[发明专利]多特征多级别的可见光与高光谱图像高精度配准方法

权利要求书

1.一种可见光图像与高光谱图像的配准方法，其特征在于，包括如下步骤：

步骤S1、对可见光图像进行多尺度分解，形成低分辨率的可见光图像；

步骤S2、根据高光谱图像生成高光谱图像显著波段图像；

步骤S3、在低分辨率可见光图像和高光谱图像显著波段图像上提取SIFT特征、多尺度角点特征和面点特征，匹配SIFT特征并去除外点，利用匹配的SIFT特征对求取变换模型；

步骤S4、在每层可见光图像和高光谱图像显著波段图像上利用上一层配准的变换模型作为该层的初始变换模型，进行基于图像块对的多尺度角点特征、面点特征提取，根据初始变换和多尺度角点特征、面点特征集合利用迭代重加权最小二乘法选择变换类型并求取变换参数；

步骤S5、根据所述变换模型对高光谱图像进行变换，得到变换后的高光谱图像。

2.如权利要求1所述的可见光图像与高光谱图像的配准方法，其特征在于，在步骤S1中，对可见光图像进行多尺度分解，形成低分辨率的可见光图像。

3.如权利要求1所述的可见光图像与高光谱图像的配准方法，其特征在于，在步骤S2中，将高光谱图像的各波段的均值图像作为显著波段图像。

4.如权利要求1所述的可见光图像与高光谱图像的配准方法，其特征在于，在步骤S3中，采用最近邻比值法来匹配SIFT特征，并去除外点，外点指不满足上述变换模型的SIFT特征对。

5.如权利要求1所述的可见光图像与高光谱图像的配准方法，其特征在于，在步骤S3中，利用GDBICP法得到初始变换模型。

6.如权利要求1所述的可见光图像与高光谱图像的配准方法，其特征在于，在步骤S3中，提取SIFT特征的步骤包括：

步骤S31、构建图像的DOG金字塔；

步骤S32、在DOG金字塔的每层上提取极值点，所谓极值点是指在局部邻域内取值最大的点；

步骤33、对于所提取的极值点，去除局部曲率不对称的极值点；

步骤S34、计算SIFT特征的亚像素级别的空间位置、尺度，所述SIFT特征指的是保留下来的极值点；

步骤S35、确定所述SIFT特征主方向，所谓主方向是指与以SIFT特征为中心的邻域内的梯度方向直方图的峰值对应的梯度方向；

步骤S36、为SIFT特征构造描述向量，所谓描述向量是指用于刻画该SIFT特征周围图像块统计特征的、由梯度方向直方图构成的向量。

7.如权利要求1所述的可见光图像与高光谱图像的配准方法，其特征在于，在步骤S3中，提取角点特征和面点特征的步骤包括：

步骤S31’、对于图像的每个像素点计算互相关矩阵，所述互相关矩阵是用来描述该像素点与其邻域像素的关系；

步骤S32’、根据互相关矩阵的特征值选取角点特征和面点特征，得到角点特征集合和面点特征集合；

步骤S33’、去除角点特征集合和面点特征集合中的噪声点；

步骤S34’、对角点特征和面点特征进行非极值点抑制；

步骤S35’、根据特征强度的大小来选择被动角点特征和被动面点特征；

步骤S36’、根据特征强度的大小来选择主动角点特征和主动面点特征。

8.如权利要求1所述的可见光图像与高光谱图像的配准方法，其特征在于，在步骤S3中，选择置信度高且未尝试过的SIFT特征对，由该SIFT特征对及被动匹配角点特征集合Cm、被动匹配面点特征集合Fm、主动匹配角点特征集合Cd、主动匹配面点特征集合Fd通过GDBICP方法进行匹配，若该次匹配成功，粗配准终止；否则，选择下一个置信度高的SIFT特征对通过GDBICP方法进行匹配。