一种尺度不变特征与几何特征融合的多模态高分影像配准方法技术

本发明专利技术公开一种尺度不变特征与几何特征融合的多模态高分遥感影像配准技术，属于卫星遥感影像处理技术领域。首先，以参考影像分辨率为基准，对感测影像进行重采样，使其为同一分辨率，分别对其提取局部特征点和几何特征点，并采用SIFT方法生成描述符；其次，采用交叉双向匹配与改进的RANSAC方法完成粗匹配与精匹配；最后，利用上述同名点与影像边界格网点采用分段线性变换模型对影像进行高精度配准。实验分析表明，本发明专利技术能有效克服多模态高分遥感影像间的非线性灰度差异，剔除误匹配点，实现多源多尺度多时相影像间的高精度自动配准，为多模态影像协同应用提供了有效的技术支撑。为多模态影像协同应用提供了有效的技术支撑。为多模态影像协同应用提供了有效的技术支撑。

【技术实现步骤摘要】
一种尺度不变特征与几何特征融合的多模态高分影像配准方法


[0001]本专利技术涉及卫星遥感影像处理
，更具体的说是涉及一种尺度不变特征和几何特征融合的遥感影像自动配准技术。

技术介绍

[0002]多源多尺度多时相(多模态)高分遥感影像是通过不同传感器所获取，各种遥感影像具有自身的特征和优势，将遥感数据应用于影像镶嵌、三维建模、变化检测等方面是遥感行业应用的一个重要趋势。为了充分有效地利用多模态影像信息，则需要在地理空间上对它们进行高精度的几何配准。由于成像机理的不同，多模态遥感影像间往往存在显著的非线性灰度差异，因此多模态遥感影像之间的配准及同名点匹配成为一个难点问题。
[0003]目前，遥感影像的配准方法较多，但主要分为：基于特征的方法和基于灰度的方法。
[0004]基于特征的方法首先通过在影像间提取特征，其特征包括点特征、线特征、面特征，然后寻找特征之间的相似性进行匹配与配准。大多数学者都针对单一特征进行同名点匹配进而完成影像配准，而对于多模态影像辐射特性和几何特性较大时，有相关研究表明，匹配正确的单一特征点较少，有些情况下甚至没有匹配点。这些方法对于几何变形具有较好的鲁棒性，但对具有灰度差异较大的多模态遥感影像而言，共有特征提取并正确匹配是一个较大难题。
[0005]基于灰度的方法则主要是建立一种相似性测度准则，采用模板匹配的策略在影像间进行同名点的识别。一般常用的相似性测度包括了相关系数、互信息、归一化互信息等。基于灰度的方法配准精度较高，但需要利用图像的全部灰度信息，耗时较多，同时由于多模态高分影像对同一地物的反射率不同，导致出现不同的灰度信息，所以较难适用于多模态高分影像的自动配准。
[0006]此外，随着影像空间分辨率的提高，影像细节特征越专利技术显，影像自动配准的干扰增多。鉴于此，本专利技术则提出一种尺度不变特征与几何特征融合的多模态高分遥感影像配准技术。首先，提取影像间的尺度不变特征，同时将自适应阈值Canny与分块Harris算子相结合提取几何特征，用稳定性较好的SIFT描述子对尺度不变特征点与几何特征点进行描述，然后利用FLANN方法与双向匹配进行粗匹配，采用改进的RANSAC寻求更多的同名点，最后利用分段线性变换模型实现多模态高分遥感影像的配准。

