一种svd-ransac亚像素相位相关匹配方法
【专利摘要】本发明涉及一种SVD-RANSAC亚像素相位相关匹配方法，该方法首先对两幅影像的互功率谱矩阵进行奇异值分解，然后利用随机抽样一致算法估计相位角向量的斜率，实现两幅影像的亚像素相位相关匹配。与现有技术相比，本发明利用随机抽样一致(RANSAC)算法来稳健估计奇异值分解后主奇异值向量对应的相位角向量直线的斜率，只选择符合直线模型的数据进行估计，而受偏差影响的数据将作为粗差剔除，具有结果精度和稳定性高、有效抑制pixel?locking现象等优点。
【专利说明】—种SVD-RANSAC亚像素相位相关匹配方法
【技术领域】
[0001]本发明涉及一种图像区域匹配算法，尤其是涉及一种SVD-RANSAC亚像素相位相关匹配方法。
【背景技术】
[0002]影像的亚像素精确匹配是摄影测量与遥感领域的研究热点与难题之一。通过影像间的亚像素匹配，能够精确的获取立体视差、地物位移、地表形变场等数据，基于亚像素匹配的图像配准，在DEM/DSM生成、图像镶嵌、影像融合、信息提取和变形监测等领域有着极其重要的应用。
[0003]图像匹配一般分为特征匹配与区域匹配两大类。相对于特征匹配，区域匹配具有精度高，更方便的粗差剔除，分布均匀等优势。相位相关是一种频域下的区域匹配算法，相位相关的理论基础是傅里叶变换的平移特性，即影像间平移在频域下对应为线性相位差，理论上，影像的平移只会引起傅里叶系数相位角的变化而不会改变其幅值。与传统的灰度相关系数相比，具有匹配精度高、速度快、抗噪性强和受辐射差异影响小等特点，近年来得到了广泛的应用与关注。
[0004]亚像素的相位相关方法研究主要分为两类，第一类方法通过确定互功率谱的逆傅里叶变换后精确的峰值位置来获取偏移量，第二类方法通过直接估计互功率谱的线性相位差来获取偏移量。然而，现有的相位相关亚像素匹配方法依然存在问题:通过插值确定峰值的方法精度相对较低；利用线性相位差的方法，普遍具有计算复杂度高，抗粗差性差等缺点；另外，亚像素匹配精度受像素锁现象(pixel locking effect)影响。上述的问题直接影响到基于相位相关的亚像素匹配精度和匹配结果的稳健性，并对运算效率提出了较高的要求。
[0005]文献 “A subspace identification extension to the phase correlationmethod[MRI application][J].Medical Imaging, IEEE Transactions on,2003,22 (2):277-280，利用最小二乘估计来计算相位角向量直线的斜率，线性拟合的质量依赖于解缠后相位角的线性度。即使奇异值分解获取主奇异值向量本身是一个提高SNR的过程，但相关过程中的混叠，噪声和其他误差仍然会影响两幅影像间的相位信息，从而影响归一化互功率谱矩阵的部分量值，导致奇异值分解后的相位角向量出现偏差，并不呈现严格的直线关系，由于最小二乘的抗差性弱，估计的偏移值结果会受到偏差的严重影响，从而导致亚像素级估计结果的精度和稳定性下降。
【发明内容】
[0006]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种结果精度和稳定性高、有效抑制pixel locking现象的SVD-RANSAC亚像素相位相关匹配方法。
[0007]本发明的目的可以通过以下技术方案来实现:
[0008]一种SVD-RANSAC亚像素相位相关匹配方法，该方法包括以下步骤:[0009]I)获取存在水平方向偏移a和垂直方向偏移b的两幅影像g(x，y)和h(x,y),对两幅影像分别进行Hanning窗函数加权后进行离散傅里叶变换，得到G (u，V)和H(u，V)，则H(u,v) = G(u, V) exp {-1 (au+bv)},计算两幅影像的归一化互功率谱矩阵Q(u, V):
【权利要求】
1.一种SVD-RANSAC亚像素相位相关匹配方法，其特征在于，该方法包括以下步骤: 1)获取存在水平方向偏移a和垂直方向偏移b的两幅影像g(x,y)和h(x,y),对两幅影像分别进行Hanning窗函数加权后进行离散傅里叶变换，得到G (u，v)和H (u，v)，则H (U，V) = G(u, V) exp {-1 (au+bv)},计算两幅影像的归一化互功率谱矩阵Q(u, v):
2.根据权利要求1所述的一种SVD-RANSAC亚像素相位相关匹配方法，其特征在于，所述的步骤5)中，采用随机抽样一致算法估计相位角向量的斜率是以相位角向量理论上的直线性为数学模型、待估计的相位角向量的斜率为模型参数9k进行迭代求解，具体为: 501)预设参数最大迭代值kmax、置信度％和阈值t，并设当前迭代值k= 0，最大有效样本数据Imax = O ； 502)随机选择最小要求的m个样本来估计模型参数Θk ； 503)根据阈值t和估计模型计算阈值内的数据个数Ik，判断|lk|> Imax是否成立，若是，则执行步骤504)，若否，则执行步骤505)； 504)令最优模型参数Θ* = Θ k，有效样本数据I = Ik，采用如下公式重新计算kmax后执行步骤505):
【文档编号】G06T7/00GK103824286SQ201410051603
【公开日】2014年5月28日 申请日期:2014年2月14日 优先权日:2014年2月14日
【发明者】童小华, 叶真, 徐聿升, 刘世杰, 李凌云, 李天鹏, 王凤香 申请人:同济大学