基于一致性梯度特征的多模遥感图像配准方法技术

本发明专利技术公开了一种基于一致性梯度特征的多模遥感图像配准方法，包括：提取第一图像的第一梯度图和第二图像的第二梯度图；根据第一梯度图确定第一特征直方图和第一特征点；根据第一图像与第二图像之间的多对预处理控制点，以及第一特征点，确定第二图像中对应的第二特征点；根据第一特征直方图确定第一特征描述符；根据第二梯度图确定第二特征直方图，根据第二特征直方图确定第二特征描述符；根据第一特征描述符、第二特征描述符、第一特征点中的目标特征点和第二图像，通过模板匹配和快速傅里叶变换确定最小位置误差；根据第二特征点和最小位置误差，得到第三特征点，每个第三特征点与一个第一特征点构成一对匹配点；从匹配点中剔除误匹配点。中剔除误匹配点。中剔除误匹配点。

【技术实现步骤摘要】
基于一致性梯度特征的多模遥感图像配准方法


[0001]本专利技术属于图像处理
，具体涉及一种基于一致性梯度特征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，并且已被普遍应用于飞行器导航系统、弹体定位、城市发展监测、地形山脉测绘、生物诊断、气候学等军事和民用领域。异源图像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，实现参考图像和待配准图像具有相同的几何一致性，是处理多源遥感传感器图像的工作基础，也是当前图像配准
的研究热点。
[0003]目前多模遥感图像配准方法可分为传统配准算法和深度学习配准算法。传统多模遥感图像配准算法以基于灰度信息的图像配准方法和基于特征信息的图像配准方法为主要代表。基于深度学习的配准算法分为有监督学习的配准算法和无监督学习的配准算法。
[0004]但是，由于多模态遥感图像之间存在着非线性灰度差异以及辐射强度差异(光照差异)，基于灰度信息的图像配准方法多针对同源图像，对光照差异和灰度变化较为敏感，难以处理多模遥感图像，匹配精度低，可靠性严重下降，时间复杂度高。而基于特征信息的图像配准方法虽然可以稳定的处理多源遥感图像，但是，由于遥感图像可能存在非线性辐射畸变，使用强度信息或梯度信息进行特征的检测和描述会导致这些算法失效，难以取得稳定的配准效果；并且，使用相位信息进行特征的检测和描述匹配时间复杂度较高，提取的特征点精度较低。基于深度学习的图像配准算法则需要大量的样本数据集，可迁移性较差，配准结果不稳定。
[0005]也就是说，目前的多模遥感图像配准方法难以满足多模遥感图像配准高精度、低延时的要求。

