一種穩(wěn)健的多源衛(wèi)星遙感影像配準(zhǔn)方法技術(shù)

本發(fā)明專利技術(shù)公開了一種基于互信息和分塊隨機(jī)采樣一致性的多源遙感影像配準(zhǔn)方法，其步驟：A、各層金字塔影像生成和特征點(diǎn)提取。B、在最高層金字塔影像，利用全局配準(zhǔn)法，計(jì)算主、副影像間的仿射變換系數(shù)，估計(jì)影像間旋轉(zhuǎn)角度和分辨率差異系數(shù)。C、準(zhǔn)確預(yù)測(cè)同名點(diǎn)初始位置，對(duì)匹配窗口影像進(jìn)行幾何粗糾正，利用歸一化互信息尋找同名點(diǎn)。D、利用二次多項(xiàng)式和分塊RANSAC算法剔除錯(cuò)誤的匹配點(diǎn)。E、重復(fù)步驟C和D直到原始影像層，基于線性橡皮拉伸法實(shí)現(xiàn)影像精確配準(zhǔn)。該方法極大減少了同名點(diǎn)量測(cè)的人工編輯量，提高多源衛(wèi)星遙感影像的數(shù)據(jù)處理自動(dòng)化程度，具有顯著的經(jīng)濟(jì)和社會(huì)效益。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)屬于攝影測(cè)量與遙感
，涉及一種穩(wěn)健的多源遙感影像配準(zhǔn)方法。該方法基于互信息影像匹配和分塊隨機(jī)采樣一致性技術(shù)，可以有效解決多源衛(wèi)星遙感影像同名點(diǎn)難以自動(dòng)獲取的難題，實(shí)現(xiàn)多源衛(wèi)星遙感影像的精確配準(zhǔn)。
技術(shù)介紹
隨著對(duì)地觀測(cè)技術(shù)的飛速發(fā)展，衛(wèi)星傳感器越來越多樣化。近年來，高分辨率遙感衛(wèi)星不斷涌現(xiàn)，光學(xué)遙感衛(wèi)星有Ikonos, Quickbird, GeoEye和WorldView等，SAR遙感衛(wèi)星有TerraSAR-X, Cosmo-Skymed和Radarsat_2等。高分辨率衛(wèi)星傳感器，已被廣泛應(yīng)用于地形測(cè)繪、資源調(diào)查、災(zāi)害評(píng)估等領(lǐng)域。利用多種傳感器在不同時(shí)刻、不同位置獲取的同一地區(qū)的相同類型或不同種類的遙感影像進(jìn)行空間信息的提取，具有廣闊的應(yīng)用前景。多源衛(wèi)星遙感影像精確配準(zhǔn)，將其納入統(tǒng)一的坐標(biāo)基準(zhǔn)中，是諸多應(yīng)用的關(guān)鍵前提。目前，對(duì)于多源遙感影像的配準(zhǔn)，多采用人工量測(cè)同名點(diǎn)的方法，既耗時(shí)又費(fèi)力，又無法滿足大量點(diǎn)量測(cè)的需求。對(duì)于多源衛(wèi)星遙感影像的自動(dòng)配準(zhǔn)，已取得較大的研究進(jìn)展。人們提出了整體配準(zhǔn)算法，其充分利用待配準(zhǔn)影像的所有影像信息，通過最優(yōu)化算法穩(wěn)健估計(jì)影像間的幾何變換參數(shù)，并在醫(yī)學(xué)影像配準(zhǔn)中取得了巨大成功。該方法結(jié)果可靠，缺點(diǎn)在于計(jì)算量較大，僅適用于小幅影像間的配準(zhǔn)。局部配準(zhǔn)算法，則主要選取待匹配影像的同名特征，如同名點(diǎn)、線或者面特征，基于這些同名特征進(jìn)行影像配準(zhǔn)。O. THEPAUT利用軌道信息對(duì)SPOT和ERS影像進(jìn)行幾何糾正，然后在兩幅圖像上分別提取邊緣特征，通過對(duì)其匹配可實(shí)現(xiàn)兩幅影像的配準(zhǔn)。M. D. PAUL提出一種基于區(qū)域特征的光學(xué)影像與SAR影像匹配方法，利用面積、周長(zhǎng)、半徑等描述區(qū)域特征并實(shí)施影像的匹配。