一种结合历史图像序列的大时间跨度遥感图像配准方法
【技术领域】
[0001] 本发明属于数字图像处理技术领域，涉及一种多时相遥感图像配准方法，尤其涉 及一种时间跨度大、存在历史图像序列的多时相遥感图像配准方法，其为通过历史图像序 列获取大时间跨度遥感图像间像素点空间约束关系进而正确匹配特征和求解变换模型的 方法。
【背景技术】
[0002] 遥感图像能大面积反映地物情况，基于遥感图像的变化检测在土地监测、环境监 测、灾害监测等方面有着广泛的应用，而多时相遥感图像配准是变化检测的基础。多时相遥 感图像配准，其关键点在于找到可以匹配的特征并准确匹配，并基于准确匹配的特征获得 空间映射关系，主要步骤包括特征提取、特征匹配、图像变换等。
[0003] 可用于遥感图像配准的特征主要有点特征、线特征和区域特征等，典型的点特征 有Harris、SIFT和SURF等，典型的线特征包括边缘、直线等；典型的区域特征有区域形状、 区域纹理、区域互信息等。目前SIFT和SURF特征点具有较好局部不变性，在一些图像配准、 拼接等应用中取得了较好的应用效果。
[0004] 特征匹配主要将不同图像中同一地物或特征一一对应起来。特征匹配过程中，由 于分辨率、成像机理的差异、平台差异等，同一地物在不同遥感图像中在颜色、纹理、形状等 特征上会存在差异。这种差异导致提取的特征不相同，特征匹配时会发生误匹配现象。多 时相遥感图像会进一步受拍摄角度差异、地物变化等影响，特征匹配的难度进一步加大。
[0005] 图像配准中，参考图像和待配准图像间存在平移、缩放、旋转等几何变换，变换模 型将建立参考图像和待配准图像间像素点的对应关系。图像配准中，变换模型求解主要利 用图像中准确匹配的特征获得全图的变换模型，因此准确匹配的特征是其关键。
[0006] 地物在自然和人为等因素下会发生改变，且时间越长，地物可能发生较大改变。对 于时间间隔比较长的多时相遥感图像，地物的改变加大了参考图像和待配准图像间特征匹 配的难度，容易导致：1)参考图像和待配准图像间找到的准确匹配的特征数量少，不能满 足变换模型对特征数量的要求，从而不能建立参考图像和待配准图像间的空间变换模型； 2)参考图像和待配准图像间建立的匹配特征间，存在大量误匹配，从而建立错误的空间变 换模型。
[0007] 随着遥感卫星的增加，所能获取的遥感图像越来越多，同一区域遥感图像历史数 据逐步增多，历史数据间的时间跨度也逐步缩小。相对而言，在两幅时间间隔较短的遥感图 像中，其地物改变较小，更容易获得配准中所需的正确匹配的特征。
[0008] 现有遥感图像配准方法多能将参考图像和待配准图像间地物较为一致的图像进 行准确配准，但对于大时间跨度的多时相遥感图像，由于地物变化较大、地物一致性较差， 图像间难以获得准确匹配的特征。变化检测过程中，存在大时间跨度图像配准的需求，需 要一种能借助历史图像序列间接完成大时间跨度多时相遥感图像配准的方法，提高配准精 度。
【发明内容】
[0009] 本发明所要解决的技术问题在于提供一种结合历史图像序列的大时间跨度遥感 图像配准方法。该方法将历史图像序列插入时间跨度大的多时相遥感图像中，通过减少多 时相遥感图像配准中时间间隔，降低图像差异性，以更好地匹配特征而获得图像间像素点 空间约束关系，使得大时间跨度的遥感图像配准仍可获得变换模型。
[0010] 为实现上述目的，本发明所述结合历史图像序列的大时间跨度遥感图像配准方法 包括如下步骤：
[0011] 步骤（1)、获取原始待配准图像对的时相：将需要配准的大时间跨度遥感图像视 为原始待配准图像对，查找原始待配准图像对的拍摄时间；
[0012] 步骤（2)、查找并插入历史图像数据：针对同一区域，以原始待配准图像对的时相 为起止，在遥感图像库中查找历史图像，并按时间排序，形成历史图像序列；
[0013] 步骤（3)、优化历史序列图像：以原始待配准图像对为起始，以准确匹配的特征对 的数量为依据，逐步在历史图像序列中选取匹配效果好的图像，形成图像优化序列，使得图 像优化序列中相邻图像形成的图像对具有较多的准确匹配的特征对，并在图像选取过程 中，利用次优解解决图像优化序列不收敛的问题，通过扩大遥感图像覆盖范围、降低特征提 取条件，以获得更多的特征，解决准确匹配的特征对数量不足问题；
[0014] 步骤（4)、获取原始待配准图像对的粗空间变换模型：针对图像优化序列，依次取 出相邻图像形成图像对，计算相邻图像间的变换模型，采用逐步链接的方式获得原始待匹 配图像对间存在的粗空间变换模型，该粗空间变换模型可在一定误差内描述原始待匹配图 像对间像素点的空间对应关系；
[0015] 步骤（5)、空间约束下删除原始待匹配图像对的误匹配特征：利用获得的原始待 匹配图像对间的粗空间变换模型，针对原始待匹配图像对的特征初步提取与匹配结果，删 除特征对中空间关系超出了粗空间变换模型和误差估计的特征对，再利用RANSAC技术选 取出更为准确匹配的特征。
[0016] 步骤（6)、求解原始待配准图像对的准确空间变换模型：利用准确匹配的特征对 求解准确的空间变换模型。
[0017] 其中，步骤（2)中，所述原始待配准图像对以及历史图像为全色、多光谱、红外和 SAR中的一种或多种；
[0018] 其中，步骤（3)中，所述准确匹配的特征对是通过提取特征、特征初匹配和RANSAC 技术去除部分误匹配获得；
