【技术实现步骤摘要】
本专利技术涉及影像处理，尤其涉及一种基于harris算法的多源影像配准方法及系统。
技术介绍
1、目前，随着对地观测卫星系统的快速发展，卫星数据因其探测范围广、采集数据快、具有周期性等特点，在应急救灾方面的应用也越来越多，例如多光谱数据可以快速获取灾区影像，掌握灾区现状，sar数据因其具有不受气候和环境影响、长时间稳定连续获取地表信息的特点，广泛应用于灾害监测。但是不同分辨率、不同传感器、不同波谱的卫星影像因其成像模式传感器差异、尺度差异、影像结构差异，导致影像存在几何畸变，影像间配准困难，降低影像中目标信息提取能力的问题。
2、中国专利cn112381864a公开了一种基于对极几何的多源多尺度高分辨率遥感影像自动配准技术，其利用直方图规定化和重采样将影像处理成具有相似灰度和分辨率的影像，使用宽极线匹配算法增加精确的配准点对数量，引入对极几何理论通过同名的配准点对计算同名极线段进行影像的配准。
3、但是，上述技术方案中使用配准点对进行影像配准，其中配准点对是通过直方图规定化和重采样提取得到，对图像旋转和视点变化不敏感，不具有尺度不变性，当两幅影像的尺度相差较大时，配准点的尺度差异可能会导致匹配错误或者不准确的匹配，导致配准效果不好。
技术实现思路
1、有鉴于此，本专利技术提出了一种基于harris算法的多源影像配准方法，其能够在不同尺度空间层中提取特征点，使特征点具有尺度不变性，并对多尺度特征点进行筛选，提高待配准影像的匹配准确率。
2、本专利技
3、第一方面，本专利技术提供了一种基于harris算法的多源影像配准方法，包括以下步骤：
4、s1、输入两幅待配准影像；
5、s2、对所述两幅待配准影像进行区域矩形分割，提取感兴趣区域；
6、s3、构建多尺度空间，使用多尺度空间对感兴趣区域进行处理，得到多尺度感兴趣区域图像；
7、s4、利用harris算法提取多尺度感兴趣区域图像中的多尺度特征点；
8、s5、对所述多尺度特征点进行筛选，去除多尺度特征点中的无效特征点；
9、s6、根据筛选后的多尺度特征点进行影像配准。
10、在以上技术方案的基础上，优选的，所述多尺度空间包括若干尺度空间层，步骤s3具体包括：
11、s31、设置滤波器参数，对当前尺度空间层的多尺度感兴趣区域图像进行滤波处理，得到滤波图像；
12、s32、设置缩放因子，对所述滤波图像进行下采样处理，得到下采样图像；
13、s33、将所述下采样图像作为当前尺度空间层的空间图像；
14、s34、重复步骤s31-s33，直到所述尺度空间层的层数达到预设值或空间图像的尺寸达到预设尺寸。
15、在以上技术方案的基础上，优选的，步骤s4具体包括：
16、对当前尺度空间层中多尺度感兴趣区域图像的每个像素点建立窗口区域；
17、选取多尺度感兴趣区域图像中一个像素点的窗口区域作为起始区域，从起始区域进行遍历，直至当前尺度空间层中多尺度感兴趣区域图像的全部像素点的窗口区域均被遍历；
18、分别计算每层尺度空间层中各窗口区域内harris矩阵的元素；
19、计算各窗口区域内harris矩阵的第一特征值和第二特征值；所述第一特征值为harris矩阵在x方向的灰度变化率，第二特征值为harris矩阵在y方向的灰度变化率；
20、根据第一特征值和第二特征值计算当前harris矩阵的harris角点响应值；
21、根据harris角点响应值确定当前尺度空间的多尺度特征点。
22、在以上技术方案的基础上，优选的，步骤s5具体包括：
23、对所述多尺度特征点进行排序，得到第一特征点序列；
24、对所述第一特征点序列进行非极大值抑制处理去除局部极大值点，得到第二特征点序列；
25、对所述第二特征点序列依次进行角度筛选和尺度筛选，得到筛选后的多尺度特征点。
26、更进一步优选的，步骤s6具体包括：
27、s61、分别确定两幅待配准影像的坐标，所述坐标分别为输入影像坐标和参考影像坐标；
28、s62、根据输入影像坐标和参考影像坐标计算输入影像特征点的仿射变换模型坐标；
29、s63、根据输入影像特征点的仿射变换模型坐标计算均方根误差；
30、s64、根据多尺度特征点建立三角网格，根据每个三角网格的像素点进行坐标配准。
31、在以上技术方案的基础上，优选的，步骤s62具体包括：
