，则将(7b)得到的变换参数集P1作为最终配准参数集P;否则，返回（7c)继续执行，直 到所有的匹配点对都被计算完且计数器的值仍没有超出预先设定的第二阈值n = 1000为 止，再选择计数器C最大时所对应的变换参数集P1作为最终配准参数集P。
[0057] 步骤8,得到配准图像。
[0058] 根据得到的配准参数集P，进行配准图像，现有技术有多种方法可实现，例如透视 变换法，相似变换法和仿射变换法，本实例使用相似变换方法得到配准结果，即对待配准图 像的每一个像素利用配准参数集P中的尺度因子s、旋转角度Θ、水平位移to、竖直位移^，通 过下式进行变换得到配准图像：
[0059]
[0060] 其中x，y分别为待配准图像每个像素的水平坐标和竖直坐标，x'，y'分别为配准图 像每个像素的水平坐标和竖直坐标。
[0061] 下面结合仿真图对本发明的效果做进一步的说明。
[0062] 1.仿真条件与参数
[0063] 硬件平台为：Intel(R)Core(TM)i5CPU 2.20GHz;
[0064] 软件平台为:Windows 7.0，Matlab 2013a。
[0065] 仿真实验参数:设高斯尺度空间第一层的尺度值σ〇为1.6,构造边线模板的尺度个 数Ν= 3，方向个数Μ= 18，阈值t = 10，误差d设为3，ransac方法中的第一阈值m为特征点匹配 数的1 /4，第二阈值η = 1000。
[0066] 仿真实验输入的测试遥感图像分为两类:第一类是一组多光谱遥感图像，第二类 是一组多源遥感图像。
[0067] 2.仿真实验内容：
[0068] 仿真实验一:用本发明对一组多光谱遥感图像进行配准，结果如图3,其中：
[0069] 图3(a)是参考图像，大小为761X748像素，传感器类型是Landsat_7ETM+，5波段；
[0070] 图3(b)是待配准图像，大小为761 X748像素，传感器类型是Landsat 4-5TM，3波 段；
[0071] 图3(c)为配准后的图像。
[0072] 从图3(c)可见，配准后的图像完全对齐，没有移位，说明本发明对灰度差异较大的 图像能够很好的配准。
[0073] 仿真实验二:用本发明对一组多源遥感图像进行配准，结果如图4,其中：
[0074]图4(a)是参考图像，大小为256X256像素，传感器类型是SPOT卫星；
[0075]图4(b)是待配准图像，大小为256X256像素，传感器类型是Landsat;
[0076] 图4(c)为配准后的图像。
[0077] 从图4(c)可见，配准后的图像完全对齐，没有移位，说明本发明对于多源图像能够 很好的配准。
[0078] 3.仿真实验结对比
[0079]将本发明与现有的SIFT算法和SAR-SIFT算法的总的特征点数及正确匹配的特征 点对数进行比较，结果如表1:
[0080] 表1本发明与现有算法特征点数对比
[0081]
[0082] 其中，Pair表示测试的遥感图像对，P-1为一组多光谱遥感图像，P-2为一组多源遥 感图像，Nr和Ns分别表示参考图像和待配准图像检测到的总特征点个数，Nc表示正确匹配 的特征点对个数。
[0083]从表1可见，现有SIFT算法和SAR-SIFT算法都不能对灰度差异较大的多光谱遥感 图像实现配准，而本发明能配准图像灰度差异较大的多光谱遥感图像。
[0084]综上所述，本发明不仅能配准多源图像，而且能够解决现有算法对图像灰度差异 较大的多光谱图像不能配准的问题。
【主权项】
1. 一种基于区域的遥感图像配准方法，包括如下步骤： (1) 输入参考图像I和待配准图像J; (2) 建立参考图像I和待配准图像J高斯尺度空间： (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:〇1 = 〇〇 · (3(1^υ，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; (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J1; (3) 分别对参考图像I和待配准图像J生成素描图； (4) 根据素描图对高斯尺度空间图像进行区域划分： (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0 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Ii的结构区域G i; (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心中的像素组成 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心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S 1; (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： (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仏的特征点和 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； (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心的特征点； (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?1检测到的特征点 相结合，得到参考图像的特征点集p1;将待配准图像的高斯尺度空间图像h在结构区域S4P 非结构区域^检测到的特征点相结合，得到待配准图像的特征点集p2; (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； (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p2生成的描述子 进行匹配，得到配准参数P; (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。2. 根据权利要求1所述，其中步骤(3)中分别对参考图像I和待配准图像J生成素描图， 按如下步骤进行： (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，其中尺度个数N取值为3，方向个 数Μ取值为18; (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m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 参考图像强度图〇:和待配准图像强度图〇2进行检测，得到参考图像建议草图α和待配准图 像建议草图C2; (3c)选取参考图像建议草图&中具有最大强度的像素，把参考图像建议草图(^中与该 像素连通的像素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(： 2中具有最大强度的像素，把待配准图像建议草图C2中与该像素连通的像素连 接形成初始建议线段，生成一个待配准图像初始素描图&; (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； (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。3. 根据权利要求1所述，其中步骤(6)中用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，按如下步骤进行： (6a)分别以参考图像特征点集P1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dXd个子区域，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； (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。4. 根据权利要求1所述，其中步骤(7)中用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p 2生成的描述子进行匹配，得到配准参数P，按如下步骤进行： (7a)用最近邻匹配法对参考图像的特征点集P1和待配准图像的特征点集p2的描述子生 成初始匹配对； (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集P1，并对计数器C清 零； (7c)在余下的初始匹配对中，随机选择一个匹配对(VnVi'），计算I经变换参数集P1映 射后的特征点Vi%如果| V^-Vi ' I <d，则认为Vi满足变换参数P1，其中d取值为3，计数器C加1， Vi为参考图像的描述子，Vi'为待配准图像的描述子； (7d)将计数器C与阈值m进行比较，m-般为特征点匹配数的1/4:如果计数器C>m，则将 (7b)得到的变换参数集P1作为最终配准参数集P;否则，返回（7c)继续执行，直到所有的匹 配点对都被计算完且计数器的值仍没有超出预先设定的阈值n = 1000为止，再选择计数器C 最大时所对应的变换参数集P1作为最终配准参数集P。
【专利摘要】本发明公开了一种基于区域的遥感图像配准方法，主要解决现有算法对图像灰度差异较大的多光谱图像不能配准的问题。其技术方案为：1.分别对参考图像和待配准图像建立高斯尺度空间；2.分别产生参考图像和待配准图像的素描图；3.将参考图像和待配准图像的高斯尺度空间图分别与对应的素描图产生各自的结构区域和非结构区域；4.检测结构区域和非结构区域的特征点5.分别将参考图和待配准图的这两种结构区域的特征点相加；6.用SIFT算法得相加后的特征点描述子,利用特征点描述子得到配准参数；7.利用配准参数对待配准图像进行仿射变换，得到配准结果。本发明能够实现对灰度差异较大的多源和多光谱遥感图像的配准。
【IPC分类】G06T3/00
【公开号】CN105654423
【申请号】
【发明人】马文萍, 郑亚飞, 焦李成, 马晶晶, 闻泽连
【申请人】西安电子科技大学
【公开日】2016年6月8日
【申请日】2015年12月28日