基于傅立叶变换的多源高分辨率遥感数据的配准技术

多源数据配准是对同一场景下不同传感器或不同手段所获数据之间的配准，它属于图像配准技术的一重要分支，在遥感数据分析、医学图像处理、计算机视觉等方面有着重要的应用。本文在对以前多源数据配准技术的分析与总结基础上，结合项目的应用背景，以QuickBird卫星图像与地理信息数据为实验数据，围绕多源图像自动配准这一主题，进行了高分辨率光学卫星图像与GIS（地理信息系统）数据自动配准技术的研究。本文的相关工作及主要贡献如下：
1. 图像滤波：针对高分分辨率卫星图像中特征信息丰富的特点，本文将均值漂移的方法成功应用到高分辨率卫星图像上。它能对灰度分布较为均匀区域进行有效平滑同时保存了边缘特征。滤波保证了同一物理特征具有均匀一致的灰度分布，这将有利于于下一步的特征提取工作。
2. 道路特征提取：本文在对高分辨率卫星图像的特征分析基础上，提出了一种新的将灰度信息与几何形状信息结合起来提取城区主干道区域的方法。该方法跟其它特征提取方法相比自动化程度很高：能够应用于大幅高分辨率光学卫星图像道路特征提取上。它是实现图像与GIS数据自动配准的关键一步。
3. 道路特征图像与GIS数据的自动配准：在假定卫星图像数据与GIS数据中包含丰富城区主干道信息且其变换模型可用相似变换近似描述的前提下，本文提出了一套新的基于傅立叶变换的自动配准方案。该方法首先运用线状区域在频域中的方向特性求取数据之间的旋转角度，然后采用多尺度策略求取数据之间的缩放与平移参数。其他傅立叶变换配准方法相比较，它最大特点在于对图像旋转、缩放、区域变化的很强自适应性。
4. 小块区域GIS数据在大块图像中的自动定位问题研究：本文以上述配准方法为基础，采用分块匹配的方法解决小块GIS数据与大块图像数据的配准也即定位问题。它在对图像按照一定方式进行分块后采用本文所提方法寻找该分块图像数据位置并求得其与GIS数据的变换模型参数，根据这些信息确定小块GIS数据在大块图像中的位置。