32、根据输入影像坐标和参考影像坐标建立仿射变换模型；
33、利用三对同名特征点，计算仿射变换模型的参数；
34、根据仿射变换模型的参数和参考影像特征点的坐标反向计算输入影像特征点的仿射变换模型坐标，得到参考影像反向计算的输入影像坐标。
35、在以上技术方案的基础上，优选的，步骤s63具体包括：
36、s631、在参考影像中选择多个样本特征点，根据仿射变换模型的参数反向计算样本特征点的输入影像坐标，并根据样本特征点坐标和样本特征点的输入影像坐标计算均方根误差；
37、s632、判断所述均方根误差是否超过阈值，若是，则删除均方根误差对应的样本特征点；
38、s633、返回步骤s631，迭代步骤s631-s632，直至样本特征点的均方根误差小于阈值。
39、在以上技术方案的基础上，优选的，步骤s64具体包括：
40、利用均方根误差小于阈值的样本特征点对建立三角网；
41、对三角网基于最小二乘法进行坐标转换；
42、根据坐标转换后的坐标进行坐标配准。
43、在以上技术方案的基础上，优选的，所述利用均方根误差小于阈值的同名特征点对建立三角网具体包括：
44、创建空的三角网要素集；
45、将同名特征点对按x坐标进行升序排序，并根据同名特征点坐标确定外接三角形；
46、将待匹配数据点插入外接三角形中，并连接待匹配数据点与外接三角形的定性，形成三个小三角形；
47、计算小三角形的外接圆，根据小三角形的外接圆判断待小三角形中三个点的序号是否保存至三角网要素集；
48、根据三角网要素集形成三角网。
49、第二方面，本专利技术提供了一种基于harris算法的多源影像配准系统，采用如上述任一项所述的多源影响配准方法，包括：
50、输入单元，用于输入两幅待配准影像；
51、分割单元，用于对所述两幅待配准影像进行区域矩形分割，提取感兴趣区域；
52、图像处理单元，用于构建多尺度空间，使用多尺度空间对感兴趣区域进行处理，得到多尺度感兴趣区域图像；
53、特征提取单元，用于利用harris算法提取多尺度感兴本文档来自技高网...
【技术保护点】
1.一种基于Harris算法的多源影像配准方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种基于Harris算法的多源影像配准方法，其特征在于：所述多尺度空间包括若干尺度空间层，步骤S3具体包括：
3.如权利要求2所述的一种基于Harris算法的多源影像配准方法，其特征在于：步骤S4具体包括：
4.如权利要求1所述的一种基于Harris算法的多源影像配准方法，其特征在于：步骤S5具体包括：
5.如权利要求3所述的一种基于Harris算法的多源影像配准方法，其特征在于：步骤S6具体包括：
6.如权利要求5所述的一种基于Harris算法的多源影像配准方法，其特征在于：步骤S62具体包括：
7.如权利要求6所述的一种基于Harris算法的多源影像配准方法，其特征在于：步骤S63具体包括：
8.如权利要求7所述的一种基于Harris算法的多源影像配准方法，其特征在于：步骤S64具体包括：
9.如权利要求8所述的一种基于Harris算法的多源影像配准方法，其特征在于：所述利用均方根误差
10.一种基于Harris算法的多源影像配准系统，其特征在于，采用如权利要求1-9任一项所述的多源影响配准方法，包括：
...【技术特征摘要】
1.一种基于harris算法的多源影像配准方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种基于harris算法的多源影像配准方法，其特征在于：所述多尺度空间包括若干尺度空间层，步骤s3具体包括：
3.如权利要求2所述的一种基于harris算法的多源影像配准方法，其特征在于：步骤s4具体包括：
4.如权利要求1所述的一种基于harris算法的多源影像配准方法，其特征在于：步骤s5具体包括：
5.如权利要求3所述的一种基于harris算法的多源影像配准方法，其特征在于：步骤s6具体包括：
6.如权利要求5所述的...
【专利技术属性】
技术研发人员：储扬静，徐磊，
申请(专利权)人：南京北斗创新应用科技研究院有限公司，
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。