季順平等提出的一種多源多時(shí)相高分辨率衛(wèi)星遙感影像自動(dòng)匹配方法(專利申請(qǐng)?zhí)?0120296081. 5)中，首先計(jì)算影像塊的梯度得到梯度圖像，對(duì)影像塊梯度圖像中的邊緣區(qū)域和非邊緣區(qū)域加權(quán)，計(jì)算加權(quán)后影像塊梯度圖像的非線性亮度相關(guān)，得到匹配點(diǎn)。但是，對(duì)于SAR影像和光學(xué)影像的匹配，由于兩者具有較大的輻射差異，光學(xué)影像上提取的邊緣特征豐富而連續(xù)，但SAR影像由于斑點(diǎn)噪聲的影響難以得到完整的邊緣，這給同名特征的匹配帶來了很大困難，M. D. PAUL的方法則要求影像具有明顯的面狀特征，缺乏廣泛適用性。張紅等提出了高分辨率SAR影像配準(zhǔn)處理方法并申請(qǐng)了專利(專利申請(qǐng)?zhí)?00510132200. 3)，但其主要針對(duì)同源SAR影像配準(zhǔn)，沒有考慮多源遙感影像輻射差異顯著難以匹配等問題。隨機(jī)采樣一致性(Random Sample Consensus, RAN SAC),它能從包含大量錯(cuò)誤點(diǎn)的數(shù)據(jù)集中估計(jì)出高精度的參數(shù)，本專利對(duì)其進(jìn)行改進(jìn)，將其用于大幅面多源遙感影像匹配中錯(cuò)誤匹配點(diǎn)的探測(cè)與剔除，并融合互信息匹配和金字塔匹配策略，最終實(shí)現(xiàn)多源衛(wèi)星遙感影像的精確配準(zhǔn)
技術(shù)實(shí)現(xiàn)思路
針對(duì)目前多源衛(wèi)星遙感影像自動(dòng)配準(zhǔn)過程中，存在錯(cuò)誤匹配點(diǎn)較多、人工手動(dòng)剔除誤匹配點(diǎn)費(fèi)時(shí)費(fèi)力等缺點(diǎn)，本專利技術(shù)的目的是在于提供了一種基于互信息和分塊隨機(jī)采樣一致性的多源遙感影像配準(zhǔn)方法，實(shí)現(xiàn)同名點(diǎn)的自動(dòng)、可靠、精確匹配，大大提高衛(wèi)星影像配準(zhǔn)的自動(dòng)化程度，極大降低人工工作量。為了達(dá)到上述目的，本專利技術(shù)采用如下技術(shù)措施，其步驟是A、利用3X3像元平均法，生成3層金字塔影像，并利用Forstner特征提取算子，在待配準(zhǔn)主影像上均勻分布30 X 30個(gè)格網(wǎng)，從每個(gè)格網(wǎng)中提取一個(gè)特征點(diǎn)。B、在最高層金字塔影像，以待配準(zhǔn)的主、副影像的歸一化互信息為目標(biāo)方程，通過Powell優(yōu)化法(可以參考劍橋大學(xué)出版社1992年出版的書籍《Numerical recipes in C》)尋找全局配準(zhǔn)的仿射變換系數(shù)向量，在此基礎(chǔ)上，計(jì)算影像間近似的旋轉(zhuǎn)角度和分辨率差異系數(shù)。C、特征點(diǎn)匹配前，首先需要準(zhǔn)確預(yù)測(cè)同名點(diǎn)初始位置。在最高層金字塔影像匹配時(shí)，直接利用步驟B中計(jì)算得到的仿射變換系數(shù)進(jìn)行點(diǎn)位預(yù)測(cè)；在其他金字塔影像匹配時(shí)，則利用上層金字塔影像匹配結(jié)果，考慮影像間的旋轉(zhuǎn)角度和分辨率差異的影響，依據(jù)鄰近點(diǎn)視差連續(xù)的特性，進(jìn)行同名點(diǎn)初始位置預(yù)測(cè)。然后，對(duì)匹配窗口影像進(jìn)行幾何粗糾正，搜索窗口中歸一化互信息最大窗口對(duì)應(yīng)的中心點(diǎn)即為同名點(diǎn)。