專(zhuān)利名稱(chēng)：基于邊緣和光譜反射率曲線的多時(shí)相遙感圖像配準(zhǔn)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于光學(xué)遙感圖像處理技術(shù)領(lǐng)域，涉及同一多光譜傳感器在不同時(shí)間獲取的相同地理位置的遙感圖像間存在較大平移和旋轉(zhuǎn)錯(cuò)位情況下的配準(zhǔn)，可用于多時(shí)相多光譜遙感圖像變化檢測(cè)、融合、鑲嵌等方面的前期配準(zhǔn)工作。
背景技術(shù)：
近年來(lái)，隨著多光譜遙感圖像數(shù)據(jù)的公開(kāi)化程度和處理技術(shù)水平的不斷提高，多光譜遙感圖像數(shù)據(jù)已經(jīng)被廣泛用于城市規(guī)劃、資源調(diào)查、自然災(zāi)害預(yù)防、農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)、軍事目標(biāo)探查等多種應(yīng)用領(lǐng)域。多光譜遙感圖像的廣泛應(yīng)用首先需要進(jìn)行圖像數(shù)據(jù)的幾何校正、輻射校正、配準(zhǔn)、去噪、分割、鑲嵌、融合、目標(biāo)檢測(cè)、變化檢測(cè)等多項(xiàng)數(shù)字圖像處理技術(shù)。其中，在進(jìn)行多光譜遙感圖像變化檢測(cè)、融合以及鑲嵌等工作前，首先需要對(duì)不同傳感器獲取的同一地區(qū)的圖像或相同傳感器在不同時(shí)間獲取的同一地區(qū)的圖像進(jìn)行配準(zhǔn)，以消除因獲取圖像的時(shí)間、角度、環(huán)境和傳感器成像機(jī)理的不同造成圖像間的平移、旋轉(zhuǎn)、伸縮及局部形變問(wèn)題。1992 年 L.G.Brown 在文獻(xiàn)”A Survey of Image Registration Techniques'ACMComputing Surveys, 1992, vol.24, n0.4, pp.325-376)中指出，所有的圖像配準(zhǔn)技術(shù)都是由特征空間、搜索空間、搜索策略和相似性測(cè)度四個(gè)方面構(gòu)成。特征空間指圖像中用于進(jìn)行搜索匹配的信息集合，是搜索匹配的對(duì)象；而每一次搜索的匹配程度是以相似性測(cè)度為評(píng)價(jià)標(biāo)準(zhǔn)的，因而相似性測(cè)度直接關(guān)系到配準(zhǔn)的精確度；搜索空間是搜索匹配得到的所有圖像變換參數(shù)所組成的空間；搜索策略則是搜索最優(yōu)匹配參數(shù)時(shí)所采取的優(yōu)化策略。多光譜遙感圖像配準(zhǔn)的過(guò)程一般為首先確定特征空間和搜索空間，然后以特征空間為基礎(chǔ)設(shè)計(jì)并采用某種相似性測(cè)度，進(jìn)而按一定的搜索策略搜索最佳匹配變換參數(shù)，并將其帶入圖像變換模型從而達(dá)到配準(zhǔn)的目的。根據(jù)特征空間的不同，現(xiàn)有的多光譜遙感圖像配準(zhǔn)方法通常可以分為基于像素灰度特征和基于圖像幾何特征兩大類(lèi)。大部分基于像素灰度特征的方法一般直接利用整幅圖像的灰度信息，通過(guò)建立某種像素間的相似性測(cè)度來(lái)衡量?jī)煞鶊D像重疊部分地表反射屬性的匹配程度，進(jìn)而尋找到最優(yōu)匹配時(shí)的平移、旋轉(zhuǎn)和伸縮等變換參數(shù)。常見(jiàn)的灰度相似性測(cè)度如平均平方差MSD、平均絕對(duì)差MAD、歸一化互相關(guān)NCC等通常要求待配準(zhǔn)圖像對(duì)應(yīng)像素的灰度值具有線性關(guān)系，因而在利用它們進(jìn)行不同時(shí)相的圖像配準(zhǔn)時(shí)容易受到噪聲和圖像間整體亮度差異的影響，而對(duì)于不同傳感器或不同波段圖像的配準(zhǔn)則基本不適用。最初作為多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)相似性測(cè)度的最大互信息準(zhǔn)則由于不要求待配準(zhǔn)圖像對(duì)應(yīng)像素的灰度信息具有嚴(yán)格的線性關(guān)系，而認(rèn)為只要兩幅圖像中主要的幾何結(jié)構(gòu)特征對(duì)準(zhǔn)時(shí)即達(dá)到最佳匹配，因此已被用于不同時(shí)相和不同波段圖像間的配準(zhǔn)。在對(duì)不同時(shí)相的多光譜遙感圖像的配準(zhǔn)中，由于基于像素灰度特征的配準(zhǔn)方法在搜索最佳匹配變換參數(shù)時(shí)通常是由全體像素共同決定圖像間的對(duì)準(zhǔn)程度，計(jì)算量大，并且難免會(huì)受到圖像中不同位置大小的云、陰影及變化地物的干擾，造成配準(zhǔn)精度和穩(wěn)定性的下降。
