本发明专利技术公开了一种多源多时相高分辨率卫星遥感影像自动匹配方法，包括步骤：步骤一，根据参考影像对待匹配影像进行纠正和初步配准得到立体影像对；步骤二，从立体影像对中截取影像块，对各影像块进行如下操作：计算影像块的梯度从而得到其对应的梯度图像，并确定所得梯度图像的边缘区域；对影像块梯度图像中的边缘区域和非边缘区域加权，计算加权后影像块梯度图像的非线性亮度相关，得到匹配点；对所得匹配点进行粗差剔除，获取可靠的匹配点；步骤三，根据所得匹配点完成待匹配影像与参考影像的匹配。本方法采用非线性加权相关的方法，考虑了亮度的非线性变化，当影像亮度发生较大非线性变化时，也可以获得稳健的影像匹配结果。
【技术实现步骤摘要】
本专利技术属于摄影测量与遥感领域，尤其涉及一种。
技术介绍
地面分辨率高于5米的卫星遥感影像为高分辨率卫星遥感影像，其具有覆盖范围广、成像周期短等优点，近年来在中小比例尺DEM (Digital Elevation Model,数字高程模型)、DOM (Digital Orthophoto Map,数字正射影 像)制作、地形测绘、变化检测、地图更新等领域得到了广泛的应用。而快速、自动、稳定的多源多时相高分辨率卫星遥感影像匹配技术，是实现新影像纠正、对地定位及后继应用的前提。多源多时相影像匹配的关键技术在于能够克服影像间不同程度的几何和辐射差异，尤其是非线性差异，获取可靠的、高精度的匹配点。在摄影测量领域，自最小二乘匹配算法提出以来，影像匹配都以像素亮度的线性相似度(CC, Correlation coefficient)作为匹配测度,更多的工作被集中在影像间几何关系的使用。在计算机视觉领域，大量的特征提取方法和描述算子被相继提出用以对影像进行匹配。这些特征提取方法和描述算子致力于发现立体像对在特定几何变形下的不变量，包括缩放不变、旋转不变、仿射不变等。如SIFT (Scale-invariant feature transform,尺度不变特征转换)算法主要考虑立体像对的缩放不变、旋转不变，并顾及仿射不变；SURF(Speeded-Up Robust Features,快速稳健特征)贝U重点考虑立体像对的缩放不变,顾及旋转不变。同摄影测量相似，在计算机视觉领域中的影像匹配通常也是认为影像亮度是线性变化的，或仅仅采用轻微的抑制手段，如抑制局部最大。总之，无论在摄影测量领域还是计算机视觉领域，目前还未考虑“当影像亮度发生较大非线性变化时，如何获得稳健的影像匹配结果”这一问题。
技术实现思路
本专利技术的目的在于提供一种考虑了影像亮度非线性变化的、。为达到上述目的，本专利技术的技术方案为，包括步骤步骤一，根据参考影像对待匹配影像进行纠正和初步配准得到立体影像对，所述的立体影像对包括参考影像和待匹配影像；步骤二，从立体影像对中截取影像块，对各影像块进行如下操作计算影像块的梯度从而得到其对应的梯度图像，并确定所得梯度图像的边缘区域；对影像块梯度图像中的边缘区域和非边缘区域加权，计算加权后影像块梯度图像的非线性亮度相关，得到匹配点；对所得匹配点进行粗差剔除，获取可靠的匹配点；步骤三，根据所得匹配点完成待匹配影像与参考影像的匹配。步骤一中根据参考影像间的几何关系对待匹配影像进行纠正和初步配准。步骤二中确定影像块梯度图像的边缘区域进一步包括子步骤2-1设定影像块梯度图像中边缘像素占总像素的比例K ；2-2统计影像块梯度图像中所有像素的灰度得到像素灰度直方图；2-3根据预设K值和像素灰度直方图得到影像块梯度图像的边缘像素阈值g(l ；2-4逐一比较影像块梯度图像中各像素的灰度绝对值和边缘像素阈值g0的大小，灰度绝对值大于边缘像素阈值go的像素则为边缘像素，所有边缘像素的集合即为边缘区域。K值一般为5 10%。为了增强匹配的稳健性，在确定影像块梯度图像的边缘区域后，还有影像块梯度图像预处理步骤，具体为将梯度图像中的非边缘区域滤除，将梯度图像中像素灰度绝对值小于某预设值δ的边缘像素滤除，对梯度图像中亮度高于某预设亮度值的边缘区域，采用“抑制局部最大”的方法进行抑制。作为优选，上述某预设值为0〈δ <5。步骤二中对影像块梯度图像的边缘和非边缘区域加权，所述的边缘区域和非边缘区域的权值为将非边缘区域的权值衡定为I，边缘区域的权值为W，W根据关注边缘区域变化的程度来取值，其取值范围为10 100，在W的取值范围内，关注边缘区域变化程度越高W取值越大。