一种基于多层次策略的光学与sar影像高精度配准方法
【技术领域】
[0001] 本发明涉及遥感影像处理技术领域，尤其是涉及一种基于直线特征的多层次光学 与SAR影像精确配准方法。
【背景技术】
[0002] 随着成像技术的发展，新型传感器不断涌现，已经从过去的单一传感器发展到现 在的各种类型传感器，能够获取同一地区不同空间分辨率、不同光谱波段和不同时相的遥 感影像。不同传感器获取的影像能够反映地物的不同特性，对异源影像数据进行融合能够 提供更加全面准确的信息。其中，光学与SAR影像不同的成像方式、不同的成像波段等使得 二者具有互补性，对于抢险救灾等应用具有明显的优势。SAR传感器由于利用微波波段进行 主动式遥感，具有穿云透雾、全天时工作的能力，从而使得SAR影像可能成为灾害事件中成 为唯一可用的数据。但由于传感器的模式、采集位置、空间分辨率、采集时间等不同，使得获 取的同一场影的光学与SAR影像间存在较大的辐射与几何差异。因此，要综合利用不同遥 感影像必须使它们实现几何意义上的对准，即需要进行图像配准。
[0003] 目前光学与SAR影像配准方法主要分为：基于区域的配准方法和基于特征的配准 方法。基于区域的配准方法通过定义某种相似性测度，计算图像中各个位置上当前窗口与 模板之间在的相似程度，将配准问题转化为最大化相似性测度。常用的方法主要有：互信息 法、交叉累积剩余熵法。基于特征的配准方法利用两幅图像中提取的显著特征（如角点、局 部极值点、交点、轮廓、边缘、区域等）进行匹配，常用的方法主要有：SIFT及其改进方法、改 进的迭代Hough变换等。基于特征的配准方法依赖特征提取的精度，而在光学与SAR影像 中同名特征定位精度难以达到理想状态。基于区域的方法利用搜索窗口与模板之间的相似 性确定匹配位置，在相似性测度优良的情况下配准精度较高但计算量大。
[0004] 传统影像配准方法通常用人工方法精确选择一定数量的同名特征点进行匹配，但 这样一方面需要较大的人工参与量，另一方面配准精度有限。而目前全自动的配准方法较 少且难以具备普适性。为了提高算法的精度同时减少人工参与，一个想法是在人工匹配的 基础上进行自动的精匹配，但精匹配中的搜索范围与人工匹配的精度相关，若初始匹配精 度越高，在精匹配中就可以减小搜索范围，从而提高计算效率。
[0005] 考虑到影像中的直线信息是一种重要的局部特征，广泛存在于各类人造目标以及 自然地物的影像中，直线特征具有以下优点：1)直线提取具有稳健的算法，如Hough变换、 最小二乘拟合等；2)相对于点特征来说，线特征有更高层次的语义信息，其长度、方向等信 息在计算匹配关系时可用于建立数学约束或相似性度量。基于此，本文将选择直线进行特 征匹配。本发明在人工匹配的基础上提取直线特征，对直线特征进行匹配进一步提高初始 匹配的精度，最后进行精匹配。目前已有的直线匹配方法一般利用直线的中点、长度、支撑 区域等属性建立相似性度量，或从全局优化的角度直接计算变换参数。由于噪声、对比度等 影响，不同来源的遥感影像上很难提取出位置一致的直线，这就导致提取直线的中点、长度 发生偏移，同时不同成像方式的影像直线支撑区域的灰度信息也会存在差异，从而导致配 准精度降低。基于全局优化的方法采用参数寻优型框架解决直线匹配问题，但该类方法面 临的两大问题是：如何排除局外特征的干扰、如何有效地实现优化问题的收敛。针对以上基 于局部特征尤其是直线特征以及全局优化方法进行遥感影像配准存在的问题，在充分考虑 基于特征以及基于区域的配准特性的基础上，首先，从生成交点的直线段对间的方向信息 出发，寻找所有可能匹配的交点，构成候选匹配点集；再根据点集间的拓扑关系，依次迭代 地剔除具有最大匹配误差的候选匹配点对，直到最终匹配点对满足"一一对应"且拓扑关系 一致，从而获取最优匹配子集。其次，基于HOPC-NCC相似性测度，在对特征点进行HOPC描 述后，以两个描述符间的NCC度量二者的相似性，并通过模板匹配策略，得到最佳匹配的像 素点，在该像素临近区域内拟合H0PC-NCC，并计算其最大值，获得子像素级配准精度。为进 一步提高精度，采用了迭代误差剔除方法除去可能存在的误匹配点对，直到配准精度小于 一个像元，停止迭代。
