一种基于梯度互相关的光学和sar图像自动配准方法
【专利摘要】一种基于梯度互相关的光学和SAR图像自动配准方法，（1）调整两幅经系统级几何校正的光学图像和SAR图像的分辨率一致；（2）提取光学图像的角点，并将光学图像划分网格，保留每个网格里角点响应最强的点作为特征点；（3）分别计算光学图像和SAR图像的梯度图像，并对SAR图像的梯度图像进行滤波；（4）分别以每个特征点为中心，在光学图像的梯度图像上确定参考区域；在SAR图像的梯度图像上确定搜索区域；在搜索区域采用归一化互相关准则进行滑动窗模板匹配，得到最佳匹配点；（5）从最佳匹配点中筛选正确的匹配点，得到同名点；（6）根据同名点，拟合光学图像和SAR图像之间的变换关系；（7）利用上述变换关系对SAR图像进行变换，得到配准后的图像。
【专利说明】—种基于梯度互相关的光学和SAR图像自动配准方法
【技术领域】
[0001]本发明属于异源遥感图像配准领域，适用于光学和SAR图像配准。
【背景技术】
[0002]不同波段的电磁波获取的地物特性不同，SAR图像纹理信息丰富，光学图像光谱信息更符合人类解译，因此为了获取完整的地物信息，通常需要对光学和SAR图像进行融合，在进行图像融合之前，图像配准是必需的关键步骤。
[0003]SAR和光学成像机理不同，图像间存在较为严重的灰度变化，图像配准的难度较大。现阶段，光学和SAR图像配准的方法可以分为两类:(1)基于灰度信息的方法:利用互相关、互信息等相似性度量准则计算图像之间的变换关系。光学和SAR图像之间灰度差异较大，直接运用互相关或互信息效果不佳。(2)基于不变特征的方法:提取图像中稳定的点、线、面特征，形成不受几何和灰度变化影响的描述子向量，然后根据距离度量准则得到同名点，进而计算图像间变换关系实现图像配准。光学和SAR图像之间灰度差异较大，通常提取边缘作为图像之间的共性特征。但梯度图像二值化形成边缘强烈依赖于阈值的选取，人工干预强，自动配准受影响。
【发明内容】
[0004]本发明的技术解决问题是:克服现有技术的不足，提供一种基于梯度互相关的光学和SAR图像自动配准方法，该方法无需人工设定阈值，能够自动配准光学和SAR图像。
[0005]本发明的技术解决方案是:一种基于梯度互相关的光学和SAR图像自动配准方法，步骤如下:
[0006](I)将两幅经系统级几何校正的光学图像和SAR图像，根据图像附带的分辨率信息，调整两幅图像的分辨率一致；
[0007](2)在上述光学图像上提取特征点；
[0008](3)分别计算光学图像和SAR图像的梯度图像，并对SAR图像的梯度图像进行滤波；
[0009](4)分别以步骤(2)中的每个特征点为中心，在光学图像的梯度图像上确定参考区域；在步骤(3)滤波后的SAR图像的梯度图像上确定搜索区域；在搜索区域采用归一化互相关准则进行滑动窗模板匹配，得到最佳匹配点；
[0010](5)从步骤(4)得到的最佳匹配点中筛选正确的匹配点，得到同名点；
[0011](6)根据步骤(5)中得到的同名点，拟合光学图像和SAR图像之间的变换关系；
[0012](7)利用上述变换关系对SAR图像进行变换，得到配准后的图像。
[0013]所述(2)的实现步骤如下:首先提取上述光学图像的角点，然后将光学图像划分网格，保留每个网格里角点响应最强的点作为特征点。
[0014]本发明与现有技术相比有益效果为:针对现有方法的问题，本发明提出了一种自动配准方法，基于光学和SAR的梯度图像，利用互相关方法实现同名点匹配。该方法避免了边缘匹配时阈值的选取问题，实现了自动配准；通过划分网格保留角点响应最强的特征点，既加快了计算速度，又确保了同名点分布均匀；同时，相比原始灰度图像互相关，梯度图像互相关更能刻画不同场景的相异性，衡量相近场景的相似性，能够获得更多同名点，更加适合灰度属性差异较大的光学和SAR图像配准。
