本发明专利技术涉及计算机视觉和遥感领域，具体涉及一种基于J-散度的多源遥感影像自动配准方法。其包括如下步骤：利用空间变化模型对待配准影像进行空间变换；计算变换后待配准影像和参考影像重叠部分的J-散度，其中计算得到的每一个J-散度相当于变换空间中一组空间变换参数对应的目标函数值；将J-散度作为相似性指数，利用优化算法搜索并寻找最大相似度指数，根据最大相似度指数得到最优的空间变换参数；利用最优空间变化参数将待配准影像映射到参考影像，实现完全配准。将J-散度作为遥感影像配准的相似性指数解决了互信息对噪声和重叠度敏感的问题，扩大了相似性指数的可行搜索空间，提高了模型的鲁棒性。
【技术实现步骤摘要】
本专利技术涉及计算机视觉和遥感领域，具体涉及一种基于J-散度的多源遥感影像自动配准方法。
技术介绍
随着数字通信技术、航空摄影技术的迅猛发展，现代遥感技术已经能够通过多手段、动态、准确地获取地面观测数据。现代传感技术的显著特点是多传感器平台、多分辨率、多光谱和多时相，这使得人们可以动态、快速、准确、及时地获取不同空间分辨率、时间分辨率以及光谱分辨率的遥感影像。不同遥感平台搭载了不同的传感器，常见的传感器一般通过可见光、热红外、微波等波段成像。不同传感器所获取的遥感影像包含了地物光谱特性在不同波段、相干性等方··面的信息，反映了地物不同方面的特征。为解决某一实际地理问题，通常需要对地表同一地区同一时间(或不同时间)内一系列影像的综合利用，这就需要预先将不同的影像在灰度和空间上进行匹配。遥感影像配准是将不同时间、不同传感器或者在不同视角下获取同一场景的两幅或多幅影像进行空间上匹配的过程。在利用这些多源遥感影像进行数据融合、变化监测、目标识别、数据同化等处理分析之前，必须对这些多源影像进行配准，而配准的精度将直接影响到后续处理的效果。经过近二十年的发展，对于图像配准问题，已形成一整套统一的处理框架和思路。但是由于不同传感器成像机理不同，成像畸变复杂，同时不同影像又不可避免的受到各种随机因子的干扰，多源遥感配准问题变得非常复杂。因此对于每一类具体的影像配准问题，都会有其特殊的分析和处理方法。在目前的实际应用中，较多还是采用人工选取控制点进行多项式配准，效率较低。现有技术中已有的自动配准模型都无法很好的解决多源遥感影像的配准问题，如利用互信息作为相似度指数对遥感影像进行配准，互信息对遥感影像中噪声较为敏感，以互信息作为相似度指数的多源遥感影像自动配准模型并不具有很强的鲁棒性去，其在整个影像配准的过程中，并无法保证完全配准时的互信息取得全局的最大值，低重叠度时出现的高互信息容易出现影像误配，特别是对于相干性差异明显、高噪声影像(如光学影像与雷达影像)配准时，这种现象更加明显。此时只能通过限制优化算法的搜索空间，即只在完全配准对应的变换参数附近进行搜索、或者要求待配准影像与参考影像有较高的重叠区域，这大大限制了自动配准模型的应用。
技术实现思路
本专利技术解决的技术问题是克服现有技术的不足，提供一种抗干扰能力强、更具鲁棒性的基于J-散度的多源遥感影像自动配准方法。为解决上述技术问题，本专利技术的技术方案如下一种遥感影像自动配准方法，包括如下步骤利用空间变化模型对待配准影像进行空间变换；计算变换后待配准影像和参考影像重叠部分的J-散度，其中计算得到的每一个J-散度相当于变换空间中一组空间变换参数对应的目标函数值；将J-散度作为相似性指数，利用优化算法搜索并寻找最大相似度指数，根据最大相似度指数得到最优的空间变换参数；利用最优空间变化参数将待配准影像映射到参考影像，实现完全配准。将J-散度作为遥感影像配准的相似性指数解决了互信息对噪声和重叠度敏感的问题，扩大了相似性指数的可行搜索空间，提高了模型的鲁棒性。