边缘大畸变影像匹配方法与流程

本发明属于摄影测量与计算机视觉领域，涉及基于影像分割分块和多级多特征的边缘大畸变影像高精度配准方案，具体涉及一种边缘大畸变影像匹配方法，用于基于影像分割分块和多级多特征的模式，对边缘大畸变图像执行高精度的控制点自动匹配。

背景技术：

目前，国产高分辨率光学卫星均采用三反同轴或三反离轴光学系统，由于光学系统径向、切向畸变影响，导致相机在轨几何检校前影像边缘的几何畸变很大、中间畸变较小，如高分一号卫星(gf-1卫星)全色/多光谱相机影像两端的畸变达到300个像元、影像中间为2个像素以内，而在轨几何检校过程中，要求影像与参考区域的特征匹配精度达到亚像素，同时要求在一定范围内有足够多均匀分布的匹配点从而进行后续的模型建模和参数求解。

目前，针对影像匹配、影像密集匹配国内外很多学者已经开展了大量的研究与实践工作，如：sift匹配、矢量匹配、多视匹配、视差匹配、灰度匹配、线特征匹配、最小二乘匹配等，并取得了一定成果。对边缘大畸变、中间几乎无畸变影像，采用传统影像匹配方法，存在以下问题：

1)若顾及边缘大畸变，由于搜索范围过大、将导致误匹配点过多、无法构建严密几何约束模型进行粗差剔除；

2)若顾及中间较小畸变，由于搜索范围过小，将导致除中心区域外无法匹配到点的问题。

因此，为了保证在一定范围内有足够多均匀分布的匹配点，同时保证影像与参考区域的特征匹配精度达到亚像素匹配精度，为后续在轨几何检校模型建模和参数求解提供高精度的控制点，亟待解决边缘大畸变影像高精度配准这项技术难题，这就必须针对相机的结构、相机物镜的径向和切向畸变形态以及在轨几何检校前边缘大畸变影像特点，采用合适的策略和方法保证边缘大畸变影像匹配点的均匀分布与亚像素匹配精度。

技术实现要素：

为了解决现有技术中存在的问题，针对边缘大畸变影像，本发明提出了一种高精度的控制点自动匹配方案，执行基于影像分割分块和多级多特征的边缘大畸变影像高精度配准。

本发明提供了一种边缘大畸变影像匹配方法，用于基于影像分割分块和多级多特征的模式，对边缘大畸变图像执行高精度的控制点自动匹配，包括以下步骤：步骤一，分别建立关于待匹配影像和参考影像的各级金字塔影像，并进行粗匹配；步骤二，根据粗匹配的结果，采用整体的放射变换模型进行模型构建，从而消除视差；步骤三，采用多级多特征的模式，按照多级多特征匹配规则格网，对待匹配影像和参考影响分别进行分割分块处理，对经过分割分块处理后得到的每个块，进行多级多特征匹配；步骤四，按照粗差剔除规则格网，对待匹配影像再次进行分割分块处理，并对粗差剔除规则格网内的每个格，采用放射变换模型，循环迭代进行粗差剔除；步骤五，利用粗差剔除规则格网内的每个格经过粗差剔除后的控制点，根据相机物镜的径向和切向畸变形态理论，采用整体三次多项式迭代模型进行再次粗差剔除，以得到高精度匹配点并按预定格式输出。

优选地，多级多特征匹配规则格网的尺寸为256*256个像素或512*512个像素，粗差剔除规则格网的尺寸为256*像素或512*像素。

具体地，在步骤四中执行：在金字塔影像的最上层，进行特征点提取；采用灰度相似性测度，使匹配精度达到整像素；利用匹配结果，进行几何模型构建并消除时差，直至金字塔影像全部完成匹配；采用最小二乘匹配，使匹配精度达到亚影像。

因此，相对于现有技术，本发明充分结合相机的结构、相机物镜的径向和切向畸变形态以及在轨几何检校前边缘大畸变影像特点，采用影像分割分块、多级多特征、多级粗差剔除的策略，保证在一定范围内有足够多均匀分布的匹配点，同时保证影像与参考区域的特征匹配精度达到亚像素匹配精度，为后续在轨几何检校模型建模和参数求解提供高精度的控制点，并且经过前期试验验证，本发明的匹配方案可行、有效，匹配结果稳定、可靠、精度高，目前已工程化应用到国家陆地观测卫星地面数据系统中，运行稳定。

附图说明

图1是本发明具体实施方式所涉及的基于影像分割分块和多级多特征的边缘大畸变影像高精度配准方案的流程图；

图2是本发明具体实施方式所涉及的块内多级多特征匹配的流程图；

图3是影像多级多特征匹配分割分块处理的示意图；

图4是影像粗差剔除分割分块处理的示意图。

具体实施方式

应了解，本发明的思路在于，基于影像分割分块和多级多特征执行边缘大畸变影像高精度匹配。本发明的实施包括金字塔影像粗匹配、多级多特征匹配规则格网构建、多级多特征匹配、粗差剔除规则格网构建、格网内循环迭代粗差剔除、整体循环迭代粗差剔除等粗略和方法。

