一種異源遙感影像配準方法
【專利摘要】本發明公開了一種異源遙感影像配準方法，核心思想是基于多尺度匹配以直線交點為基元、采用聯合Voronoi圖與譜圖的點匹配方法，集成迭代的特征提取與匹配策略，克服了現有方法嚴重依賴特征提取、可靠性差、精度不高等問題。實現過程為：對原始影像進行多尺度分析，在最粗尺度上提取直線并獲取交點；對交點集用聯合Voronoi圖與譜圖的點匹配方法獲取同名點對；檢測匹配結果是否合格:若合格，轉入下一步，否則自適應調整參數，重新進行直線提取與點集匹配；對待配準影像進行初變換，且分別提取直線特征，尋找同名直線段，獲取候選同名點對；利用KNN圖得到精確的匹配點對，求解變換參數。本發明主要用于可見光、紅外和合成孔徑雷達（SAR）等異源遙感影像的配準。
【專利說明】一種異源遙感影像配準方法
【技術領域】
[0001]本發明屬于遙感影像處理【技術領域】，涉及一種異源遙感影像配準方法，尤其是涉及一種基于迭代的線特征和聯合VOTonoi圖與譜圖點匹配的異源遙感影像配準方法。
【背景技術】
[0002]圖像配準技術是將相同地區，在不同時刻、不同視角、不同傳感器或不同光照條件下拍攝的圖像進行空間對準的過程。其中，異源遙感圖像的自動配準一直是遙感圖像處理領域需要解決的難題，因為不同傳感器的影像能夠反映地物的不同特征，如光學圖像反映了地物在可見光和近紅外波長范圍內的反射光譜特性，SAR圖像反映了地物對電磁波的后向散射特性，紅外影像反映了地物的熱輻射特性，使得異源遙感影像所反映的地物信息往往具有一定的互補性，因而對這些異源數據根據應用需求進行數據融合，可以為決策者們提供更加準確、全面和豐富的信息，其中高精度的影像配準是數據融合的重要前提。然而，由于異源遙感影像的成像機理不同，影像間往往存在著較大的輻射和幾何差異，甚至遭受嚴重的噪聲干擾，同一場景在異源影像上可能呈現完全不同的圖像，這些差異導致傳統的圖像配準方法一般無法直接應用在異源圖像的配準。
[0003]目前異源遙感影像的配準方法大致可分為兩類:基于區域的配準方法和基于特征的配準方法。
[0004]( I)基于區域的配準方法:
[0005]通常選擇圖像的某一區域或者整幅圖像作為一種特殊的圖像特征，其核心是匹配相似度的度量。常用的匹配相似度量包括:歸一化互相關方法(normalizedcross correlation coefficient methods)、傅立葉方法(Fourier methods)、互信息方法(mutual information methods)、交叉累積剩余熵(cross-cumulative residualentropy)。基于區域的配準方法大多利用影像的灰度信息，然而異源遙感影像的不同成像機理，使得同一地物灰度可能完全不同，因此大多基于區域的配準方法難以獲得較好的配準結果，甚至有學者斷言，基于區域配準方法不可能直接應用于異源遙感影像的配準(Zitova, 2003; Inglada, 2004; Hel-Or, 2011)，且一般尋求相似度最大的過程是一個龐大的搜索過程，計算效率一般較慢。
[0006](2)基于特征的配準方法:
[0007]通常先分別從兩幅圖像中提取一些幾何特征作為配準基元，然后對配準基元進行匹配。由于基于特征的匹配方法利用特征對象進行匹配，并不直接對圖像的灰度信息進行操作，受光照、噪聲、幾何形變等影響較小，算法穩健性更強，因而更適用于異源遙感影像間的配準。
[0008]常用的三種特征為:點、線和面。
