基于区域的遥感图像配准方法
【技术领域】
[0001] 本发明属于图像处理技术领域，涉及遥感图像配准处理技术领域中的一种基于区 域的遥感图像配准方法，可应用于多源和多光谱遥感图像灰度差异较大的配准。
【背景技术】
[0002] 图像配准是遥感图像处理、目标识别、图像重建、机器人视觉等领域中的关键技术 之一，是多传感器图像融合的基础。待融合图像之间往往存在偏移、旋转、比例等空间变换 关系，图像配准就是将不同传感器所采集得到的同一场景的多光谱、多波段或同一传感器 在不同时相、不同方位获得同一场景的图像变换到同一坐标系下，以供融合使用，是图像融 合特别是数据层融合技术中需要先期解决的问题。目前遥感图像配准主要分为两类:基于 区域灰度的配准方法和基于特征的配准方法。其中，基于区域灰度的常用图像配准方法有： 互相关法、基于FFT的相位相关法和互信息法等。基于图像特征的方法首先从图像中提取边 缘、角点、轮廓和区域中心等特征，然后对特征点进行描述并找到他们之间对应的关系。虽 然两种方法能够对大部分遥感图像进行配准，但对于一些因拍摄时间、光谱和获取图像传 感器的不同而导致图像灰度差异较大的遥感图像不能配准。
【发明内容】
[0003] 本发明的目的在于针对已有技术的不足，提出一种基于区域的遥感图像配准方 法，以提高特征匹配的准确度，实现对图像灰度有较大差异的遥感图像的配准。
[0004] 为实现上述目的，本发明的技术方案包括如下：
[0005] (1)输入参考图像I和待配准图像J;
[0006] (2)建立参考图像I和待配准图像J高斯尺度空间：
[0007] (2a)利用下式分别计算参考图像I和待配准图像J的高斯尺度空间各层的尺度值： 〇i = 〇() · c(i-n，其中，〇i为第i层的尺度值，i = l，2. · ·，8,〇〇为第一层的尺度值，O〇=1.6，c为 每层的尺度比，取值为21/3;
[0008] (2b)用各层的尺度值〇1分别对参考图像I和待配准图像J进行高斯滤波，得到参 考图像I的高斯尺度空间图像和待配准图像J的高斯尺度空间图像J1;
[0009] (3)分别对参考图像I和待配准图像J生成素描图；
[0010] (4)根据素描图对高斯尺度空间图像进行区域划分：
[0011] (4a)将参考图像I的素描图中不为0的像素对应的高斯尺度空间图像1,中的像素 所组成的区域，划作为参考图像的高斯尺度空间图像的非结构区域F 1;将参考图像I素描 图中为〇的像素对应的高斯尺度空间^图像中像素组成的区域，划作为参考图像的高斯尺 度空间图像的结构区域G 1;
[0012] (4b)将待配准图像J的素描图中不为0的像素对应的高斯尺度空间图像J,中的像 素组成的区域，划作为待配准图像的高斯尺度空间图像h的非结构区域K 1;将待配准图像J 素描图中为〇的像素对应的高斯尺度空间上图像中像素组成的区域，划作为待配准图像的 高斯尺度空间图像的结构区域S1;
[0013] (5)在高斯尺度空间图像的结构区域和非结构区域检测特征点：
[0014] (5a)用Harris方法分别检测参考图像的高斯尺度空间图像的结构区域Gi的特征 点和待配准图像的高斯尺度空间图像的h的结构区域&的特征点；
[0015] (5b)用SIFT方法分别检测参考图像的高斯尺度空间图像的非结构区域h的特征 点和待配准图的高斯尺度空间图像的非结构区域L的特征点；
[0016] (5c)将参考图像的高斯尺度空间图像在结构区域仏和非结构区域h检测到的特 征点相结合，得到参考图像的特征点集p 1;将待配准图像的高斯尺度空间图像心在结构区域 Si和非结构区域1检测到的特征点相结合，得到待配准图像的特征点集p2;
[0017] (6)用SIFT描述子方法分别对参考图像的特征点集P1和待配准图像的特征点集p2 生成描述子；
[0018] (7)用ransac方法对参考图像的特征点集P1和待配准图像的特征点集? 2生成的描 述子进行匹配，得到配准参数P;
[0019] (8)利用配准参数P，对待配准图像进行几何变换，得到配准结果。
[0020] 本发明与现有技术相比具有如下优点：
[0021]第一，本发明由于采用素描图将高斯尺度空间图像划分为结构区域和非结构区 域，并用不同的检测点方法对结构区域和非结构区域进行检测，克服了现有技术不能应对 灰度差异较大的遥感图像配准的问题。
[0022 ]第二，本发明由于采用ransac方法求配准参数，使得配准精度更高。
【附图说明】
[0023]图1为本发明的实现流程图；
[0024] 图2为本发明中对多光谱图像的生成的素描图；
[0025] 图3为本发明仿真实验中对第一组多光谱遥感图像的配准结果图；
[0026] 图4为本发明仿真实验中对第二组多源遥感感图像的配准结果图。
【具体实施方式】
[0027]下面结合附图对本发明做进一步的详细描述。
[0028]参照附图1，本发明的实现步骤如下。
[0029]步骤1，输入遥感图像对。
[0030] 通过传感器获取两幅遥感图像，分别为参考图像I和待配准图像J。
[0031] 步骤2，建立高斯尺度空间。
