一种利用特征点Voronoi图优选的星载合成孔径干涉雷达影像配准方法
【专利摘要】本发明涉及一种特征点Voronoi图优选的星载合成孔径干涉雷达影像配准方法，其主要特点在于配准参考点的布设策略较为新颖，充分考虑了特征点的统计信息、专题信息、拓扑信息、度量信息等属性信息，包括以下步骤：（1）获取测区的星载InSAR复数影像对；（2）计算影像对中一幅复数影像的能量图并进行滤波处理；（3）在滤波后的能量图上使用Forstner算子提取特征点；（4）对提取的特征点构建Voronoi图，利用Voronoi图优选特征点；（5）使用优选后的特征点，采用最大谱相关的方法找寻其同名点；（6）根据找寻的同名点对，计算两幅影像间的模型参数；（7）利用计算出的模型参数，将两幅影像统一到同一影像坐标系下。所述方法提高了同名点找寻成功率与相干系数值，使得优选后的特征点在分布上更加合理，提高了模型系数的计算精度，进而提高了影像对的配准精度。
【专利说明】—种利用特征点Voronoi图优选的星载合成孔径干涉雷达影像配准方法
【技术领域】
[0001]本发明属于遥感影像的合成孔径雷达干涉测量领域，特别涉及星载合成孔径干涉雷达遥感影像的地形变形监测和三维重建方法。
【背景技术】
[0002]星载合成孔径干涉雷达利用单颗雷达卫星对同一区域两次重访，或多颗雷达卫星的编队飞行，得到某一区域的两幅复图像(包括强度信息和相位信息)，这两幅复图像之间的相位差包含了地面目标的形变信息和三维位置信息。星载合成孔径干涉雷达影像配准是指通过一定的手段，使得影像对中同一分辨率单元(即像元)对应地面上同一回波点单元的技术和方法。在实践中，考虑到应用效率，并非对影像对重叠区域中的每一个像元逐一进行匹配，通常的做法是首先在干涉影像对上选取一定数量的同名点，然后利用这些同名点使用有理多项式模型拟合出影像对间对应像元间的RPC参数，最后，使用RPC参数将影像对中的一幅影像内插重采样到另一幅影像的坐标系下。
[0003]一般来说，主流的干涉雷达复数影像配准的评判指标为相关系数、信噪比、平均扰动函数三种，星载合成孔径干涉雷达影像配准方法主要有(I)在干涉影像对中的主影像上布设规则网格，然后以每个网格中心点作为特征点，使用前文提及的任一评判指标在从影像上搜索同名点，该算法的缺陷是算法选取的特征点不具有代表性，有一部分甚至落在水域或雷达视线盲区中，从而导致后续同名点无法找寻或找寻出错；(2)在干涉影像对中的主影像上提取特征点，并根据特征点的权值对特征点进行排序，删除权值较小的特征点，然后使用筛选的特征点，利用前文提及的任一评判指标在从影像上搜索同名点，该算法的不足是仅根据特征点的权值筛选特征点，会导致优选后的特征点不够均匀，从而会降低后续的多项式拟合精度；(3)基于特征点导引的影像金字塔的匹配策略，首先在干涉影像对中的主影像上提取特征点，然后对主从影像构建一定层数的金字塔影像，最后将特征点映射到不同层的金字塔影像上，再使用匹配评判指标在从影像同级金字塔上找寻同名点，这种基于金字塔的多级匹配策略，极大的增加了算法的复杂度，每个同名点的匹配涉及到大量的重复冗余计算。
[0004]Voronoi图是三角网的对偶图，该图是平分点集中任意具有拓扑关系的两个点之间的区域而生成的一种几何图形，是点集的平面区域剖分的一种方法，利用VOTonoi图的拓扑关系可以追踪到点集里的每一个特征点，拓扑信息和几何度量信息是该图固有的两大信息，而特征点具有专题信息和统计信息，将特征点和其Voronoi图的固有信息综合起来，对特征点进行优选，更具合理性与严密性。
【发明内容】
[0005]本发明的目的在于解决现有合成孔径干涉雷达影像配准方法的不足，提出一种基于Forstner特征点提取，Voronoi图特征点优选的复数影像配准方法，克服了以规则网格中心点为特征点进行同名特征点找寻的随机性与盲目性、基于特征点权值取舍特征点算法造成的同名特征点分布不均匀性，以及基于金字塔的多级匹配策算法的重复冗余计算的缺点。
[0006]本发明的技术方案具体如下面所描述:一种星载合成孔径干涉雷达影像配准方法，依靠Forstner算子提取特征点，Voronoi图优选特征点，包括:(1)获取测区的星载合成孔径干涉雷达单视复数影像对；(2)计算影像对中一幅复数影像的能量图，并对能量图进行滤波处理；(3)在滤波后的能量图上使用Forstner算子提取特征点；(4)对提取的海量特征点构建Voronoi图,利用Voronoi图对特征点进行优选；(5)使用优选后的特征点，在频率域中找寻其同名点；(6)根据找寻的同名点对，计算两幅影像坐标系间的RPC参数；
