一种遥感图像自动配准点错误匹配消除方法

文档序号:6503696阅读:472来源:国知局
一种遥感图像自动配准点错误匹配消除方法
【专利摘要】本发明提供了一种遥感图像自动配准点错误匹配消除方法,其特征包括以下步骤:图像获取——提取特征点,建立最初匹配关系——利用欧式空间距离方法在集合UA中搜索距离其最近的K个特征点——判断{PixA^PixB。}与其周围点的n个特征点符合角度自洽要求——得到同名点集合iuht和错误同名点u?_等步骤。通过本发明,两景遥感图像在使用任意特征点提取和匹配算法后,得到匹配点对集合和特征点描述向量后,利用本方法可以实现误匹配特征点对的消除。
【专利说明】一种遥感图像自动配准点错误匹配消除方法

【技术领域】
[0001] 本发明属遥感图像处理领域,具体涉及一种遥感图像自动配准点错误匹配消除方 法。

【背景技术】
[0002] 在多源遥感图像中同名地物的地理位置在大多数情况下并不相同,导致这种现象 的原因主要有二个:一是由于在传感器在获取图像瞬间,传感器的位置、姿态存在显著差 异;二是由于研究区的地形起伏差异较大。由于这两个因素的存在,使得对多源遥感图像的 配准存在一定的困难。目前主要的解决方法是,首先利用研究区的DEM数据对遥感图像正 进行正射校正,之后在两景不同传感器或不同时相的遥感图像中选取同名地物点,最后利 用选取的同名地物点建立图像变换方程,完成图像变换。但是对于高空间分辨率的遥感图 像,难于获取与其分辨率相近的DEM数据,因此对其正射校正存在较大误差,对之后的图像 同名点的提取和匹配造成了很大因难。
[0003] 目前自动提取多源遥感图像同名点地物点的技术发展迅速,提出了多种同点地物 点提取算法,目前比较有效的方法是实现图像基本配准之后,以一定尺寸的窗口进行移动 计算两景遥感图像的相关系数,但是对于在地形起伏较大地区的高空间分辨率遥感图像, 由于同名地物相距较远,往往超过几百个像素,如果搜索范围太大,则计算时间程几何倍数 增长,最终导致无法计算。
[0004] 另一类方法是特征点提取与匹配算法,其中以SIFT (Scale Invariant Feature Transform)和SURF(Speed up Robust Features)特征点提取算法应用最为广泛,在 2000X 2000的图像中这两种算法可以提取得到几千个特征点,但是由于遥感图像中存在 大量的相似地物,如植被、房屋等,使得在之后的特征点匹配过程中易出现大量的错误匹配 点对,所以必须对错误匹配点对进行消除,目前比较有效的方法为RANSAC (Random Sample Consensus)方法,这种方法可以有效的解决地形地伏较小区的误匹配点消除,但是在地形 起伏较大地区,由于无法建立准确的数学模型,因此这种方法难于发挥作用,因此本专利提 出了更为有效的算法。