在本发明中，高精度配准流程具体包括：

步骤1，对待匹配影像和参考影像分别建立各级金字塔影像，进行粗匹配。

步骤2，利用步骤1粗匹配结果，采用整体仿射变换模型进行几何模型构建，消除视差；

步骤3，按照多级多特征匹配规则格网，对待匹配影像和参考影像分别进行分割分块处理，一般格网大小为：256*256个像素或512*521个像素。

步骤4，对步骤3中每个块内进行多级多特征匹配。首先，在最上层金字塔进行特征点提取(如：susan算子、harris算子、forstner算子等)，其次，采用灰度相似性测度使匹配精度达到整像素，然后，利用匹配结果进行几何模型构建方法，消除视差，直到所有金字塔均匹配完成，最后，采用最小二乘匹配，使匹配精度达到亚像素。

步骤5，按照粗差剔除规则格网，对待匹配影像再次进行分割分块处理，一般格网大小为：256*图像高度或512*图像高度。

步骤6，对每个粗差剔除分割分块格网内，采用仿射变换模型，循环迭代进行粗差剔除；

最后，利用步骤6中每个粗差剔除分割分块格网内粗差剔除后的控制点，根据相机物镜的径向和切向畸变形态理论基础，采用整体三次多项式迭代进行粗差剔除，从而得到高精度匹配点，并按一定格式进行输出。

可见，本发明充分结合相机的结构、相机物镜的径向和切向畸变形态以及在轨几何检校前边缘大畸变影像特点，采用影像分割分块、多级多特征、多级粗差剔除的策略，解决了传统影像匹配方法，对边缘大畸变、中间几乎无畸变影像，若顾及边缘大畸变，由于搜索范围过大、将导致误匹配点过多、无法构建严密几何约束模型进行粗差剔除，若顾及中间较小畸变，由于搜索范围过小，将导致除中心区域外无法匹配到点的问题。

以下结合附图和实施例详细说明本发明具体实施方式。

如图1所示，作为本发明的具体实施方式，边缘大畸变影像高精度配准的流程可以分为六个步骤，每个步骤实施的具体方法、公式以及流程如下：

步骤1，对待匹配影像和参考影像分别构建各级金字塔，进行金字塔粗匹配，即对参考影像上的特征点建立一个矩形窗口作为目标窗口，然后在目标影像上选择一个更大区域的窗口作为搜索窗口，并建立一个匹配窗口在搜索窗口上逐个像素移动，同时将目标窗口与匹配窗口进行比较，其中相关系数最大，即与目标窗口最相似的匹配窗口中心即为同名特征点。

步骤2，利用步骤1粗匹配结果，采用整体仿射变换模型进行几何模型构建并利用最小二乘法进行参数求解，其几何模型如下；

在上式中，s代表探元列号，l代表探元行号，ai、bi待求解的几何模型参数，s’代表新的探元列号，l’代表新的探元行号。

步骤3，按照多级多特征匹配规则格网，对待匹配影像和参考影像分别进行分割分块处理，一般格网大小为：256*256个像素或512*512个像素(如图3所示)。

步骤4，对步骤3中每个块内进行多级多特征匹配。如图2所示，首先，在最上层金字塔进行特征点提取(如：susan算子、harris算子、forstner算子等)，其次，采用灰度相似性测度使匹配精度达到整像素，然后，利用匹配结果进行几何模型构建方法，消除视差，直到所有金字塔均匹配完成，最后，采用最小二乘匹配，使匹配精度达到亚像素。

步骤5，按照粗差剔除规则格网，对待匹配影像再次进行分割分块处理，一般格网大小为：256*图像高度或512*图像高度(如图4所示)。

步骤6，对每个粗差剔除分割分块格网内，采用仿射变换模型，循环迭代进行粗差剔除；首先，构建如下的仿射变换模型：

在上式中，s代表探元列号，l代表探元行号，ai、bi几何模型参数，s’代表新的探元列号，l’代表新的探元行号，然后，利用格网内控制点采用最小二乘法进行参数求解，最后，根据每个点的残差值进行粗差的检测，若残差值大于设定的阈值(一般设定为三倍中误差)即为粗差，将其剔除，不断迭代，直到全部满足误差要求。

最后，利用步骤6中每个粗差剔除分割分块格网内粗差剔除后的控制点，根据相机物镜的径向和切向畸变形态理论基础，采用整体三次多项式迭代进行粗差剔除；首先，构建如下的三次多项式模型：

在上式中，s代表探元列号，l代表探元行号，ai、bi三次多项式模型参数，s’代表新的探元列号，l’代表新的探元行号，然后，利用所有控制点采用最小二乘法进行参数求解，最后，根据每个点的残差值进行粗差的检测，若残差值大于设定的阈值(一般设定为三倍中误差)即为粗差，将其剔除，不断迭代，直到全部满足误差要求，从而得到高精度匹配点，并按一定格式进行输出。

应了解，经我国高分专项首发星、我国首颗宽幅(幅宽：800km)光学遥感卫星——高分一号卫星在轨几何检校前高精度控制点匹配的实践表明该匹配方法可行、有效，匹配结果稳定、可靠、精度高，目前已工程化应用到国家陆地观测卫星地面数据系统中，运行稳定。

本发明中未说明部分属于本领域的公知技术。