技术实现思路

[0006]为了解决相关技术中存在的上述问题，本专利技术提供了一种基于一致性梯度特征的多模遥感图像配准方法。本专利技术要解决的技术问题通过以下技术方案实现：
[0007]本专利技术提供一种基于一致性梯度特征的多模遥感图像配准方法，包括：
[0008]分别提取第一图像的第一梯度图和第二图像的第二梯度图；
[0009]根据所述第一梯度图，确定第一梯度一致性特征直方图和多个第一特征点；
[0010]根据所述第一图像与所述第二图像之间的多对预处理控制点，以及每个第一特征点的第一位置信息，确定所述第二图像中对应的第二特征点的第二位置信息；
[0011]根据所述第一梯度一致性特征直方图，确定第一特征描述符；
[0012]根据所述第二梯度图，确定第二梯度一致性特征直方图，根据所述第二梯度一致性特征直方图，确定第二特征描述符；
[0013]根据所述第一特征描述符、所述第二特征描述符、所述多个第一特征点中的目标
特征点和所述第二图像，通过模板匹配和快速傅里叶变换，确定最小位置误差；
[0014]根据所述第二位置信息和所述最小位置误差，得到第三位置信息；每个第三位置信息对应一个第三特征点，一个第三特征点与一一对应的一个第一特征点构成一对匹配点；
[0015]从多对匹配点中剔除每对误匹配点，得到配准结果。
[0016]本专利技术具有如下有益技术效果：
[0017]通过利用图像的梯度信息(梯度图)提取图像的特征点信息，可以不受异源图像(第一图像和第二图像)之间灰度变化和光照差异的影响，从而可以获得鲁棒性强且稳定的特征点；通过提取每个图像的梯度图，并根据该图像的梯度图生成该图像的梯度一致性特征直方图，可以减少SAR斑点噪声干扰对配准结果的影响；通过模板匹配和快速傅里叶变换进行快速的相似性度量处理，以获得最小的位置误差，可以提高运算效率，从而可以通过快速获得位置误差，来快速得到多对位置准确的匹配点；以及，通过从得到的多对位置准确的匹配点中进一步提出误匹配点，可以获得高精度的匹配点。因此，通过本专利技术提供的配准方法可以使得对多源图像的配准更加准确且高效。
[0018]以下将结合附图及实施例对本专利技术做进一步详细说明。
附图说明
[0019]图1为本专利技术实施例提供的基于一致性梯度特征的多模遥感图像配准方法的一个可选的流程图；
[0020]图2A为本专利技术实施例提供的示例性的根据可见光图像与SAR图像的配准结果得到的配准结果连线图；
[0021]图2B为本专利技术实施例提供的示例性的根据可见光图像与SAR图像的配准结果得到的融合图；
[0022]图2C为本专利技术实施例提供的示例性的根据可见光图像与SAR图像的配准结果得到的棋盘格拼接图；
[0023]图3A为本专利技术实施例提供的示例性的根据可见光图像与红外图像的配准结果得到的配准结果连线图；
[0024]图3B为本专利技术实施例提供的示例性的根据可见光图像与红外图像的配准结果得到的融合图；
[0025]图3C为本专利技术实施例提供的示例性的根据可见光图像与红外图像的配准结果得到的棋盘格拼接图；
[0026]图4A为本专利技术实施例提供的示例性的根据两张不同的SAR图像的配准结果得到的配准结果连线图；
[0027]图4B为本专利技术实施例提供的示例性的根据两张不同的SAR图像的配准结果得到的融合图；
[0028]图4C为本专利技术实施例提供的示例性的根据两张不同的SAR图像的配准结果得到的棋盘格拼接图。
具体实施方式
[0029]下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。
[0030]在本专利技术的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0031]在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本专利技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
[0032]尽管在此结合各实施例对本专利技术进行了描述，然而，在实施所要求保护的本专利技术过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
[0033]图1是本专利技术实施例提供的基于一致性梯度特征的多模遥感图像配准方法的一个流程图，如图1所示，所述方法包括以下步骤：
[0034]S10本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于一致性梯度特征的多模遥感图像配准方法，其特征在于，包括：分别提取第一图像的第一梯度图和第二图像的第二梯度图；根据所述第一梯度图，确定第一梯度一致性特征直方图和多个第一特征点；根据所述第一图像与所述第二图像之间的多对预处理控制点，以及每个第一特征点的第一位置信息，确定所述第二图像中对应的第二特征点的第二位置信息；根据所述第一梯度一致性特征直方图，确定第一特征描述符；根据所述第二梯度图，确定第二梯度一致性特征直方图，根据所述第二梯度一致性特征直方图，确定第二特征描述符；根据所述第一特征描述符、所述第二特征描述符、所述多个第一特征点中的目标特征点和所述第二图像，通过模板匹配和快速傅里叶变换，确定最小位置误差；根据所述第二位置信息和所述最小位置误差，得到第三位置信息；每个第三位置信息对应一个第三特征点，一个第三特征点与一一对应的一个第一特征点构成一对匹配点；从多对匹配点中剔除每对误匹配点，得到配准结果。2.根据权利要求1所述的基于一致性梯度特征的多模遥感图像配准方法，其特征在于，所述第一梯度图包括：第一梯度幅值图和第一梯度幅角图；所述根据所述第一梯度图，确定第一梯度一致性特征直方图和多个第一特征点，包括：对所述第一梯度幅值图和第一梯度幅角图进行直方图统计，得到三维的第一梯度一致性特征直方图，其中，三维包括：幅值维度、幅角维度和尺度维度；所述尺度维度表征所述第一梯度幅角图的数量；对所述第一梯度幅值图进行非极大值抑制处理，得到多个第一位置信息，每个第一位置信息对应一个第一特征点。3.根据权利要求1或2所述的基于一致性梯度特征的多模遥感图像配准方法，其特征在于，所述根据所述第一图像与所述第二图像之间的多对预处理控制点，以及每个第一特征点的第一位置信息，确定所述第二图像中对应的第二特征点的第二位置信息，包括：根据所述第一图像与所述第二图像之间的多对预处理控制点，确定所述第一图像与所述第二图像之间的第一投影变换矩阵；根据每个第一特征点的第一位置信息和所述第一投影变换矩阵，得到该第一特征点在所述第二图像中对应的第二特征点的第二位置信息。4.根据权利要求3所述的基于一致性梯度特征的多模遥感图像配准方法，其特征在于，在所述根据所述第一图像与所述第二图像之间的多对预处理控制点，确定所述第一图像与所述第二图像之间的第一投影变换矩阵之前，所述方法还包括：获取所述第一图像中的第一预处理控制点，以及所述第二图像中的第二预处理控制点；其中，每个第一预处理控制点一一对应一个第二预处理控制点；将具有对应关系的第一预处理控制点与第二预处理控制点作为一对预处理控制点，得到所述多对预处理控制点。5.根据权利要求1所述的基于一致性梯度特征的多模遥感图像配准方法，其特征在于，所述根据所述第一特征描述符、所述第二特征描述符、所述多个第一特征点中的目标特征点和所述第二图像，通过模板匹配和快速傅里叶变换，确定最小位置误差，包括：采用以目标第一特征点为中心的预设大小的窗口模板，从所述第二图像的感兴趣区域
中确定每个搜索窗口；所述目标特征点为所述多个第一特征点中的任意一个；根据所述第一特征描述符、所述第二特征描述符，通过快速傅里叶变换，计算所述窗口模板与搜索窗口之间的平均误差平方和的最小值；每个平均误差平方和基于一个位置误差得到；每个平均误差平方和对应一个搜索窗口；将所述最小值对应的位置误差，作为所述最小位置误差。6...

【专利技术属性】
技术研发人员：梁毅，任之龙，陈皓晖，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：