带局部与全局精度估计的多模态遥感图像配准
摘要
本文关注遥感图像配准的潜在精度。我们研究如何在不具备地面真值的情况下估计该精度，并将其用于改善单模态与多模态图像对的配准质量。在图像块的局部尺度上，对粗配准图像对之间的每个局部对应点估计配准误差的克拉美-罗下界（CRLB）。该 CRLB 由局部图像纹理和噪声特性决定。与在标准方法中仅在配准过程输出时评估配准精度相反，我们将这一有价值的信息用作额外的输入知识。它极大地有助于检测和剔除异常值，并精化几何变换模型参数的估计。基于这些思想，提出了一种称为 RAE（带精度估计的配准，Registration with Accuracy Estimation）的基于区域的新配准方法。除了能够自动以高精度配准非常复杂的多模态图像对外，RAE 方法还在全局尺度上提供配准精度，表现为几何变换模型参数估计误差的协方差矩阵或逐点配准标准差。该精度不依赖于任何地面真值的可用性，并逐个刻画每对已配准图像。因此，RAE 方法能够识别出保证预定义配准精度的图像区域。RAE 方法在配准八对复杂的单/多模态和多时相图像（包括光学到光学、光学到雷达、光学到数字高程模型（DEM）图像以及 DEM 到雷达情况）时达到了亚像素精度，被证明是成功的。用于比较的其他方法在相同测试用例上无法稳定地提供准确结果。
引用
@article{arxiv.1602.02720,
title = {Multimodal Remote Sensing Image Registration with Accuracy Estimation at Local and Global Scales},
author = {M. L. Uss and B. Vozel and V. V. Lukin and K. Chehdi},
journal= {arXiv preprint arXiv:1602.02720},
year = {2016}
}
备注
48 pages, 8 figures, 5 tables, 51 references Revised arguments in sections 2 and 3. Additional test cases added in Section 4; comparison with the state-of-the-art improved. References added. Conclusions unchanged. Proofread