【发明内容】

[0005] 本发明的目的是为了克服现有技术的缺陷,提供一种可以消除误匹配特征点对的 图像特征点误匹配消除方法。
[0006] 为了实现上述目的,本发明的技术方案为:一种遥感图像自动配准点错误匹配消 除方法,包括以下步骤:
[0007] 步骤1,图像获取:利用Quick Bird或IK0N0S传感器获取不同时相的高空间分辨 率图像A与图像B ;
[0008] 步骤2,提取特征点,建立最初匹配关系:提取图像A与图像B中的特征点,得到特 征点集合{PixAi|i=l,2,…M}和{PixBj|j=l,2,...N},利用 FlannBasedMatcher 方法进行 特征点匹配,得到初始同名点集合113_=奶4, PiXBi|i=l,2,"·π?η(Μ,N)} JjUMlatim 中的特征点由A图像中的特征点集合UA={PixAi I i=l,2,N)},和B图像中的特征 点集合1113={?1叉1^|1=1,2,...111;[11(厘,1'0}组成 ;
[0009] 步骤3,任意选取UMlatim中一对同名特征点{PiA,Pi%},对于特征点PixA。,利 用欧式空间距离方法在集合U A中搜索距离其最近的K个特征点,K为小于50的自然数,得 到UfcubHPixAi | ?=1···Κ},同理搜索距离PixB。最近的K个特征点,得到U^bHPixBi | i=l··· K};根据UMlatim判断队_与4_中同名点的个数η :若n〈3,令K=K+10,重复本步骤;若K>30 并且η〈3,则认为{PixAyPixBj为错误同名点,将其加入UWMng集合;若η彡3,则得队_与 UBsUb中到η个同名点对集合U^iPixAi,PixBi | i=l,2…η};
[0010] 步骤4,将自洽角度定义为γ,0°彡γ彡60°,对于1中的一对同名点{PixAi, PixBj,计算连线与PixA^自身方向的夹角α,计算连线与 PixB。自身方向的夹角β,PixA。与PixB。自身夹角由SIFT或SURF特征点提取方法计算得 至IJ ;若{PiXAQ,PiXBQ}与心中每一对同名点{PixAi,PixBi}均有| α - β | <Y的关系, 贝1J认为{PixAyPixBj与其周围点的η个特征点符合角度自洽要求,{PixAyPixBj为正确 的同名点,将其加入到U Hght集合,否则加入U WMng集合;
[0011] 步骤 5,对 Urelatim 中的每一对同名点{PixApPixB」i=l,2,···minMN)},重复进 行步骤3与步骤4的操作,得到初选正确同名点集合U Hght和错误同名点UWMng ;将U_t作为 Uralatim,再重复步骤3与步骤4,直到Uright集合中同名点对数量不再变化为止;其中U right由 A图像中的特征点UAHght集合与B图像中的特征点UBHght集合组成;
[0012] 步骤6,对于UWMng中的每一对同名点{PixA。,PixB。},对于特征点PixA。,利用欧式 空间距离方法在集合U AHght中搜索距离其最近的K=10个特征点,得到UhubHPixAi I i=l… K},同理搜索UMght中距离PixB。最近的特征点,得到UBsub={Pi XBi | ?=1···Κ};根据UHght判断 UAsub与UBsub中同名点的个数为η ;若n〈3,令K=K+10,重复本步骤;若K>30并且n〈3,则认为 {PixAJixBcJ为错误同名点,加AU_ g'集合;若η > 3,则得到η个同名点对U,s={PixAi, PixBi|i=l,2…η};若{PixAyPixBj同这η个特征点符合步骤3所述的角度自洽要求,贝U认 为{Pi XAQ,PiXBQ}为正确的同名点,加入Uright' ;
[0013] 步骤7,将Umh/和 UWMng'作为步骤6的初始条件,重复步骤6,直到Umh/和 U_g' 稳定,则UHght'为全部正确同名点;
[0014] 步骤8,结果的输出:将4_'输入ArcGis图像校正系统,输出图像A',使图像A' 与图像B完全匹配。
[0015] 所述步骤3中,K=10个特征点。
[0016] 所述步骤4中,自洽角度γ取45°。
[0017] 本发明的进步之处在于,通过本发明,两景遥感图像在使用任意特征点提取和匹 配算法后,得到匹配点对集合和特征点描述向量后,利用本方法可以实现误匹配特征点对 的消除。