上述方案中，所述优化算法为改进的粒子群优化算法，所述方法的具体步骤是将每一个粒子对应一组空间变换参数； 在整个变换参数空间初始化粒子位置和初始化粒子速度；初始化状态下，计算待配准影像在每一组空间变换参数下与参考影像重叠部分的J-散度，并统计J-散度的全局最优；在每一次迭代中，并行地对每一粒子根据公式权利要求1.一种基于J-散度的多源遥感影像自动配准方法，其特征在于，包括如下步骤 利用空间变化模型对待配准影像进行空间变换； 计算变换后待配准影像和参考影像重叠部分的J-散度，其中计算得到的每一个J-散度相当于变换空间中一组空间变换参数对应的目标函数值； 将J-散度作为相似性指数，利用优化算法搜索并寻找最大相似度指数，根据最大相似度指数得到最优的空间变换参数； 利用最优空间变化参数将待配准影像映射到参考影像，实现完全配准。2.根据权利要求I所述的基于J-散度的多源遥感影像自动配准方法，其特征在于，所述优化算法为改进的粒子群优化算法，所述方法的具体步骤是 将每一个粒子对应一组空间变换参数； 在整个变换参数空间初始化粒子位置和初始化粒子速度； 初始化状态下，计算待配准影像在每一组空间变换参数下与参考影像重叠部分的J-散度，并统计J-散度的全局最优； 在每一次迭代中，并行地对每一粒子根据公式3.根据权利要求I所述的基于J-散度的多源遥感影像自动配准方法，其特征在于，计算变换后待配准影像和参考影像的重叠部分的J-散度的具体步骤是 提取变换后待配准影像和参考影像的重叠部分的联合直方图； 根据联合直方图分别计算参考影像和变换后待配准影像的边缘密度分布以及计算参考影像和待配准影像的联合概率密度分布； 根据边缘密度分布和联合概率密度分布计算参考影像和变换后的待配准影像的J-散度，具体计算公式为4.根据权利要求I所述的基于J-散度的多源遥感影像自动配准方法，其特征在于，所述空间变化模型采用仿射变换。全文摘要本专利技术涉及计算机视觉和遥感领域，具体涉及一种基于J-散度的多源遥感影像自动配准方法。其包括如下步骤利用空间变化模型对待配准影像进行空间变换；计算变换后待配准影像和参考影像重叠部分的J-散度，其中计算得到的每一个J-散度相当于变换空间中一组空间变换参数对应的目标函数值；将J-散度作为相似性指数，利用优化算法搜索并寻找最大相似度指数，根据最大相似度指数得到最优的空间变换参数；利用最优空间变化参数将待配准影像映射到参考影像，实现完全配准。将J-散度作为遥感影像配准的相似性指数解决了互信息对噪声和重叠度敏感的问题，扩大了相似性指数的可行搜索空间，提高了模型的鲁棒性。文档编号G06T7/00GK102938146SQ20121028927公开日2013年2月20日 申请日期2012年8月14日 优先权日2012年8月14日专利技术者黎夏, 许晓聪, 刘小平, 黄康宁, 梁嘉咏 申请人:中山大学本文档来自技高网...
【技术保护点】
一种基于J？散度的多源遥感影像自动配准方法，其特征在于，包括如下步骤：利用空间变化模型对待配准影像进行空间变换；计算变换后待配准影像和参考影像重叠部分的J？散度，其中计算得到的每一个J？散度相当于变换空间中一组空间变换参数对应的目标函数值；将J？散度作为相似性指数，利用优化算法搜索并寻找最大相似度指数，根据最大相似度指数得到最优的空间变换参数；利用最优空间变化参数将待配准影像映射到参考影像，实现完全配准。
【技术特征摘要】
【专利技术属性】
技术研发人员：黎夏，许晓聪，刘小平，黄康宁，梁嘉咏，
申请(专利权)人：中山大学，
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。