D、將整幅衛(wèi)星遙感影像分為若干塊，如3X3、5X5塊，每一塊中匹配結(jié)果的幾何約束關(guān)系用二次多項(xiàng)式表達(dá)，依次利用RANSAC算法(可以參考M. A. Fischler和R. C. Bolles 的文章《Random Sample Consensus:A Paradigm for Model Fitting withApplications to Image Analysis and Automated Cartography》)刪除該層金字塔影像匹配結(jié)果每塊中的錯(cuò)誤匹配點(diǎn)。E、重復(fù)步驟C和D直到完成原始影像層，最后利用所獲得的主、副影像同名點(diǎn)，采用線性橡皮拉伸法，將影像分成若干小的三角形，對(duì)每個(gè)三角形采用仿射變換法進(jìn)行重采樣，最終實(shí)現(xiàn)衛(wèi)星遙感影像的精確配準(zhǔn)。對(duì)多組數(shù)據(jù)進(jìn)行了試驗(yàn)，第一組為兩景Envisat SAR影像，第二組為COSMO-SkyMedSAR影像和IRS-P5影像，均可以自動(dòng)穩(wěn)健匹配出較多的均勻分布的特征點(diǎn)，實(shí)現(xiàn)衛(wèi)星遙感影像精確像素級(jí)配準(zhǔn)，影像上同名的線特征等均能很好的吻合。本專利技術(shù)將匹配窗口影像幾何粗糾正、歸一化互信息匹配、分塊RANSAC算法、金字塔影像匹配等方法相結(jié)合，可實(shí)現(xiàn)多源衛(wèi)星遙感影像同名點(diǎn)的自動(dòng)可靠獲取，進(jìn)而完成其精確配準(zhǔn)。該方法極大減少了同名點(diǎn)量測(cè)的人工編輯量，提高多源衛(wèi)星遙感影像的數(shù)據(jù)處理自動(dòng)化程度，具有顯著的經(jīng)濟(jì)效益和社會(huì)效益。與現(xiàn)有的技術(shù)相比，本專利技術(shù)的顯著優(yōu)點(diǎn)和效果主要表現(xiàn)在(I)逐層金字塔影像匹配中，可以自動(dòng)發(fā)現(xiàn)并剔除各層匹配結(jié)果中錯(cuò)誤匹配點(diǎn)，具有更好的匹配可靠性；(2)對(duì)衛(wèi)星遙感影像是否均勻分布明顯線狀、面狀特征無特殊要求，具有較強(qiáng)的適應(yīng)性。本專利技術(shù)為多源衛(wèi)星遙感影像的自動(dòng)精確配準(zhǔn)提供了一種可靠的同名點(diǎn)匹配方法，引入分塊RANSAC算法到逐層金字塔影像匹配中，可有效刪除匹配結(jié)果中的錯(cuò)誤匹配點(diǎn)，實(shí) 現(xiàn)同名點(diǎn)的自動(dòng)、可靠、精確匹配，提高多源衛(wèi)星遙感影像配準(zhǔn)的自動(dòng)化程度。附圖說明圖1為一種基于互信息和分塊RANSAC算法的多源衛(wèi)星遙感影像配準(zhǔn)方法的流程圖。具體實(shí)施例方式下面結(jié)合附圖對(duì)本專利技術(shù)做進(jìn)一步詳細(xì)描述。實(shí)施例1:一種基于互信息和分塊RANSAC算法的多源衛(wèi)星遙感影像配準(zhǔn)方法，其流程圖如圖1所示，各步驟詳細(xì)闡述如下:第一步，多源衛(wèi)星遙感影像匹配的數(shù)據(jù)預(yù)處理1:多源衛(wèi)星遙感影像匹配的數(shù)據(jù)預(yù)處理主要包括:金字塔影像的生成、特征點(diǎn)的提取。具體步驟如下:I金字塔影像的生成:采用實(shí)用、簡(jiǎn)單的3X3像元平均法，將測(cè)區(qū)所有影像生成3級(jí)金字塔影像。首先對(duì)原始影像(O級(jí)金字塔影像)的每3X3個(gè)像元計(jì)算其平均灰度值，并賦給第I級(jí)金字塔影像的對(duì)應(yīng)像元，生成第一級(jí)金字塔影像。