[0032] (2a)利用下式分别计算参考图像I和待配准图像J的高斯尺度空间各层的尺度值：
[0033] 〇? = σ〇 · c^1
[0034]其中，〇i为第i层的尺度值，i = l，2. . .，8，σ〇为第一层的尺度值，σ〇 = 1.6，C为每层 的尺度比，取值为21/3;
[0035] (2b)用各层的尺度值〇1分别对参考图像I和待配准图像J进行高斯滤波，得到参考 图像I的高斯尺度空间图像和待配准图像J的高斯尺度空间图心。
[0036]步骤3,生成素描图。
[0037] 生成素描图是由作者武杰于2014年在GRS期刊上发表的论文《基于素描图和核选 择的SAR图像降斑方法》中提出的方法，其具体步骤如下：
[0038] (3a)用具有不同方向和尺度的边线模板分别检测参考图像I和待配准图像J，分别 获得参考图像I和待配准图像J每个像素对各个模板的响应值，待测的参考图像I和待配准 图像J，如图2(a)和2(b)所示，其中尺度个数N取值为3,方向个数Μ取值为18;
[0039] (3b)分别对参考图像I和待配准图像J的每一个像素，以各个边线模板的最大响应 值作为该像素的奇异性强度，以最大响应值对应的模板的方向作为该像素的局部方向，分 别形成参考图像强度图以和待配准图像强度图D 2,用Canny边缘检测中的非极大抑制方法分 别对参考图像强度图Di和待配准图像强度图出进行检测，得到参考图像建议草图Q和待配 准图像建议草图C 2;
[0040] (3c)选取参考图像建议草图心中具有最大强度的像素，把参考图像建议草图(^中 与该最大强度的像素连通的像素进行连接，形成初始建议线段，生成一个参考图像初始素 描图s1;选取待配准图像建议草图&中具有最大强度的像素，把待配准图像建议草图C 2中与 该最大强度的像素进行连接，形成初始建议线段，生成一个待配准图像初始素描图&;
[0041] (3d)利用边线模型分别评价参考图像初始素描图51和待配准图像初始素描图&的 编码长度增益AL，设置阈值t = 10:若AL〈t，则拒绝接受该建议线段，否则，接受该建议线 段，将其添加到初始素描图Si和初始素描图&，并搜索满足该线段末端像素与其余像素在平 均拟合误差内的分割线作为新建议线段；
[0042] (3e)判断是否搜索到新建议线段:若搜索到新建议线段，则返回步骤(3d)，否则结 束，即分别得到最终的参考图像素描图和待配准图像素描图，如图2(c)和2(d)所示。
[0043] 步骤4,根据素描图对高斯尺度空间图像进行区域划分：
[0044] (4a)将参考图像I的素描图中不为0的像素对应的高斯尺度空间图像^中的像素 所组成的区域，划作为参考图像的高斯尺度空间图像的非结构区域F1;将参考图像I素描 图中为〇的像素对应的高斯尺度空间^图像中像素组成的区域，划作为参考图像的高斯尺 度空间图像的结构区域G 1;
[0045] (4b)将待配准图像J的素描图中不为0的像素对应的高斯尺度空间图像h中的像 素组成的区域，划作为待配准图像的高斯尺度空间图像h的非结构区域K1;将待配准图像J 素描图中为〇的像素对应的高斯尺度空间上图像中像素组成的区域，划作为待配准图像的 高斯尺度空间图像h的结构区域S1;
[0046] 步骤5,在高斯尺度空间图像的结构区域和非结构区域检测特征点：
[0047] (5a)用Harris方法分别检测参考图像的高斯尺度空间图像的结构区域Gi的特征 点和待配准图像的高斯尺度空间图像的h的结构区域&的特征点；
[0048] (5b)用SIFT方法分别检测参考图像的高斯尺度空间图像的非结构区域h的特征 点和待配准图的高斯尺度空间图像的非结构区域L的特征点；
[0049] 步骤6，用SIFT描述子描述特征点；
[0050] (6a)分别以参考图像特征点集?1和待配准图像特征点集?2中的的每一个特征点为 中心，划分个dXd子区域，并在子区域中计算特征点邻域像素的梯度幅度和梯度方向，得到 梯度方向直方图，其中d取值为4;将梯度方向直方图中大于最大值0.8倍的数值对应的梯度 方向作为特征点的主方向；将坐标轴旋转到特征点的主方向上，确保特征点描述子的旋转 不变性；
[0051] (6b)在以特征点为中心，每个子区域中计算所有像素在8个方向上的梯度幅度和 梯度方向，每个子区域得到一个8维梯度直方图，最后将d X d个区域的梯度方向向量组合形 成一个128维的特征点描述子；
[0052] 步骤7,用ransac计算配准参数，按如下步骤进行：
[0053] (7a)用最近邻匹配法对参考图像特征点集?1和待配准图像特征点集?2的描述子生 成初始匹配对；
[0054] (7b)随机选择3个初试匹配对，使用仿射变换模型计算变换参数P1，并对计数器C 清零；
[0055] (7c)在余下的初始匹配对中，随机选择一个匹配对(Vi，Vi'），计算Vi经变换参数 集P1映射后的特征点Vi%如果IV^-Vi' |〈d，则认为Vi满足变换参集P1，其中d取值为3,计数 器C加1，1为参考图像的描述子'为待配准图像的描述子；
[0056] (7d)将计数器C与第一阈值m进行比较，m-般为特征点匹配点数的1/4:如果计数 器C>m