为了提高景象匹配中基准图制备的效率和可靠性,对遥感影像图源的可匹配性进行分析,提出一种基于独立成分分析的遥感影像可匹配性度量方法.利用独立成分分析提取纹理基函数,并计算其概率分布,确定可匹配区域;然后定义可匹配区域所占面积比例指标、离散性指标和稳定性指标;最后,利用三个指标构建遥感影像可匹配性度量模型.实验表明,该遥感影像可匹配性指标与实际匹配概率相关性强,提高了基准图制备的可靠性,能够满足景象匹配图源筛选的实际需求.
图像匹配 图像质量 独立成分分析 遥感 基准图制备 导弹制导 可匹配性 Image matching Image quality Independent component analysis Remote sensing Reference map preparation Missile guidance Matching performance
为了提高基准图制备的有效性, 研究了遥感影像的可匹配性, 并针对点特征提出了基于兴趣点度量遥感影像可匹配性的度量指标。首先, 利用非下采样Contourlet变换的高频系数提取图像的局部极值点作为兴趣点; 然后, 利用兴趣点的高频系数和方向特性定义兴趣点的幅值特性和结构特性。最后, 分析兴趣点幅值特性和结构特性与实际匹配概率的关系, 构建可匹配性度量指标。实验结果表明, 可匹配性度量指标与实际匹配概率的线性相关性高于0.9, Spearman相关系数高于0.85, 评估结果准确性高、单调性好。利用该指标对图像可匹配区域进行筛选, 其制备的基准图的平均匹配概率大于95%, 比传统方法提高了15.4%, 改善了基准图制备的效率和可靠性。
遥感图像 兴趣点 非下采样Contourlet变换 可匹配性 基准图 remote sensing image interest point non-subsampled Contourlet transform matching probability reference map
为了提高基准图制备的有效性,需要对前期遥感影像的可匹配性进行预测.在边缘特征中,提出基于块逆概率差纹理基元共生矩阵的遥感影像可匹配性度量方法.首先,利用边缘密度将遥感影像分为不可匹配区和潜在可匹配区,并从潜在可匹配区选取部分图像样本作为训练集;其次,对样本图像构建块逆概率差纹理基元共生矩阵,计算边缘特征向量;再次,利用仿真实验计算样本图像实际匹配概率,采用支持向量机回归方式利用边缘特征向量构建匹配概率预测模型;最后,对整幅遥感影像采用匹配概率预测模型预测匹配概率.实验证明,该方法预测的匹配概率与实际匹配概率平均平方误差低,平方相关系数强,并且对于灰度校正后的同一卫星遥感影像其预测模型是通用的,不仅能满足遥感影像可匹配性度量需求,并能对匹配算法选择提供决策支持.
可匹配性 块逆概率差 共生矩阵 纹理基元 支持向量机回归 Matching performance Block difference of inverse probabilities Cooccurrence matrix Texture cell Support Vector Regression (SVR)