RANSAC算法及其在遙感圖像處理中的應用.pdf

1、在計算機視覺、工程設計等領域都需要根據(jù)相關(guān)數(shù)據(jù)集確定模型參數(shù)，但是所得到的數(shù)據(jù)中往往存在大量不符合模型的異常數(shù)據(jù)(又被稱為野點)，這些野點對模型參數(shù)穩(wěn)健性有很大的干擾。經(jīng)典的參數(shù)估計算法如最小二乘法很難排除這些異常數(shù)據(jù)對模型的影響。RANSAC算法被廣泛應用于提純數(shù)據(jù)，從而減少了野點對模型參數(shù)的干擾。
　　 本文首先介紹RANSAC算法的發(fā)展、原理及其改進算法。重點介紹其在遙感圖像處理中幾何校正和輻射校正的應用。在幾何校正中一般

2、是得到控制點對后，直接進行矯正模型的擬合，沒有考慮異常數(shù)據(jù)的影響。本文利用RANSAC算法，剔除誤匹配點后再擬合模型。在利用RANSA算法迭代得出穩(wěn)健的模型參數(shù)前，首先要選擇合適的幾何模型，常用的幾何模型是基本矩陣和單應矩陣。在遙感圖像幾何處理部分，本文主要針對幾何處理中的圖像配準進行實驗。圖像配準分為基于灰度特征和基于特征點的匹配方法。本文實驗中圖像配準基于特征點，計算基本矩陣篩選出影響模型參數(shù)的誤匹配點；實驗表明RANSAC算法剔除

3、誤匹配點后匹配效果明顯，校正精度顯著提高至1到2個像元誤差。
　　 遙感圖像輻射校正分為絕對輻射校正和相對輻射校正。本文主要針對相對輻射校正線性回歸法應用RANSAC算法，在尋找兩幅圖像重疊區(qū)域像素間線性關(guān)系中，剔除異常數(shù)據(jù)點，最大限度的利用支持線性模型的數(shù)據(jù)點擬合得到兩圖像的輻亮度線性變換模型參數(shù)。本文針對一些輻射校正后顏色平衡效果不好的情況，提出對像素點先聚類再擬合的方法。
　　 最后介紹對RANSAC算法的一些改進