一种基于格网法的高精度影像配准方法
【专利摘要】本发明涉及遥感图像处理领域，提供了一种基于格网法的高精度影像配准方法，具体包括：获取彼此相互对应的待配准影像和参考影像；通过对所述待配准影像和参考影像中特征点的匹配，得到两影像中若干对互为同名点的特征点；在待配准影像中根据所述特征点的分布构建配准格网；根据所述特征点及其同名点的坐标计算所述配准格网中各个格网点的坐标改正量；根据所述各个格网点的坐标改正量计算各个像素点的坐标改正量；根据所述各个像素点的坐标改正量对所述待配准影像进行配准，可以实现对影像的分区域配准，并达到较高的配准精度。
【专利说明】一种基于格网法的高精度影像配准方法
【技术领域】
[0001]本发明涉及遥感图像处理领域，具体涉及一种基于格网法的高精度影像配准方法。
【背景技术】
[0002]遥感技术随着其快速发展为我们提供了全球范围的对地观测数据，它已经在军事、气象、农业等社会的各个领域得到了广泛的应用。但是受到诸多因素的影响，遥感影像本身存在一定的噪声和几何变形，因而通常遥感影像需要首先经过一系列的影像处理过程，以提高遥感影像质量，使其得到更好的应用。影像配准是影像处理的一项重要内容，很大程度上决定了影像处理与应用的效率与质量，因而影像配准技术已经成为影像处理领域的研究重点。具体来说，影像配准是获得待配准影像与参考影像之间变换关系以改善待配影像的变形的过程。
[0003]当前，影像配准算计主要分为三类:基于灰度的配准、基于影像特征的配准和基于频率域的影像配准。基于灰度的影像配准方法根据影像灰度信息的统计特性定义目标函数，作为参考影像与待配影像之间的相似性度量，使得匹配参数在目标函数的极值处取得，并以此为匹配的判决准则和匹配参数最优化的目标函数，通过最优化方法求得正确的几何变换参数，常用的方法有Barnea等人提出的序贯相似度匹配方法、Collignon和Viola提出的互信息方法等等；基于特征的影像配准方法主要通过提取两幅影像的共同特征点作为配准依据计算影像变换系数，实现影像的配准，包括点、线、面特征；基于变换域的配准方法是发展较晚的影像配准方法，最常用到的有基于傅里叶变换和小波变换的配准方法。其中，基于点特征的影像配准方法由于其计算简单、精度高的特点得到了广泛的应用，是目前最为常用的影像配准方法。
[0004]但是在实际的基于点特征的影像配准过程中，为求计算简便通常整幅待配准影像进行整体上的统一配准转换，这样虽然保证了影像整体的配准精度，却使局部的配准效果不佳，尤其在影像出现局部噪声或局部变形时，这样的处理方式会大大降低配准精度。
【发明内容】
[0005](一)解决的技术问题
[0006]针对现有技术的不足，本发明提供一种基于格网法的高精度影像配准方法。
[0007](二)技术方案
[0008]为实现以上目的，本发明通过以下技术方案予以实现:
[0009]一种基于格网法的高精度影像配准方法，其特征在于，该方法包括:
[0010]获取彼此相互对应的待配准影像和参考影像；通过对所述待配准影像和参考影像中特征点的匹配，得到两影像中若干对互为同名点的特征点；在待配准影像中根据所述特征点的分布构建配准格网；根据所述特征点及其同名点的坐标计算所述配准格网中各个格网点的坐标改正量；根据所述各个格网点的坐标改正量计算各个像素点的坐标改正量；根据所述各个像素点的坐标改正量对所述待配准影像进行配准。
[0011]优选地，所述特征点包括使用SIFT算子提取的SIFT特征点；所述对所述待配准影像和参考影像中特征点的匹配包括通过计算对应特征向量两两之间的欧氏距离对SIFT特征点进行匹配。
[0012]优选地,所述特征点进一步包括使用Harris算子提取的Harris特征点；所述对所述待配准影像和参考影像中特征点的匹配包括通过相关系数法对Harris特征点进行匹配。
[0013]优选地，所述对所述待配准影像和参考影像中特征点的匹配进一步包括通过RANSAC方法对进行过匹配的特征点进行粗差剔除。
[0014]优选地，所述在待配准影像中根据所述特征点的分布构建配准格网包括在待配准影像中根据若干特征点的分布确定格网间隔值，并按照该格网间隔值将待配准影像均匀划分为规则格网。
[0015]优选地，所述根据所述特征点及其同名点的坐标计算所述配准格网中各个格网点的坐标改正量包括:
