[发明专利]基于Gaussian-Hermite矩的多时相/多模态遥感图像配准方法

摘要

本发明涉及一种基于Gaussian-Hermite矩的多时相/多模态遥感图像配准方法，Gaussian-Hermite矩是shen于1997年提出一种用于描述图像特征方法。该方法目前主要应用到分类、目标检测，以及图像重建等图像领域，并且取得了较好的结果。2010年，Bo Yang等人在原来Gaussian-Hermite矩的基础上，构造5阶18个Gaussian-Hermite矩，并且证明了这组矩具有旋转和平移不变性。因此，在研究Gaussian-Hermite矩的基础上，本发明利用其旋转和平移不变性，对图像的角点特征点构造Gaussian-Hermite矩特征描述子，采用特征向量之间的相似性度量实现图像的粗配准，最后，利用RANSCA算法剔除误匹配点对实现图像的精确配准。

主权项

一种基于Gaussian‑Hermite矩的多时相/多模态遥感图像配准方法，其特征在于步骤如下：步骤1：对基准图像和待配准图像进行高斯平滑滤波；首先进行水平平滑滤波，再进行垂直平滑滤波；步骤2：对平滑后的基准图像和待配准图像分别进行Harris角点检测，得到基准图像的标记矩阵和待配准图像的标记矩阵；步骤3：利用一阶差分得到基准图像和待配准图像的像素幅值矩阵；利用不同的尺度因子得到基准图像和待配准图像的高斯差分图像；以源图像、高斯差分图像和像素幅值图像组成基准图像组和待配准图像组；步骤4：分别对基准图像组和待配准图像组中的图像，采用不同的尺度因子，构造角点的5阶18个矩特征，作为角点的特征描述；步骤5：采用基于距离的相似性度量实现角点的粗配准，得到候选匹配点集；步骤6：采用RANSCA算法剔除候选匹配点集中的误匹配对，利用最小二乘法得到仿射变换矩阵，具体步骤如下：步骤a：在候选匹配点集P中任选由3对不共线的匹配点估算变换矩阵H；步骤b：在剩余点对中选择第i对匹配点(Pi，P′i)，若||Pi‑T(P′i)||＜ε，则将这对候选匹配点选为内点，重复这一步骤直到取完所有余下的候选匹配点对；所述ε＝0.0002；步骤c：若步骤b得到的内点数大于某一阈值Tn，则进行下一步，否则返回步骤1；所述Tn＝k/2；步骤d：选择内点对为精确匹配点对Q＝{(Pt，P′t)|(Xt，Yt)，(xt，yt)，t＝1，...，N}，N为精确匹配点对的个数；步骤7：利用仿射变换矩阵将待配准图像，通过线性插值映射到基准空间得到最终配准结果。