一种基于中分辨率影像的同名云点快速匹配算法制造技术

本发明专利技术公开一种基于中分辨率影像的同名云点快速匹配算法，匹配算法如下：设定左影像坐标变量为(x1,y1)，右影像坐标变量为(x2,y2)，分别对连续观测的三种遥感影像按观测时间设为AN、AF和AA影像，对AN影像、AF影像和AA影像进行云雪检测；以AN影像、AF影像和AA影像中的任意一个影像为左影像，其他影像为右影像，以左影像对右影像进行匹配，给定云雪区的起始匹配位置和左右视差值,设定相关系数阈值和左影像待匹配点的步长step；由左右视差值预测出左影像上的目标点在右影像上的位置。本发明专利技术匹配算法以匹配速度较快、正确率较高的相关系数法作为主要匹配手段，针对云移动和云阴影影响导致的匹配密度较低的情况，提出了云雪检测方法，消除云阴影的影响。消除云阴影的影响。消除云阴影的影响。

【技术实现步骤摘要】
一种基于中分辨率影像的同名云点快速匹配算法


[0001]本专利技术涉及一种数字图像数据信息提取方法，是一种基于中分辨率影像的同名云点快速匹配算法。

技术介绍

[0002]在地球大气能量收支平衡中，云具有特别显著的调节作用，是影响天气变化的一个重要因子。云顶高度和云移动速度是云的基本宏观参数和天气预报的重要资料，准确的云顶高度能够提高强对流天气的监测和预报准确度、保障航空飞行安全，尤其对于局地灾害性天气的云团结构和高度分析，如强风暴、热带气旋等、云团三维空间模拟和移动监测等具有重要意义。
[0003]NASA(美国宇航局)利用三个角度的MISR(探测卫星)影像，通过重投影技术、影像匹配方法和几何方法解算获得云顶高度和云移动速度。因此，影像几何校正精度和同名云点匹配精度是制约云顶高度和云移动速度估算精度的主要因素。三影像的同名云点的匹配是云顶高度和云移动速度解算的基础，其匹配的精度直接影响结果的精度。
[0004]同名云点匹配和云检测上，众多学者先后利用动态阈值法、Logistic回归模型(一种广义线性回归分析模型)、SIFT(尺度不变特征变换)、最小二乘法和相关系数法进行了云检测和同名云点匹配，取得了一定的效果。
[0005]然而，用于云检测的影像多为中分辨率影像，无法精细表达地貌和云状，加上扫描角度不同、云自身移动变形产生不同云的阴影以及云的高反射率，使得同名云点匹配精度较低，尤其是针对三联像对同名云点匹配，研究几乎没有。