[0016]搜索每个格网点一定半径范围内的所述特征点，并剔除特征点数量小于一定值的格网点；对于每一个格网点，根据所述范围内每个特征点及其对应同名点的坐标按常用模型拟合出该格网点的坐标改正量；对于被剔除的格网点的坐标改正量，根据相邻格网点的坐标改正量通过内插法得到。
[0017]优选地，所述根据所述范围内每个特征点及其对应同名点的坐标按常用模型拟合出该格网点的坐标改正量包括:
[0018]根据所述该范围内的每个特征点及其对应同名点的坐标，由常用模型拟合出坐标变换改正关系，并得到该格网点的坐标变换改正量；由所述坐标变换改正关系得到每个特征点经坐标变换改正后的坐标；根据所述每个特征点经坐标变换改正后的坐标，和这些特征点对应的同名点的坐标，得到各特征点的坐标残差；将所述各特征点的坐标残差按常用插值模型拟合到该格网点处，得到该格网点的坐标残差改正量；将坐标变换改正量与坐标残差改正量相加，得到该格网点的坐标改正量。
[0019]优选地，其特征在于，所述由常用模型拟合出坐标变换改正关系包括根据仿射变换模型拟合出坐标变换改正关系。
[0020]优选地，所述将所述各特征点的坐标残差按常用插值模型拟合到该格网点处包括按加权平均模型，以特征点与该格网点之间的距离作为权重将所述各特征点的坐标残差拟合到该格网点处。
[0021]优选地，所述根据所述各个格网点的坐标改正量计算各个像素点的坐标改正量包括:
[0022]对于每个像素点，判断其所处的格网位置；根据所述格网位置获取该格网的四个格网点的坐标及其坐标改正量；根据所述四个格网点的坐标及其坐标改正量按常用内插方法得到该像素点的坐标改正量。
[0023](三)有益效果
[0024]本发明至少具有如下的有益效果:
[0025]本发明在基于点特征的影像配准方法之上，将待配准影像按照特征点的分布构建了配准格网，也就是将待配准影像划分成了若干个子区域。对于每个区域，本发明通过对特征点的拟合或插值模型获取了该区域四个节点的坐标改正量，也就是四个格网点的坐标改正量，包括坐标变换改正量和坐标残差改正量。使得每个像素点的坐标改正量由所在格网的四个格网点的坐标改正量来插值确定。这样就使对每个像素点的配准划分到了其所在子区域来进行。
[0026]又由于每个格网点的坐标改正量是根据一定半径范围内的特征点来计算的，所以可以说每个格网点携带了该范围内的配准信息。而每个像素的坐标改正量又是根据所在格网的四个格网点的坐标改正量以距离为权重计算的，所以每个像素点的坐标改正量是根据一定范围内的配准信息综合平均的结果。所以即使对于局部的噪声或形变，该方法也会有比较高的配准精度，而且影像局部的噪声或形变不会对其他部分的配准造成很大影像。
[0027]当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
【专利附图】
【附图说明】
[0028]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]图1是格网坐标转换的原理图；
[0030]图2是格网法坐标转换的流程图；
[0031]图3是本发明一个实施例中一种基于格网法的高精度影像配准方法流程图；
[0032]图4是本发明一个实施例中的待配准影像(a)和参考影像(b)，图中的点代表事先获取的对应检查点；
[0033]图5是本发明一个实施例中待配准影像(a)和参考影像(b)的特征点示意图；
[0034]图6是本发明一个实施例中配准前(a)和配准后(b)影像的叠加效果图；
[0035]图7是本发明一个实施例中基于Delaunay三角网的影像配准的效果图。
【具体实施方式】
[0036]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0037]本发明实施例提供了一种基于格网法的高精度影像配准方法，具体对两张“资源三号”卫星影像进行配准。