【专利附图】
【附图说明】[0015]图1为角点筛选示意图；
[0016]图2为四个方向梯度值计算示意图；
[0017]图3为滑动窗模板匹配示意图；
[0018]图4为乡村场景同名点结果图；
[0019]图5a为乡村场景配准结果图,5b为局部放大图；
[0020]图6为城市场景同名点结果图；
[0021]图7a为城市场景配准结果图，7b为局部放大图；
[0022]图8为本发明方法流程图。
【具体实施方式】
[0023]下面结合附图对本发明做详细说明，一种基于梯度互相关的光学和SAR图像自动配准方法，如图8所示，步骤如下:
[0024](I)将两幅经系统级几何校正的光学图像和SAR图像，根据图像附带的分辨率信息，调整两幅图像的分辨率一致；
[0025]根据光学和SAR 二级产品图像(经系统级几何校正)携带的分辨率信息，将SAR图像降采样，使其分辨率与光学图像一致，消除两幅图像间的尺度差异，这样两幅图像间仅剩下系统级几何校正后残留的平移和轻微的旋转变换。
[0026](2)提取上述光学图像的角点，并将光学图像划分网格，保留每个网格里角点响应最强的点作为特征点；
[0027]在光学图像上，利用Harris算子提取角点。因原始角点数量较多，为加快后续模板匹配速度，仅保留其中一部分。图像配准要求同名点在图像中均匀分布，因此，将图像划分网格(如网格大小100*100，网格大小是可调参数)，每个网格内保留角点响应最强的点为特征点，如图1所示。如图像大小为2000*2000，则可以保留400个点，能够满足后续拟合变换模型时同名点的数量要求。
[0028](3)分别计算光学图像和SAR图像的梯度图像，并对SAR图像的梯度图像进行滤波；
[0029]利用Sobel算子计算光学图像的梯度图像；利用ROA (Ratio of Average)算子计算SAR图像的梯度图像，因SAR图像存在斑点噪声，因此需对梯度图像平滑滤波，去除噪声。
[0030]Sobel算子的计算公式如式(I):
【权利要求】
1.一种基于梯度互相关的光学和SAR图像自动配准方法，其特征在于步骤如下: (1)将两幅经系统级几何校正的光学图像和SAR图像，根据图像附带的分辨率信息，调整两幅图像的分辨率一致； (2)在上述光学图像上提取特征点； (3)分别计算光学图像和SAR图像的梯度图像，并对SAR图像的梯度图像进行滤波； (4)分别以步骤(2)中的每个特征点为中心，在光学图像的梯度图像上确定参考区域；在步骤(3)滤波后的SAR图像的梯度图像上确定搜索区域；在搜索区域采用归一化互相关准则进行滑动窗模板匹配，得到最佳匹配点； (5)从步骤(4)得到的最佳匹配点中筛选正确的匹配点，得到同名点； (6)根据步骤(5)中得到的同名点，拟合光学图像和SAR图像之间的变换关系； (7)利用上述变换关系对SAR图像进行变换，得到配准后的图像。
2.根据权利要求1所述的一种基于梯度互相关的光学和SAR图像自动配准方法，其特征在于:所述(2)的实现步骤如下:首先提取上述光学图像的角点，然后将光学图像划分网格，保留每个网格里角点响应最强的点作为特征点。
【文档编号】G06T7/00GK103679714SQ201310651921
【公开日】2014年3月26日 申请日期:2013年12月4日 优先权日:2013年12月4日
【发明者】王山虎 申请人:中国资源卫星应用中心