【技术实现步骤摘要】
基于各向异性梯度尺度空间的遥感图像配准方法
本专利技术属于图像处理
,更进一步涉及对遥感图像进行配准处理
中的一种基于各向异性梯度尺度空间的遥感图像配准方法。本专利技术可应用于对多光谱、多源不同时刻获取的遥感图像的配准。
技术介绍
图像配准是指在不同时段,对同一场景从不同视角使用相同或者不同传感器拍摄的有重叠区域图像进行几何矫正的过程。图像配准技术是近年来发展迅速的图像处理技术之一。图像配准技术已经广泛用于各个领域,如航空航天技术、图像镶嵌、地理信息系统、图像融合、三维重建、目标识别和变化检测等等。目前随着遥感技术的发展,由于传感器的不同物理特性所产生的遥感图像不断增多,因此综合利用各种图像进行数据提取和分析已成为遥感领域的一个重要手段。同时由于各种传感器之间物理特性和成像方式的不同,在数据应用和数据融合时不同几何特性和不同分辨率的图像间必须进行严格的配准。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(CC)、不变矩、基于FFT的相位相关法和互信息(MI)等。但是基于灰度的图像配准方法存在着以下缺点:①对图像灰度变化比较敏感,尤其是非线性的光照变化,这大大降低了算法的性能;②计算复杂度高;③对目标的旋转、形变和遮挡比较敏感。为了克服其存在的缺点,人们提出了基于特征的图像配准方法。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,然后使用特征之间的相关决定图像的最优对齐。这些显著特征可以大大压缩图像的信息量,使得计算量减小,速度更快,而且对图像的灰度变化 ...
【技术保护点】
一种基于各向异性梯度尺度空间的遥感图像配准方法,包括如下步骤:(1)输入参考遥感图像和待配准遥感图像;(2)构造各向异性扩散的尺度空间:(2a)计算参考遥感图像和待配准遥感图像的各向异性尺度空间各层的尺度值;(2b)将尺度空间值转换到时间度量值;(2c)对输入的参考遥感图像和待配准遥感图像,采用标准差为σ0的高斯滤波,得到参考遥感图像和待配准遥感图像各向异性尺度空间第0层图像;(2d)将各向异性尺度空间层的序号i初始化为零;(2e)按照下式,分别计算参考遥感图像和待配准遥感图像各向异性尺度空间的第i层图像的扩散系数矩阵:ci=11+(|▿Igi|K)2]]>其中,ci表示参考遥感图像或者待配准遥感图像各向异性尺度空间的第i层图像的扩散系数矩阵,表示参考遥感图像或者待配准遥感图像各向异性尺度空间的第i层图像Ii应用标准差为1的高斯滤波后的图像,表示高斯滤波后的图像的梯度幅度,|·|表示取模操作,K表示对比度因子,K的取值为梯度幅度的统计直方图70%百分位的梯度幅度值;(2f)按照下式,对参考遥感图像和待配准遥感图像各向异性尺度空间的第i层图像做行扩散:I1i+1=(I-2(ti ...
【技术特征摘要】
1.一种基于各向异性梯度尺度空间的遥感图像配准方法,包括如下步骤:(1)输入参考遥感图像和待配准遥感图像;(2)构造各向异性扩散的尺度空间:(2a)计算参考遥感图像和待配准遥感图像的各向异性尺度空间各层的尺度值;(2b)将尺度值转换到时间度量值;(2c)对输入的参考遥感图像和待配准遥感图像,采用标准差为σ0的高斯滤波,得到参考遥感图像和待配准遥感图像各向异性尺度空间第0层图像;(2d)将各向异性尺度空间层的序号i初始化为零;(2e)按照下式,分别计算参考遥感图像和待配准遥感图像各向异性尺度空间的第i层图像的扩散系数矩阵:其中,ci表示参考遥感图像或者待配准遥感图像各向异性尺度空间的第i层图像的扩散系数矩阵,表示参考遥感图像或者待配准遥感图像各向异性尺度空间的第i层图像Ii应用标准差为1的高斯滤波后的图像,表示高斯滤波后的图像的梯度幅度,|·|表示取模操作,K表示对比度因子,K的取值为梯度幅度的统计直方图70%百分位的梯度幅度值;(2f)按照下式,对参考遥感图像和待配准遥感图像各向异性尺度空间的第i层图像做行扩散:其中,表示沿参考遥感图像或者待配准遥感图像各向异性尺度空间的第i层图像Ii的行扩散后的图像,I1表示行数和列数均与参考遥感图像或者待配准遥感图像的列数相同的单位方阵,ti和ti+1分别表示参考遥感图像或者待配准遥感图像各向异性尺度空间的第i层和第i+1层的时间度量值,A(Ii)表示编码参考遥感图像或者待配准遥感图像各向异性尺度空间的第i层图像扩散系数ci的矩阵,Ii表示参考遥感图像或者待配准遥感图像各向异性尺度空间的第i层图像,(·)-1表示逆矩阵操作;(2g)按照下式,对参考遥感图像和待配准遥感图像各向异