[0038]格网法是遥感图像处理领域常用的一种高精度的坐标转换方法，日本、美国等国家普遍采用格网法作为各坐标系之间转换的主要方法。格网法坐标转换的基本思路是:将待转换的区域按一定的间隔划分为较小的规则格网，根据小格网区域内的公共点计算坐标转换参数，根据两组坐标计算坐标残差；由格网点一定搜索半径内的公共点的坐标残差拟合格网点的坐标残差改正量；然后，利用公共点所得的坐标转换参数计算格网点的坐标变换改正量，格网点的坐标残差改正量与坐标变换改正量相加之和为格网点总的坐标改正量；最后，确定待转换点所在格网，由格网的四个格网点插值计算待转换的的坐标改正量，从而得到待转换点转换后的坐标值。如图1、2所示。本发明实施例将该方法应用于影像配准方法中，参见图3，具体包括以下步骤:
[0039]步骤301:获取彼此相互对应的待配准影像和参考影像。
[0040]本发明实施例中，待配准影像和参考影像分别为“资源三号”卫星影像中的后视影像和前视影像，两幅影像彼此相互对应，如图4所示。图4中，图(a)代表待配准影像，图(b)代表参考影像(下同)，图中的点代表事先获取的对应检查点，用于评价影像配准效果。
[0041]步骤302:通过对所述待配准影像和参考影像中特征点的匹配，得到两影像中若干对互为同名点的特征点。
[0042]本发明实施例所使用的特征点包括使用SIFT算子提取的SIFT特征点和使用Harris算子提取的Harris特征点。
[0043]对于SIFT特征点通过计算其特征向量两两之间的欧氏距离进行同名点匹配。为提高其匹配正确率，采用最近距离比次近距离对匹配进行限制，即在最近距离与次近距离的比值大于等于某一阈值时剔除该特征点，通常阈值为0.5?0.7。对于Harris特征点，通过相关系数法进行匹配。两种匹配好的特征点在经RANSAC粗差剔除之后，就得到了若干对互为同名点的特征点。本实施例最终得到同名点对如图5所示。
[0044]步骤303:在待配准影像中根据所述特征点的分布构建配准格网。
[0045]本实施例中，根据所有特征点的数量，按间隔20像素将待配准影像均匀划分为规则格网。
[0046]步骤304:根据所述特征点及其同名点的坐标计算所述配准格网中各个格网点的
坐标改正量。
[0047]大体上说,先逐个统计格网点一定半径内特征点的数量,剔除特征点数量过少的格网点。本实施例中设定格网尺寸为20X20，格网点的特征点统计半径为20，对格网点半径内特征点数量少于5个的格网点进行剔除。
[0048]然后根据该范围内的每个特征点及其对应同名点的坐标，由仿射变换模型拟合出坐标变换改正关系，并得到该格网点的坐标变换改正量。
[0049]接着由所述坐标变换改正关系得到每个特征点经坐标变换改正后的坐标。根据所述每个特征点经坐标变换改正后的坐标，和这些特征点对应的同名点的坐标，得到各特征点的坐标残差。将所述各特征点的坐标残差按常用插值模型拟合到该格网点处，得到该格网点的坐标残差改正量。其中常用的插值模型有加权平均模型、最小曲率模型和克里金插值模型，本实施例中采用的插值模型为加权平均模型:按加权平均模型，以特征点与该格网点之间的距离作为权重将所述各特征点的坐标残差拟合到该格网点处。
[0050]最后将坐标变换改正量与坐标残差改正量相加,得到该格网点的坐标改正量。对于被剔除的格网点的坐标改正量，根据相邻格网点的坐标改正量通过内插法得到。
[0051]步骤305:根据所述各个格网点的坐标改正量计算各个像素点的坐标改正量。
[0052]判断像素所在格网位置，并获取格网的四个格网点的坐标及其坐标改正量，通过四个格网点按常用内插方法得到像素点的坐标改正量。
[0053]步骤306:根据所述各个像素点的坐标改正量对所述待配准影像进行配准。[0054]根据每个像素点的坐标改正量计算得到该像素点转换后的坐标值。在得到待配准影像中所有像素点转换后坐标值后，即可利用其坐标值及灰度值插值得到配准后的影像。最终得到配准影像与参考影像叠加效果如图6所示。图中，圆圈代表参考影像中检查点所处位置，点分别为原始待配准影像和参考影像检查的位置。
[0055]至此完成了对待配准影像的配准过程，由图6代表的影像配准结果可以看出，两幅影像对各个检查点都得到了比较好的匹配。且在图片中也可以看出，该匹配对于影像中局部变形的问题也有着有效的改善，这是由于配准方法中将影像按划分好的格网区域进行分区域配准，相比较全区域统一配准对影像局部的配准处理有着更高的精度，从而使待配影像与参考影像的纹理也得到了较好的匹配。