步骤二中计算加权后影像块梯度图像的非线性亮度相关，具体为对影像块梯度图像进行加权，得到非线性亮度相关P : P =ki P x+k2 P y+k3 P _x+k4 P _y，其中kp k2、k3、k4为归一化常数，kp k2的比值根据参考影像块梯度和的比值来确定，权利要求1.一种，其特征在于，包括步骤 步骤一，根据参考影像对待匹配影像进行纠正和初步配准得到立体影像对，所述的立体影像对包括参考影像和待匹配影像； 步骤二，从立体影像对中截取影像块，对各影像块进行如下操作 计算影像块的梯度从而得到其对应的梯度图像，并确定所得梯度图像的边缘区域； 对影像块梯度图像中的边缘区域和非边缘区域加权，计算加权后影像块梯度图像的非线性亮度相关，得到匹配点； 对所得匹配点进行粗差剔除，获取可靠的匹配点； 步骤三，根据所得匹配点完成待匹配影像与参考影像的匹配。2.根据权利要求I所述的，其特征在于 所述的纠正和初步配准是根据参考影像间的几何关系进行。3.根据权利要求I所述的，其特征在于 所述的确定影像块梯度图像的边缘区域进一步包括子步骤 2-1设定影像块梯度图像中边缘像素占总像素的比例K ； 2-2统计影像块梯度图像中所有像素的灰度得到像素灰度直方图； 2-3根据预设K值和像素灰度直方图得到影像块梯度图像的边缘像素阈值g(l ； 2-4逐一比较影像块梯度图像中各像素的灰度绝对值和边缘像素阈值g(l的大小，灰度绝对值大于边缘像素阈值&的像素则为边缘像素，所有边缘像素的集合即为边缘区域。4.根据权利要求3所述的，其特征在于 所述的影像块梯度图像中边缘像素占总像素的比例K值为5 10%。5.根据权利要求I所述的，其特征在于 所述的确定影像块梯度图像的边缘区域之后，还有影像块梯度图像预处理步骤，具体为将梯度图像中的非边缘区域滤除，将梯度图像中像素灰度绝对值小于某预设值S的边缘像素滤除，对梯度图像中亮度高于某预设亮度值的边缘区域，采用“抑制局部最大”的方法进行抑制。6.根据权利要求5所述的，其特征在于 所述的某预设值δ为0〈δ <5。7.根据权利要求I所述的，其特征在于 所述的边缘区域和非边缘区域的权值为 非边缘区域的权值衡定为1，边缘区域的权值为W，W根据关注边缘区域变化的程度来取值，其取值范围为10 100，在W的取值范围内，关注边缘区域变化程度越高W取值越大。8.根据权利要求I所述的，其特征在于所述的计算加权后影像块梯度图像的非线性亮度相关，具体为 对影像块梯度图像进行加权，得到非线性亮度相关P : P =^p x+k2 P y+k3 P _x+k4 p _y， 其中 kp k2、k3、k4为归一化常数，kp k2的比值根据参考影像块梯度和的比值来确定，9.根据权利要求I所述的，其特征在于 所述的对所得匹配点进行粗差剔除根据是否已知待匹配影像的定向参数来自动选择粗差剔除几何模型。10.根据权利要求9所述的，其特征在于 所述的根据是否已知待匹配影像的定向参数来自动选择粗差剔除几何模型具体为若不知待匹配影像的定向参数，则自动选择采用二次多项式进行粗差剔除；若已知待匹配影像的定向参数，则根据有理多项式参数进行粗差剔除。全文摘要本专利技术公开了一种，包括步骤步骤一，根据参考影像对待匹配影像进行纠正和初步配准得到立体影像对；步骤二，从立体影像对中截取影像块，对各影像块进行如下操作计算影像块的梯度从而得到其对应的梯度图像，并确定所得梯度图像的边缘区域；对影像块梯本文档来自技高网...
【技术保护点】
一种多源多时相高分辨率卫星遥感影像自动匹配方法，其特征在于，包括步骤：步骤一，根据参考影像对待匹配影像进行纠正和初步配准得到立体影像对，所述的立体影像对包括参考影像和待匹配影像；步骤二，从立体影像对中截取影像块，对各影像块进行如下操作：计算影像块的梯度从而得到其对应的梯度图像，并确定所得梯度图像的边缘区域；对影像块梯度图像中的边缘区域和非边缘区域加权，计算加权后影像块梯度图像的非线性亮度相关，得到匹配点；对所得匹配点进行粗差剔除，获取可靠的匹配点；步骤三，根据所得匹配点完成待匹配影像与参考影像的匹配。
【技术特征摘要】
【专利技术属性】
技术研发人员：季顺平，张彤，李均力，
申请(专利权)人：武汉大学，中国科学院新疆生态与地理研究所，武汉方寸科技有限公司，
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。