一种遥感图像自动配准点错误匹配消除方法技术

本发明专利技术提供了一种遥感图像自动配准点错误匹配消除方法，其特征包括以下步骤:图像获取——提取特征点，建立最初匹配关系——利用欧式空间距离方法在集合UA中搜索距离其最近的K个特征点——判断{PixA0，PixB0}与其周围点的n个特征点符合角度自洽要求——得到同名点集合Uright和错误同名点Uwrong等步骤。通过本发明专利技术，两景遥感图像在使用任意特征点提取和匹配算法后，得到匹配点对集合和特征点描述向量后，利用本方法可以实现误匹配特征点对的消除。

【技术实现步骤摘要】
一种遥感图像自动配准点错误匹配消除方法
本专利技术属遥感图像处理领域，具体涉及一种遥感图像自动配准点错误匹配消除方法。
技术介绍
在多源遥感图像中同名地物的地理位置在大多数情况下并不相同，导致这种现象的原因主要有二个：一是由于在传感器在获取图像瞬间，传感器的位置、姿态存在显著差异；二是由于研究区的地形起伏差异较大。由于这两个因素的存在，使得对多源遥感图像的配准存在一定的困难。目前主要的解决方法是，首先利用研究区的DEM数据对遥感图像正进行正射校正，之后在两景不同传感器或不同时相的遥感图像中选取同名地物点，最后利用选取的同名地物点建立图像变换方程，完成图像变换。但是对于高空间分辨率的遥感图像，难于获取与其分辨率相近的DEM数据，因此对其正射校正存在较大误差，对之后的图像同名点的提取和匹配造成了很大因难。目前自动提取多源遥感图像同名点地物点的技术发展迅速，提出了多种同点地物点提取算法，目前比较有效的方法是实现图像基本配准之后，以一定尺寸的窗口进行移动计算两景遥感图像的相关系数，但是对于在地形起伏较大地区的高空间分辨率遥感图像，由于同名地物相距较远，往往超过几百个像素，如果搜索范围太大，则计算时间程几何倍数增长，最终导致无法计算。另一类方法是特征点提取与匹配算法，其中以SIFT(ScaleInvariantFeatureTransform)和SURF(SpeedupRobustFeatures)特征点提取算法应用最为广泛，在2000╳2000的图像中这两种算法可以提取得到几千个特征点，但是由于遥感图像中存在大量的相似地物，如植被、房屋等，使得在之后的特征点匹配过程中易出现大量的错误匹配点对，所以必须对错误匹配点对进行消除，目前比较有效的方法为RANSAC(RandomSampleConsensus)方法，这种方法可以有效的解决地形地伏较小区的误匹配点消除，但是在地形起伏较大地区，由于无法建立准确的数学模型，因此这种方法难于发挥作用，因此本专利提出了更为有效的算法。
技术实现思路
本专利技术的目的是为了克服现有技术的缺陷，提供一种可以消除误匹配特征点对的图像特征点误匹配消除方法。为了实现上述目的，本专利技术的技术方案为：一种遥感图像自动配准点错误匹配消除方法，包括以下步骤：步骤1，图像获取：利用QuickBird或IKONOS传感器获取不同时相的高空间分辨率图像A与图像B；步骤2，提取特征点，建立最初匹配关系：提取图像A与图像B中的特征点，得到特征点集合{PixAh|h＝1，2，…M}和{PixBj|j＝1，2，…N}，利用FlannBasedMatcher方法进行特征点匹配，得到初始同名点集合Urelation＝{PixAo，PixBo|o＝1，2，…min(M，N)}；则Urelation中的特征点由A图像中的特征点集合UA＝{PixAo|o＝1，2，…min(M，N)}，和B图像中的特征点集合UB＝{PixBo|o＝1，2，…min(M，N)}组成；步骤3，任意选取Urelation中一对同名特征点{PixAo，PixBo}，对于特征点PixAo，利用欧式空间距离方法在集合UA中搜索距离其最近的K个特征点，K为小于50的自然数，得到UAsub＝{PixAo|o＝1…K}，同理搜索距离PixBo最近的K个特征点，得到UBsub＝{PixBo|o＝1…K}；根据Urelation判断UAsub与UBsub中同名点的个数n：若n<3，令K＝K+10，重复本步骤；若K>30并且n<3，则认为{PixAo，PixBo}为错误同名点，将其加入Uwrong集合；若n≥3，则得到UAsub与UBsub中n个同名点对集合Urs＝{PixAi，PixBi|i＝1，2…n}；步骤4，将自洽角度定义为γ,0°≤γ≤60°，对于Urs中的一对同名点{PixAi，PixBi}，计算PixAo到PixAi连线与PixAo自身方向的夹角α，计算PixBo到PixBi连线与PixBo自身方向的夹角β，PixAo与PixBo自身夹角由SIFT或SURF特征点提取方法计算得到；若{PixAo，PixBo}与Urs中每一对同名点{PixAi，PixBi}均有|α－β|<γ的关系，则认为{PixAo，PixBo}与其周围点的n个特征点符合角度自洽要求，{PixAo，PixBo}为正确的同名点，将其加入到Uright集合，否则加入Uwrong集合；步骤5，对Urelation中的每一对同名点{PixAo，PixBo|o＝1，2，…min(M，N)}，重复进行步骤3与步骤4的操作，得到初选正确同名点集合Uright和错误同名点Uwrong；将Uright作为Urelation，再重复步骤3与步骤4，直到Uright集合中同名点对数量不再变化为止；其中Uright由A图像中的特征点UAright集合与B图像中的特征点UBright集合组成；步骤6，对于Uwrong中的每一对同名点{PixAo，PixBo}，对于特征点PixAo，利用欧式空间距离方法在集合UAright中搜索距离其最近的P＝10个特征点，得到UAsub＝{PixAi|i＝1…P}，同理搜索UBright中距离PixBo最近的特征点，得到UBsub＝{PixBi|i＝1…P}；根据Uright判断UAsub与UBsub中同名点的个数为n；若n<3，令P＝P+10，重复本步骤；若P>30并且n<3，则认为{PixAo，PixBo}为错误同名点，加入Uwrong’集合；若n≥3，则得到n个同名点对Urs＝{PixAi，PixBi|i＝1，2…n}；若{PixAo，PixBo}同这n个特征点符合步骤4所述的角度自洽要求，则认为{PixAo，PixBo}为正确的同名点，加入Uright；步骤7，将Uright和Uwrong’作为步骤6的初始条件，重复步骤6，直到Uright和Uwrong’稳定，则Uright为全部正确同名点；步骤8，结果的输出：将Uright输入ArcGis图像校正系统，输出图像A’，使图像A’与图像B完全匹配。所述步骤3中，K＝10个特征点。所述步骤4中，自洽角度γ取45°。本专利技术的进步之处在于，通过本专利技术，两景遥感图像在使用任意特征点提取和匹配算法后，得到匹配点对集合和特征点描述向量后，利用本方法可以实现误匹配特征点对的消除。附图说明图1为角度自洽性原理图。图2为本专利技术的流程图。具体实施方式下面结合附图和实施例对本专利技术进行进一步描述。一种遥感图像自动配准点错误匹配消除方法，如图2所示，包括以下步骤：步骤1，图像获取：利用QuickBird或IKONOS传感器获取不同时相的高空间分辨率图像A与图像B；步骤2，提取特征点，建立最初匹配关系：利用SIFT或SURF方法分别提取图像A与图像B中的特征点，得到特征点集合{PixAh|h＝1，2，…M}和{PixBj|j＝1，2，…N}，利用FlannBasedMatcher方法进行特征点匹配，得到初始同名点集合Urelation＝{PixAo，PixBo|o＝1，2，…min(M，N)}；则Urelation中的特征点由A图像中的特征点集合UA＝{PixAo|o＝1，2，…min(M，N)}，和本文档来自技高网...

