论文部分内容阅读
遥感图像的配准是对同一区域的两幅或多幅图像进行精确的匹配,是遥感图像处理的重要内容。图像配准过程中计算量很大;而且随着遥感技术的发展,通过遥感手段获取的信息量日益增加,配准过程需要的时间也越来越长,目前已成为遥感图像处理中的瓶颈问题。遥感图像配准的研究已引起人们更多的关注。 本文通过分析遥感图像配准技术的发展现状,提出了一种海量遥感图像高性能配准算法。针对该算法,本文提出了一种新的同名点的查找方法LSSP(Local Search Strategy based on Pyramid),和一种新的适合于海量遥感图像处理的重采样方法RSLE(Resample based on Local Edge)。本文提出的配准方法的特点主要有: (1) 特征点提取过程中,采用粗、细网格相结合的方法,保证信息量丰富的区域提取尽量多的特征点。这种选择特征点的方法能有效地提高图像配准的精度。 (2) 在同名点的查找过程中,提出了一种新的基于局部搜索的查找方法即LSSP算法,该算法减少了同名点搜索空间和搜索时间,提高了算法的效率。 (3) 在重采样过程中,提出了新的基于边界局部计算的重采样方法:RSLE算法,该算法适合于大数据量图像的并行重采样计算和单机系统的核外(out-of-core)计算。 同时,我们对该配准算法进行并行实现。实验结果表明,该算法在精度和效率等方面都得到很大的改善。