[0056]为与本发明实施例提出的方法进行对比，对于这两幅影像进行了基于Delaunay三角网的影像配准(后文简称为对比方法)。与本实施例的基于格网网的配准方法(后文简称为本文方法)相比，该方法只是将本实施例中的格网替换为Delaunay三角网，逐个在三角形区域中进行影像的配准，其余部分的处理方式完全相同。对比方法的影像配准的效果图如图7所示，同样的圆圈代表参考影像中检查点所处位置，点分别为原始待配准影像和参考影像检查的位置。本文方法和对比方法的配准精度用影像配准的误差来表示，主要利用选定的14个检查点坐标及其配准后坐标进行误差计算，并以均方差(MSE)作为比较对象。得到的结果如表1和表2所示,其中dx表示检查点在列方向上的坐标误差，dy表示检查点在行方向上的坐标误差，单位为像素。
[0057]
表1本文方法配准误差表2对比方法配准误差
【权利要求】
1.一种基于格网法的高精度影像配准方法，其特征在于，该方法包括: 获取彼此相互对应的待配准影像和参考影像； 通过对所述待配准影像和参考影像中特征点的匹配，得到两影像中若干对互为同名点的特征点； 在待配准影像中根据所述特征点的分布构建配准格网； 根据所述特征点及其同名点的坐标计算所述配准格网中各个格网点的坐标改正量； 根据所述各个格网点的坐标改正量计算各个像素点的坐标改正量； 根据所述各个像素点的坐标改正量对所述待配准影像进行配准。
2.根据权利要求1所述的方法，其特征在于，所述特征点包括使用SIFT算子提取的SIFT特征点；所述对所述待配准影像和参考影像中特征点的匹配包括通过计算对应特征向量两两之间的欧氏距离对SIFT特征点进行匹配。
3.根据权利要求1所述的方法，其特征在于，所述特征点进一步包括使用Harris算子提取的Harris特征点；所述对所述待配准影像和参考影像中特征点的匹配包括通过相关系数法对Harris特征点进行匹配。
4.根据权利要求1所述的方法，其特征在于，所述对所述待配准影像和参考影像中特征点的匹配进一步包括通过RANSAC方法对进行过匹配的特征点进行粗差剔除。
5.根据权利要求1所述的方法，其特征在于，所述在待配准影像中根据所述特征点的分布构建配准格网包括在待配准影像中根据若干特征点的分布确定格网间隔值，并按照该格网间隔值将待配准影像均匀划分为规则格网。
6.根据权利要求1所述的方法，其特征在于，所述根据所述特征点及其同名点的坐标计算所述配准格网中各个格网点的坐标改正量包括: 搜索每个格网点一定半径范围内的所述特征点，并剔除特征点数量小于一定值的格网占.对于每一个格网点，根据所述范围内每个特征点及其对应同名点的坐标按常用模型拟合出该格网点的坐标改正量； 对于被剔除的格网点的坐标改正量，根据相邻格网点的坐标改正量通过内插法得到。
7.根据权利要求6所述的方法，其特征在于，所述根据所述范围内每个特征点及其对应同名点的坐标按常用模型拟合出该格网点的坐标改正量包括: 根据所述该范围内的每个特征点及其对应同名点的坐标，由常用模型拟合出坐标变换改正关系，并得到该格网点的坐标变换改正量； 由所述坐标变换改正关系得到每个特征点经坐标变换改正后的坐标； 根据所述每个特征点经坐标变换改正后的坐标，和这些特征点对应的同名点的坐标，得到各特征点的坐标残差； 将所述各特征点的坐标残差按常用插值模型拟合到该格网点处，得到该格网点的坐标残差改正量； 将坐标变换改正量与坐标残差改正量相加,得到该格网点的坐标改正量。
8.根据权利要求7所述的方法，其特征在于，所述由常用模型拟合出坐标变换改正关系包括根据仿射变换模型拟合出坐标变换改正关系。
9.根据权利要求7所述的方法，其特征在于，所述将所述各特征点的坐标残差按常用插值模型拟合到该格网点处包括按加权平均模型，以特征点与该格网点之间的距离作为权重将所述各特征点的坐标残差拟合到该格网点处。
10.根据权利要求1所述的方法，其特征在于，所述根据所述各个格网点的坐标改正量计算各个像素点的坐标改正量包括: 对于每个像素点，判断其所处的格网位置； 根据所述格网位置获取该格网的四个格网点的坐标及其坐标改正量； 根据所述四个格网点的坐标及其坐标改正量按常用内插方法得到该像素点的坐标改正量。
【文档编号】G06T3/00GK103646395SQ201310625904
【公开日】2014年3月19日 申请日期:2013年11月28日 优先权日:2013年11月28日
【发明者】范冲, 张娟, 马俊 申请人:中南大学