基于LDA的SIFT算法在遙感圖像配準中的研究與應用.pdf

1、遙感是獲得全球?qū)崟r動態(tài)數(shù)據(jù)的一種最重要的途徑。隨著社會經(jīng)濟技術的發(fā)展，人們對實時動態(tài)數(shù)據(jù)的精確性和高效性有了更高層次的要求，以往的圖像配準技術已經(jīng)遠遠不能滿足人們的需求，因此遙感圖像的配準技術亟待提高，從而成為高效化、智能化、快速化的圖像配準技術。
　　傳統(tǒng)的SIFT（Scale-invariant Feature Transform）算法是一種基于特征的配準方法。SIFT特征匹配算法最初是由David G.Lowe于2004年在

2、總結了現(xiàn)有的基于不變量技術的特征檢測方法的基礎上提出的。SIFT算法具有諸多優(yōu)點，能提取穩(wěn)定的特征，也可以處理兩幅圖像之間發(fā)生旋轉、平移、視角變換、仿射變換、光照變換等情況下的匹配問題，甚至在某種程度上對任意角度拍攝的圖像也具備較為穩(wěn)定的特征匹配能力，從而能夠?qū)崿F(xiàn)兩幅差異較大的圖像之間的特征的匹配。因此這種算法很適合在圖像配準中使用。雖然SIFT算法具有精確度高、匹配能力強等許多優(yōu)點，但是SIFT算法本身復雜度高，匹配時間久，尤其對于數(shù)

3、據(jù)量較大的遙感影像的處理，應用SIFT算法時處理速度會明顯降低，過于耗時。因此，將SIFT算法直接應用于遙感影像的處理并不實用，在實際生活中也未能使用這種算法處理遙感影像。但是SIFT算法具有其他圖像配準算法難以媲美的優(yōu)點，有著非常好的應用前景。
　　為此，我們通過大量研究提出了一種基于LDA算法的改進方案。即在SIFT算法的特征提取中加入線性鑒別分析方法（Linear Discriminant Analysis，LDA），以減少

4、SIFT特征提取的維度。本文對提出的基于LDA的SIFT算法的特征原理和配準步驟進行了重點敘述。首先利用SIFT算法提取出圖像的特征點向量，然后用線性鑒別分析方法對其進行特征抽取并降維。通過對遙感圖像、高維自然圖像和單幅人臉圖像進行實驗，實驗結果表明LDA-SIFT算法在保證匹配精度的同時，實時性要優(yōu)于傳統(tǒng)的SIFT算法，其匹配時間相對于傳統(tǒng)SIFT算法明顯縮短。此方案既能保持SIF T算法本身的精確度高、匹配能力強的特點，又能提高匹配

5、的效率，實時性較強。非常適合應用于維數(shù)高的圖像配準，尤其是對時間和精度要求較高的遙感圖像的配準。
　　論文的主要研究成果如下：
　　(1)論文分析了SIFT算法的特征原理以及線性鑒別分析方法LDA的理論基礎。并且針對本文提出的改進算法具體原理以及圖像配準的步驟進行描述。利用LDA易于實現(xiàn)的特點，將其和SIFT算法進行結合，從而實現(xiàn)全局優(yōu)化，提高算法的可行性。
　　(2)將改進的算法通過編程設計，并將其應用于遙感圖像配準