一种多源遥感图像配准方法技术

本发明专利技术公开了一种多源遥感图像配准方法，该方法考虑到多源遥感图像的大小比对，对目标图像和源图像分别进行适当的分块处理，分块检测匹配SURF特征点后确定感兴趣区域ROI，然后按一定的策略进行匹配，根据分块图像匹配情况进行分析提取，最后得到整个目标图像和源图像的匹配关系。本发明专利技术的优点在于通过少数几个分块的SURF特征点检测与匹配实现象限划分，从而确定图像感兴趣区域，并结合方向选择和特征点个数阈值筛选，达到提高配准效率的目的。同时，通过确定最多匹配点对图像分块作为原图像的放射变换关系，降低了原SURF特征匹配的错误率。

【技术实现步骤摘要】

本专利技术涉及遥感图像处理与应用的
，具体涉及，该方法是基于象限划分和方向选择的分块改进SURF算法，主要应用于多源遥感影像融合之前快速准确地确定融合区域，是实现多源遥感图像融合的前提。
技术介绍
遥感作为获取信息的重要手段，可以获得大量具有不同空间分辨率、光谱分辨率和时相分辨率的遥感图像，而单一手段获取的遥感图像在几何信息、光谱分辨率和空间分辨率等方面存在明显的局限性。采用有效的方法对多源遥感图像进行融合，能够为后续的目标分割、识别、跟踪等具体应用奠定数据基础。遥感图像配准就是对不同时间、不同传感器或不同视角采集的关于同一目标或场景的多幅遥感图像进行关于局部特征的匹配、叠加的过程。总体而言，配准方法可分为基于灰度特性的方法和基于图像特征点的方法两种，基于图像特征点方法的图像配准由于实时性高、稳定性强，更适用于多源遥感图像的配准(参考文献 Dawn S，Saxena V, Sharma B. Remote sensing image registration techniques; a survey. Lecture Notes in Computer Science,2010，6134:103-112. XSURF 算法(参考文献 Herbert Bay, Tinne Tuytelaars, and Luc Van GooI, ETH Zurich SURF:Speeded up Robust Features Computer Vision_ECCV2006Lecture Notes in Computer Science, 2006.)在 SIFT 等局部特征算法(参考文献 D. G. Lowe, Distinctive image features from scale-invariant keypoints, Int. J. Comput. Vis. 60 (2) (2004)91 -110.)基础上做了进一步发展，其没有边缘点消除和光照消除过程，这些都使得它的检测时间效率有了较大程度的提高。SURF算法采用积分图像简化计算，在进行近似Hessian矩阵(参考文献 Viola, P.，Jones, M. : Rapid object detection using aboosted cascade of simple feature. In:CVPR(I), 2001:511-518.)判别时，不同尺度下其复杂度是相同的，拥有更高的时间效率。尽管SURF特征相对于先前的SIFT、PCA-SIFT、GL0H等算法在时间效率上有了较大提升，但SURF算法在描述子计算时仍沿用了主方向确定，以及梯度值求和等过程，在描述子计算方面仍然具有较高的复杂度。并且，SURF特征配准的错误率还有待进一步降低，对于大场景遥感图像而言，其时间复杂度仍然较高。本专利技术旨在通过基于象限划分和方向选择的分块改进SURF算法的多源遥感图像配准系统和方法，实现在亚像素级对多源遥感图像进行自动配准，完成遥感图像的融合区域的选择和对应。
技术实现思路
本专利技术针对多源遥感图像融合应用的特点，提出了一种多源遥感图像配准系统方法，其基于象限划分和方向选择的分块改进SURF算法，结合现有的基于图像特征点进行图像配准，该方法能够兼顾时效性和准确性。本专利技术采用的技术方案为，该方法基于象限划分和方向选择的分块改进SURF算法，具体步骤如下步骤I)、对源图像和目标图像都进行边长为side的小正方形分块处理，在目标图像中心(对角线交点)处再划分出一个边长为side的正方形滑动窗口 ；步骤2)、分别对源图像四个中心内分块和目标图像滑动窗口分块分别进行SURF 特征点检测，对目标图像中心分块进行匹配，根据匹配块在源图像中的分布选取目标图像某四分之一象限区域作为感兴趣区域ROI ；步骤3)、对目标图像ROI区域的左上角图像分块进行SURF特征检测后与源图像对应象限区域的图像分块进行特征点匹配，根据源图像匹配分块的位置确定目标图像滑动窗口在ROI区域中三种移动方向；步骤4)、对目标图像ROI区域在该方向上的图像分块进行SURF特征点检测，设置分块图像特征点数量阈值，选取特征点数量大于等于阈值的图像分块依次匹配，直到完全匹配或窗口越界；步骤5)、对分块粗匹配特征点对采用RANSAC算法筛选出正确的匹配点对，多个分块匹配完成后，同样采用RANSAC算法确定多个子块位置关系的一致性；步骤6)、包含正确匹配特征点对最多的图像分块对应的仿射变换矩阵认为是整个图像间的仿射变换关系，利用最小二乘法确定仿射关系矩阵后进行差值重采样，获得最终的配准图像对。所述的步骤I)为设目标图像和源图像分别为dst (WXH)、src(wXh)，将两幅图像按照边长为side的正方形滑动窗口分成若干个小块，不足的当作一个小块来处理，在目标图像中心(对角线交点)处再划分出一个边长为side的正方形滑动窗口。最后得到目标图像和源图像分别包含m+1和η个小块。所述的步骤2)为对源图像src的分块从左上角开始进行编号，第i行、第j列的子块记为B_src(i，j)，目标图像中心滑动窗口分块记为B_dst (0，O)，对源图像四个中心分块和目标图像中心分块进行SURF特征点检测，源图像第i行、第j列的子块检测到的 SURF特征点集合记为src_sufset(i, j),目标图像中心分块的SURF特征点集合记为dst_ surfet (0，O)。然后对目标图像中心分块采用最近距离与次近距离的比值进行特征点匹配， 设目标图像中心块与源图像分块所形成的匹配块对集合表示为{ < B_dst (O, O), B_src (x, y) > }其中，B_src(x, y)为源图像对应的匹配分块，实际中可能包括源图像多个图像分块。对匹配特征点的分布情况进行统计，根据匹配点数量最多的图像分块在源图像中所在的四分之一象限确定目标图像对应象限为感兴趣区域R0I。所述的步骤3)为首先选择目标图像感兴趣区域ROI的左上角分块进行特征点检测与匹配，目标图像ROI区域左上角子块^如七^ I)与源图像子块B_SrC(x，y)匹配成功后形成的匹配特征点对集合表示为{ < index_dst (I, I), index_src (x, y) > }其中index_dst(l, I)和index_src (x, y)分别表示目标图像ROI和源图像子块中匹配特征点的对应索引值。将源图像对应四分之一象限再次划分为A (左上)、B (右上)、C (左下)和D (右下)四个等面积子矩形区域，若匹配块B_src (x, y)位于A或D区域，则滑 动窗口移动方向定为对角方向；若位于B区域,则滑动窗口移动方向定为竖直方向；若位于C区域，则滑动窗口移动方向定为水平方向。所述的步骤4)为根据前面选择的目标图像ROI区域中的滑动窗口移动方向，在该方向上对目标图像分块进行SURF特征点检测。对目标图像ROI子块中的SURF特征点个数进行限制，设定阈值Nthres。然后在选定方向上进行分块图像的依次匹配，当图像分块中检测出的SURF特征点个数少于阈值Nthres时，则忽略此图像分块不予匹配，直到该方向上完全匹配或滑动窗口越界本文档来自技高网...