【技术保护点】
一种遥感图像自动配准点错误匹配消除方法，其特征在于包括以下步骤：步骤1，图像获取：利用Quick Bird或IKONOS传感器获取不同时相的高空间分辨率图像A与图像B；步骤2，提取特征点，建立最初匹配关系：提取图像A与图像B中的特征点，得到特征点集合{PixAi|i=1，2，…M}和{PixBj|j=1，2，…N}，利用FlannBasedMatcher方法进行特征点匹配，得到初始同名点集合Urelation={PixAi，PixBi|i=1，2，…min(M，N)}；则Urelation中的特征点由A图像中的特征点集合UA={PixAi|i=1，2，…min(M，N)}，和B图像中的特征点集合UB={PixBi|i=1，2，…min(M，N)}组成；步骤3，任意选取Urelation中一对同名特征点{PixA0，PixB0}，对于特征点PixA0，利用欧式空间距离方法在集合UA中搜索距离其最近的K个特征点，K为小于50的自然数，得到UAsub={PixAi|i=1…K}，同理搜索距离PixB0最近的K个特征点，得到UBsub={PixBi|i=1…K}；根据Urelation判断UAsub与UBsub中同名点的个数n：若n<3，令K=K+10，重复本步骤；若K>30并且n<3，则认为{PixA0，PixB0}为错误同名点，将其加入Uwrong集合；若n≥3，则得UAsub与UBsub中到n个同名点对集合Urs={PixAi，PixBi|i=1，2…n}；步骤4，将自洽角度定义为γ,0°≤γ≤60°，对于Urs中的一对同名点{PixAi，PixBi}，计算PixA0到PixAi连线与PixA0自身方向的夹角α，计算PixB0到PixBi连线与PixB0自身方向的夹角β，PixA0与PixB0自身夹角由SIFT或SURF特征点提取方法计算得到；若{PixA0，PixB0}与Urs中每一对同名点{PixAi，PixBi}均有｜α－β｜<γ的关系，则认为{PixA0，PixB0}与其周围点的n个特征点符合角度自洽要求，{PixA0，PixB0}为正确的同名点，将其加入到Uright集合，否则加入Ｕwrong集合；步骤5，对Urelation中的每一对同名点{PixAi，PixBi|i=1，2，…min(M，N)}，重复进行步骤3与步骤4的操作，得到初选正确同名点集合Uright和错误同名点Uwrong；将Uright作为Uralation，再重复步骤3与步骤4，直到Uright集合中同名点对数量不再变化为止；其中Uright由A图像中的特征点UAright集合与B图像中的特征点UBright集合组成；步骤6，对于Uwrong中的每一对同名点{PixA0，PixB0}，对于特征点PixA0，利用欧式空间距离方法在集合UAright中搜索距离其最近的K=10个特征点，得到UAsub={PixAi|i=1…K}，同理搜索UBright中距离PixB0最近的特征点，得到UBsub={PixBi|i=1…K}；根据Uright判断UAsub与UBsub中同名点的个数为n；若n<3，令K=K+10，重复本步骤；若K>30并且n<3，则认为{PixA0，PixB0}为错误同名点，加入Uwrong’集合；若n≥3，则得到n个同名点对Urs={PixAi，PixBi|i=1，2…n}；若{PixA0，PixB0}同这n个特征点符合步骤3所述的角度自洽要求，则认为{PixA0，PixB0}为正确的同名点，加入Uright’；步骤7，将Uright’和Uwrong’作为步骤6的初始条件，重复步骤6，直到Uright’和Uwrong’稳定，则Uright’为全部正确同名点；步骤8，结果的输出：将Uright’输入ArcGis图像校正系统，输出图像A’，使图像A’与图像B完全匹配。...