性尺度空间的第i层图像做列扩散:其中,表示沿参考遥感图像或者待配准遥感图像各向异性尺度空间的第i层图像Ii的列扩散后的图像,I2表示行数和列数均与参考遥感图像或者待配准遥感图像的行数相同的单位方阵;(2h)按照下式,计算参考遥感图像和待配准遥感图像各向异性尺度空间的第i+1层图像:其中,Ii+1表示参考遥感图像或者待配准遥感图像各向异性尺度空间的第i+1层图像;(2i)判断i≥N-2是否成立,若成立,得到参考遥感图像和待配准遥感图像的各向异性尺度空间,否则,令i=i+1,执行步骤(2e);其中,N表示参考遥感图像和待配准遥感图像各向异性尺度空间层的总数;(3)计算梯度幅度图像:使用索贝尔算子Sobel,计算参考遥感图像和待配准遥感图像各向异性尺度空间的梯度幅度图像;(4)计算梯度幅度图像的差分:(4a)按照下式,使用索贝尔算子Sobel,计算参考遥感图像和待配准遥感图像各向异性尺度空间的梯度幅度图像的x轴正方向的差分:其中,表示参考遥感图像或者待配准遥感图像各向异性尺度空间的梯度幅度图像GIn沿水平向右的x轴正方向的差分,GIn表示参考遥感图像或者待配准遥感图像各向异性尺度空间的梯度幅度图像的第n层图像,表示相关操作;(4b)按照下式,使用索贝尔算子Sobel,计算参考遥感图像和待配准遥感图像各向异性尺度空间的梯度幅度图像的y轴正方向的差分:其中,表示参考遥感图像或者待配准遥感图像各向异性尺度空间的梯度幅度图像GIn沿竖直向下的y轴正方向的差分;(5)按照下式,计算梯度幅度图像的梯度幅度:其中,GGIn表示参考遥感图像或者待配准遥感图像各向异性尺度空间的梯度幅度图像的第n层图像GIn的梯度幅度,表示开根号操作;(6)按照下式,计算梯度幅度图像的梯度角度:其中,AGGIn表示参考遥感图像或者待配准遥感图像各向异性尺度空间的梯度幅度图像的第n层图像GIn的梯度角度,arctan(·)表示四象限反正切操作;(7)检测特征点:使用Harris角点检测算子,在参考遥感图像和待配准遥感图像的各向异性尺度空间的梯度幅度图像上检测特征点,得到特征点集合:其中,CIR表示在参考遥感图像的各向异性尺度空间的梯度幅度图像上检测的特征点集合,CIS表示在待配准遥感图像的各向异性尺度空间的梯度幅度图像上检测的特征点集合,R表示在参考遥感图像的各向异性尺度空间的梯度幅度图像上检测的特征点的总数,S表示在待配准遥感图像的各向异性尺度空间的梯度幅度图像上检测的特征点的总数;(8)生成特征点主方向:(8a)将水平方向角度在[0,2π]内36等分;(8b)由特征点集合的半径为6σn的圆形邻域区域内像素的梯度方向AGGIn(X),确定圆形区域内像素所在的等分角度范围,其中,σn表示参考遥感图像或者待配准遥感图像各向异性尺度空间的第n层的尺度值,AGGIn(X)表示特征点周围圆形邻域内位置坐标为X的像素的梯度角度;(8c)分别累加位于每个等分角度范围内的所有像素的梯度幅度值GGIn(X),形成梯度方向直方图,其中,GGIn(X)表示特征点周围圆形邻域内位置坐标为X的像素的梯度幅度;(8d)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;(9)生成特征点描述子:(9a)将半径为ρ的特征点的圆形邻域逆时针旋转θm度,圆形邻域沿半径方向将ρ分为3个区间,内圆邻域半径为0.25ρ,中间圆邻域半径为0.73ρ,外圆邻域半径为ρ,圆形邻域沿角度方向将[0,2π]等分为8个区间,内圆作为一个整体,特征点周围圆形邻域被划分为了17个不同位置的面积相等的子区域,其中,ρ的取值为12σn,θm表示该特征点的主方向;(9b)将特征点圆形邻域内像素的笛卡尔坐标转换为对数极坐标,对数极坐标角度方向水平向右,在[0,2π]的范围内等分为8个区间,对数极坐标对数长度方向竖直向下,在范围内非等分为3个区间,其中,ρ表示特征点周围圆形邻域的半径;(9c)对数极坐标网格中每个子区域内的所有像素根据其梯度幅度GGIn(X)和梯度方向AGGIn(X)计算梯度方向直方图,每一个子区域形成了一个8维的梯度方向向量,依次拼接17子区域的梯度方向向量就形成了一个136维的特征点的描述子,其中,梯度方向直方图的角度在[0,2π]的范围内等分为8个区间;(9d)采用步骤(9a)、步骤(9b)、步骤(9c)的相同方法,生成特征点集合CIR的描述子集合DIR和特征点集合CI...
【专利技术属性】
技术研发人员:马文萍,闻泽联,焦李成,武越,马进,任琛,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。