基于圖像幾何特征的配準(zhǔn)方法則首先需要對(duì)待配準(zhǔn)圖像提取角點(diǎn)、邊緣等明顯的幾何特征，然后進(jìn)行對(duì)應(yīng)特征對(duì)或特征集之間的搜索匹配，進(jìn)而得到圖像變換參數(shù)?；谶吘壧卣鞯呐錅?zhǔn)方法常見(jiàn)的如利用一些傳統(tǒng)空域邊緣檢測(cè)算子進(jìn)行邊緣特征提取，但往往由于提取的邊緣過(guò)于瑣碎，不能很好地體現(xiàn)圖像中的結(jié)構(gòu)特征，對(duì)后續(xù)匹配精度和速度造成影響，因而需要對(duì)提取到的邊緣進(jìn)行優(yōu)化處理。近年來(lái)，小波變換wavelet、曲波變換curvelet和輪廓波變換contourlet等多尺度幾何分析方法由于在描述和分析圖像中的邊緣特征時(shí)具有優(yōu)異的性能，也常被用于邊緣特征的提取。1997年J.W.Hsieh.H.Y.M.Liao、K.C.Fan 等在文獻(xiàn)，，Image registration using a new edge-based approach，，(ComputerVision and Image Understanding, 1997，vol.67，n0.2，pp.112-130)中首次提出利用小波變換得到系數(shù)的模局部極大值進(jìn)行邊緣特征點(diǎn)提取，然后以互相關(guān)作為相似性測(cè)度進(jìn)行邊緣特征點(diǎn)對(duì)的搜索匹配，其中還使用了一種非迭代的策略消除誤匹配點(diǎn)對(duì)，達(dá)到了較好的配準(zhǔn)效果。2008年孫淑一.吳勇和吳建民在文獻(xiàn)”一種基于邊緣特征的圖像配準(zhǔn)方法”(計(jì)算機(jī)工程與應(yīng)用，2008，vol.44，n0.7，pp.94-96)中、2010年孫雅琳和王菲在文獻(xiàn)”基于邊緣和互信息的紅外與可見(jiàn)光圖像配準(zhǔn)”(電子科技，2010, vol.23，n0.4，pp.80-82)中也都采用了相同的邊緣特征提取方法，不同的是，這兩種方法在搜索匹配時(shí)前者計(jì)算了兩幅邊緣圖像重疊部分的交互方差，而后者計(jì)算了兩幅邊緣圖像重疊部分的歸一化互信息。如果將這兩種方法用于不同時(shí)相多光譜遙感圖像的配準(zhǔn)，則容易受到圖像中變化部分對(duì)應(yīng)特征點(diǎn)的干擾而造成誤配準(zhǔn)。2009年陳志剛、尹福昌和孫孚在文獻(xiàn)”基于非采樣Contourlet變換高分辨率遙感圖像配準(zhǔn)”(光學(xué)學(xué)報(bào)，2009, vol.29，n0.10，pp.2744-2750)中提出首先由圖像通過(guò)非下采樣Contourlet變換得到的各方向子帶計(jì)算得到梯度矢量模，閾值分割得到邊緣特征點(diǎn)后由歸一化互相關(guān)匹配搜索匹配控制點(diǎn)，并利用概率支持算法消除誤匹配點(diǎn)對(duì)，降低了變化部分對(duì)應(yīng)特征點(diǎn)錯(cuò)誤匹配的概率?？傮w來(lái)說(shuō)，由于不直接采用像素的灰度值作為相似性測(cè)量的對(duì)象，因而該類(lèi)方法受不同時(shí)相間的亮度差異、不同傳感器以及不同波段圖像間的成像特性差異的影響較小，適合多時(shí)相多光譜遙感圖像的配準(zhǔn)，但要求待配準(zhǔn)圖像中含有比較明顯的邊緣信息，否則提取不到理想的邊緣將很可能導(dǎo)致配準(zhǔn)失敗。另外，其中邊緣特征提取和匹配方法的準(zhǔn)確性及穩(wěn)定性也是影響其配準(zhǔn)性能的主要因素
