高光谱图像与高空间分辨率图像亚像素配准关键技术研究

The collaboration of multi-source remote sensing images is an effective method to improve the effect of application of remote sensing images, and accurate image registration is the important premise for the collaboration of multi-source remote sensing images. In consideration of the large discrepancy in scale between hyperspectral imagery and high spatial resolution imagery, this project intends to do the researches on the key technologies for the subpixel registration of hyperspectral imagery and high spatial resolution imagery based on the Coarse-to-Fine Scheme which combines the feature registration and gray registration. Our work can be divided into four research aspects, namely, image registration of hyperspectral imagery and high spatial resolution imagery based on area feature, spatial resolution enhancement of hyperspectral imagery in view of objects spatial distribution, the optimal matching band selection for hyperspectral imagery, and sub-pixel image registration based on extensions of phase correlation. The research results of this project can achieve co-processing between hyperspectral imagery and high spatial resolution imagery, and will be useful in solving the problem of unknown subpixel target detection and recognition, and consequently improve the effect of the application of hyperspctral imagery in many areas such as public safety, military reconnaissance, pollution monitoring, mineral exploration and so on.

多源遥感图像协同处理是提高遥感图像应用效果的有效手段，精确的图像配准是多源遥感图像协同处理的重要前提。本项目针对高光谱图像和高空间分辨率图像空间分辨率差异大的特点，基于特征配准结合灰度配准，由粗到细的配准策略，围绕高光谱图像和高空间分辨率图像亚像素配准的关键技术，从四个方面进行研究：（1）基于区域特征的高光谱和高空间分辨率图像配准；（2）结合地物空间分布的高光谱图像空间分辨率增强；（3）高光谱图像最佳匹配波段选择；（4）基于扩展相位相关的亚像素配准。该项目的完成可以实现高光谱图像与高空间分辨率图像的协同处理，有助于解决高光谱图像中未知亚像元目标检测和识别难题，提高高光谱图像在公共安全、军事侦察、污染监测、矿物勘探等众多领域的应用效果。

多源遥感图像协同处理是提高遥感图像应用效果的有效手段，精确的图像配准是多源遥感图像协同处理的重要前提。本项目针对高光谱图像和高空间分辨率图像空间分辨率差异大的特点，围绕高光谱图像和高空间分辨率图像亚像素配准的关键技术，对几个研究内容进行了深入研究，取得了一系列成果。（1）基于区域特征的高光谱和高空间分辨率图像配准：构造了基于自相似性的鲁棒中心对称局部三值模式特征描述子；为有效剔除误配点，提出了基于全局几何相似性的方法和基于空间一致性-灰度相似性/差异性的方法；提出了基于旋转不变区域互信息的图像配准方法和基于迭代尺度不变特征变换的图像配准方法；进一步地，基于全局混合结构相似度调整特征点以进一步提高匹配精度。（2）结合地物空间分布的高光谱图像空间分辨率增强：提出了改进的二进制量子粒子群优化实现亚像元定位方法和基于混合像元线特征探测的亚像元定位算法；考虑到光谱解混精度直接影像亚像元定位精度，提出了6种光谱解混方法，包括基于超像素分割、像元纯度指数和植被指数分析等理论的两种端元束提取方法，基于缩放摄动线性混合模型实现光谱可变的高光谱解混方法和由粗到细的高光谱图像多端元光谱混合分析等。（3）高光谱图像最佳匹配波段选择：以向量子空间投影等技术为具体实现手段，提出了一系列有效的无监督波段选择方法，在此基础上，提出了基于Cram’er-Rao下限理论的高光谱图像高精度匹配波段选择算法。（4）基于扩展相位相关的亚像素配准：提出了一种高精度的亚像素级图像配准方法、特征结合扩展相位相关的配准方法和扩展相位相关微调SIFT特征点的配准方法。本项目的研究成果可以实现高光谱图像与高空间分辨率图像的协同处理，有助于解决高光谱图像中未知亚像元目标检测和识别难题，提高高光谱图像在公共安全、军事侦察、污染监测、矿物勘探等众多领域的应用效果。