基于人工禁忌免疫原理的多源遥感图像自动配准研究

Registering two remote sensing images taken at different times and with different sensors that having variable spatial or temporal variations is difficult to find an effective similarity measure and a good search strategy. However, image registration is the precondition and foundation of the fusion of multi-source data and is a cutting edge issue in the remote sensing science and technology. In this research， A new search strategy combines artificial immune network algorithm and tabu search algorithm to solve the problem of great amount of computation of image registration. Through the introduction of immune memory mechanisms and tabu criterion, the model can reduce the repeated search and improve the convergence speed. The model uses aspiration criterion to keep cells diversity, so it can preventing premature convergence to local optima and improve the global search capability. At the same time, it builds the initialization rules according the existing information of remote sensing images and the information extracted from edges, that can reduce the randomness of algorithm and enhance the speed and robustness of image registration. It constructs hybrid similarity measure based on the feature information and local gray information to further improve the registration accuracy. This research will provide better ideas and methods to achieve multi-source remote sensing image registration with high-accuracy.

多源遥感图像配准由于待配准图像之间差异很大，所以相似测度难以寻找，搜索空间大而复杂，一般的搜索算法难以解决，然而图像配准是多源遥感信息融合的基础和必要条件，是遥感科学与技术中急需解决的前沿问题。本项目将免疫记忆机制和禁忌搜索思想与人工免疫原理相结合研究出禁忌人工免疫模型，并在此基础上针对遥感图像配准复杂的搜索问题，建立禁忌人工免疫原理搜索模型。该模型引入免疫记忆机制和禁忌搜索算法中的禁忌准则，避免一般人工免疫模型的迂回搜索问题，提高收敛速度；通过特赦准则保证细胞的多样性，避免过早收敛，提高全局搜索能力；并利用遥感图像已有信息和边缘提取的信息，建立禁忌人工免疫搜索模型初始化规则，减少算法随机性，提高初始化的有效性，增强配准的速度和鲁棒性。同时利用基于特征信息和局部灰度信息构造混合相似性测度进一步提高配准精度。通过本项目研究能够为实现多源遥感图像高精度配准提供更好的思路和方法。

多源遥感图像配准由于成像机制、成像时间不同，待配准图像之间差异很大，导致匹配特征和搜索算法难以寻找，然而遥感图像配准是图像融合、变化检测、图像镶嵌等应用中不可缺少的步骤。而对于越来越庞大的遥感数据，遥感图像自动配准成为了当前该领域的研究热点，而多源遥感图像自动配准是该领域的难点。. 本项目围绕着寻找可靠的匹配特征和高效可靠的搜索算法这多源遥感图像配准中的两个关键问题展开，主要研究内容：（1）将多尺度原理、禁忌搜索思想与人工免疫优化算法相集成，建立多尺度禁忌人工免疫模型（Multi-TSaiNet），该模型具有较好的全局搜索能力和较快的收敛速度;（2）研究出SIFT特征和Gabor纹理特征相结合的基于特征信息和局部灰度信息构造的混合相似测度，为多源遥感图像配准提供新的相似测度；（3）研究出基于多尺度粒子滤波原理边缘检测算法和基于免疫原理的边缘检测算法，这些方法能够较好的提取边缘特征；（4）研究出基于多尺度禁忌人工免疫模型的多源遥感图像配准思路和方法，该方法能够较好的解决多源遥感图像问题。. 本项目组已经研发了基于Multi-TSaiNet模型的多源遥感图像配准算法，在多源遥感图像配准实验中取得较好的结果。该研究为实现多源遥感图像高精度配准提供更好的思路和方法。同时该研究完善了人工免疫优化算法的理论和算法，开拓了Multi-TSaiNet模型在遥感图像处理中应用领域的研究方向，对Multi-TSaiNet在更广阔的领域中进行应用具有一定的借鉴和启示意义。