[0009]點特征一般包括角點、高曲率點等，通常采用各種角點檢測算法提取。然而點特征不易精確定位，且點特征含有的信息有限，匹配困難。線特征和面特征含有更多信息，但是圖像中并不一定能夠提取足夠的面特征，如城區影像，且SAR影像受噪聲影響、紅外影像對比度不明顯等導致難以找到穩定的面特征，同時由于分割原因即使存在面特征也很難獲得滿意的特征，因而基于面特征的方法具有一定的局限性；而影像中的線特征通常比較豐富，采用線特征作為配準基元將是一個不錯的選擇。
[0010]根據特征描述的不同，線特征可以分為以下三類:曲線特征、邊緣特征和直線段特征。然而，線特征在提取過程中容易出現斷裂、提取不完整等問題，直接使用線特征不利于后續匹配。例如，輪廓分明、未斷裂的曲線或邊緣很難在SAR影像和紅外影像上提取，而在光學影像上通常可以提取完整的曲線和邊緣；另外，由于受光照影響、視角和成像方式的不同，SAR影像、紅外影像和光學影像上提取的直線段特征通常在位置、長度、數量等方面也存在著較大差異，在這些情況下很難定義一種相似性測度來度量兩個特征集間的相似性。然而，盡管提取的直線段特征是斷裂的，位置不同，長度也不盡相同，但同名直線段是在同一條直線上的。因此，可以將直線段特征轉化為直線交點作為匹配基元，它不需要產生交點的兩對同名直線在兩幅圖像上處于同一位置。
[0011]基于直線交點匹配的關鍵是如何找到正確的匹配點對。基于譜圖的點集匹配方法被認為是最有效的方法之一。然而，傳統的譜圖點集匹配方法存在兩個問題:(1)對噪聲敏感:噪聲通常來源于影像獲取和特征提取過程中，它會給點的位置帶來偏差；(2)對局外點敏感:局外點的存在容易干擾正確匹配關系的判斷。傳統譜圖方法是從整體出發，對點集結構和空間分布進行分析，加入點集的局部約束可以提高點集匹配精度。
[0012]同時，幾乎所有的基于特征的配準方法很大程度上依賴于特征提取算法:特征匹配結果受特征提取的影響。雖然存在成功的異源影像匹配算法，但它們通常是對特定的影像有效，很難成為通用的方法。因此，多次特征提取與匹配的策略是需要的。
【發明內容】
[0013]為了解決上述的技術問題，本發明提出了一種基于迭代的線特征和聯合VOTonoi圖與譜圖點匹配方法的異源遙感影像配準方法；本發明是基于直線交點的配準方法，為了提高方法的健壯性和準確性，本發明同時提出了迭代的特征提取與匹配策略和多層次的匹配策略。本發明主要將可見光、紅外和合成孔`徑雷達(SAR)等異源遙感影像的配準作為研究目標。
[0014]本發明所采用的技術方案是:一種異源遙感影像配準方法，其特征在于，包括以下步驟:
[0015]步驟1:對基準影像和待配準影像利用小波變換進行多尺度分析，得到最粗尺度基準影像和最粗尺度待配準影像，所述的基準影像和待配準影像為光學影像、紅外影像或SAR影像；
[0016]步驟2:在最粗尺度基準影像和最粗尺度待配準影像上進行直線提取并獲取交點集;
[0017]步驟3:對步驟2所得交點集采用聯合VOTonoi圖與譜圖的點匹配方法獲取同名點對；
[0018]步驟4.判斷，所述的同名點對的數量是否小于預定閥值m?
[0019]如果是，則進行自適應調整直線提取參數，回轉執行所述的步驟2，重新進行直線提取與交點集匹配，直到迭代次數達到預定閾值；[0020]如果否，則進入步驟5 ；
[0021]步驟5.對所述的同名點對進行均方根誤差計算，并判斷，所述的均方根誤差是否大于預定閥值η ?
[0022]如果是，則排除具有最大誤差的同名點對，對剩余的同名點對重新計算均方根誤差，然后進入步驟6;
[0023]如果否，則進入步驟7 ；
[0024]步驟6:判斷，所述的剩余的同名點對的數量是否小于預定閥值m ?
