本公开一般涉及影像配准领域，尤其涉及多源遥感影像的空间配准方法及空间配准系统。
背景技术：
随着遥感技术迅速发展和新型传感器的不断涌现，获取遥感影像的类型愈加丰富。卫星遥感影像来自不同物理特性的卫星传感器采集，不同传感器观测几何、成像环境、工作机理的差异，将会存在错位、变形等空间问题，配准精度的高低将会影响这些遥感影像后续应用效果的好坏。因此，需要对多源遥感影像进行空间配准，将不同数据来源、不同尺度、不同谱段、不同时相获取的同一场景中的多幅遥感影像变换到同一时空坐标系下，使得多源遥感影像在像素层上得到最佳匹配。
图像配准一般包括：影像对栅格图像的配准，通过控制点特征选取，将一幅遥感影像配准到相同地区另一幅遥感影像或者栅格地图中，使得空间位置能够重合叠加显示；影像对矢量图的配准，通过控制点特征选取，将一幅遥感影像配准到相同地区的一幅矢量图中，使得二者可以在空间位置上能够叠加显示。
由于多源遥感影像由不同的传感器获取，记录的分别是地物对不同波段的响应值，表征不同的物理特性，像元表现形式差异较大，因此提取光学影像、雷达影像等多源遥感影像中共同的相似性测度或者同名特征成为关键问题。另外，配准影像之间在时相、拍摄角度、分辨率方面的差异，也会给多源遥感影像之间的高精度配准增加难度。
现有传统的针对同源传感器所成图像进行配准的研究方法已经不再适用于不同传感器不同平台成像的异源影像配准工作。特别是，传统配准算法过于依赖特征点、而异源影像的特征点提取的难度较大，使得急需出现一种新的配准方法应用于多源影像领域。
技术实现要素：
鉴于现有技术中的上述缺陷或不足，期望提供一种适用于多源遥感影像的配准方法，为了实现上述目的，提供一种多源遥感影像的空间配准方法及空间配准系统。
第一方面，提供一种多源遥感影像的空间配准方法，该方法包括：
分别对基准影像和待配准影像进行区域提取，并分别获取各区域的区域特征；
通过对各区域特征进行匹配实现区域匹配，获得待配准影像的简单空间变换模型；
基于简单空间变换模型，提取基准影像和待配准影像的高精度特征点；以及
对各高精度特征点进行匹配，以获得待配准影像的精准空间变换模型；
利用精准空间变换模型对各待配准影像进行坐标变换和重采样，输出变换后图像。
第二方面，提供一种多源遥感影像的空间配准系统，该系统包括：
区域提取单元，配置用于分别对基准影像和待配准影像进行区域提取，并分别获取各区域的区域特征；
区域匹配单元，配置用于通过对各区域特征进行匹配实现区域匹配，获得待配准影像的简单空间变换模型；
特征点提取单元，配置用于基于简单空间变换模型，提取基准影像和待配准影像的高精度特征点；
特征点匹配单元，配置用于对各高精度特征点进行匹配，以获得待配准影像的精准空间变换模型；
空间配置单元，配置用于利用精准空间变换模型对各待配准影像进行坐标变换和重采样，输出变换后图像。
根据本申请实施例提供的技术方案，通过由简单空间变换到精准空间变换的配准方法，能够解决多源遥感影像难以提取特征点带来的配准难题。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出了根据本申请实施例的多源遥感影像的空间配准方法的示例性流程图；
图2示出了根据本申请实施例的多源遥感影像的空间配准系统的示例性结构框图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了根据本申请实施例的多源遥感影像的空间配准方法的示例性流程图。
如图1所示，在步骤100中，在至少两个待配准影像中，选择一待配准影像作为基准影像。
在多源影像领域，不同遥感平台所搭载的成像传感器大不相同，最常应用的为可见光、多/高光谱、sar、红外等传感器进行成像。不同遥感平台的不同传感器所得到的图像数据存在辐射特性、分辨率、成像时间上的巨大差异。为了使两幅遥感影像能够在统一地理坐标系中进行叠加和运算，需要将一种数据源的地理坐标配准到另一种数据源的地理坐标上。
在多个待配准影像中，可选择影像畸变较小、地理坐标接近实际坐标或分辨率较高的影像作为基准影像，对其他待配准影像进行配准。基准影像的选择可根据实际需求进行选择。
在步骤101中，分别对基准影像和待配准影像进行区域提取，并分别获取各区域的区域特征。
分别在基准影像和待配准影像中选择一定数量区域块如闭合水域、田地等，对这些区域进行特征描述。
优选地，分别对基准影像和待配准影像进行区域提取包括：基于形态学的阈值分割的区域提取或最大稳定极值区域的区域提取。
在步骤102中，通过对各区域特征进行匹配实现区域匹配，获得待配准影像的简单空间变换模型。
对于区域匹配而言所提取出的特征点数通常较少，由于不同类型或不同分辨率影像，各自闭合空间的轮廓大体相同，得到的是粗略的对应关系，定位精度低，需要后续的精准匹配和变换。
优选地，区域特征包括若干区域特征描述参数，区域特征描述参数包括以下至少一项：边界长度、边界曲率、矩、链码。这些描述参数可单独使用，也可以结合使用。具体地以描述参数“矩”为例说明区域匹配，描述参数“矩”可采用hu7阶不变矩进行描述，实现区域的匹配，获得一系列区域对。
假设目标区域d中的灰度分布函数为f(x,y)，(x,y)∈d，x,y分别表示横轴和纵轴坐标，将区域以外的灰度分布视为0，f(x,y)的(p+q)阶原点矩mpq定义为：
其中p,q＝0,1,2,…。只要在f(x,y)平面d区域的有限部分中存在非零值，则上式定义的所有各阶矩都存在，且集合{mpq}由f(x,y)唯一地确定；反之，f(x,y)也可由集合{mpq}唯一确定。
