.png){kind=icon}
返回
An Improved Registration Method for UAV-Based Linear Variable Filter Hyperspectral Data
.png){kind=icon}
OA
AI
DOI：10.3390/rs17010055.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
线性可变滤波器（LVF）超光谱相机具有高光谱分辨率、体积小、重量轻的优点，使其非常适合无人 aerial vehicle（UAV）平台。然而，由于LVF数据的成像特性及UAV平台的稳定性问题，数据配准面临挑战。这些挑战源于LVF数据波段的多样性及显著的波段间差异。即使在几何处理后，相邻航线仍存在不同程度的几何变形。本文提出了一种基于渐进分组的迭代波段选择与配准策略。此外，引入了一种改进的尺度不变特征变换（SIFT）算法，称为双充分性-SIFT（DS-SIFT）算法。该方法首先对波段进行分组，选择最优参考波段，并基于SIFT方法进行粗配准。随后，在精细配准阶段，引入一种改进的位置/尺度/方向联合SIFT配准算法（IPSO-SIFT），该算法整合了分区及结构相似性原理。该算法基于分组结果迭代优化配准。利用自研集成的LVF超光谱遥感系统获取的实验数据验证了所提算法的有效性。与SIFT、PSO-SIFT等经典算法的比较表明，采用所提方法进行LVF超光谱数据配准可取得更高的精度和效率。
Keyword:
linear variable filter
hyperspectral data
band registration
UAV
期刊
IF:
4.1
论文数:
7.7K
被引数:
15.1W
机构
暂无机构信息
引用论文
.png){kind=icon}
An efficient multi-stage hyper-spectral aerial image registration technique in the presence of differential spatial and temporal sensor uncertainty with application to large critical infrastructures & key resources (CIKR) surveillance一种在存在差分空间和时间传感器不确定性的情况下，应用于大型关键基础设施与关键资源（CIKR）监控的高效多级高光谱航空图像配准技术
PREAI
分享收藏Remote Sensing Image Registration With Modified SIFT and Enhanced Feature Matching基于改进SIFT和增强特征匹配的遥感图像配准
PREAI
分享收藏
分享收藏
查看更多内容