(7)利用计算出的RPC参数，将一幅影像重采样到另一幅影像的影像坐标系下，以实现两幅影像的相对配准。
[0007]进一步地，优选的方法是，所述步骤(1)中，使用的复数影像对是执行过概略配准的两幅具有重叠区域的复数影像。
[0008]进一步地，优选的方法是，所述步骤(2)中，当选取一幅复数影像为主影像时，通常另一幅复数影像称为辅影像或从影像，一般计算主影像的能量图，能量图的计算按表达式
【权利要求】
1.一种利用特征点VOTonoi图优选的星载合成孔径干涉雷达影像配准方法，主要是通过对特征点的优选和影像对中同名点的找寻，其特征在于，包括以下步骤:(1)获取测区的星载合成孔径干涉雷达复数影像对；(2)计算影像对中一幅复数影像的能量图，并对能量图进行滤波处理；(3)在滤波后的能量图上使用Forstner算子提取特征点；(4)对提取的海量特征点构建Voronoi图，利用Voronoi图对特征点进行优选；(5)使用优选后的特征点，在频率域中找寻其同名点；(6)根据找寻的同名点对，计算两幅影像坐标系间的RPC参数；(7)利用计算出的RPC参数，将一幅影像重采样到另一幅影像的影像坐标系。
2.根据权利要求1所述的利用特征点Voronoi图优选的星载合成孔径干涉雷达配准方法，其特征在于，所述步骤(1)中，使用的复数影像对是执行过概略配准的两幅具有重叠区域的复数影像。
3.根据权利要求1所述的利用特征点Voronoi图优选的星载合成孔径干涉雷达配准方法，其特征在于，所述步骤(2)中，选取一幅复数影像为主影像，另一幅复数影像作为对应的辅影像或从影像，计算主影像的能量图，所述能量图的计算表达式为
4.根据权利要求1所述的利用特征点Voronoi图优选的星载合成孔径干涉雷达配准方法，其特征在于，所述步骤(3)中，特征点提取的详细操作方法包括: (a)将整幅主影像的幅度影像划分为η个大小为9X9的均匀网格，在每个网格中，计算各像素点的Robert梯度
5.根据权利要求1所述的利用特征点Voronoi图优选的星载合成孔径干涉雷达配准方法，其特征在于，所述步骤(4)中，若步骤(3冲提取的特征点集合用点集P(n)表示，则特征点的优选方法包括: (a)对特征点集P(η)构建不规则三角网(TIN)，根据三角网的拓扑信息追踪包含所有特征点的边界多边形，边界多边形的顶点就是边界点； (b)根据边界多边形按如下原则生成虚拟边界: I虚拟边界上的顶点位于点集外包中心点到边界多边形的相应顶点的射线上； II虚拟边界点和初始边界点的距离等于初始边界上边长的平均值； (c)将虚拟边界点作为伪特征点加入特征点集合中组成新点集,重新构建TIN,并在此基础上生成Voronoi图； (d)特征点优选，遍历整个VOTonoi图所有网格，选取一个属性为“可删除”且评判指标值最小的网格对应的特征点，删除该特征点，并将与该特征点具有拓扑邻接关系的点的属性设置为“不可删除”，其中特征点的优选指标由下式给出:
6.根据权利要求1所述的利用特征点VOTonoi图优选的星载合成孔径干涉雷达配准方法，其特征在于，所述步骤(5)中，使用的匹配指标为影像谱相关法，相关函数计算表达式为:
7.根据权利要求1所述的利用特征点Voronoi图优选的星载合成孔径干涉雷达配准方法，其特征在于，所述步骤(6)中，RPC模型采用二元二次有理多项式，多项式模型的计算表达式为:
8.根据权利要求1所述的利用特征点Voronoi图优选的星载合成孔径干涉雷达配准方法，其特征在于，所述步骤(3)中，所述特征点是使用Forstner算子提取的主影像上的角点和圆点。
9.根据权利要求1所述的星载合成孔径干涉雷达配准方法，其特征在于，所述步骤(4)中，以Forstner算子提取的特征点作为输入参数,通过构建特征点的Voronoi图,然后利用该VOTonoi图的专题信息、度量信息、拓扑信息、统计信息四种属性信息对提取的特征点进行优选。
10.根据权利要求1所述的星载合成孔径干涉雷达配准方法，其特征在于，所述步骤(5)中，以经过优选的特征点作为输入参数，通过频率域谱相关的方法进行辅影像上同名特征点的搜寻。
【文档编号】G06T7/00GK103886582SQ201410038205
【公开日】2014年6月25日 申请日期:2014年1月26日 优先权日:2014年1月26日
【发明者】张继贤, 王邦松, 黄国满, 卢丽君, 段敏燕 申请人:中国测绘科学研究院