技术实现思路

[0007]本专利技术的目的是提供一种尺度不变特征与几何特征融合的多模态高分遥感影像配准技术，该专利技术能够解决多模态高空间分辨率影像间的非线性灰度差异，能够自动快速在影像间获取较多的几何特征和尺度不变特征同名点对，并通过分段线性模型实现影像的高精度配准。
[0008]为了实现上述目的，本专利技术采用如下技术方案实现：主要包括尺度不变特征点和几何特征点提取、特征描述符匹配、影像配准三部分。
[0009]1.尺度不变特征和几何特征生成步骤如下：
[0010]S1：设参考影像I1的分辨率信息为R1，感测影像I2的分辨率信息为R2，判断影像I1与I2的分辨率是否一致，若不一致，将感测影像I2分辨率重采样至参考影像I1分辨率R1；
[0011]S2：利用SIFT提取尺度不变特征点；
[0012]S3：采用自适应阈值的Canny算子分别提取参考影像I1与感测影像I2边缘特征，记为C1和C2；
[0013]S4：采用分块的提取策略，利用Harris算子在边缘特征C1和边缘特征C2中提取大量且分布均匀的边缘特征点，具体是将参考影像和感测影像的边缘特征图像划分为若干个互不重叠、规则的块，在每个图像块中，计算每个像素的Harris强度值Q，并根据强度值Q进行从大到小排序，选择Q值较大的点作为该图像块的几何特征点；
[0014]S5：采用SIFT对几何特征点和尺度不变特征点生成128维描述符；
[0015]S6：记参考影像I1与感测影像I2的所有特征点集合分别为P
I1
(i＝1,2,3,
…
,M)与P
I2
(j＝1,2,3,
…
,N),参考影像I1与感测影像I2的描述符集合分别为D
I1
(i＝1,2,3,
…
,N)与D
I2
(j＝1,2,3,
…
,M)；
[0016]2.特征描述符匹配步骤如下：
[0017]S7：传统特征点描述符依据欧式距离比值法完成粗匹配，而本专利技术为了剔除一些误匹配点，以获得较多的粗匹配点对，采用交叉双向匹配完成特征点的粗匹配；
[0018]S8：在经过上述粗匹配后，依然存在较多误匹配点，传统方法采用RANSAC方法，但此方法采用全随机的数据选取方式选取初始匹配点，且迭代次数较多，运算时间较长，匹配准确度依然有待提高。本专利技术提出一种改进的RANSAC，通过加入特征点邻域归一化互信息作为新的约束条件，即：通过计算粗匹配点对邻域归一化互信息，选取其中归一化互信息值较大的特征点构建新的匹配点集合，获得数量更多正确匹配点。
[0019]S9：利用上述步骤获得的同名点较多，但依然无法全部覆盖参考影像和感测影像，为此本专利技术在参考影像边界区域产生一定数量的格网点，并利用单应性变换矩阵约束进行影像边界格网点匹配，以增强多模态高分影像的配准精度。
[0020]3.影像配准步骤如下：
[0021]S10：综上利用获取的同名点对和匹配影像边界格网点构建不规则三角网，对每个三角网区域利用仿射变换进行校正，消除局部变形，获得高精度的配准影像。
[0022]本专利技术方法与现有技术相比：
[0023]针对多模态高分遥感影像间的非线性灰度差异造成误匹配点较多、配准精度较低的问题，本专利技术构建了一种局部特征与几何特征相结合的配准方法，影像间的边缘几何结构特征反映了局部信息的强度变化，能反应多模态高分影像的共有属性，与传统配准方法灰度相似性相结合，能有效加强多模态影像之间的匹配。实验分析表明，该技术有效提高了配准的精度，且具有良好的普适性和鲁棒性。
附图说明
[0024]图1为本专利技术提供的整体流程图；
[0025]图2为本专利技术提供的归一化互信息约束示意图；
[0026]图3为本专利技术部分数据自适应阈值Canny边缘提取结果图；
[0027]图4为本专利技术尺度不变特征点与几何特征点提取结果图；
[0028]图5为本专利技术提供多模态高分影像实验数据；
[0029]图6为本专利技术提供的影像匹配结果图；
[0030]图7为本专利技术提供的配准结果及棋盘格精度验证结果图；
[0031]表1为本专利技术提供的多模态高分影像实验数据详细信息；
[0032]具体实施方式
[0033]下面将结合本专利技术中的附图，对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0034]以下步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种尺度不变特征与几何特征融合的多模态高分影像配准方法，主要包括局部特征点和几何特征点提取、特征描述符匹配、影像配准三部分：尺度不变特征和几何特征生成步骤如下：S1：设参考影像I1的分辨率信息为R1，感测影像I2的分辨率信息为R2，判断影像I1与I2的分辨率是否一致，若不一致，将感测影像I2分辨率重采样至参考影像I1分辨率R1；S2：利用SIFT提取尺度不变特征点；S3：采用自适应阈值的Canny算法分别提取参考影像I1与感测影像I2边缘特征，记为C1和C2；S4：采用分块的提取策略，利用Harris算子在边缘特征C1和边缘特征C2中提取大量且分布均匀的边缘特征点，具体是将参考影像和感测影像的边缘特征图像划分为若干个互不重叠、规则的块，在每个图像块中，计算每个像素的Harris强度值Q，并根据强度值Q进行从大到小排序，选择Q值较大的点作为该图像块的几何特征点；S5：采用SIFT对几何特征点和尺度不变特征点生成128维描述符；S6：记参考影像I1与感测影像I2的所有特征点集合分别为P
I1
(i＝1,2,3,
…
,M)与P
I2
(j＝1,2,3,
…
,N),参考影像I1与感测影像I2的描述符集合分别为D
I1
(i＝1,2,3,
…
,N)与D...

【专利技术属性】
技术研发人员：杨树文，薛庆，闫恒，虎小强，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：