一种基于线性变换和小波分析的运动海浪图像配准融合方法

本发明属于海洋遥感技术领域，具体涉及一种基于线性变换和小波分析的运动海浪图像配准融合方法。

背景技术：

图像融合是将多源信道采集到的同一目标的图像数据融合的计算机技术，有利于增强图像解译的可靠性。图像融合分为三个层次，其中最低层次的数据级融合是直接对采集来的图像数据进行处理而获得图像的过程，这种融合尽可能保持了足够多的原始数据，使图像所得数据更为可信。数据级融合包括空间域算法和变换域算法，小波分析作为变换域的数学工具，可以用于图像融合，是比较常用的图像融合方法。

随着海洋遥感技术的发展，机载或船载光学传感器和成像雷达都可以获得高分辨率的海面图像，目前用图像融合技术解译海浪信息的应用还较少。图像融合涉及很多前期准备工作，不同图像的目标领域所在位置和大小不同，给图像融合带来了困难。在进行图像融合前为融合区间定位的过程即为图像配准。虽然目前对可见光图像和高分辨率遥感图像的配准已有一些解决方法，对于海浪的图像配准仍有很大限制。主要原因如下：第一，由于海面包含不同尺度的波浪，大尺度的涌浪变化较慢，而小尺度的毛细波变化较快，利用不同传感器在不同位置或不同时间获得的海面图像变化较大；第二，传统的立体摄影测量技术需要在地面选取控制点，而海面上一般无固定目标，难以选取控制点；第三，搭载传感器的舰船等平台运动时，传感器的晃动、观测角度等变化也会造成图像运动难以匹配。。

技术实现要素：

本发明所要解决的技术问题是针对上述现有技术的不足，可以有效从舰船等运动平台观测的海面雷达图像中定量提取海浪信息，提供一种基于线性变换和小波分析的运动海浪图像配准融合方法。

为实现上述技术目的，本发明采取的技术方案为：

一种基于线性变换和小波分析的运动海浪图像配准融合方法，包括如下步骤：

步骤s1：对于移动载体上的雷达传感器观测海浪时，相对移动载体静止且在同一时间序列内连续拍摄的两幅海浪图像，根据海浪的频散关系分别进行带通滤波处理，得到只包含长重力波的海浪灰度值图像；

步骤s2：选定第一幅图像的待融合区域，确定该待融合区域的中心，根据传感器的运动参数计算出此待融合区域的中心平移至第二幅图像中所对应的位置；

步骤s3：以平移后的点为中心在第二幅图中确定相同形状的研究区域，利用正交矩阵旋转研究区域，分别计算研究区域与待融合区域的相关系数和置信区间，计算出研究区域中置信阈值最大的区域，即为与待融合区域相配准的区域；

步骤s4：利用小波分析对配准的待融合区域和研究区域在时间域进行融合，得到融合图像，对融合图像进行小波逆变换，得到海浪重力波图像。

为优化上述技术方案，采取的具体措施还包括：

进一步地，步骤s1中对海浪图像进行带通滤波处理过程公式为：

ω²＝gktan(kh)

其中，ω为频率，g为重力加速度，k为波数，h为传感器距离海面的高度。

进一步地，步骤s2计算融合区域中心平移至第二幅图像中所对应的位置过程为：根据传感器的运动速度v(vx,vy,vz)和运动时间t，结合平移矩阵计算出融合区域中心平移至第二幅图像中所对应的位置：

其中，vx为速度在x轴方向的运动分量，vy为速度在y轴方向的运动分量，vz为速度在z轴方向的运动分量，(a,b,1)为待融合区域中心，所述(a′b′1)为融合区域中心在第二幅图像中的位置。

进一步地，步骤s3中图像配准过程为：

计算研究区域：

θ∈(0,2π)