依此類推，直至生成第2級(jí)金字塔影像。2特征點(diǎn)的提取:將影像劃分為均勻的格網(wǎng)，格網(wǎng)點(diǎn)數(shù)可以依據(jù)影像大小給定，一般將影像劃分為30X30以內(nèi)的格網(wǎng)即可，采用攝影測(cè)量中常用的Forstner等特征提取算子在每個(gè)格網(wǎng)內(nèi)提取一個(gè)最佳特征點(diǎn)。如果某格網(wǎng)內(nèi)的本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種穩(wěn)健的多源衛(wèi)星遙感影像配準(zhǔn)方法，其步驟是：A、多源衛(wèi)星遙感影像匹配的數(shù)據(jù)預(yù)處理(1)：多源衛(wèi)星遙感影像匹配的數(shù)據(jù)預(yù)處理包括：金字塔影像的生成、特征點(diǎn)的提取：步驟是：a、金字塔影像的生成：采用3×3像元平均法，將測(cè)區(qū)所有影像生成3級(jí)金字塔影像,首先對(duì)原始影像的每3×3個(gè)像元計(jì)算其平均灰度值，并賦給第1級(jí)金字塔影像的對(duì)應(yīng)像元，生成第一級(jí)金字塔影像，直至生成第2級(jí)金字塔影像；b、特征點(diǎn)的提取：將影像劃分為均勻的格網(wǎng)，格網(wǎng)點(diǎn)數(shù)依據(jù)影像大小給定，將影像劃分為30×30以內(nèi)的格網(wǎng)，采用攝影測(cè)量中常用的Forstner特征提取算子在每個(gè)格網(wǎng)內(nèi)提取一個(gè)特征點(diǎn),格網(wǎng)內(nèi)的特征信息不明顯，將格網(wǎng)中心點(diǎn)作為特征點(diǎn)；B、特征點(diǎn)初始點(diǎn)位的預(yù)測(cè)(2)：為了減少同名點(diǎn)的搜索時(shí)間，提高影像匹配的成功率，對(duì)特征點(diǎn)初始點(diǎn)位進(jìn)行準(zhǔn)確預(yù)測(cè)：步驟如下：a、最高層金字塔影像匹配的同名點(diǎn)預(yù)測(cè)：在最高層金字塔影像上，首先，通過全局匹配算法，利用化算法求解待配準(zhǔn)影像間的幾何變換參數(shù),在最高層金字塔影像上，視差變化比較平緩，利用仿射變換來近似表達(dá)影像間的幾何關(guān)系,具體如下：x′＝p1+p2x+p3y????(1)y′＝p4+p5x+p6y式中（x′,y′)、（x,y)分別表示同名點(diǎn)在主影像和副影像上的像點(diǎn)坐標(biāo)，p1,p2,p3,p4,p5,p6為求解的仿射變換參數(shù)；全局匹配算法是一個(gè)迭代尋優(yōu)的過程，目標(biāo)方程F取值最大，所得的參數(shù)即為所求，即p^=argmaxpF(R,S;p)---(2)式中，F(xiàn)為目標(biāo)方程，R為主影像，S為副影像，p為待求解的仿射變換系數(shù)向量(p1,p2,p3,p4,p5,p6)T,表示使目標(biāo)方程F最大的參數(shù)p的尋優(yōu)過程，表示使主、副影像歸一化互信息最大的仿射變換系數(shù)向量；歸一化互信息NMI的計(jì)算公式如下：NMI(A,B)=H(A)+H(B)H(A,B)---(3)式中，A，B分別代表待匹配的影像塊，H(A)和H(B)分別是圖像塊A和B的平均互信息量，H(A,B)是兩個(gè)圖像塊的相關(guān)平均信息量;A和B的平均互信息和相關(guān)平均信息量如下計(jì)算：H(A)=Σa-PA(a)logPA(a)H(B)=Σb-PB(b)logPB(b)---(4)H(A,B)=Σa,b-PA,B(a,b)logPA,B(a,b)式中，PA(a)和PB(b)為邊緣概率密度函數(shù)，PA,B(a,b)為聯(lián)合概率密度函數(shù),由下式得到：PA(a)=ΣaPA,B(a,b)PB(b)=ΣbPA,B(a,b)---(5)PA,B(a,b)=h(a,b)Σa,bh(a,b)式中，h表示影像塊A和B的聯(lián)合直方圖,是一個(gè)二維矩陣：這里，h(a,b)是聯(lián)合直方圖h的元素，表示圖像塊A中具有灰度值a，在圖像塊B中有灰度值b的點(diǎn)對(duì)個(gè)數(shù)，M和N分別表示圖像塊A、圖像塊B的灰度級(jí)數(shù)；其他層金字塔影像匹配的同名點(diǎn)預(yù)測(cè)：在其他金字塔影像層，利用上層匹配結(jié)果，依據(jù)鄰近點(diǎn)視差連續(xù)的特性，對(duì)同名點(diǎn)初始位置進(jìn)行預(yù)測(cè)；步驟如下：1）計(jì)算影像間的旋轉(zhuǎn)角度和分辨率差異系數(shù)：利用最高層金字塔影像匹配中全局匹配算法所解算出的6個(gè)仿射變換系數(shù)，對(duì)影像間的旋轉(zhuǎn)角度和分辨率差 異系數(shù)進(jìn)行近似估計(jì)；對(duì)于影像間的旋轉(zhuǎn)角度，首先計(jì)算旋轉(zhuǎn)角度的兩個(gè)估值α1,α2：α1=arctan(a2/a1)α2=arctan(-b1/b2)---(7)式中，arctan代表三角函數(shù)中的反正切函數(shù)運(yùn)算,將α1,α2的平均值作為兩影像旋轉(zhuǎn)角度的估值同理，首先計(jì)算影像間的分辨率差異系數(shù)的兩個(gè)估值λ1、λ2：λ1=a12+a22λ2=a32+a42---(8)將λ1、λ2的平均值作為兩幅影像分辨率差異系數(shù)的估值2）對(duì)于上層匹配成功的點(diǎn)，直接投影得到在該層的初始位置；對(duì)于匹配失敗的點(diǎn)，利用鄰近點(diǎn)視差預(yù)測(cè)點(diǎn)位，考慮影像間的旋轉(zhuǎn)角度和分辨率差異帶來的影響；設(shè)p1(x1,y1)為主影像上層匹配失敗點(diǎn)，p2(x2,y2)為其鄰近的匹配成功點(diǎn)，p′2(x′2,y′2)為p2在副影像上的同名點(diǎn)坐標(biāo)；首先計(jì)算p1和p2兩點(diǎn)在x,y方向上的位移dx=x2-x1dy=y2-y1---(9)然后計(jì)算旋轉(zhuǎn)α角后的位移大小dx′=dxcosα-dysinαdy′=dxsinα+dycosα---(10)再計(jì)算補(bǔ)償分辨率差異后的位移大小dx′′=λdx′dy&pri...

【技術(shù)特征摘要】
1.一種穩(wěn)健的多源衛(wèi)星遙感影像配準(zhǔn)方法，其步驟是: A、多源衛(wèi)星遙感影像匹配的數(shù)據(jù)預(yù)處理(I): 多源衛(wèi)星遙感影像匹配的數(shù)據(jù)預(yù)處理包括:金字塔影像的生成、特征點(diǎn)的提取:步驟是: a、金字塔影像的生成:采用3X3像元平均法，將測(cè)區(qū)所有影像生成3級(jí)金字塔影像，首先對(duì)原始影像的每3X3個(gè)像元計(jì)算其平均灰度值，并賦給第I級(jí)金字塔影像的對(duì)應(yīng)像元，生成第一級(jí)金字塔影像，直至生成第2級(jí)金字塔影像； b、特征點(diǎn)的提取:將影像劃分為均勻的格網(wǎng)，格網(wǎng)點(diǎn)數(shù)依據(jù)影像大小給定，將影像劃分為30 X 30...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：吳穎丹，明洋，鄭列，朱永松，
申請(qǐng)(專利權(quán))人：湖北工業(yè)大學(xué)，
類型：發(fā)明
國(guó)別省市：