[发明专利]基于结构信息和空间约束的遥感图像配准方法

摘要

本发明公开了一种基于结构信息和空间约束的遥感图像配准方法，主要解决了传统遥感图像配准方法中匹配点对较少，以及配准失效或精度较低的问题，本发明的步骤是：(1)读取数据；(2)检测特征点；(3)采用结构信息生成特征描述符；(4)利用空间约束筛选匹配点对；(5)获得几何形变参数；(6)将待配准图像进行几何变换。本发明与现有技术相比，采用结构信息生成特征描述符，提高了特征描述符的有效性和鲁棒性，利用空间约束筛选匹配点对，增强了对错误匹配点对的滤除能力，增加了正确匹配点对数量，解决了遥感图像配准失效问题，提高了遥感图像配准的精度。

主权项

1.一种基于结构信息和空间约束的遥感图像配准方法，其特征在于：采用结构信息生成特征点的特征描述符；利用空间约束筛选匹配点对；该方法具体步骤包括如下：(1)读取数据：输入两幅遥感图像，将其中一幅遥感图像作为参考遥感图像，将另一幅遥感图像作为待配准遥感图像；(2)检测特征点：(2a)利用SAR‑Harris尺度空间公式，分别生成参考遥感图像和待配准遥感图像SAR‑Harris尺度空间中的幅值图像；(2b)利用阈值比较法，分别检测参考遥感图像和待配准遥感图像的SAR‑Harris尺度空间幅值图像上的特征点；(3)采用结构信息生成特征描述符：(3a)利用相位一致性公式，分别计算参考遥感图像和待配准遥感图像所有像素点的相位一致性值；所述的相位一致性公式如下：Ω(x,y)＝cos(Φ_n(x,y)‑Ψ(x,y))‑|sin(Φ_n(x,y)‑Ψ(x,y))|其中，PC表示遥感图像像素点的相位一致性值，x和y分别表示遥感图像中像素点的行坐标和列坐标，∑表示求和操作，n表示加伯Gabor滤波器的尺度标号，取值范围为1～8，W表示频率扩展的权重系数，取值范围为0～1，表示向上取整操作，A_n表示加伯Gabor滤波器尺度标号为n时的幅度响应值，Ω表示加伯Gabor滤波器的相位偏移量，T表示加伯Gabor滤波器的噪声阈值，取值为0.1，cos表示余弦操作，Φ_n表示加伯Gabor滤波器尺度标号为n的相位响应值，|·|表示绝对值操作，sin表示正弦操作，Ψ表示加伯Gabor滤波器在各个尺度标号的平均相位值；(3b)利用梯度幅值公式，分别计算参考遥感图像和待配准遥感图像所有像素点的梯度幅值；所述的梯度幅值公式如下：其中，G表示遥感图像像素点的梯度幅值，I表示遥感图像，表示开平方操作，表示偏导操作；(3c)利用梯度方向公式，分别计算参考遥感图像和待配准遥感图像所有像素点的梯度方向；所述的梯度方向公式如下：其中，θ表示遥感图像像素点的梯度方向角度值，tan^‑1表示反正切操作，/表示相除操作；(3d)通过将具有相同坐标的像素点的相位一致性值和梯度幅值相加，分别得到参考遥感图像和待配准遥感图像所有像素点的结构信息值；(3e)利用直方图统计法，分别生成参考遥感图像和待配准遥感图像中所有特征点的描述符；所述直方图统计法的步骤如下：第一步，在参考遥感图像中，选取一个特征点；第二步，将所选取的特征点作为中心点，在其周围取一个16x16的邻域；第三步，用所选特征点16×16邻域内所有像素点的梯度方向角度值，构造梯度方向直方图；第四步，选取梯度方向直方图的最大值作为所选特征点的主方向角度值：第五步，用主方向角度值更新所选特征点梯度方向的角度值；第六步，将0°～360°梯度方向角度区间，划分为0°～44°、45°～89°、90°～134°、135°～179°、180°～224°、225°～269°、270°～314°、315°～359°八个角度子区间；第七步，将所选特征点的16×16邻域窗口平均划分成16个4×4的子窗口；第八步，依据每个子窗口中的每个像素点的梯度方向角度值大小，将其划分到八个角度子区间内；第九步，将每个子窗口内每个子区间中所有像素点的结构信息值相加，得到八个窗口结构信息值，将其存放在一个128维的列矢量中；第十步，将这个128维的列矢量作为所选特征点的特征描述符；第十一步，重复执行第一步至第十步，依次选取特征点，直到得到参考遥感图像中所有特征点的特征描述符；第十二步，在待配准图像中选取一个特征点；第十三步，执行第二步至第十二步操作一次，得到待配准遥感图像中所选特征点的特征描述符；第十四步，重复十二步和十三步，依次选取特征点，直到得到待配准遥感图像中所有特征点的特征描述符；(4)利用空间约束筛选匹配点对；(4a)利用最近邻方法，从参考遥感图像和待配准遥感图像的特征点中筛选出初次匹配点对；(4b)利用空间约束法，从参考遥感图像和待配准遥感图像的特征点中二次筛选匹配点对；所述的空间约束法的步骤如下：第一步，依次计算匹配点对集合K中所有匹配点对两个像素点的主方向角度值之差，得到匹配点对集合K的主方向角度差均值ω；第二步，在匹配点对集合K中任意选取两对匹配点，计算两对特征点中位于参考遥感图像中的两个特征点之间距离与两对特征点中位于浮动遥感图像中两个特征点之间距离的比值r；第三步，从参考遥感图像和浮动遥感图像中各自任取一个特征点，组成一个特征点对；第四步，重复第三步，直到参考遥感图像任意一个特征点都和浮动遥感图像中所有特征点都组成特征点对，所有特征点对合并成特征点对集合L；第五步，从所得到的特征点对集合L中选取一个特征点对，计算所选特征点对两个像素点的主方向角度值之差，判断是否满足点约束公式，若满足该公式，执行第六步，否则执行第七步，点约束公式如下：|ω‑e|＜τ其中，e表示所选取的特征点对的主方向差，τ表示点约束阈值，取值为3；第六步，从匹配点对集合K任意选取一个匹配点对，判断所选取的特征点对两个像素点的坐标是否满足线约束公式，若满足该公式，将所选取特征点对作为最终匹配点对，否则执行第七步，线约束公式如下：其中，r表示匹配点对集合K中任意选取两对匹配点距离比值，(a,b)和(c,d)分别表示所选匹配点对两个像素点的坐标，(x,y)和(u,v)分别是两幅遥感图像中所选取的特征点对中两个像素点的坐标，ρ表示线约束阈值，取值为0.1；第七步，重复第五步和第六步，依次从特征点对集合L中选取特征点对，直到所有特征点对都被选取；第八步，将所有最终匹配点对合并成最终匹配点对集合；(5)获得几何形变参数：采用随机抽样一致性算法，计算参考遥感图像和待配准遥感图像之间的变换矩阵，得到待配准遥感图像的几何形变参数；(6)将待配准遥感图像进行几何变换：利用得到的几何形变参数，将待配准遥感图像进行几何变换，得到配准结果。