技术实现思路

[0006]本专利技术的目的在于提供一种基于中分辨率影像的同名云点快速匹配算法，以匹配速度较快、正确率较高的相关系数法作为主要匹配手段，针对云移动和云阴影影响导致的匹配密度较低的情况，提出了云雪检测方法，消除云阴影的影响，同时减少了地面点匹配量；针对反射率变化较小地区，采用图像增强方式进行同名云点匹配加密，通过实验，该算法匹配速度快，匹配成功率和覆盖率能达到100％。
[0007]本专利技术的目的可以通过以下技术方案实现：
[0008]一种基于中分辨率影像的同名云点快速匹配算法，所述匹配算法如下：
[0009]连续拍摄的三张不同角度的中分辨率遥感影像，三张影像按时间顺序分别为AN影像、AF影像和AA影像，对拍摄的遥感影像进行同名云点匹配。
[0010]所述同名云点匹配算法包括如下步骤：
[0011]S1、设定左影像坐标变量为(x1,y1)，右影像坐标变量为(x2,y2)，分别对AN影像、AF影像和AA影像进行云雪检测。
[0012]S2、对云雪区进行相关系数法匹配
[0013]以AN影像、AF影像和AA影像中的任意一个影像为左影像，其他影像为右影像，以左
影像对右影像进行匹配，给定云雪区的起始匹配位置和左右视差值,设定相关系数阈值和左影像待匹配点的步长step。
[0014]S3、由左右视差值预测出S2中左影像上的目标点在右影像上的位置。
[0015]S4、在S2中左影像上以目标点(x1,y1)为中心取奇数长度的目标窗口，在右影像上以S3中预测的目标点位置为中心取搜索窗口，搜索窗口的大小是按影像灰度特点和匹配效果进行试验缩放，搜索窗口内去除地面和云影的干扰，将地面和云影处像元灰度值取为0，云雪处正常取值。
[0016]S5、在右影像搜索窗口内按相关系数公式计算每个候选点的相关系数。
[0017]S6、变换左影像和右影像，左影像待匹配点变为新右影像的预测位置，匹配成功点变为新左影像的目标点，进行反向匹配。
[0018]S7、将S6中反向匹配成功的点作为新的配对点，计算x和y方向上的新的左右视差值，返回S3按步长step继续匹配下一个目标点，直至所有待匹配云雪点匹配完成。
[0019]S8、记录无法匹配的区域，对高亮区增强，重复2
‑
7步，实现匹配加密。
[0020]进一步的，所述S2中设定左影像坐标变量(x1,y1)和右影像坐标变量(x2,y2)的起始匹配点对应位置分别为(x
10
,y
10
)和(x
20
,y
20
)。
[0021]设定x和y方向上的左右视差值分别为d
x
＝x
20
‑
x
10
和d
y
＝y
20
‑
y
10
，左右视差值随着匹配的进行而不断更新,采用多行间隔1个像元匹配,匹配的左影像上的目标点位置为:
[0022](x1,y1)＝(x
10
+step,y
10
)。
[0023]进一步的，所述S3中目标点在右影像上的位置为：(x2,y2)＝(x1+d
x
，y1+d
y
)。
[0024]进一步的，所述S5中相关系数公式如下：
[0025][0026]其中，g为左影像灰度值，g
’
为右影像灰度值，Sgg与Sg
’
g
’
分别为左影像和右影像的灰度平方和，Sgg
’
为左影像和右影像灰度积的和，ρ为候选点的相关系数峰值。
[0027]若候选点的相关系数峰值ρ小于S2中的相关系数阈值，则跳过该候选点，左右视差值不变，增加一个步长step继续下一点的匹配，返回步骤S3，若候选点的相关系数峰值ρ大于S2中的相关系数阈值，则将其对应的右影像点位置(x2,y2)作为正向匹配成功的点，然后进行反向匹配。
[0028]进一步的，所述S6中反向匹配步骤如下：
[0029]按照所述S4取目标窗口和搜索窗口，按照S5计算相关系数，若候选点的相关系数峰值ρ大于S2中的相关系数阈值，则将其对应的新右影像点位作为反向匹配成功的点，与正向匹配中的目标点作比较。
[0030]若相同，则反向匹配成功，记录点位，若候选点的相关系数峰值ρ小于S2中的相关系数阈值，或反向匹配成功点与正向匹配中的目标点不相同，则匹配不成功，跳过该点，左右视差值不变，增加一个步长step，返回步骤S3继续下一点的匹配。
[0031]进一步的，所述S7中，x和y方向上的新的左右视差值分别为：d
x
＝x2‑
x1和d
y
＝y2‑
y1。
[0032]进一步的，所述S8中对高亮区增强的方式为采用图像增强算法。
[0033]本专利技术的有益效果：
[0034]1、本专利技术匹配算法以匹配速度较快、正确率较高的相关系数法作为主要匹配手段，针对云移动和云阴影影响导致的匹配密度较低的情况，提出了云(雪)检测方法，消除云阴影的影响，同时减少了地面点匹配量；
[0035]2、本专利技术匹配算法针对反射率变化较小地区，采用图像增强方式进行同名云点匹配加密，通过实验，该算法匹配速度快，匹配成功率和覆盖率能达到100％。
附图说明
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于中分辨率影像的同名云点快速匹配算法，其特征在于，所述匹配算法如下：连续拍摄的三张不同角度的中分辨率遥感影像，三张影像按时间顺序分别为AN影像、AF影像和AA影像，对拍摄的遥感影像进行同名云点匹配；所述同名云点匹配算法包括如下步骤：S1、设定左影像坐标变量为(x1,y1)，右影像坐标变量为(x2,y2)，分别对AN影像、AF影像和AA影像进行云雪检测；S2、对云雪区进行相关系数法匹配以AN影像、AF影像和AA影像中的任意一个影像为左影像，其他影像为右影像，以左影像对右影像进行匹配，给定云雪区的起始匹配位置和左右视差值,设定相关系数阈值和左影像待匹配点的步长step；S3、由左右视差值预测出S2中左影像上的目标点在右影像上的位置；S4、在S2中左影像上以目标点(x1,y1)为中心取奇数长度的目标窗口，在右影像上以S3中预测的目标点位置为中心取搜索窗口，搜索窗口的大小是按影像灰度特点和匹配效果进行试验缩放，搜索窗口内去除地面和云影的干扰，将地面和云影处像元灰度值取为0，云雪处正常取值；S5、在右影像搜索窗口内按相关系数公式计算每个候选点的相关系数；S6、变换左影像和右影像，原左影像待匹配点变为新右影像的预测位置，匹配成功点变为新左影像的目标点，进行反向匹配；S7、将S6中反向匹配成功的点作为新的配对点，计算x和y方向上的新的左右视差值，返回S3按步长step继续匹配下一个目标点，直至所有待匹配云雪点匹配完成。S8、记录无法匹配的区域，对高亮区增强，重复2
‑
7步，实现匹配加密。2.根据权利要求1所述的一种基于中分辨率影像的同名云点快速匹配算法，其特征在于，所述S2中设定左影像坐标变量(x1,y1)和右影像坐标变量(x2,y2)的起始匹配点对应位置分别为(x
10
,y
10
)和(x
20
,y
20
)；设定x和y方向上的左右视差值分别为d
x
＝x
20
‑
x
10
和d
y
＝y
20
‑
y
10
，左右视差值随着匹配的进行而不断更新...

【专利技术属性】
技术研发人员：何永健，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：