图像灰度分布函数f(x,y)的(p+q)阶中心矩ηpq为：
其中，
f(x,y)归一化中心矩ηpq可表示为：
其中
hu的7个矩不变特征，具体表达式如下：
φ1＝η20+η02(6)
φ3＝(η30-3η12)2+(3η21-η03)2(8)
φ4＝(η30+η12)2+(η21+η03)2(9)
φ5＝(η30-3η12)(η30+η12)(η30+η12)2-3(η21+η03)2}
+(3η21-η03)(η21+η03)3(η30+η12)2
-(η21+η03)2}(10)
φ6＝(η20-η02){(η30+η12)2-(η21+η03)2}
+4η11(η30+η12)(η21+η03)(11)
φ7＝(3η21-η03)(η30+η12){(η30+η12)2-3(η21+η03)2}
+(3η21-η03)(η21+η03){3(η30+η12)2
-(η21+η03)2}(12)
上面的7个由不高于三阶的中心矩构造的矩函数式对于平移、旋转、尺度缩放都具有不变性。对于每一个封闭区域，将它的7个仿射不变矩看成7维特征空间的一个点，用这7个不变矩组成向量φi＝[φ1,φ2,…,φ7](＝1,2)来描述主、辅影像区域。两个区域的相似性用两点间的欧式距离来度量，其距离计算公式：
采用上式作为匹配的相似性测度时，其值越小，两个区域为匹配区域的可能性就越大，匹配的精度就越高。
优选地，通过对各区域特征进行匹配实现区域匹配，获得待配准影像的简单空间变换模型包括：采用区域质心替代区域，将区域对转换成质心点对；基于质心点对，对待配准影像进行简单空间变换。
采用质心替代区域，将已经匹配的区域对转换成对应的质心点对，初步纠正待配准影像的空间几何变换，建立简单变换模型。
优选地，该简单空间变换采用仿射变换。
接着，在步骤103中，基于简单空间变换模型，提取基准影像和待配准影像的高精度特征点。
相对于区域特征，点特征的定位精度更高，能够精确的将控制点定位在亚像素级，为后续的精配准提供基础。基于简单空间变换模型再进行精准匹配，降低了精准匹配的难度，提高了多源遥感影像空间配准的准确性。
优选地，高精度特征点的提取采用以简单空间变换模型作为限制条件的尺度不变特征变换方法(scaleinvariantfeaturetransform，简称sift)。
接着，在步骤104中，对各高精度特征点进行匹配，以获得待配准影像的精准空间变换模型。在提取了大量高精度的特征点之后，可对待配准影像进行精确的匹配，并计算变换模型。
优选地，精准空间变换模型为二阶多项式模型。在步骤103中提取的大量精准特征点进行空间变换时，变换模型可采用二阶多项式模型。
接着，在步骤105中，利用精准空间变换模型对各待配准影像进行坐标变换和重采样，输出变换后图像。重采样就是根据一类象元的信息内插出另一类象元的过程。在遥感领域，重采样是从高分辨率遥感影像中提取出低分辨率影像的过程。
优选地，重采样采用双线性插值法或三次卷积插值法。
在实际应用中，由于天气状况的多变性、地形的复杂性以及应用的多样性，单一传感器类型的遥感影像往往不能提供足够的信息以满足应用的需求，综合利用不同遥感卫星获取的数据，可以较为全面地反映观测对象的几何和物理特性，这就需要将多种传感器获取的多角度、多尺度、或者多时相的遥感影像融合在一起，得到更加丰富完整的信息，提取更为精确的信息，而不同类型传感器采集的遥感数据间的同名控制点很难选取。基于空间尺度上由粗到细的配准方法为多源遥感信息的优势互补和综合利用提供了一个很好的配准方法。
图2示出了根据本申请实施例的多源遥感影像的空间配准系统的示例性结构框图。
如图2所示，一种多源遥感影像的空间配准系统200包括：
区域提取单元210，配置用于分别对基准影像和待配准影像进行区域提取，并分别获取各区域的区域特征；
区域匹配单元220，配置用于通过对各区域特征进行匹配实现区域匹配，获得待配准影像的简单空间变换模型；
特征点提取单元230，配置用于基于简单空间变换模型，提取基准影像和待配准影像的高精度特征点；
特征点匹配单元240，配置用于对各高精度特征点进行匹配，以获得待配准影像的精准空间变换模型；
空间配置单元250，配置用于利用精准空间变换模型对各待配准影像进行坐标变换和重采样，输出变换后图像。
优选地，空间配准系统还包括：基准影像选择单元260，配置用于在至少两个待配准影像中，选择一待配准影像作为基准影像。
在一些优选实施例中，区域匹配单元包括：
转换单元221，配置用于采用区域质心替代区域，将区域对转换成质心点对；
简单空间变换单元222，配置用于基于质心点对，对待配准影像进行简单空间变换。
优选地，简单空间变换采用仿射变换。
在一些优选实施例中，区域特征包括若干区域特征描述参数，区域特征描述参数包括以下至少一项：边界长度、边界曲率、矩、链码。
优选地，区域提取单元包括：配置用于基于形态学的阈值分割的区域提取或最大稳定极值区域的区域提取。
在一些优选实施例中，高精度特征点的提取采用以简单空间变换模型作为限制条件的尺度不变特征变换方法(scaleinvariantfeaturetransform，简称sift)。
优选地，精准空间变换模型为二阶多项式模型。
在一些优选实施例中，重采样采用双线性插值法或三次卷积插值法。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。