【专利附图】

【附图说明】
[0018] 图1为角度自洽性原理图。
[0019] 图2为本发明的流程图。

【具体实施方式】
[0020] 下面结合附图和实施例对本发明进行进一步描述。
[0021] 一种遥感图像自动配准点错误匹配消除方法,如图2所示,包括以下步骤:
[0022] 步骤1,图像获取:利用Quick Bird或IK0N0S传感器获取不同时相的高空间分辨 率图像A与图像B ;
[0023] 步骤2,提取特征点,建立最初匹配关系:利用SIFT或SURF方法分别提取图像A 与图像B中的特征点,得到特征点集合{Ρ? ΧΑ」?=1,2,…Μ}和{PixB」|j=l,2,…N},利用 FlannBasedMatcher方法进行特征点匹配,得到初始同名点集合l^-HPixA^PixBi | i=l, 2,···min^N)};则Urelatim中的特征点由A图像中的特征点集合队=01以」1=1,2,.·· 111;[11(1,吣},和8图像中的特征点集合11 13=奶18」1=1,2,*"111;[11(1,吣}组成;本步骤目的是 在图像A与B中分别提取得到特征点,并建立最初的匹配关系U Mlatim,但UMlatim中存在正 确的同名点和错误的同名点,利用一下步骤选出全部正确的同名点;
[0024] 步骤3,任意选取I4elatim中一对同名特征点{PixAd, PixBj,对于特征点PixA。,利 用欧式空间距离方法在集合UA中搜索距离其最近的K个特征点,K为小于50的自然数,得到 U fcUb={PixAi I i=l…K},同理搜索距离PixB。最近的K个特征点,得到U^bHPixBi | i=l…K}; 这里的搜索并不特别指明,可使用任意方法,如计算与所有点的距离,并选出最近的点;根 据4elatim判断U Asub与UBsub中同名点的个数η :若n〈3,令K=K+10,重复本步骤;若K>30并且 η〈3,则认为{PixAy PixBj为错误同名点,将其加入UWMng集合;若η彡3,则得队_与%_ 中到η个同名点对集合U re={PixAi,PixBi | i=l,2…η};本步骤的目的是为判断同名特征点 {PiXAQ,PiXB Q}是否正确做准备;{PiXAQ,PiXBQ}如果是正确的同名点,则在Α图像PixA。周 围的K个特征点U Asub,与在B图像PixB^周围的K个特征点UBsub,必然存在同名点对;若不存 在,则有两种可能性,一是U Asub和UBsub中的特征点数K太小,因此要增加K值,二是{PiA, PixBj是匹配错误的同名点;本步骤中K优选为10 ;
[0025] 步骤4,将自洽角度定义为γ,γ=45°,对于中的一对同名点{PixAi,PixBj, 计算PixAc^ljPixAi连线与Pix^自身方向的夹角α,计算连线与PixB。自 身方向的夹角β,PixA。与PixB。自身夹角由SIFT或SURF特征点提取方法计算得到;若 {PixAJixBcJ与心中每一对同名点{PixAi,PixBi}均有| α - β | <Y的关系,则认为 {Pix^PixBcJ与其周围点的η个特征点符合角度自洽要求,{Pix^PixBcJ为正确的同名 点,将其加入到U Hght集合,否则加入U _g集合;本步骤目的是进一步判别步骤2中{Pi4, PixBj是否为正确的特征点;在步骤2中已经得到以Pix^和PixB^为中心的η对同名点, 因为U Mlatim中的错误同名点较多,尽管η对同名点在图像中相对较小的范围内,但不排除 仍有错误的可能性;遥感图像在局部区域,尽管由于地形引起了图像畸变,但是地物的相对 位置关系不会发生变化,如地物的左右,上下关系,不会显著变化,因此利用这种相对位置 关系对{PixA0,PixB0}是否为正确同名点进行判断;利用SIFT或SURF提取的特征点,具有 方向性,如图1所示,a与b为同名点,a'与b'为同名点,特征点a的方向,a指向a'的方 向,相差角度为α,特征点b的方向(如图所示),b指向b'的方向相差角度为β,经过试验 表明α-β的绝对值在45度对可保证后继计算的正确性,即符合角度自洽要求;、
[0026] 步骤 5,对 Urelatim 中的每一对同名点{PixA^PixB」i=l,2,···minMN)},重复进 行步骤3与步骤4的操作,得到初选正确同名点集合UHght和错误同名点UWMng ;将U_t作 为Uralatim,再重复步骤3与步骤4,直到UHght集合中同名点对数量不再变化为止;其中U Hght 由A图像中的特征点UMght集合与B图像中的特征点UMght集合组成;本步骤的目的是对 U reiatim中每对同名点步骤进行角度自洽的验证,完成后得到uright,对u right中的所有点再反 复进行验证,直到Uright点数量不再变化;
[0027] 步骤6,对于UWMng中的每一对同名点{PiA,PixBcJ,对于特征点PiA,利用欧式 空间距离方法在集合U AHght中搜索距离其最近的K=10个特征点,得到UhubHPixAi | i=l… K},同理搜索UMght中距离PixB。最近的特征点,得到UBsub={Pi XBi | ?=1···Κ};根据UHght判断 UAsub与UBsub中同名点的个数为η ;若n〈3,令K=K+10,重复本步骤;若K>30并且n〈3,则认为 {PixAJixBcJ为错误同名点,加AU_ g'集合;若η > 3,则得到η个同名点对U,s={PixAi, PixBi|i=l,2…η};若{PixAyPixBj同这η个特征点符合步骤3所述的角度自洽要求,贝U认 为{PixA。,PixB。}为正确的同名点,加入U Hght' ;由于步骤2的1&_中,同名点错误_艮 高,因此步骤4得到U_g中可能含有正确的同名点,因此,利用U_ t,对所有的U_g,进行 角度自洽验证,判断其正确性;