其中：(xy1)表示融合区域，i’(x’,y’,1)为根据融合区域中心在第二幅图像中的位置确定的研究区域，θ表示旋转角度,其步长为

计算根据研究区域中相关系数最大，置信阈值最大的区域，即为与融合区域相配准的区域。

进一步地，据研究区域中相关系数最大，置信阈值最大的区域的判断过程为：

取融合区域矩阵i和研究区域矩阵i′的最大相关系数r为似然统计量，当旋转角度相等时，相关系数r服从x²(θ)分布；

设定显著性a，计算拒绝域或根据似然统计量的实际值是否在拒绝域内，当似然统计量的实际值在拒绝域内，则相关系数r确定的最大区域即为与融合区域相配准的区域。

进一步地，步骤四中所述海浪图像融合方法为：

选取morlet小波函数对图像i和i′做m层分解，根据步骤s1中带通滤波器的范围选取小波系数的高频和低频成分；

选取待融合区域的高频信息wj,k最大值和研究区域的高频信息w′j,k最大值,根据最大值得到融合图像的高频信息w^fj,k；

对待融合区域的低频信息cj,k和研究区域的低频信息c′j,k取平均值，得到融合图像的低频信息c^fj,k，其中，j＝1,2,···，m；k∈z²；

将融合图像的高频信息与低频信息整合得到总的小波系数w^f(j,k),进行小波逆变换，得到融合后的海浪重力波图像。

本发明的有益效果：

本发明提供了一种基于线性变换和小波分析的运动海浪图像配准融合方法，可以根据频散关系滤波，获取大尺度海浪；利用线性变换矩阵对图像区域进行坐标转换，并进行假设检验保证结果的可信度；通过小波分析的思想分解图像，将两幅图像加权求和得到新的图像，具有可靠性高，操作简便等优点。

附图说明

图1是本发明的结构示意图；

图2是本发明的结构示意图。

具体实施方式

以下结合附图对本发明的实施例作进一步详细描述。

如图1所示，本发明为一种基于线性变换和小波分析的运动海浪图像配准融合方法，包括如下步骤：

如图1-2所示，本发明的一种基于线性变换和小波分析的运动海浪图像配准融合方法，包括如下步骤：

步骤s1：对于移动载体上的雷达传感器观测海浪时，相对移动载体静止且在同一时间序列内连续拍摄的两幅海浪图像，根据海浪的频散关系分别进行带通滤波处理，得到只包含长重力波的海浪灰度值图像。

步骤s2：选定第一幅图像的待融合区域，确定该待融合区域的中心，根据传感器的运动参数计算出此待融合区域的中心平移至第二幅图像中所对应的位置。

例如：设船载导航雷达传感器运动速度v(vx,vy,vz),运动时间t，对于选定的待融合区域中心(a,b,1)，左乘平移矩阵，得到待融合区域的中心在第二幅图的位置(a′,b′,1)

其中，vx为速度在x轴方向的运动分量，vy为速度在y轴方向的运动分量，vz为速度在z轴方向的运动分量，(a,b,1)为待融合区域中心，所述(a′,b′,1)为融合区域中心在第二幅图像中的位置。

步骤s3：以平移后的点为中心在第二幅图中确定相同形状的研究区域，利用正交矩阵旋转研究区域，分别计算研究区域与待融合区域的相关系数和置信区间，计算出研究区域中置信阈值最大的区域，即为与待融合区域相配准的区域。

具体为：对于待融合区域矩阵i(x,y,1)，以(a′,b′,1)为中心确定与第一幅图区域相同形状的研究区域为i’(x’,y’,1)，设置海浪图像旋转角度在0至2π范围内，步长为左乘旋转矩阵，计算旋转后图像区域与区域一的相关系数r与置信度，当相关系数最大时，该角度旋转后所得区域为配准区域。

其中：(x,y,1)表示融合区域，i’(x’,y’,1)为根据融合区域中心在第二幅图像中的位置确定的研究区域，θ表示旋转角度,其步长为

计算根据研究区域中相关系数最大，置信阈值最大的区域，即为与融合区域相配准的区域。

据研究区域中相关系数最大，置信阈值最大的区域的判断过程为：做出假设h0:θ＝θ0，取原图像区域矩阵i和所得的图像区域矩阵i′的最大相关系数r为似然统计量,当h0成立时，r近似服从x²(θ)分布。设定显著性a，计算拒绝域或看检验统计量的实际值是否落入拒绝域是否满足原假设，如果是则认为差异显著而否定原假设，如果否则认为差异不显著保留原假设。与图2(a)中的区域配准后的区域如图2(b)所示。

步骤s4：利用小波分析对配准的待融合区域和研究区域在时间域进行融合，得到融合图像，对融合图像进行小波逆变换，得到海浪重力波图像。

具体为：选取morlet小波函数对海浪图像区域i和i’做m层分解，根据步骤1中带通滤波器的范围选取小波系数的高频和低频成分，然后分别对两海浪图像的高频信息wj,k和w′j,k,取最大值得到融合图像的高频信息w^fj,k；对低频信息cj,k和c′j,k，取平均得到融合图像的低频信息

将融合图像的高频与低频信息整合得到总的小波系数w^f(j,k),进行小波逆变换，得到融合后的海浪重力波图像。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。