【技术实现步骤摘要】
一种基于多尺度模板匹配的多模态遥感图像配准方法
[0001]本专利技术属于遥感图像配准
,具体涉及一种基于多尺度模板匹配的多模态遥感图像配准方法
。
技术介绍
[0002]随着航天技术和传感器技术的快速发展,遥感观测手段逐渐多样化,能够获得多元化的遥感观测数据,例如光学
、
深度信息
、
激光雷达
(LiDAR)、
红外
、
合成孔径雷达
(SAR)
和地形数据等
。
将多种数据组合形成多源遥感数据,有利于更好的在变化检测
、
目标定位
、
以及环境与灾害检测等方面发挥作用
。
其中多模态图像匹配是实现优势互补,发挥多源数据优势的关键
。
[0003]如图
1(a)
和图
1(b)
所示,不同源的遥感观测图像数据间可能存在位移
、
旋转
、
尺度
、
辐射和噪声等方面的差异,因此有必要实现多远遥感影像配准,配准方法主要包括三类:基于深度学习的方法
、
基于特征的方法和基于模板的方法
。
[0004]基于深度学习的方法目前是一种十分先进的技术,许多相关工作在对应数据集上取得了良好的效果,但是很难真实发挥作用
。
一方面是目前没有通用的多模态图像数据集用于模型训练,无法训练出可靠且稳定的参数;另一方面是训练好的模型对于不同的 ...
【技术保护点】
【技术特征摘要】
1.
一种基于多尺度模板匹配的多模态遥感图像配准方法,其特征在于,包括如下步骤:
1)
获取多模态遥感图像对,分别为参考图像和待配准图像;构建每幅图像的特征描述图,并对其进行多次逐层下采样操作以构建得到两幅图像的高斯金字塔;
2)
提取图像对的特征点,对待配准图像的高斯金字塔进行不同方向的旋转;基于提取的特征点,利用模板匹配算法在不同旋转方向上进行遥感图像对的匹配,挑选出匹配点数量最多的方向作为主方向;
3)
根据主方向对应的特征匹配结果确定遥感图像对的空间变换关系
。2.
根据权利要求1所述的基于多尺度模板匹配的多模态遥感图像配准方法,其特征在于,构建的特征描述图为频域卷积图,构建频域卷积图的过程包括:
①
对输入图像进行小波分解,得到低频小波分量,以及水平
、
垂直和对角线上的高频小波分量;
②
利用
Log
‑
Gabor
函数,得到低频小波分量在不同尺度下的振幅分量,作为低频小波分量在不同尺度下的特征;
③
对不同尺度下的特征进行归一化处理,利用归一化处理结果重构低频小波分量;
④
根据重构的低频小波分量以及步骤
①
中的水平
、
垂直和对角线上的高频下波分量进行小波重构,得到频域卷积图
。3.
根据权利要求1所述的基于多尺度模板匹配的多模态遥感图像配准方法,其特征在于,步骤
2)
中提取的特征点为
Shi
‑
Tomasi
角点
。4.
根据权利要求3所述的基于多尺度模板匹配的多模态遥感图像配准方法,其特征在于,提取的
Shi
‑
Tomasi
角点为分布均匀化处理后的
Shi
‑
Tomasi
角点,且采用自适应非极大值抑制算法进行分布均匀化处理,抑制区域变长阈值的计算公式为:值抑制算法进行分布均匀化处理,抑制区域变长阈值的计算公式为:式中,
a
j
为抑制区域变长阈值;
m
为需要提取的特征点数量;
H
I
和
W
I
分别为图像的高度和宽度
。5.
根据权...
【专利技术属性】
技术研发人员:蓝朝桢,高天,施群山,周杨,王慧,张衡,李鹏程,吕亮,胡校飞,王龙号,魏紫珺,姚富山,
申请(专利权)人:中国人民解放军战略支援部队信息工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。