【发明内容】
[0006] 针对上述问题，本文提出一种基于多层次策略的光学与SAR影像高精度配准方 法，是一种基于直线交点的匹配方法。该方法首先根据直线段间的几何关系寻找所有的候 选匹配直线及其交点，再根据交点间的拓扑关系，剔除误匹配。通过这种逐步求精的多层次 匹配策略既保证算法的有效性又具备较高的匹配精度。
[0007] -种基于多层次策略的光学与SAR影像高精度配准方法，包括以下步骤；
[0008] 步骤1 :人工选择3个以上的同名点或同名线对，对影像进行人工匹配；
[0009] 步骤2 :分别对待配准影像和参考影像提取直线段；
[0010] 步骤3 :对提取的直线段，按照一定准则生成线对及对应的交点；
[0011] 步骤4 :对生成的交点，根据直线段间的几何关系，寻找候选匹配点对；
[0012] 步骤5 :根据点对间的拓扑关系，依次迭代剔除具有最大匹配误差的点对，直到最 终匹配点对满足"一一对应"且拓扑关系一致，从而获取最优匹配子集；
[0013] 步骤6 :根据步骤5得到的最优匹配子集中的匹配点计算变换参数；
[0014] 步骤7 :利用基于信息熵的改进的Harris算子在基准影像上提取均匀分布的密集 特征点，在待配准影像上采用模板匹配的方法获取精确的同名点，相似测度采用相位一致 性直方图（Histogram of Phase Congruency, H0PC);最终利用二次多项式模型进行变换， 实现影像间的高精度配准。
[0015] 所述步骤2具体包括以下步骤；
[0016] 步骤2. 1 :对参考影像进行直线段的提取，若影像为光学影像或红外影像，采用 LSD方法；若影像为SAR影像，先采用基于Gaussian-Gamma-Shaped Bi窗口算子检测边缘， 再采用Hough变换提取直线特征；
[0017] 步骤2.2 :对待配准影像进行直线段提取，若影像为光学影像或红外影像，采用 LSD方法；若影像为SAR影像，先采用基于Gaussian-Gamma-Shaped Bi窗口算子检测边缘， 再采用Hough变换提取直线特征。
[0018] 所述步骤3中按照一定准则生成线对及对应的交点具体包括以下步骤；
[0019] 步骤3. 1 :对提取的直线对进行处理，生成稳健的直线交点用于下一步匹配；为了 获取稳健的直线交点，采用以下规则：
[0020] 1)先对直线段进行过滤，去除长度小于阈值dlength的直线段；
[0021] 2)对所有直线段按长度大小进行排列，从最长的直线段起统计斜率相近的线段， 并计算线段间的距离，若两条直线段间的距离小于阈值ddlstanOT，则认为两条直线段属于同 一条直线，删除长度较短的直线，只保留同一方向上最长的直线段；
[0022] 3)在提取的直线段组合中，对直线夹角小于30度的线段不予考虑作为生成交点 的线段；
[0023] 步骤3. 2 :对于提取出的直线段，其夹角或者延长线夹角大于30度的组成线对，并 成生交点；对每组直线对及其交点表示为：
[0024] LPk= (LPijI = UijIjjPij, θ
[0025] 其中，1种I j表示组成线对的两条直线，P ^表示直线对的交点，Θ U表示直线对 间的夹角。
[0026] 所述步骤4具体包括以下内容；
[0027] 经过人工初匹配后，图像中区域范围的形变已被消除，匹配线对精度得到提高，因 此认为满足以下几何关系的直线对交点为候选匹配点对：
[0030] 其中，式1)为直线对间的角度关系，组成候选匹配点的直线对间的夹角理论上应 该一致；f与分别表示基准影像与待配准影像中直线对的夹角；由于直线提取过程中 容易出现误差，te设为5° ;式2)为直线间的位置关系，经过初匹配后的同名直线间的距离 应该较小；、1;^计算两直线间的距离，为两直线间的夹角，)为一条直线 的中点到另一条直线间的距尚，d0max与d pmax用于归一化，d emax= 5°，d pmax= 5像素 ，t dist