基于分级学习和基元角点提取的遥感影像配准方法及系统技术方案

本发明专利技术涉及一种基于分级学习和基元角点提取的遥感影像配准方法及系统，包括以下步骤：S1遥感影像预处理步骤，过滤影像中的噪点，并实现待匹配区域的选定；S2遥感影像角点提取步骤，提取两幅待配准遥感影像中的角点，角点进行全幅提取；S3基元角点选取步骤，筛选基元角点，用于后续的配准；S4分级学习步骤，根据选取的基元角点，在全幅遥感影像中分级学得配准公式，实现根据全幅影像的非线性配准方法；S5遥感影像配准验证步骤，根据不用分辨率、不同质量的遥感影像，调整配准算法过程参数，实现配准方法的适应性优化。本发明专利技术对原始遥感影像划分网格、选取基元角点，并计算网格与网格之间的像素如何插值配准距离的方式。间的像素如何插值配准距离的方式。间的像素如何插值配准距离的方式。

【技术实现步骤摘要】
基于分级学习和基元角点提取的遥感影像配准方法及系统


[0001]本专利技术涉及遥感影像的配准研究，具体是一种基于分级学习和基元角点提取的遥感影像配准方法及系统。

技术介绍

[0002]图像配准是图像应用领域的重要研究和应用方向之一。图像在采集时的拍摄角度不同、拍摄时间不同、图像分辨率不同等因素，造成了对统一目标区域的图像表达存在差异，为目标识别监测、图像统计分析等应用带来了极大不便。近年来，随着图像的精细理解分析的需求日益旺盛，图像的配准的精度尤为重要。
[0003]另一方面，遥感影像与普通图像图片相比，具有幅面大、精度较差等特点。因此，运用传统的图像配准方法，在遥感图像领域，并不总能取得较好的配准效果。

技术实现思路

[0004]本专利技术主要是解决现有技术所存在的上述技术问题，提供了一种基于分级学习和基元角点提取的遥感影像配准方法及系统。该方法通过将原始遥感影像拆分为R、G、B三个颜色分量，并对原始遥感影像划分网格、选取基元角点，并计算网格与网格之间的像素如何插值配准距离的方式，实现了一种新的遥感影像配准方法。...

【技术保护点】

【技术特征摘要】
1.一种基于分级学习和基元角点提取的遥感影像配准方法，其特征在于，包括以下步骤：S1遥感影像预处理步骤，用于将待配准的两幅遥感影像进行预处理，过滤影像中的噪点，并实现待匹配区域的选定；S2遥感影像角点提取步骤，采用不转换为灰度图像直接提取基于彩色遥感影像角点的方法，提取两幅待配准遥感影像中的角点，角点进行全幅提取；S3基元角点选取步骤，此步骤在S2提取角点的基础上，筛选基元角点，用于后续的配准；S4分级学习步骤，根据选取的基元角点，在全幅遥感影像中分级学得配准公式，此处定义为两幅图像对应像素点配准过程中的坐标转换公式，实现根据全幅影像的非线性配准方法；S5遥感影像配准验证步骤，验证前述方法的配准精度，根据不用分辨率、不同质量的遥感影像，调整配准算法过程参数，实现配准方法的适应性优化。2.根据权利要求1所述的基于分级学习和基元角点提取的遥感影像配准方法，其特征在于，步骤S1具体包括以下步骤：S11比较待配准两幅遥感影像分辨率，若分辨率不同，则将高分辨率遥感影像转化为低分率遥感影像的实际分辨率，实现两者分辨率相同；若初始状态两者分辨率即相同，则跳过此步骤；S12对两幅遥感影像进行中值滤波，去掉原始遥感影像中的椒盐噪声，避免对角点提取的影像；S13计算两幅遥感影像的结构相似度SSIM，当两者结构相似度大于给定阈值，则初步判定两幅遥感影像为同一区域影像；S14上述步骤S13初步筛选后的遥感影像，人工进一步检测，若目视两幅遥感影像为同一区域，则用于后续的配准步骤；若两者不为同一区域的遥感影像，则表明两幅遥感影像存在数据选取错误，不能用于配准。3.根据权利要求2所述的基于分级学习和基元角点提取的遥感影像配准方法，其特征在于，滤波方法为：S121将两幅遥感影像均转化至RGB颜色空间；S122为遥感影像中除边缘点外的每一个点取3
×
3的领域大小，该点正好位于3
×
3空间的中心位置；S123求解每一个点RGB颜色空间中R红色、G绿色和B蓝色的具体数值；S124对每一个点的三个颜色分量，以3
×
3的领域求解领域内中间值，即领域内数值升序或降序排列后的中间值；S125以中间值大小代替该点的数值；S126每一个点的颜色分量R、G、B分别进行如上操作后，中值滤波，得到新的R、G、B数值，即为该点滤波后的RGB值。4.根据权利要求1所述的基于分级学习和基元角点提取的遥感影像配准方法，其特征在于，步骤S2具体包括以下步骤：S21将彩色遥感影像按照RGB颜色分量，分解为三幅单色影像，每幅影像只有R、G、B3个颜色分量中的一种；S22分别对三幅单色颜色分量的遥感影像，运用Harris算法提取角点，并记录角点在原始遥感影像中的坐标；S23将三幅单色遥感影像提取的角点合并；
S24运用步骤S23同样方法和步骤，实现待配准两幅遥感影像的角点提取。5.根据权利要求4所述的基于分级学习和基元角点提取的遥感影像配准方法，其特征在于，合并方法为：S231若三幅单色遥感影像中均提取的角点，坐标相同，则将该角点记录为原始遥感影像的角点；S232若某角点只在一幅单色遥感影像中提取出来，则不将该角点记录为原始遥感影像角点；S233若某角点在两幅单色遥感影像中有提取到，则需通过辅助方式确定该角点是否记录为原始遥感影像的角点，辅助方式为下述S234步骤描述；S234通过将原始遥感影像转化为灰度影像，并运用Harris算法提取角点，此步骤所提取的角点若与S233步骤提取的角点位置重合，则将该角点记录为原始遥感影像的角点；S235通过三幅单色遥感影像分别提取角点，并按照规则合并的方式，实现原始彩色遥感影像的角点提取。6.根据权利要求1所述的基于分级学习和基元角点提取的遥感影像配准方法，其特征在于，步骤S3具体实现步骤为：S31首先将遥感影像网格化把全幅分为大小相等的网格，具体网格大小由用户交互输入；S32统计全幅遥感影像普通角...

【专利技术属性】
技术研发人员：王聪，戎士敏，陈磊，石碧薇，赵杰，吴斌，马会轻，崔立飞，李娜，张锐，王培，郭静，杜建宇，宋国维，孙莹晖，张泽林，刘一，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：