AVHRR影像控制点匹配：DEM与SIFT算法的融合应用

本文主要探讨了"基于DEM数据和SIFT算法的AVHRR影像控制点匹配研究"这一主题，由罗小波和黄三军两位作者共同完成。他们的研究旨在开发一种创新的方法，用于处理大幅AVHRR遥感影像中的控制点匹配问题。AVHRR（Advanced Very High Resolution Radiometer）是一种常见的低分辨率卫星传感器，其影像在环境监测和地理信息系统中有广泛应用。 首先，研究方法采用地理坐标粗定位来确定影像的基础框架。为了消除云层对图像质量的影响，他们利用OSTU（Otsu's台型二值化）算法进行了去云处理。接着，引入SIFT（Scale-Invariant Feature Transform）算法，这是一种强大的特征检测和描述子算法，能够自动精确地从图像中提取稳定的特征点，即使在不同尺度和旋转下也能保持不变性。 然而，由于DEM（数字高程模型）数据的存在，研究者意识到海拔变化剧烈区域可能存在误检测的特征点。因此，他们通过分析DEM数据，剔除了这些潜在错误的特征点，确保后续处理的准确性。接着，将影像分割成多个内部高程差满足要求的矩形分块，这是为了更有效地管理和减少误差传播。 利用RANSAC（Random Sample Consensus）算法，他们在每个分块内执行控制点匹配，通过随机选取样本点进行多次迭代，找出最大概率的正确匹配组合，从而有效地去除错误的同名控制点。这种方法在处理大规模数据时表现出高效性和准确性。 实验部分，研究者使用国家卫星气象中心提供的AVHRR L1B影像作为测试数据，通过本文提出的匹配方法获取控制点对，然后进行几何校正。结果显示，这种方法在处理大幅低分辨率遥感影像时表现优异，极大地提高了图像的几何纠正精度，保证了RMS（均方根误差）小于1，这显示了其在实际应用中的稳健性和有效性。 该研究结合了DEM数据的精度和SIFT算法的特征检测优势，为AVHRR影像的自动控制点匹配提供了一种可靠且高效的解决方案，对于遥感数据处理和地球观测领域具有重要的理论价值和实践意义。