[发明专利]一种SAR与全色图像快速配准的方法及装置

说明书

技术领域

本发明属于图像处理领域，具体而言，涉及一种SAR与全色图像快速配准的方法及装置。

背景技术

多源图像配准是指依据一些相似性度量决定图像间的变换参数，使从不同传感器、不同视角、不同时间获取的同一场景的两幅或多幅图像，变换到同一坐标系下，在像素层上得到最佳匹配的过程。

遥感图像配准方法一般分为基于特征提取的图像配准方法和基于灰度信息的图像配准方法。基于特征提取的遥感图像配准方法中，最常使用的特征是Harris角点、Moravec角点、SIFT特征点等。上述方法存在以下不足：不同的场景需要选择不同的特征，没有一般的模型可循，有很强的应用局限性；容易受到噪声的影响。由于SAR本身的成像机理，精确提取特征十分困难，也很难设计出一种能同时针对不同噪声强度、不同分辨率以及含有不同场景结构的SAR图像都适用的特征提取算法，这将导致出现一种配准算法只适用于一类SAR图像的情况。因此，常用的基于特征的方法在SAR图像配准应用中具有很大的局限性。

基于灰度信息的图像配准方法直接利用图像的灰度信息进行配准，通过对其像素间某种相似性度量的全局最优实现配准，灰度匹配中主要考虑其相似性度量方法。该方法不需对图像进行特别的预处理工作，不易受噪声影响，简单易行，较特征提取的方法其通用性更强。

基于灰度统计特性的配准方法不需要进行图像分割和图像特征提取，因而可以避免由这些预处理所造成的精度损失。但是这种方法一般需要较大的计算量，配准的速度慢，对灰度信息变化非常敏感。每计算一次相似性测度，需要遍历图像中的所有像素，这显然使得计算量增大。在优化搜索的过程中，目前互信息函数局部极值问题主要通过引入更复杂的插值函数或者结合先验信息，获得更加光滑的函数曲线，会使整个计算过程有不同程度的增加。互信息(Mutual information，MI)和归一化互信息(Normalized mutual information，NMI)是广泛应用于配准领域的常用的函数，对于图像配准来说，采用互信息和归一化互信息往往很容易陷入局部极值，严重影响配准的精度。

发明内容

本发明的目的在于提供一种SAR与全色图像快速配准的方法及装置，以解决上述的问题。

在本发明的实施例中提供了一种SAR与全色图像快速配准的方法，包括：

步骤1，对参考图像及变换后的浮动图像进行数据分块，得到多个数据子块；

步骤2，计算每个数据子块的联合概率分布矩阵及累积函数值；

步骤3，合并每个数据子块的联合概率分布矩阵及累积函数值，迭代计算该参考图像及浮动图像的CCRE。

进一步，步骤1之前还包括：

对该浮动图像进行图像分块，并对分块图像进行并行差值，得到上述变换后的浮动图像。

进一步，步骤3之后还包括：

计算该CCRE与上次迭代得到的CCRE的差值，若该差值小于或者等于预设误差值，则结束迭代计算；若该差值大于预设误差值，则利用Powell算法调整变换参数后重复步骤1至步骤3。

本发明的实施例还提供了一种SAR与全色图像快速配准的装置，包括：

数据分块模块，用于对参考图像及变换后的浮动图像进行数据分块，得到多个数据子块；

计算模块，用于计算每个数据子块的联合概率分布矩阵及累积函数值；

CCRE求取模块，用于合并每个数据子块的联合概率分布矩阵及累积函数值，迭代计算该参考图像及浮动图像的CCRE。

进一步，该装置还包括：

浮动图像变换模块，用于对该浮动图像进行图像分块，并对分块图像进行并行差值，得到上述变换后的浮动图像。

进一步，该装置还包括：

差值计算模块，用于计算该CCRE与上次迭代得到的CCRE的差值，若该差值小于或者等于预设误差值，则结束迭代计算；若该差值大于预设误差值，则利用Powell算法调整变换参数后重复该数据分块模块、计算模块及CCRE求取模块的动作步骤。

本发明实施例提供的一种SAR与全色图像快速配准的方法及装置与现有技术相比：

(1)针对传统互信息图像配准容易产生局部极值的问题，在SAR和全色图像配准算法中，本发明采用交叉累积剩余熵作为相似性测度，交叉累积剩余熵比香农熵更具一般性，与传统的采用互信息的配准方法相比，交叉累积剩余熵可以有效地避免局部极值，去除噪声，并在一定程度上加快了配准速度；