【技术特征摘要】
1.一种遥感图像自动配准点错误匹配消除方法，其特征在于包括以下步骤：步骤1，图像获取：利用QuickBird或IKONOS传感器获取不同时相的高空间分辨率图像A与图像B；步骤2，提取特征点，建立最初匹配关系：提取图像A与图像B中的特征点，得到特征点集合{PixAh|h＝1，2，…M}和{PixBj|j＝1，2，…N}，利用FlannBasedMatcher方法进行特征点匹配，得到初始同名点集合Urelation＝{PixAo，PixBo|o＝1，2，…min(M，N)}；则Urelation中的特征点由A图像中的特征点集合UA＝{PixAo|o＝1，2，…min(M，N)}，和B图像中的特征点集合UB＝{PixBo|o＝1，2，…min(M，N)}组成；步骤3，任意选取Urelation中一对同名特征点{PixAo，PixBo}，对于特征点PixAo，利用欧式空间距离方法在集合UA中搜索距离其最近的K个特征点，K为小于50的自然数，得到UAsub＝{PixAo|o＝1…K}，同理搜索距离PixBo最近的K个特征点，得到UBsub＝{PixBo|o＝1…K}；根据Urelation判断UAsub与UBsub中同名点的个数n：若n<3，令K＝K+10，重复本步骤；若K>30并且n<3，则认为{PixAo，PixBo}为错误同名点，将其加入Uwrong集合；若n≥3，则得到UAsub与UBsub中n个同名点对集合Urs＝{PixAi，PixBi|i＝1，2…n}；步骤4，将自洽角度定义为γ,0°≤γ≤60°，对于Urs中的一对同名点{PixAi，PixBi}，计算PixAo到PixAi连线与PixAo自身方向的夹角α，计算PixBo到PixBi连线与PixBo自身方向的夹角β，PixAo与PixBo自身夹角由SIFT或SURF特征点提取方法计算得到；若{PixAo，PixBo}与Urs中每一对同名点{PixAi，PixBi}均有|α－β|<γ的关系，则认为{PixAo，...

【专利技术属性】
技术研发人员：陆冬华，赵英俊，
申请(专利权)人：核工业北京地质研究院，
类型：发明
国别省市：北京;11