基于SIFT和NCC的多源遥感影像配准方法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (3): 10-12.

基于SIFT和NCC的多源遥感影像配准方法

王万同1，2，刘鹏飞1，韩志刚1

1.河南大学环境与规划学院，河南开封 475001
2.中国科学院地理科学与资源研究所，北京 100101

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-21 发布日期:2012-01-21

Multi-sensor image registration method based on SIFT and NCC algorithm

WANG Wantong1，2, LIU Pengfei1, HAN Zhigang1

1.College of Environment and Planning, Henan University, Kaifeng, Henan 475001, China
2.Institute of Geographical Science and Natural Resources, Chinese Academy of Sciences, Beijing 100101, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-21 Published:2012-01-21

摘要/Abstract

摘要： 针对多源遥感影像的配准，提出了一种结合SIFT算法和归一化互相关（NCC）匹配算法的配准方法。该方法采用SIFT算法提取特征点并进行匹配得到一定数量的特征点对后，利用SIFT特征点的尺度和方向信息对NCC进行改进，进一步从未能匹配的特征点中获取匹配点对，经粗差滤除后得到有效的匹配特征点对，随之进行影像配准。方法结合了SIFT算法和NCC算法的优点，解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明，算法具有较强的鲁棒性，并取得了较好的配准精度。

关键词: 多源遥感影像, 影像配准, SIFT算法, 归一化互相关

Abstract: To resolve multi-source remote sensing image registration, a new method combining Scale Invariant Feature Transform（SIFT） algorithm and Normalized Cross Correlation（NCC） is proposed. This method adopts SIFT algorithm to match feature point and to get a certain amount of feather points, then uses the scale of SIFT feature points and directional information to improve NCC in order to get the matching point. After gross filtering the effective matching feather points, the image registration can be done. This algorithm combines the advantages of SIFT and NCC, and solves the problem that the multi-source remote images are difficult for correct registration because of geometric differences and radiometric differences. Experimental results show that this algorithm has strong robustness, and achieves high registration accuracy.

Key words: multi-sensor image, image registration, Scale Invariant Feature Transformation（SIFT）, Normalized Cross Correlation（NCC）

王万同1，2，刘鹏飞1，韩志刚1. 基于SIFT和NCC的多源遥感影像配准方法[J]. 计算机工程与应用, 2012, 48(3): 10-12.

WANG Wantong1，2, LIU Pengfei1, HAN Zhigang1. Multi-sensor image registration method based on SIFT and NCC algorithm[J]. Computer Engineering and Applications, 2012, 48(3): 10-12.

[1]	李瑞旭1，崔长彩2，王爽1，余卿1，黄辉1，2. 基于粒子群优化算法的砂轮三维形貌匹配[J]. 计算机工程与应用, 2016, 52(11): 265-270.
[2]	吴平1，4，王彬1，薛洁2，张岩3，刘辉1. 基于模板匹配的加速肺结节检测算法研究[J]. 计算机工程与应用, 2015, 51(7): 184-188.
[3]	赵丹阳，王慧琴，胡燕，殷颖. 火灾视频图像定位中特征点提取和匹配[J]. 计算机工程与应用, 2013, 49(11): 162-165.
[4]	陆丽华1，王小涛1，王邢波2. 边缘增强图像互相关模板匹配的并行架构[J]. 计算机工程与应用, 2012, 48(6): 214-220.
[5]	王瑞瑞1，2，3，马建文4. 多尺度、多角度异源遥感影像配准方法研究[J]. 计算机工程与应用, 2012, 48(30): 5-9.
[6]	贾茜1，谢勤岚2. 高速球形摄像机PTZ跟踪策略设计及实现[J]. 计算机工程与应用, 2011, 47(31): 197-200.
[7]	孔红红，孙坚，钟绍俊，谢敏. 相框表面印花缺陷检测的图像配准方法研究[J]. 计算机工程与应用, 2011, 47(29): 205-207.
[8]	陈丽芳1，刘渊1，须文波2. 改进的归一互相关法的灰度图像模板匹配方法[J]. 计算机工程与应用, 2011, 47(26): 181-183.
[9]	余萍¹，袁辉¹，赵振兵¹，王碧翠². 图像识别中的兴趣点匹配方法研究[J]. 计算机工程与应用, 2010, 46(5): 132-135.
[10]	邬建伟，秦艳平. 多源遥感影像多项式配准精度影响因素分析[J]. 计算机工程与应用, 2009, 45(32): 153-155.
[11]	张春美^1,2,龚志辉¹,孙雷¹. 改进SIFT特征在图像匹配中的应用[J]. 计算机工程与应用, 2008, 44(2): 95-97.