基于改进RIFT的多模遥感图像配准方法技术

本发明专利技术属于遥感图像配准技术领域，具体公开了一种基于改进RIFT的多模遥感图像配准方法，提出一种改进辐射不变特征变换RIFT方法，该算法利用图像的相位一致性信息代替图像的强度信息和梯度信息进行特征点检测，并使用基准图像和实时图像各自的相位一致性幅度的最大索引图进行特征描述，而且该方法的特征点检测过程不依赖于地理信息，并且对非线性辐射畸变表现出良好的鲁棒性。变表现出良好的鲁棒性。变表现出良好的鲁棒性。

【技术实现步骤摘要】
基于改进RIFT的多模遥感图像配准方法


[0001]本专利技术涉及遥感图像配准
，具体涉及一种基于改进RIFT的多模遥感图像配准方法。

技术介绍

[0002]图像配准技术是图像处理领域的重要组成部分，并且在弹体定位、航空制导、计算机视觉、模式识别、遥感技术、医学、气候学等军事和民用领域应用广泛。多模图像的配准技术可以弥补单一传感器图像在图像配准技术中的不足，是当前图像配准
的研究热点。由于多模遥感图像之间存在着非线性灰度差以及辐射强度差异，基于灰度信息的图像配准方法往往不适用于多模遥感图像配准领域。特征信息是对图像信息更高层次的描述，可以在多模遥感图像中稳定存在，因此基于特征信息的图像配准方法常用于多模遥感图像间的匹配，也成为国内外在该领域中研究的主要方向。
[0003]为了取得鲁棒性强且精确度高的多模遥感图像配准结果，需要提取到稳定的特征信息。图像中最基本的特征信息是点特征和线特征。点特征在图像匹配、立体场景匹配中有着广泛的应用。目前常用的特征提取算法有尺度不变特征变换(Scale
‑
Invariant Feature Transform，SIFT)、加速鲁棒特征(Speeded
‑
Up Robust Features，SURF)、ORB(Oriented FAST and Rotated BRIEF)和一些改进的SIFT算法，然而这些方法通常使用强度信息或梯度信息进行特征的检测和描述，由于遥感图像可能存在一定程度的辐射畸变会导致这些算法失效，难以取得稳定的配准效果。

