项目名称: 高分辨率遥感图像高精度快速配准技术研究

项目编号: No.41301492

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 天文学、地球科学

项目作者: 高峰

作者单位: 中国人民解放军国防科学技术大学

项目金额: 25万元

中文摘要: 图像配准实现同场景多幅遥感图像分析和比较处理的前提和基础,相对于中低分辨率图像的配准,高分辨率图像配准的难点在于(a)很难准确的获取控制点的位置;(b)手工选择控制点效率低、耗时长;(c)数据量的庞大和细节的复杂影响了配准的速度;(d)相对于中低分辨率图像,局部变形明显,即使选择足够多的控制点,也不能很好的消除局部变形。本项目首先深入分析高分辨率图像的主要特点及形成上述配准问题的根本原因,然后分别从特征选择、配准策略等方面入手,解决高分辨率图像控制点难以选择、配准效率低等问题,并在此基础上,建立合适的数学模型,对高分辨率图像进行切割划分,并对各划分区域采用不同的变换模型参数进行配准,进而解决局部变形的问题。最后,设计一套适合于高分辨率图像的配准方案,解决其中关键科学问题,提出一些稳健性强、自动化程度高、适应性广的高分辨率图像配准方法,有效解决高分辨率图像的配准问题。

中文关键词: 高分辨率图像;图像配准;图像分块;特征编组;不确定性

英文摘要: Image registration is the base and precondition for analyzing and comparing remote sensing image. Comparing with the registration technique for low resolution images, the difficulties for the registration for high resolution image are: (a) precisely locating control points is not as simple as with moderate resolution images; (b) manually selecting the large number of control points required for precise registration is tedious and time consuming; (c) high data volume will adversely affect the processing speed in the image registration; and (d) local geometric distortion can not be removed very well using traditional image registration methods even with enough control points. We firstly analyze the main characters of high resolution images and the reasons for the above problems. Then solve the problems of hard to select control points and low efficiency by proposing new strategies for feature extraction and registration. For solving the problem of local geometric distortion, we construct mathematics models to divide images and using different parameters to register different piece of image. At last, design a scheme for high resolution image registration. At the same time, propose some robust and automatic registration methods.

英文关键词: high resolution image;image registration;image segmentation;feature grouping;uncertainty

成为VIP会员查看完整内容
3

相关内容

基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
图像分类的深度卷积神经网络模型综述
专知会员服务
56+阅读 · 2021年10月29日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
61+阅读 · 2021年3月6日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
 图像内容自动描述技术综述
专知会员服务
86+阅读 · 2019年11月17日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
【动态】第二届CSIG图像图形技术挑战赛冠军团队介绍
中国图象图形学学会CSIG
0+阅读 · 2022年1月12日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
【泡泡点云时空】集成深度语义分割的3D点云配准
泡泡机器人SLAM
28+阅读 · 2018年11月24日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Simple and Effective Unsupervised Speech Synthesis
Arxiv
2+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月16日
ResT V2: Simpler, Faster and Stronger
Arxiv
0+阅读 · 2022年4月15日
Arxiv
14+阅读 · 2021年3月10日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
图像分类的深度卷积神经网络模型综述
专知会员服务
56+阅读 · 2021年10月29日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
61+阅读 · 2021年3月6日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
 图像内容自动描述技术综述
专知会员服务
86+阅读 · 2019年11月17日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
【动态】第二届CSIG图像图形技术挑战赛冠军团队介绍
中国图象图形学学会CSIG
0+阅读 · 2022年1月12日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
【泡泡点云时空】集成深度语义分割的3D点云配准
泡泡机器人SLAM
28+阅读 · 2018年11月24日
相关基金
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
微信扫码咨询专知VIP会员