[0019] 其中，所述步骤（5)中，所述误差的设定是根据时间跨度、图像优化序列的长度和 遥感图像分辨率等进行经验设置。
[0020] 本发明的原理在于：一种结合历史图像序列的大时间跨度遥感图像配准方法，其 步骤具体的解释如下：
[0021] 步骤（1)、获取原始待配准图像对的时相：查找原始待配准图像对中两幅图像的 拍摄时间；
[0022] 步骤（2)、查找并插入历史图像数据：以原始待配准两幅遥感图像的拍摄起止时 间，针对同一区域，在遥感图像数据库中查找处于两幅图像拍摄时间之间的遥感图像，并按 时间依次插入到待配准的两幅图像之间，形成历史图像序列；
[0023]步骤（3)、优化历史图像序列：优选出部分图像得到一个遥感图像优化序列，该序 列的相邻图像具有较好的匹配效果，优选过程中选取某一特征的匹配准确性作为优选图像 的依据，按时间递推，在图像序列中逐步选取出部分图像；
[0024] 步骤（4)、获取原始待配准图像对的粗空间变换模型：在图像优化序列中，依次取 出相邻的两图像形成图像对，提取并匹配图像对中的配准特征，采用一定方法去除一定的 错误匹配的特征后，获得图像优化序列中相邻图像的变换模型，以此得到原始待配准图像 对的粗空间变换模型；
[0025] 步骤（5)、空间约束下删除原始待匹配图像对的误匹配特征：针对原始待匹配图 像对提取并匹配的特征，分析匹配的特征间的空间关系是否在一定范围内满足利用步骤 (4)获取的粗空间变换模型，如果空间关系偏离粗空间变换模型较大，则认为是误匹配的特 征对，删除之，对剩下的匹配特征对再次采用RANSAC技术选取出准确匹配的特征对；
[0026]步骤（6)、求解原始待配准图像对的准确空间变换模型：查看步骤（5)获得的准确 匹配的特征对数量是否满足空间变换模型求解，如果满足，则利用正确匹配的特征对求解 原始待配准图像对的准确空间变换模型，如果不满足，则利用步骤（4)获得的粗空间变换 模型估计原始待配准图像对的空间关系。
[0027] 本发明提出的结合历史图像序列的大时间跨度遥感图像配准方法具有如下的优 占.
[0028] 1.若两个时间相隔较长的图像，因变化差异较大，未能获取足够的匹配特征点对 和变换模型时，通过插入历史图像，以递推方式获得粗空间变换模型，该模型能在一定误差 范围内估计图像间的空间关系；
[0029] 2.若两个时间相隔较长的图像，因变化差异较大，所获取的匹配特征对中存在较 多误匹配时，可以在空间约束关系下删除误匹配特征对，从而利用更准确的匹配特征对获 得准确的变换模型。
【附图说明】
[0030] 图1为一种结合历史图像序列的大时间跨度遥感图像配准方法流程图；
[0031] 图2为插入历史图像序列的图像序列；
[0032] 图3为SURF特征点提取与匹配示意图；
[0033] 图4为SURF特征点匹配后RANSAC去除误匹配示意图；
[0034] 图5为以正确匹配点对数量选取图像结果示意图；
[0035] 图6为图像优化序列中相邻图像对SURF特征点提取与匹配示意图。
【具体实施方式】
[0036] 下面结合附图以及【具体实施方式】进一步说明本发明。
[0037] 如图1所示，本发明的实现共分为6个主要步骤，分别为：获取原始待配准图像对 的时相、查找并插入历史图像数据、优化历史序列图像、获取原始待配准图像对的粗空间变 换模型、删除原始待配准图像对误匹配点和获取原始待配准图像对的准确空间变换模型。 下面以将某区域时相分别为TJP Tb的多光谱遥感图像I 3和I b配准为例，对本发明的具体 实施步骤进行详细的说明。
[0038] (1)获取原始待配准图像对的时相
[0039] 将需要配准的大时间跨度遥感图像13和I b视为原始待配准图像对，查获其拍摄时 间分别为八和T b。
[0040] (2)查找并插入历史图像数据
[0041] 在八与Tb的时间跨度中，查找同区域的遥感图像，假设存在时相为Ta+1，Ta+2，… ，12,1^的历史图像序列ia+1，ia+2，…，ib_ 2,l，且时间关系满足 将历史图像序列ia+1，ia+2，…，V2, ibJf入到13和Ib之间得到图像序列I a，ia+1，ia+2，…，Ib-2, Ib-i，Ib，如图2所示。
[0042] (3)优化历史图像序列
[0043] 受图像质量的影响，在历史图像序列Ia+1, Ia+2，…，Ib_2,Ih中不是所有图像能直 接与相邻的图像获取较好的匹配特征和变换模型，为此，从历史序列Ia+1，I a+2，…，Ib-2,Ih 中优选出部分图像Irt，…，IA，Imk，…，I m2, Iml，以形成图像优化序列Ia，Iri，… ，工A，I mk，…，Im2, Iml，Ib，使得相邻图像间存在较为准确的变换模型。图像优化序列 Ia，I rl，Ir2，…，Irk，Imk，…，Im2, Iml，Ib中，〈Irp，Imp>(P= 1，2, 3,…，k)是成对加入的。图像优 选过程中，可用于图像配准的特征包括点特征、边特征和区域特征等，本发明选取SURF特 征点作为配准特征对特征提取与匹配进行说明。
[0044]以图像对<Irt，Iml>加入到图像优化序列为例，说明图像优化序列形成过程。此时， 图像对<Ia，Ib>作为图像对<Iri，Iml>的参考，主要包含以下子步骤：