一种稳健的多源卫星遥感影像配准方法

文档序号:6399129阅读:784来源:国知局
专利名称:一种稳健的多源卫星遥感影像配准方法
技术领域
本发明属于摄影测量与遥感技术领域,涉及一种稳健的多源遥感影像配准方法。该方法基于互信息影像匹配和分块随机采样一致性技术,可以有效解决多源卫星遥感影像同名点难以自动获取的难题,实现多源卫星遥感影像的精确配准。
背景技术
随着对地观测技术的飞速发展,卫星传感器越来越多样化。近年来,高分辨率遥感卫星不断涌现,光学遥感卫星有Ikonos, Quickbird, GeoEye和WorldView等,SAR遥感卫星有TerraSAR-X, Cosmo-Skymed和Radarsat_2等。高分辨率卫星传感器,已被广泛应用于地形测绘、资源调查、灾害评估等领域。利用多种传感器在不同时刻、不同位置获取的同一地区的相同类型或不同种类的遥感影像进行空间信息的提取,具有广阔的应用前景。多源卫星遥感影像精确配准,将其纳入统一的坐标基准中,是诸多应用的关键前提。目前,对于多源遥感影像的配准,多采用人工量测同名点的方法,既耗时又费力,又无法满足大量点量测的需求。对于多源卫星遥感影像的自动配准,已取得较大的研究进展。人们提出了整体配准算法,其充分利用待配准影像的所有影像信息,通过最优化算法稳健估计影像间的几何变换参数,并在医学影像配准中取得了巨大成功。该方法结果可靠,缺点在于计算量较大,仅适用于小幅影像间的配准。局部配准算法,则主要选取待匹配影像的同名特征,如同名点、线或者面特征,基于这些同名特征进行影像配准。O. THEPAUT利用轨道信息对SPOT和ERS影像进行几何纠正,然后在两幅图像上分别提取边缘特征,通过对其匹配可实现两幅影像的配准。M. D. PAUL提出一种基于区域特征的光学影像与SAR影像匹配方法,利用面积、周长、半径等描述区域特征并实施影像的匹配。季顺平等提出的一种多源多时相高分辨率卫星遥感影像自动匹配方法(专利申请号20120296081. 5)中,首先计算影像块的梯度得到梯度图像,对影像块梯度图像中的边缘区域和非边缘区域加权,计算加权后影像块梯度图像的非线性亮度相关,得到匹配点。但是,对于SAR影像和光学影像的匹配,由于两者具有较大的辐射差异,光学影像上提取的边缘特征丰富而连续,但SAR影像由于斑点噪声的影响难以得到完整的边缘,这给同名特征的匹配带来了很大困难,M. D. PAUL的方法则要求影像具有明显的面状特征,缺乏广泛适用性。张红等提出了高分辨率SAR影像配准处理方法并申请了专利(专利申请号200510132200. 3),但其主要针对同源SAR影像配准,没有考虑多源遥感影像辐射差异显著难以匹配等问题。随机采样一致性(Random Sample Consensus, RAN SAC),它能从包含大量错误点的数据集中估计出高精度的参数,本专利对其进行改进,将其用于大幅面多源遥感影像匹配中错误匹配点的探测与剔除,并融合互信息匹配和金字塔匹配策略,最终实现多源卫星遥感影像的精确配准
发明内容
针对目前多源卫星遥感影像自动配准过程中,存在错误匹配点较多、人工手动剔除误匹配点费时费力等缺点,本发明的目的是在于提供了一种基于互信息和分块随机采样一致性的多源遥感影像配准方法,实现同名点的自动、可靠、精确匹配,大大提高卫星影像配准的自动化程度,极大降低人工工作量。为了达到上述目的,本发明采用如下技术措施一种稳健的多源卫星遥感影像配准方法,其步骤是A、利用3X3像元平均法,生成3层金字塔影像,并利用Forstner特征提取算子,在待配准主影像上均匀分布30 X 30个格网,从每个格网中提取一个特征点。B、在最高层金字塔影像,以待配准的主、副影像的归一化互信息为目标方程,通过Powell优化法(可以参考剑桥大学出版社1992年出版的书籍《Numerical recipes in C》)寻找全局配准的仿射变换系数向量,在此基础上,计算影像间近似的旋转角度和分辨率差异系数。C、特征点匹配前,首先需要准确预测同名点初始位置。在最高层金字塔影像匹配时,直接利用步骤B中计算得到的仿射变换系数进行点位预测;在其他金字塔影像匹配时,则利用上层金字塔影像匹配结果,考虑影像间的旋转角度和分辨率差异的影响,依据邻近点视差连续的特性,进行同名点初始位置预测。然后,对匹配窗口影像进行几何粗纠正,搜索窗口中归一化互信息最大窗口对应的中心点即为同名点。D、将整幅卫星遥感影像分为若干块,如3X3、5X5块,每一块中匹配结果的几何约束关系用二次多项式表达,依次利用RANSAC算法(可以参考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》)删除该层金字塔影像匹配结果每块中的错误匹配点。E、重复步骤C和D直到完成原始影像层,最后利用所获得的主、副影像同名点,采用线性橡皮拉伸法,将影像分成若干小的三角形,对每个三角形采用仿射变换法进行重采样,最终实现卫星遥感影像的精确配准。对多组数据进行了试验,第一组为两景Envisat SAR影像,第二组为COSMO-SkyMedSAR影像和IRS-P5影像,均可以自动稳健匹配出较多的均匀分布的特征点,实现卫星遥感影像精确像素级配准,影像上同名的线特征等均能很好的吻合。