针对传统图像配准技术难以对海洋、沙漠、草原等特征不明显区域航空遥感图像进行配准的问题,提出了一种基于地理位置信息的航空遥感图像配准算法。依据载机定位定向系统测量的载机位置、姿态信息以及航空相机中位置编码器测量的框架角位置信息, 利用齐次坐标变换的方法求解配准点在大地坐标系下的投影。利用世界大地坐标系-84坐标系定义的地球椭球模型确定匹配点的经纬度信息, 将相同地理位置信息的配准点进行配准。采用蒙特卡罗法仿真分析了载机姿态位置信息及框架角位置信息对配准精度及定位精度的影响。采用实际的航空遥感图像进行实验, 结果表明, 在载机飞行高度低于2000 m, 拍摄倾斜角小于18°时, 配准精度可优于3 m, 遥感图像中的海上控制点的定位精度优于35 m。

针对基于点特征和线特征配准SAR图像和光学图像的不足，提出了一种基于闭合区域特征的自动配准方法。通过对SAR图像和光学图像进行图像分割提取闭合区域，利用仿射不变矩对闭合区域进行匹配，提取经配对闭合区域的质心作为同名点，实现了高分辨率SAR图像和光学图像配准，取得了较好的配准结果。

基于改进Harris-SURF算子的遥感图像配准算法

图像配准是计算机视觉中诸多问题的基础，基于图像特征的配准方法仍然是该领域的研究热门。为了提高算法的效率，拥有更好的实用性，提出了一种基于FAST-DAISY的遥感图像配准方法。首先运用FAST算法提取特征点，提出分配主方向的方法，利用DAISY算法建立描述符，得到特征点集后，使用RANSAC（随机抽样一致性）算法剔除误匹配点对，最终估计仿射变换参数，利用二次线性插值法得到配准后的遥感图像。实验结果表明，算法对于平移、旋转、灰度差异、地物差异、位置差异、小尺度差异和噪声干扰的遥感图像有较好的配准效果，匹配时间通常介于SIFT与SURF-DAISY算法之间，算法在实用性上有较大优势。

压缩包中包含sift和surf的图像配准，先用sift或者surf特征提取，然后进行特征匹配，最后还用RANSAC进行误匹配剔除。sift是在Lowe官网源码上进行更改，surf直接使用MATLAB自带函数detectSURFFeatures()。

07_遥感图像配准系统（openCV源码）

遥感图像配准中特征点选择的高性能算法研究及其实现.docx

压缩包中包含sift和surf的图像配准，先用sift或者surf特征提取，然后进行特征匹配，最后还用RANSAC进行误匹配剔除。sift是在Lowe官网源码上进行更改，surf直接使用MATLAB自带函数detectSURFFeatures()。

此数据集仅用于个人研究，遥感图像是在网上下载的大图。 700对遥感图像对，根据6：2：2划分训练，验证，测试集。 制作过程： 1 将大图裁剪成450×600小块 2随机选取小块矩形，再给四个点20个像素的扰动，得到新的四个点。 3根据两组点计算H 4根据H将原图扭曲到另一幅图像上 5最终分别保存240×320大小的img_A和img_B。并将img_A,ing_B以及Hba，Hab保存在.npy的文件中 6按照6：2：2划分训练，验证，测试集 7 mea≈0.60 std≈0.25 算是一个仿真数据集，大家可以使用。 如果觉得有用的话，欢迎大家评论点赞嚄！

压缩包中包含sift和surf的图像配准，先用sift或者surf特征提取，然后进行特征匹配，最后还用RANSAC进行误匹配剔除。sift是在Lowe官网源码上进行更改，surf直接使用MATLAB自带函数detectSURFFeatures()。