[0028] 步骤7,将U,ight,UWMng'作为步骤6的初始条件,重复步骤6,直到U, ight,U_g' 稳定,则UHght'为全部正确同名点;
[0029] 步骤8,结果的输出:将1#'输入ArcGis图像校正系统,输出图像A',使图像A' 与图像B完全匹配。
[0030] 上面对本发明的实施例作了详细说明,上述实施方式仅为本发明的最优实施例, 但是本发明并不限于上述实施例,在本领域普通技术人员所具备的知识范围内,还可以在 不脱离本发明宗旨的前提下作出各种变化。
【权利要求】
1. 一种遥感图像自动配准点错误匹配消除方法,其特征在于包括以下步骤: 步骤1,图像获取:利用Quick Bird或IKONOS传感器获取不同时相的高空间分辨率图 像A与图像B ; 步骤2,提取特征点,建立最初匹配关系:提取图像A与图像B中的特征点,得到特征点 集合{PixA」i=l,2,…M}和{PixBj|j=l,2, ...N},利用 FlannBasedMatcher 方法进行特征 点匹配,得到初始同名点集合113""=奶^,Ρ?ΧΒ」?=1,2,···minW,N)};则U Mlatim中的 特征点由A图像中的特征点集合UA={PixAi | i=l,2,N)},和B图像中的特征点集 合1113={?1叉1^|1=1,2,...111;[11(皿,1'〇}组成 ; 步骤3,任意选取UMlatim中一对同名特征点{PiA,Pi%},对于特征点PiA,利用欧 式空间距离方法在集合UA中搜索距离其最近的K个特征点,K为小于50的自然数,得到 UfcUb={Pi xAi I i=l…K},同理搜索距离PixB。最近的K个特征点,得到U^bHPixBi | i=l…K}; 根据UMlatim判断UAsub与UBsub中同名点的个数η :若n〈3,令K=K+10,重复本步骤;若K>30 并且η〈3,则认为{PixAyPixBj为错误同名点,将其加入U WMng集合;若η彡3,则得队_与 UBsUb中到η个同名点对集合U^iPixAi,PixBi | i=l,2…η}; 步骤4,将自洽角度定义为γ,0°彡γ彡60°,对于1中的一对同名点{PixAi, PixBj,计算连线与PixA^自身方向的夹角α,计算连线与 PixB。自身方向的夹角β,PixA。与PixB。自身夹角由SIFT或SURF特征点提取方法计算得 至IJ ;若{PiXAQ,PiXBQ}与心中每一对同名点{PixAi,PixBi}均有| α - β | <Y的关系, 贝1J认为{PixAyPixBj与其周围点的η个特征点符合角度自洽要求,{PixAyPixBj为正确 的同名点,将其加入到U Hght集合,否则加入U WMng集合; 步骤5,对Urelatim中的每一对同名点{PixAi, Ρ?χΒ」?=1,2,N)},重复进行 步骤3与步骤4的操作,得到初选正确同名点集合UHght和错误同名点UWMng ;将U_t作为 Uralatim,再重复步骤3与步骤4,直到Uright集合中同名点对数量不再变化为止;其中U right由 A图像中的特征点UAHght集合与B图像中的特征点UBHght集合组成; 步骤6,对于UWMng中的每一对同名点{PixAc PixBj,对于特征点PixA^,利用欧式空 间距离方法在集合Utoight中搜索距离其最近的K=10个特征点,得到UhubHPixAi | ?=1···Κ}, 同理搜索UBHght中距离Pi^最近的特征点,得到UBsub={PiXBi| ?=1···Κ};根据UHght判断 UAsub与UBsub中同名点的个数为η ;若n〈3,令K=K+10,重复本步骤;若K>30并且n〈3,则认为 {PixAJixBcJ为错误同名点,加AU_ g'集合;若η > 3,则得到η个同名点对U,s={PixAi, PixBi|i=l,2…η};若{PixAyPixBj同这η个特征点符合步骤3所述的角度自洽要求,贝U认 为{Pi XAQ,PiXBQ}为正确的同名点,加入Uright' ; 步骤7,将UHght'和U_/作为步骤6的初始条件,重复步骤6,直到UHght'和U_ g'稳 定,则UHght'为全部正确同名点; 步骤8,结果的输出:将U,ight'输入ArcGis图像校正系统,输出图像A',使图像A'与图 像B完全匹配。
2. 如权利要求1所述的一种遥感图像自动配准点错误匹配消除方法,其特征在于K=10 个特征点。
3. 如权利要求1所述的一种遥感图像自动配准点错误匹配消除方法,其特征在于步骤 4中,自洽角度Υ取45°。
【文档编号】G06T7/00GK104217209SQ201310217341
【公开日】2014年12月17日 申请日期:2013年6月3日 优先权日:2013年6月3日
【发明者】陆冬华, 赵英俊 申请人:核工业北京地质研究院
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