地表和其他地表纯净像元平均反射率基础上构建Multi-Band Water Index (MBWI)。搜集1985年—2016年已有的12种水体指数,选取南京、南宁和烟台地区3景影像中不同地表环境的6个测试点,采用基于K均值聚类的水体指数法提取水体后分析水体指数在复杂环境下的有效性。结果表明,MBWI以平均总体精度、Kappa系数、错分和漏提误差分别为98.62%、0.95、3.46%和3.74%,总体上较其他水体指数具有一定的优势;实验发现TCW(Tasseled Cap Wetness index)不能有效地消除山体阴影,TCW和AWEInsh(Automated Water Extraction Index with no shadow)误将白色高反射率建筑噪声分为水体,水体提取结果中均有低反射率非水体信息存在;水体在可见光而非水体在红外反射率较高,基于二者的差异及从绿到红外波段水体似呈递减现象构建的MBWI能有效的抑制低反射率噪声,对水文水资源的研究与应用具有一定的实际价值。