一種穩健的多源衛星遙感影像配準方法
2023-12-02 17:23:21
專利名稱：一種穩健的多源衛星遙感影像配準方法
技術領域：
本發明屬於攝影測量與遙感技術領域，涉及一種穩健的多源遙感影像配準方法。該方法基於互信息影像匹配和分塊隨機採樣一致性技術，可以有效解決多源衛星遙感影像同名點難以自動獲取的難題，實現多源衛星遙感影像的精確配準。
背景技術：
隨著對地觀測技術的飛速發展，衛星傳感器越來越多樣化。近年來，高解析度遙感衛星不斷湧現，光學遙感衛星有Ikonos, Quickbird, GeoEye和WorldView等，SAR遙感衛星有TerraSAR-X, Cosmo-Skymed和Radarsat_2等。高解析度衛星傳感器，已被廣泛應用於地形測繪、資源調查、災害評估等領域。利用多種傳感器在不同時刻、不同位置獲取的同一地區的相同類型或不同種類的遙感影像進行空間信息的提取，具有廣闊的應用前景。多源衛星遙感影像精確配準，將其納入統一的坐標基準中，是諸多應用的關鍵前提。目前，對於多源遙感影像的配準，多採用人工量測同名點的方法，既耗時又費力，又無法滿足大量點量測的需求。對於多源衛星遙感影像的自動配準，已取得較大的研究進展。人們提出了整體配準算法，其充分利用待配準影像的所有影像信息，通過最優化算法穩健估計影像間的幾何變換參數，並在醫學影像配準中取得了巨大成功。該方法結果可靠，缺點在於計算量較大，僅適用於小幅影像間的配準。局部配準算法，則主要選取待匹配影像的同名特徵，如同名點、線或者面特徵，基於這些同名特徵進行影像配準。O. THEPAUT利用軌道信息對SPOT和ERS影像進行幾何糾正，然後在兩幅圖像上分別提取邊緣特徵，通過對其匹配可實現兩幅影像的配準。M. D. PAUL提出一種基於區域特徵的光學影像與SAR影像匹配方法，利用面積、周長、半徑等描述區域特徵並實施影像的匹配。季順平等提出的一種多源多時相高解析度衛星遙感影像自動匹配方法(專利申請號20120296081. 5)中，首先計算影像塊的梯度得到梯度圖像，對影像塊梯度圖像中的邊緣區域和非邊緣區域加權，計算加權後影像塊梯度圖像的非線性亮度相關，得到匹配點。但是，對於SAR影像和光學影像的匹配，由於兩者具有較大的輻射差異，光學影像上提取的邊緣特徵豐富而連續，但SAR影像由於斑點噪聲的影響難以得到完整的邊緣，這給同名特徵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徵，缺乏廣泛適用性。張紅等提出了高解析度SAR影像配準處理方法並申請了專利(專利申請號200510132200. 3)，但其主要針對同源SAR影像配準，沒有考慮多源遙感影像輻射差異顯著難以匹配等問題。隨機採樣一致性(Random Sample Consensus, RAN SAC),它能從包含大量錯誤點的數據集中估計出高精度的參數，本專利對其進行改進，將其用於大幅面多源遙感影像匹配中錯誤匹配點的探測與剔除，並融合互信息匹配和金字塔匹配策略，最終實現多源衛星遙感影像的精確配準
發明內容
針對目前多源衛星遙感影像自動配準過程中，存在錯誤匹配點較多、人工手動剔除誤匹配點費時費力等缺點，本發明的目的是在於提供了一種基於互信息和分塊隨機採樣一致性的多源遙感影像配準方法，實現同名點的自動、可靠、精確匹配，大大提高衛星影像配準的自動化程度，極大降低人工工作量。為了達到上述目的，本發明採用如下技術措施一種穩健的多源衛星遙感影像配準方法，其步驟是A、利用3X3像元平均法，生成3層金字塔影像，並利用Forstner特徵提取算子，在待配準主影像上均勻分布30 X 30個格網，從每個格網中提取一個特徵點。B、在最高層金字塔影像，以待配準的主、副影像的歸一化互信息為目標方程，通過Powell優化法(可以參考劍橋大學出版社1992年出版的書籍《Numerical recipes in C》)尋找全局配準的仿射變換係數向量，在此基礎上，計算影像間近似的旋轉角度和解析度差異係數。C、特徵點匹配前，首先需要準確預測同名點初始位置。在最高層金字塔影像匹配時，直接利用步驟B中計算得到的仿射變換係數進行點位預測；在其他金字塔影像匹配時，則利用上層金字塔影像匹配結果，考慮影像間的旋轉角度和解析度差異的影響，依據鄰近點視差連續的特性，進行同名點初始位置預測。然後，對匹配窗口影像進行幾何粗糾正，搜索窗口中歸一化互信息最大窗口對應的中心點即為同名點。D、將整幅衛星遙感影像分為若干塊，如3X3、5X5塊，每一塊中匹配結果的幾何約束關係用二次多項式表達，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果每塊中的錯誤匹配點。E、重複步驟C和D直到完成原始影像層，最後利用所獲得的主、副影像同名點，採用線性橡皮拉伸法，將影像分成若干小的三角形，對每個三角形採用仿射變換法進行重採樣，最終實現衛星遙感影像的精確配準。對多組數據進行了試驗，第一組為兩景Envisat SAR影像，第二組為COSMO-SkyMedSAR影像和IRS-P5影像，均可以自動穩健匹配出較多的均勻分布的特徵點，實現衛星遙感影像精確像素級配準，影像上同名的線特徵等均能很好的吻合。