一种遥感图像的点匹配方法组成比例

本发明专利技术公开了一种遥感图像的点匹配方法，用于在背景变化较大遥感图像的初始匹配点集中筛选出正确的点匹配集。本方法是应用了两图像中正确匹配点组成的全局结构的相似性。首先，由任意选取的三个点对组成许多对应三角形对，计算两三角形对应角度和对应边长比例之间的差值，并比较三个顶点相对于参考点的空间旋转次序，筛选出符合相似条件的三角形对。然后在这些相似三角形中统计每个点对出现的频率，建立直方图，设定阈值，并将频率小于某一阈值的点对去掉。最后，空间一致性测量被用来去除那些坐标极为相似的误匹配点。本发明专利技术提高了遥感图像的点匹配精度，同时提高了遥感图像的配准精度。

【技术实现步骤摘要】

本专利技术涉及遥感图像处理
，具体涉及。
技术介绍
图像配准在图像处理中是一种最基本的技术，已经被广泛应用在医学、模式识别、 遥感和计算机视觉等领域。配准就是把不同的图像进行对齐，让其中的所有特征都能使用 同一坐标系来进行表示。特征匹配是图像配准中最为重要的一个环节，如果在特征匹配集 中有过多的误匹配，则会产生错误的转换参数。因此一个鲁棒并且准确的特征匹配方法是 必须的。目前应用较多的特征匹配方法大多数为点匹配方法。点匹配方法主要分为两种： 1)利用局部灰度信息进行匹配；2)利用局部邻域结构或全局结构进行匹配。SIFT是一种基 于局部描述算子的点特征提取和点匹配方法，根据点描述符的相似性来寻找匹配点对。但 是当此方法应用在遥感图像中时，特别是灾害前后的图像，局部灰度值变化较大，单纯依靠 局部灰度信息非常不可靠，容易产生较多的误匹配点。RANSAC是一种经典的点匹配方法，它 利用初始匹配点集来估算转换参数，同时去除匹配点集中的误匹配。但是当误匹配点对比 例较大时，此方法效果不好。GTM是利用特征点K领域内的空间关系从初始匹配点集中寻找 正确匹配，但是此方法无法排除具有相同邻域结构的误匹配。此外，被大量误匹配点围绕着 的正确匹配点也有可能被错误地去除。WGTM算法是GTM的改进版，它使用连接特征点线段 之间的角距当作权重。但是它只能去除一部分具有相似邻域结构的误匹配，而且也无法判 别具有不同邻域结构的正确匹配点。Bi-SOGC算法是一种以GTM为基础的方法，并且主要应 用在遥感图像领域。它使用有序线段代替无序线段，特征点的空间顺序被用来去除具有相 似邻域结构的误匹配，而且一个恢复策略用来把错误去除的正确点对找回。这种方法对一 些遥感图像是有效的，但是它无法处理邻域内没有任何特征点的孤立正确匹配点。 现有的点匹配方法有的是基于局部灰度信息进行匹配，有的是基于局部邻域结构 进行匹配。但是当应用在遥感图像配准时，特别是灾害前后的遥感图像，由于背景变化较 大，初始匹配集中往往存在的误匹配较多，而正确匹配很少，此时正确匹配分布稀疏，邻域 内可以利用的正确结构信息较少，仅使用局部灰度信息或者邻域结构信息往往无法达到满 意的效果。本专利技术（三角形转换匹配方法TTM)利用正确匹配点构成的全局结构的相似性来 去除误匹配，保留正确匹配。灾害前后的遥感图像虽然灰度信息变化较大，但是由正确匹配 点构成的全局结构还是相似的。本专利技术采用三角形作为全局结构的基元来比较其相似性， 最终提取出正确匹配点集。
技术实现思路
本专利技术的目的在于：提供了，其提高了遥感图像的点 匹配精度，同时提高了遥感图像的配准精度。 本专利技术采用的技术方案为：，该方法包括如下步骤： 步骤⑴：初始匹配点集是在输入在参考图像中和感应图像中提取出来的两个对 应点集，在初始匹配点集P = {pj和P' = {p/ }中，i = 1，2, 3... N，N是点集中点的数 量，任意选取三个点对组成许多对应三角形对，任意选取的三个点对表示为（PpPpPk)和 (p/ , Pj', Pk')； 步骤（2):计算组成的两个三角形之间的对应角度差值和对应边长比例差值：【主权项】1. ，其特征在于：该方法包括如下步骤： 步骤（1):初始匹配点集是在输入在参考图像中和感应图像中提取出来的两个对应 点集，在初始匹配点集P = {pj和P' = {p/ }中，i = 1，2, 3... N，N是点集中点的数 量，任意选取三个点对组成许多对应三角形对，任意选取的三个点对表示为（Pi，Pj，Pk)和 (p/ , Pj', Pk')； 步骤（2):计算组成的两个三角形之间的对应角度差值和对应边长比例差值：(1) (2) 步骤（3) : (?,,)和〇v,)v)表示点Pi和P/的横纵坐标，分别在两三角形中设定参 考 点Pd和P /，其坐标计算公式如下：(3) (4) 步骤（4):设定三角形相似阈值Θ b= 5°，I b= 0. 1，然后根据三个顶点相对于参考点 的次序一致性和条件Λ θ Λ θ 2, Λ θ 3e 筛选出 符合条件的三角形对； 步骤（5):在选出的三角形对中，统计每个点对出现的次数并建立频率直方图； 步骤（6):根据实验分析设定阈值kp，并去除出现次数少于1^的点对； 步骤（7):根据此时的所有点对计算模型转换参数，点对表示为P。和P。'，数量为η ; T = argminE (T ( Θ )) (10) 其。表示均方根误差，τ( θ )表示点集p。和p。'使用最小二乘 法得到的转换参数，d(i) = I |τ( Θ ) (Pi'）-Pi| I，i = 1，2, 3,. . . η表示每一个点对的转换误 差； 步骤⑶：设定阈值Et，当Ε(Τ( Θ ))>Et时，拥有最大d(i)值的点对将会被去除，同时更 新点集，当满足条件E (T ( Θ ))< Et时，迭代结束，此时得到两个正确匹配点集。2. 根据权利要求1所述的，其特征在于：该方法用于在背 景变化较大遥感图像的初始匹配点集中筛选出正确的点匹配集。【专利摘要】本专利技术公开了，用于在背景变化较大遥感图像的初始匹配点集中筛选出正确的点匹配集。本方法是应用了两图像中正确匹配点组成的全局结构的相似性。首先，由任意选取的三个点对组成许多对应三角形对，计算两三角形对应角度和对应边长比例之间的差值，并比较三个顶点相对于参考点的空间旋转次序，筛选出符合相似条件的三角形对。然后在这些相似三角形中统计每个点对出现的频率，建立直方图，设定阈值，并将频率小于某一阈值的点对去掉。最后，空间一致性测量被用来去除那些坐标极为相似的误匹配点。本专利技术提高了遥感图像的点匹配精度，同时提高了遥感图像的配准精度。【IPC分类】G06T7-00【公开号】CN104766323【申请号】CN201510160933【专利技术人】江洁, 史晓龙 【申请人】北京航空航天大学【公开日】2015年7月8日【申请日】2015年4月7日本文档来自技高网...