本发明将匹配窗口影像几何粗纠正、归一化互信息匹配、分块RANSAC算法、金字塔影像匹配等方法相结合,可实现多源卫星遥感影像同名点的自动可靠获取,进而完成其精确配准。该方法极大减少了同名点量测的人工编辑量,提高多源卫星遥感影像的数据处理自动化程度,具有显著的经济效益和社会效益。与现有的技术相比,本发明的显著优点和效果主要表现在(I)逐层金字塔影像匹配中,可以自动发现并剔除各层匹配结果中错误匹配点,具有更好的匹配可靠性;(2)对卫星遥感影像是否均匀分布明显线状、面状特征无特殊要求,具有较强的适应性。本发明为多源卫星遥感影像的自动精确配准提供了一种可靠的同名点匹配方法,引入分块RANSAC算法到逐层金字塔影像匹配中,可有效删除匹配结果中的错误匹配点,实 现同名点的自动、可靠、精确匹配,提高多源卫星遥感影像配准的自动化程度。


图1为一种基于互信息和分块RANSAC算法的多源卫星遥感影像配准方法的流程图。
具体实施例方式下面结合附图对本发明做进一步详细描述。实施例1:一种基于互信息和分块RANSAC算法的多源卫星遥感影像配准方法,其流程图如图1所示,各步骤详细阐述如下:第一步,多源卫星遥感影像匹配的数据预处理1:多源卫星遥感影像匹配的数据预处理主要包括:金字塔影像的生成、特征点的提取。具体步骤如下:I金字塔影像的生成:采用实用、简单的3X3像元平均法,将测区所有影像生成3级金字塔影像。首先对原始影像(O级金字塔影像)的每3X3个像元计算其平均灰度值,并赋给第I级金字塔影像的对应像元,生成第一级金字塔影像。依此类推,直至生成第2级金字塔影像。2特征点的提取:将影像划分为均匀的格网,格网点数可以依据影像大小给定,一般将影像划分为30X30以内的格网即可,采用摄影测量中常用的Forstner等特征提取算子在每个格网内提取一个最佳特征点。如果某格网内的特征信息不明显,则将格网中心点作为特征点。这样,不仅可保证特征点均匀分布在整个影像,而且可以方便的建立特征点之间的邻近关系。第二步,特征点初始点位的预测2:为了减少同名点的搜索时间,提高影像匹配的成功率,需要对特征点初始点位进行准确预测。具体步骤如下:I最高层金字塔影像匹配的同名点预测:在最高层金字塔影像上,首先,通过全局匹配算法,利用最优化算法求解待配准影像间的几何变换参数。在最高层金字塔影像上,视差变化比较平缓,可以利用仿射变换来近似表达影像间的几何关系。具体如下:χ' = PJ+P2X+P3Y(I)y = p4+p5x+p6y式中(χ' ,Y' )、(X,y)分别表示同名点在主影像(reference image)和副影像(slave image)上的像点坐标,P1, p2, p3, P4, P5, P6为待求解的仿射变换参数。全局匹配算法则实质上是一个迭代寻优的过程,当目标方程F取值最大,此时所得的参数β即为所求,即
权利要求
1.一种稳健的多源卫星遥感影像配准方法,其步骤是: A、多源卫星遥感影像匹配的数据预处理(I): 多源卫星遥感影像匹配的数据预处理包括:金字塔影像的生成、特征点的提取:步骤是: a、金字塔影像的生成:采用3X3像元平均法,将测区所有影像生成3级金字塔影像,首先对原始影像的每3X3个像元计算其平均灰度值,并赋给第I级金字塔影像的对应像元,生成第一级金字塔影像,直至生成第2级金字塔影像; b、特征点的提取:将影像划分为均匀的格网,格网点数依据影像大小给定,将影像划分为30 X 30以内的格网,采用摄影测量中常用的Forstner特征提取算子在每个格网内提取一个特征点,格网内的特征 信息不明显,将格网中心点作为特征点; B、特征点初始点位的预测(2): 为了减少同名点的搜索时间,提高影像匹配的成功率,对特征点初始点位进行准确预测: 步骤如下: a、最高层金字塔影像匹配的同名点预测:在最高层金字塔影像上,首先,通过全局匹配算法,利用化算法求解待配准影像间的几何变换参数,在最高层金字塔影像上,视差变化比较平缓,利用仿射变换来近似表达影像间的几何关系,具体如下:
全文摘要
本发明公开了一种基于互信息和分块随机采样一致性的多源遥感影像配准方法,其步骤A、各层金字塔影像生成和特征点提取。B、在最高层金字塔影像,利用全局配准法,计算主、副影像间的仿射变换系数,估计影像间旋转角度和分辨率差异系数。C、准确预测同名点初始位置,对匹配窗口影像进行几何粗纠正,利用归一化互信息寻找同名点。D、利用二次多项式和分块RANSAC算法剔除错误的匹配点。E、重复步骤C和D直到原始影像层,基于线性橡皮拉伸法实现影像精确配准。该方法极大减少了同名点量测的人工编辑量,提高多源卫星遥感影像的数据处理自动化程度,具有显著的经济和社会效益。
文档编号G06T7/00GK103077527SQ201310045568
公开日2013年5月1日 申请日期2013年2月5日 优先权日2013年2月5日
发明者吴颖丹, 明洋, 郑列, 朱永松 申请人:湖北工业大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1