本發明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合，可實現多源衛星遙感影像同名點的自動可靠獲取，進而完成其精確配準。該方法極大減少了同名點量測的人工編輯量，提高多源衛星遙感影像的數據處理自動化程度，具有顯著的經濟效益和社會效益。與現有的技術相比，本發明的顯著優點和效果主要表現在(I)逐層金字塔影像匹配中，可以自動發現並剔除各層匹配結果中錯誤匹配點，具有更好的匹配可靠性；(2)對衛星遙感影像是否均勻分布明顯線狀、面狀特徵無特殊要求，具有較強的適應性。本發明為多源衛星遙感影像的自動精確配準提供了一種可靠的同名點匹配方法，引入分塊RANSAC算法到逐層金字塔影像匹配中，可有效刪除匹配結果中的錯誤匹配點，實 現同名點的自動、可靠、精確匹配，提高多源衛星遙感影像配準的自動化程度。
圖1為一種基於互信息和分塊RANSAC算法的多源衛星遙感影像配準方法的流程圖。
具體實施例方式下面結合附圖對本發明做進一步詳細描述。實施例1:一種基於互信息和分塊RANSAC算法的多源衛星遙感影像配準方法，其流程圖如圖1所示，各步驟詳細闡述如下:第一步，多源衛星遙感影像匹配的數據預處理1:多源衛星遙感影像匹配的數據預處理主要包括:金字塔影像的生成、特徵點的提取。具體步驟如下:I金字塔影像的生成:採用實用、簡單的3X3像元平均法，將測區所有影像生成3級金字塔影像。首先對原始影像(O級金字塔影像)的每3X3個像元計算其平均灰度值，並賦給第I級金字塔影像的對應像元，生成第一級金字塔影像。依此類推，直至生成第2級金字塔影像。2特徵點的提取:將影像劃分為均勻的格網，格網點數可以依據影像大小給定，一般將影像劃分為30X30以內的格網即可，採用攝影測量中常用的Forstner等特徵提取算子在每個格網內提取一個最佳特徵點。如果某格網內的特徵信息不明顯，則將格網中心點作為特徵點。這樣，不僅可保證特徵點均勻分布在整個影像，而且可以方便的建立特徵點之間的鄰近關係。第二步,特徵點初始點位的預測2:為了減少同名點的搜索時間，提高影像匹配的成功率，需要對特徵點初始點位進行準確預測。具體步驟如下:I最高層金字塔影像匹配的同名點預測:在最高層金字塔影像上，首先，通過全局匹配算法，利用最優化算法求解待配準影像間的幾何變換參數。在最高層金字塔影像上，視差變化比較平緩，可以利用仿射變換來近似表達影像間的幾何關係。具體如下:χ' = PJ+P2X+P3Y(I)y = p4+p5x+p6y式中(χ' ,Y' )、(X，y)分別表示同名點在主影像(reference image)和副影像(slave image)上的像點坐標，P1, p2, p3, P4, P5, P6為待求解的仿射變換參數。全局匹配算法則實質上是一個迭代尋優的過程，當目標方程F取值最大，此時所得的參數β即為所求，即
權利要求
1.一種穩健的多源衛星遙感影像配準方法，其步驟是: A、多源衛星遙感影像匹配的數據預處理(I): 多源衛星遙感影像匹配的數據預處理包括:金字塔影像的生成、特徵點的提取:步驟是: a、金字塔影像的生成:採用3X3像元平均法，將測區所有影像生成3級金字塔影像，首先對原始影像的每3X3個像元計算其平均灰度值，並賦給第I級金字塔影像的對應像元，生成第一級金字塔影像，直至生成第2級金字塔影像； b、特徵點的提取:將影像劃分為均勻的格網，格網點數依據影像大小給定，將影像劃分為30 X 30以內的格網，採用攝影測量中常用的Forstner特徵提取算子在每個格網內提取一個特徵點，格網內的特徵 信息不明顯，將格網中心點作為特徵點； B、特徵點初始點位的預測(2): 為了減少同名點的搜索時間，提高影像匹配的成功率，對特徵點初始點位進行準確預測: 步驟如下: a、最高層金字塔影像匹配的同名點預測: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影像間的幾何變換參數，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影像間的幾何關係，具體如下:
全文摘要
本發明公開了一種基於互信息和分塊隨機採樣一致性的多源遙感影像配準方法，其步驟A、各層金字塔影像生成和特徵點提取。B、在最高層金字塔影像，利用全局配準法，計算主、副影像間的仿射變換係數，估計影像間旋轉角度和解析度差異係數。C、準確預測同名點初始位置，對匹配窗口影像進行幾何粗糾正，利用歸一化互信息尋找同名點。D、利用二次多項式和分塊RANSAC算法剔除錯誤的匹配點。E、重複步驟C和D直到原始影像層，基於線性橡皮拉伸法實現影像精確配準。該方法極大減少了同名點量測的人工編輯量，提高多源衛星遙感影像的數據處理自動化程度，具有顯著的經濟和社會效益。
文檔編號G06T7/00GK103077527SQ201310045568
公開日2013年5月1日 申請日期2013年2月5日 優先權日2013年2月5日
發明者吳穎丹, 明洋, 鄭列, 朱永松 申請人:湖北工業大學