[0025]如果是，則進行自適應調整直線提取參數，回轉執行所述的步驟2，重新進行直線提取與交點集匹配，直到迭代次數達到預定閾值；
[0026]如果否，則回轉執行所述的步驟5 ；
[0027]步驟7:將所述的同名點對映射到原始影像上，計算初始變換參數并得到初變換
影像；
[0028]步驟8:對基準影像和待配準影像進行預處理，包括對光學影像和紅外影像進行高斯濾波處理，對SAR影像進行Frost濾波處理；
[0029]步驟9:在對步驟8處理后的影像上分別提取直線特征，根據初始變換參數計算尋找同名直線段，進而獲得候選同名點對；
[0030]步驟10:利用KNN圖 從結構上得到精確的匹配點對，對匹配點對采用多項式變換模型求解變換參數，得到最終配準結果。
[0031]作為優選，步驟2中所述的在最粗尺度基準影像和最粗尺度待配準影像上進行直線提取并獲取交點集，其具體實現包括以下子步驟:
[0032]步驟2.1:低層特征提取:在最粗尺度基準影像和最粗尺度待配準影像上提取線特征，其中光學影像和紅外影像采用LSD算法，SAR影像先采用基于Gaussian-Gamma-Shaped Bi窗口算法提取邊緣特征,再采用Hough變換提取直線特征；
[0033]步驟2.2:低層直線段預處理:對所有直線按長度從大到小排序，從最長的直線起統計斜率相近的線段，并計算線段間的距離，若距離小于閾值d，剛認為是屬于同一條直線段，刪除除長度最長的直線外的所有直線，只保留同一方向上最長的直線；
[0034]步驟2.3:低層交點求取:對預處理后的直線段求交點，為了防止斜率相近的線段相交得到極點，對線集中夾角在10°內的線段不進行交點求取，將最終獲得的交點集作為控制點集。
[0035]作為優選，步驟3中所述的對步驟2所得交點集采用聯合VOTonoi圖與譜圖的點匹配方法獲取同名點對，其具體實現包括以下子步驟:
[0036]步驟3.1:建立Voronoi圖:設基準影像交點集為P=Iip1, P2,…，Pm],待配準影像交點集為Q=Iiq1, q2,…，qn]，首先采用構建Delaunay三角網，再利用對偶的方法由三角網生成Voronoi 圖；
[0037]步驟3.2:生成鄰近矩陣:假設生成的Voronoi多邊形分別為Kvp1, vp2,...，vpj ,VQ=Lvq1, vq2,…，vqn],計算每個交點集對應的Voronoi多邊形間的Laplace矩陣,得到基準影像對應的鄰近矩陣HP:
【權利要求】
1.一種異源遙感影像配準方法，其特征在于，包括以下步驟: 步驟1:對基準影像和待配準影像利用小波變換進行多尺度分析，得到最粗尺度基準影像和最粗尺度待配準影像，所述的基準影像和待配準影像為光學影像、紅外影像或SAR影像； 步驟2:在最粗尺度基準影像和最粗尺度待配準影像上進行直線提取并獲取交點集； 步驟3:對步驟2所得交點集采用聯合Voronoi圖與譜圖的點匹配方法獲取同名點對； 步驟4.判斷，所述的同名點對的數量是否小于預定閥值m ? 如果是，則進行自適應調整直線提取參數，回轉執行所述的步驟2，重新進行直線提取與交點集匹配，直到迭代次數達到預定閾值； 如果否，則進入步驟5 ; 步驟5.對所述的同名點對進行均方根誤差計算，并判斷，所述的均方根誤差是否大于預定閥值n ? 如果是，則排除具有最大誤差的同名點對，對剩余的同名點對重新計算均方根誤差，然后進入步驟6 ； 如果否，則進入步驟7 ; 步驟6:判斷，所述的剩余的同名點對的數量是否小于預定閥值m ? 如果是，則進行自適應調整直線提取參數，回轉執行所述的步驟2，重新進行直線提取與交點集匹配，直到迭代次數達到預定閾值； 如果否，則回轉執行所述的步驟5 ； 步驟7:將所述的同名點對映射到原始影像上，計算初始變換參數并得到初變換影像；步驟8:對基準影像和待配準影像進行預處理，包括對光學影像和紅外影像進行高斯濾波處理，對SAR影像進行Frost濾波處理； 步驟9:在對步驟8處理后的影像上分別提取直線特征，根據初始變換參數計算尋找同名直線段，進而獲得候選同名點對； 步驟10:利用KNN圖從結構上得到精確的匹配點對，對匹配點對采用多項式變換模型求解變換參數，得到最終配準結果。