【技术保护点】
一种多源遥感图像配准方法，其特征在于：该方法具体实现步骤如下：步骤1）、对源图像和目标图像都进行边长为side的小正方形分块处理，在目标图像中心处再划分出一个边长为side的正方形滑动窗口，目标图像中心即目标图像对角线交点；步骤2）、分别对源图像中心四个分块和目标图像滑动窗口分块进行SURF特征点检测，对目标图像中心分块进行匹配，根据匹配块在源图像中的分布选取目标图像某四分之一象限区域作为感兴趣区域ROI；步骤3）、对目标图像ROI区域的左上角图像分块进行SURF特征检测后与源图像对应象限区域的图像分块进行特征点匹配，根据源图像匹配分块的位置确定目标图像滑动窗口在ROI区域中三种移动方向；步骤4）、对目标图像ROI区域在该方向上的图像分块进行SURF特征点检测，设置分块图像特征点数量阈值，选取特征点数量大于等于阈值的图像分块依次匹配，直到完全匹配或窗口越界；步骤5）、对分块粗匹配特征点对采用RANSAC算法筛选出正确的匹配点对，多个分块匹配完成后，同样采用RANSAC算法确定多个子块位置关系的一致性；步骤6）、包含正确匹配特征点对最多的图像分块对应的仿射变换矩阵认为是整个图像间的仿射变换关系，利用最小二乘法确定仿射关系矩阵后进行差值重采样，获得最终的配准图像对。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李超，袁晓冬，盛浩，张兴，
申请(专利权)人：北京航空航天大学深圳研究院，
类型：发明
国别省市：