【技术保护点】
一种遥感图像的点匹配方法，其特征在于：该方法包括如下步骤：步骤(1)：初始匹配点集是在输入在参考图像中和感应图像中提取出来的两个对应点集，在初始匹配点集P＝{pi}和P'＝{pi'}中，i＝1,2,3...N，N是点集中点的数量，任意选取三个点对组成许多对应三角形对，任意选取的三个点对表示为(pi,pj,pk)和(pi',pj',pk')；步骤(2)：计算组成的两个三角形之间的对应角度差值和对应边长比例差值：Δθ1=|∠pjpipk-∠pj'pi'pk'|Δθ2=|∠pipjpk-∠pi'pj'pk'|Δθ3=|∠pipkpj-∠pi'pk'pj'|---(1)]]>Δl1=|pipk/pi'pk'-pipj/pi'pj'|Δl2=|pipk/pi'pk'-pkpj/pk'pj'|Δl3=|pjpk/pj'pk'-pipj/pi'pj'|---(2)]]>步骤(3)：和表示点pi和pi'的横纵坐标，分别在两三角形中设定参考点pd和pd'，其坐标计算公式如下：xpd=12(xpi+xpj)ypd=12(ypi+ypj)---(3)]]>xpd'=12(xpi'+xpj')ypd'=12(ypi'+ypj')---(4)]]>步骤(4)：设定三角形相似阈值θb＝5°,lb＝0.1，然后根据三个顶点相对于参考点的次序一致性和条件△θ1,△θ2,△θ3∈[0,θb]，△l1,△l2,△l3∈[0,lb]筛选出符合条件的三角形对；步骤(5)：在选出的三角形对中，统计每个点对出现的次数并建立频率直方图；步骤(6)：根据实验分析设定阈值kp，并去除出现次数少于kp的点对；步骤(7)：根据此时的所有点对计算模型转换参数，点对表示为Po和Po'，数量为n；T＝argminE(T(θ))      (10)其中，表示均方根误差，T(θ)表示点集Po和Po'使用最小二乘法得到的转换参数，d(i)＝||T(θ)(pi')‑pi||,i＝1,2,3,...n表示每一个点对的转换误差；步骤(8)：设定阈值Et，当E(T(θ))>Et时，拥有最大d(i)值的点对将会被去除，同时更新点集，当满足条件E(T(θ))≤Et时，迭代结束，此时得到两个正确匹配点集。...

【技术特征摘要】

【专利技术属性】
技术研发人员：江洁，史晓龙，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11