2.根據權利要求1所述的異源遙感影像配準方法，其特征在于:步驟2中所述的在最粗尺度基準影像和最粗尺度待配準影像上進行直線提取并獲取交點集，其具體實現包括以下子步驟: 步驟2.1:低層特征提取:在最粗尺度基準影像和最粗尺度待配準影像上提取線特征，其中光學影像和紅外影像采用LSD算法，SAR影像先采用基于Gaussian-Gamma-Shaped Bi窗口算法提取邊緣特征，再采用Hough變換提取直線特征； 步驟2.2:低層直線段預處理:對所有直線按長度從大到小排序，從最長的直線起統計斜率相近的線段，并計算線段間的距離，若距離小于閾值d，剛認為是屬于同一條直線段，刪除除長度最長的直線外的所有直線，只保留同一方向上最長的直線； 步驟2.3:低層交點求取:對預處理后的直線段求交點，為了防止斜率相近的線段相交得到極點，對線集中夾角在10°內的線段不進行交點求取，將最終獲得的交點集作為控制點集。
3.根據權利要求1所述的異源遙感影像配準方法，其特征在于:步驟3中所述的對步驟2所得交點集采用聯合Voronoi圖與譜圖的點匹配方法獲取同名點對，其具體實現包括以下子步驟: 步驟3.1:建立Voronoi圖:設基準影像交點集為P=IiPpP2,…，Pm],待配準影像交點集為Q=Iiq1, Q2,…，Qn]，首先采用構建Delaunay三角網，再利用對偶的方法由三角網生成Voronoi 圖； 步驟3.2:生成鄰近矩陣:假設生成的Voronoi多邊形分別為=VP=Iivp1, vp2,…，vpj ,VQ=Lvq1, vq2,…，vqj ,計算每個交點集對應的Voronoi多邊形間的Laplace矩陣,得到基準影像對應的鄰近矩陣HP:
4.根據權利要求1所述的異源遙感影像配準方法，其特征在于:步驟4中所述的預定閥值m=3。
5.根據權利要求1所述的異源遙感影像配準方法，其特征在于:步驟5中所述的預定閥值n=5。
6.根據權利要求1所述的異源遙感影像配準方法，其特征在于:步驟4中所述的自適應調整直線提取參數，所述的直線提取參數包括:線支持區搜索過程中的角度容忍值τ、檢測窗口的寬度α及兩個檢測窗口間的間隔β，其初始值設定為τ=22.5，α =3，β =1.5，在迭代參數調整過程中，若基準影像中檢測到更多直線段，則固定基準影像參數不變，將待配準影像參數變量α與β均增加2，以檢測到更多直線段；否則，固定待配準影像參數不變，將基準影像參數變量τ增加7.5。
7.根據權利要求1所述的異源遙感影像配準方法，其特征在于:步驟7中所述的將所述的同名點對映射到原始影像上，計算初始變換參數并得到初變換影像；其具體實現過程為:設控制點在最粗尺度影像上的坐標為U，y),最粗尺度影像相對于原始影像經過了 L次降分，則該點映射到原始影像上的坐標為;初始變換模型采用仿射變換模型，利用最粗尺度上的同名點對映射后的相應點對作為同名點對計算變換參數，并對待配準影像進行變換。
8.根據權利要求1所述的異源遙感影像配準方法，其特征在于:步驟9中所述的在對步驟8處理后的影像上分別提取直線特征，根據初始變換參數計算尋找同名直線段，進而獲得候選同名點對；其具體實現包括以下子步驟: 步驟9.1:對基準影像與待配準影像采用與低層同樣的直線提取方法與直線段預處理方法； 步驟9.2:通過定義兩條直線段匹配代價函數判斷基準影像與待配準影像上的直線段是否為同名線段，代價函數為:
【文檔編號】G06T7/00GK103514606SQ201310478383
【公開日】2014年1月15日 申請日期:2013年10月14日 優先權日:2013年10月14日
【發明者】眭海剛, 華鳳, 徐川, 劉俊怡 申請人:武漢大學