技术实现思路

[0004]针对传统的基于强度信息或梯度信息的点特征算法在多模遥感图像配准中所存在的问题，本专利技术的目的在于提供一种基于改进RIFT的多模遥感图像配准方法，提出一种改进辐射不变特征变换(Radiation
‑
Invariant Feature Transform，RIFT)方法，该算法利用图像的相位一致性(Phase Congruency，PC)信息代替图像的强度信息和梯度信息进行特征点检测，并使用基准图像和实时图像各自的相位一致性幅度的最大索引图(Maximum Index Map，MIM)进行特征描述，而且该方法的特征点检测过程不依赖于地理信息，并且对非线性辐射畸变表现出良好的鲁棒性。
[0005]为了达到上述目的，本专利技术采用以下技术方案予以实现。
[0006]一种基于改进RIFT的多模遥感图像配准方法，包括以下步骤：
[0007]步骤1，获取同一区域的基准图像和待配准图像，对基准图像和待配准图像分别进行基于Log
‑
Gabor滤波器的相位一致性测量，得到基准图像和待配准图像对应的不同角度不同尺度下的相位一致性信息；
[0008]其中，所述基准图像和待配准图像为遥感图像，待配准图像为实时图像；
[0009]步骤2，根据基准图像和待配准图像对应的不同角度不同尺度下的相位一致性信息，获取对应的最大矩和最小矩，进而完成边缘点检测和角点检测，得到基准图像和待配准
图像的特征点；
[0010]步骤3，根据基准图像和待配准图像的相位一致性信息中的卷积序列，计算基准图像对应的一个最大索引图和待配准图像所对应的多个候选最大索引图；
[0011]步骤4，分别计算基准图像对应的一个最大索引图与待配准图像所对应的每个候选最大索引图之间的图像相似性，并将相似性最大的候选最大索引图作为待配准图像的最大索引图；
[0012]步骤5，根据基准图像的最大索引图和待配准图像的最大索引图，分别构建基准图像和待配准图像中每个特征点的似GLOH特征描述子；
[0013]步骤6，采用最近邻度量算法对基准图像和待配准图像的所有特征点的似GLOH特征描述子进行相似性度量，获得最终配准的同名点对，完成图像配准。
[0014]与现有技术相比，本专利技术的有益效果为：
[0015]本专利技术首先利用图像的PC信息获取图像的特征信息，由于多模遥感图像之间存在着辐射差异和灰度差异，相位一致性信息不受灰度差异、辐射差异以及光照差异的影响，具有强鲁棒性，对图像的特征表示更具有意义。通过判断基准图像的初始卷积序列所构造的最大索引图(MIM)与实时图像不同卷积序列所构造的最大索引图之间的相似性，得到相似性最高的最大索引图对，实现旋转不变性。其次，基于最大索引图构造每个特征点的类GLOH描述子，该方法可以减少描述子的维度，降低算法的时间复杂度。最后，用基于最近邻配准的算法进行相似性度量，得到最终所匹配的同名点对。
附图说明
[0016]下面结合附图和具体实施例对本专利技术做进一步详细说明。
[0017]图1为本专利技术方法的实现流程图
[0018]图2为本专利技术实施例的相位一致性示例图；其中(a)为原始图像，(b)为该原始图像的相位一致性结果图；
[0019]图3为本专利技术实施例的特征检测示例图；其中(a)原始图像，(b)为最小矩图，(c)为最大矩图，(d)特征点检测图；
[0020]图4为本专利技术实施例的最大索引图构造示意图；
[0021]图5为本专利技术实施例的描述子构造示意图；
[0022]图6为本专利技术实施例的SAR图像和可见光图像的配准结果；其中(a)为配准结果连线图，(b)为融合图，(c)为棋盘格拼接图；
[0023]图7为本专利技术实施例的红外图像和可见光图像的配准结果；其中(a)为配准结果连线图，(b)为融合图，(c)为棋盘格拼接图；
[0024]图8为本专利技术实施例的SAR图像和SAR图像的配准结果；其中(a)为配准结果连线图，(b)为融合图，(c)为棋盘格拼接图。
具体实施方式
[0025]下面将结合实施例对本专利技术的实施方案进行详细描述，但是本领域的技术人员将会理解，下列实施例仅用于说明本专利技术，而不应视为限制本专利技术的范围。
[0026]参考图1，本专利技术提供的一种基于改进RIFT的多模遥感图像配准方法，包括以下步
骤：
[0027]步骤1，获取同一区域的基准图像和待配准图像，对基准图像和待配准图像分别进行基于Log
‑
Gabor滤波器的相位一致性测量，得到基准图像和待配准图像对应的不同角度不同尺度下的相位一致性信息；
[0028]其中，所述基准图像和待配准图像为遥感图像，待配准图像为实时图像；
[0029]二维Log
‑
Gabor函数(2Dimensional Log
‑
Gabor Function，2D
‑
LGF)的定义为：
[0030][0031]式中，(ρ，θ)是对数极坐标；s和o分别是2D
‑
LGF的尺度和方向；(ρ
s
，θ
(s，o)
)是2D
‑
LGF的中心频率；σ
ρ
和σ
θ
分别是以ρ和θ表示的带宽。
[0032本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进RIFT的多模遥感图像配准方法，其特征在于，包括以下步骤：步骤1，获取同一区域的基准图像和待配准图像，对基准图像和待配准图像分别进行基于Log
‑
Gabor滤波器的相位一致性测量，得到基准图像和待配准图像对应的不同角度不同尺度下的相位一致性信息；其中，所述基准图像和待配准图像为遥感图像，待配准图像为实时图像；步骤2，根据基准图像和待配准图像对应的不同角度不同尺度下的相位一致性信息，获取对应的最大矩和最小矩，进而完成边缘点检测和角点检测，得到基准图像和待配准图像的特征点；步骤3，根据基准图像和待配准图像的相位一致性信息中的卷积序列，计算基准图像对应的一个最大索引图和待配准图像所对应的多个候选最大索引图；步骤4，分别计算基准图像对应的一个最大索引图与待配准图像所对应的每个候选最大索引图之间的图像相似性，并将相似性最大的候选最大索引图作为待配准图像的最大索引图；步骤5，根据基准图像的最大索引图和待配准图像的最大索引图，分别构建基准图像和待配准图像中每个特征点的似GLOH特征描述子；步骤6，采用最近邻度量算法对基准图像和待配准图像的所有特征点的似GLOH特征描述子进行相似性度量，获得最终配准的同名点对，完成图像配准。2.根据权利要求1所述的基于改进RIFT的多模遥感图像配准方法，其特征在于，步骤1中，所述基于Log
‑
Gabor滤波器的相位一致性测量的具体过程：1.1，对于一幅输入图像I(x,y)，首先，将图像I(x,y)分别与Log
‑
Gabor滤波器的偶对称小波和奇对称小波进行卷积，得到在尺度s和方向o位置的响应分量e
so
(x,y)和o
so
(x,y)：e
so
(x,y)＝I(x,y)*L
even
(x,y,s,o)o
so
(x,y)＝I(x,y)*Lo
dd
(x,y,s,o)其中，L
even
(x,y,s,o)为偶对称Log
‑
Gabor小波，Lo
dd
(x,y,s,o)为奇对称Log
‑
Gabor小波；1.2，计算图像I(x,y)在尺度s和方向o处的振幅分量A
so
(x,y)和相位分量φ
so
(x,y):(x,y):1.3，考虑到图像的噪声，引入一个噪声补偿项T，综合考虑滤波器的带宽、空间宽度信息及滤波器对噪声响应的幅度正比于其带宽，所以得到最终二维相位一致性模型为：其中，PC(x,y)是图像I(x,y)的相位一致性信息，(x,y)表示像素点在图像中的坐标，w0(x,y)为给定频率扩展的加权因子；ζ是一个很小的值，为了防止分母为零；表示封闭的值为正值时运算结果等于其本身，否则为零，
△
φ
so
(x,y)是一个敏感的相位偏差函数；A
so
(x,y)
△
φ
so
(x,y)的定义为:式中E(x,y)是一个局部能量函数，3.根据权利要求1所述的基于改进RIFT的多模遥感图像配准方法，其特征在于，步骤2中，所述最大矩M和最小矩m的计算公式为：中，所述最大矩M和最小矩m的计算公式为：式中，三个中间量a、b、c计算公式如下：式中，三个中间量a、b、c计算公式如下：式中，三个中间量a、b、c计算公式如下：式中，PC(θ
o
)为图像在θ
o
方向下的PC测度，即相位一致性信息。4.根据权利要求3所述的基于改进RIFT的多模遥感图像配准方法，其特征在于，所述边缘点检测的过程为：首先对最大矩M进行FAST角点检测，然后选取响应强度最高的设定个数的角点作为边缘点，得到边缘点检测结果；所述角点检测的过程为：首先计算最小矩m中每个像素点的Har...

【专利技术属性】
技术研发人员：梁毅，刘倩，怀园园，邢孟道，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：