發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)上述已有技術(shù)的不足，提出一種基于邊緣和光譜反射率曲線的多時(shí)相遙感圖像配準(zhǔn)方法，以消除不同時(shí)相圖像間存在的整體亮度差異和變化部分對(duì)配準(zhǔn)精度及穩(wěn)定性造成的影響，提高配準(zhǔn)的精度和穩(wěn)定性。為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案包括如下步驟:(I)輸入在兩個(gè)時(shí)相獲取的同一地區(qū)的多光譜圖像集IdP I2，其中，時(shí)相I的波段序列圖像集I1=IA11I，時(shí)相2的波段序列圖像集I2= {A2b}，Atb為兩個(gè)圖像集中的每一幅單波段圖像，其中，上標(biāo)b表示波段序號(hào)，b=l, 2，…，B, B為總波段數(shù)，下標(biāo)t為時(shí)相序號(hào)，t={l, 2}，每一幅單波段圖像Atb均由η行η列像素構(gòu)成，η的取值為32的倍數(shù)；(2)對(duì)兩時(shí)相多光譜圖像集I1和I2分別進(jìn)行窗口大小為3X3像素的中值濾波去噪,并歸一化處理,得到歸一化圖像集IjPf2;
(3)將歸一化圖像集Ijpf2中的每一幅圖像均進(jìn)行多層二維離散Haar小波變換，
得到第I層的低頻系數(shù)矩陣為AP、垂直方向的高頻系數(shù)矩陣為V、水平方向的高頻系數(shù)
矩陣為對(duì)角線方向的高頻系數(shù)矩陣為D:,其中分解層數(shù)1=1，...，L，L為最大分解層數(shù)，其取值范圍為I 4 ;(4)將時(shí)相I和時(shí)相2的所有B個(gè)波段圖像的第L層垂直方向的高頻系數(shù)矩陣V:、
水平方向的高頻系數(shù)矩陣和對(duì)角線方向的高頻系數(shù)矩陣Dfi取絕對(duì)值后空間位置對(duì)應(yīng)元素相加，分別得到時(shí)相I和時(shí)相2的高頻系數(shù)圖像HVD1和HVD2 ；(5)對(duì)高頻系數(shù)圖像HVD1和HVD2采用最大類(lèi)間方差法分別進(jìn)行閾值分割，得到時(shí)相I和時(shí)相2的邊緣圖像0和 2;(6)對(duì)邊緣圖像G和02，統(tǒng)計(jì)每一條不與其他邊緣有8鄰域連接的邊緣線段在8鄰域下所包含的像素個(gè)數(shù)，并將其中像素個(gè)數(shù)小于長(zhǎng)度閾值Tc的邊緣線段刪除，對(duì)應(yīng)得到
時(shí)相I和時(shí)相2的強(qiáng)邊緣圖像C1和C2，其中:
權(quán)利要求
1.一種基于邊緣和光譜反射率曲線的多時(shí)相遙感圖像配準(zhǔn)方法，包括步驟如下: (1)輸入在兩個(gè)時(shí)相獲取的同一地區(qū)的多光譜圖像集I1和I2，其中，時(shí)相I的波段序列圖像集I1=IA11I，時(shí)相2的波段序列圖像集I2= {A2b}，Atb為兩個(gè)圖像集中的每一幅單波段圖像，其中，上標(biāo)b表示波段序號(hào)，b=l, 2，…，B, B為總波段數(shù),下標(biāo)t為時(shí)相序號(hào)，t={l, 2},每一幅單波段圖像Atb均由η行η列像素構(gòu)成，η的取值為32的倍數(shù)； (2)對(duì)兩時(shí)相多光譜圖像集I1和I2分別進(jìn)行窗口大小為3X3像素的中值濾波去噪，并歸一化處理，得到歸一化圖像集IjPf2; (3)將歸一化圖像集^和12中的每一幅圖像均進(jìn)行多層二維離散Haar小波變換，得到第I層的低頻系數(shù)矩陣為Ag、垂直方向的高頻系數(shù)矩陣為Vfj、水平方向的高頻系數(shù)矩陣為對(duì)角線方向的高頻系數(shù)矩陣為1^，其中分解層數(shù)1=1，...，L，L為最大分解層數(shù)，其取值范圍為I 4 ; (4)將時(shí)相I和時(shí)相2的所有B個(gè)波段圖像的第L層垂直方向的高頻系數(shù)矩陣%、水平方向的高頻系數(shù)矩陣Hf,、對(duì)角線方向的高頻系數(shù)矩陣私取絕對(duì)值后空間位置對(duì)應(yīng)元素相加，分別得到時(shí)相I和時(shí)相2的高頻系數(shù)圖像HVD1和HVD2 ； (5)對(duì)高頻系數(shù)圖像HVD1和HVD2采用最大類(lèi)間方差法分別進(jìn)行閾值分割，得到時(shí)相I和時(shí)相2的邊緣圖像 和0 (6)對(duì)邊緣圖像C,和62,統(tǒng)計(jì)每一條不與其他邊緣有8鄰域連接的邊緣線段在8鄰域下所包含的像素個(gè)數(shù)，并將其中像素個(gè)數(shù)小于長(zhǎng)度閾值Tc的邊緣線段刪除，對(duì)應(yīng)得到時(shí)相I和時(shí)相2的強(qiáng)邊緣圖像C1和C2，其中%:1.IUu (7)將強(qiáng)邊緣圖像C1和C2進(jìn)行旋轉(zhuǎn)和平移匹配，并計(jì)算每次匹配的邊緣對(duì)齊度Si (a, q，P)，得到邊緣對(duì)齊度集合SI= {Si (a，q，P) }，其中a為旋轉(zhuǎn)角度，q為橫移參量，P為縱移參量，a=0, 1,2, -,180, q=0, 1,2,…，n/2L+l，p=0，1,2,...，n/2L+l ； (8)用邊緣對(duì)齊度集合SI中的最大值所對(duì)應(yīng)的旋轉(zhuǎn)角度aM、橫移參量qM和縱移參量pM對(duì)時(shí)相I的各波段歸一化圖像I/均進(jìn)行相應(yīng)的旋轉(zhuǎn)和平移，得到時(shí)相I的各波段粗配準(zhǔn)圖像ΑΛ將時(shí)相I的所有波段粗配準(zhǔn)圖像的集合與步驟(2)得到的時(shí)相2的歸一化圖像集 2合并，得到粗配準(zhǔn)圖像集合I; (9)對(duì)粗配準(zhǔn)圖像集合I中兩個(gè)時(shí)相各波段圖像分別采用對(duì)數(shù)殘差修正模型將像素的灰度值轉(zhuǎn)換為相對(duì)地物光譜反射率值，得到相對(duì)地物光譜反射率圖像集合R ; (10)對(duì)時(shí)相I的各波段相對(duì)地物光譜反射率圖像R113,分別進(jìn)行I層二維離散Haar小波變換，得到對(duì)應(yīng)波段的低頻系數(shù)矩陣ARb、垂直方向的高頻系數(shù)矩陣VRb、水平方向的高頻系數(shù)矩陣HRb、對(duì)角線方向的高頻系數(shù)矩陣DRb ； (11)將時(shí)相I各波段低頻系 數(shù)矩陣ARb中的元素全部置為零，并與高頻系數(shù)矩陣VRb、HRb和DRb進(jìn)行二維離散Haar小波逆變換，得到時(shí)相I的各波段重構(gòu)圖像； (12)將時(shí)相I所有B個(gè)波段的重構(gòu)圖像取絕對(duì)值后對(duì)應(yīng)像素值相加，得到一幅模糊邊緣圖像； (13)對(duì)時(shí)相I的模糊邊緣圖像采用最大類(lèi)間方差法進(jìn)行閾值分割，得到粗配準(zhǔn)邊緣圖像CR; (14)將粗配準(zhǔn)邊緣圖像CR從第I行第I列像素開(kāi)始，由左至右、由上至下分為互不重疊且大小均為K列K行的uXu個(gè)子圖像CRij，其中i和j分別為粗配準(zhǔn)邊緣子圖像的行塊序號(hào)和列塊序號(hào)，i=l，2，...，u，j=l，2，…，u，u為粗配準(zhǔn)邊緣圖像CR分塊后的水平方向和垂直方向的子圖像數(shù)目，且滿(mǎn)足n=KX U，K為偶數(shù)，40彡K彡100 ； (15)將時(shí)相I的各波段相對(duì)地物光譜反射率圖像R113中與粗配準(zhǔn)邊緣子圖像CRij相同空間位置范圍的圖像塊記為時(shí)相I的各波段相對(duì)地物光譜反射率子圖像.并將時(shí)相I的所有波段相對(duì)地物光譜反射率子圖像丨丨與時(shí)相2的所有波段相對(duì)地物光譜反射率圖像IR2bI采用光譜反射率曲線差異最小方法進(jìn)行匹配，得到時(shí)相2的相對(duì)地物光譜反射率圖像集{R2}與時(shí)相I的相對(duì)地物光譜反射率子圖像{RUj}相匹配的光譜反射率曲線總差異量DRCiP匹配旋角參量Θ mi」、匹配橫移參量Qmij以及匹配縱移參量Pmij ； (16)將時(shí)相2的相對(duì)地物光譜反射率圖像集{RJ與時(shí)相I的相對(duì)地物光譜反射率子圖像{R j}相匹配的光譜反射率曲線總差異量DRCij按行塊序號(hào)和列塊序號(hào)的順序作為對(duì)應(yīng)行列的元素構(gòu)成矩陣，利用最大類(lèi)間方差法對(duì)該矩陣進(jìn)行閾值分割，得到差異二值矩陣Duc ; (17)分別統(tǒng)計(jì)差異二值矩陣du。中O值元素對(duì)應(yīng)的匹配旋角參量emu、匹配水平參量Qmij以及匹配垂直參量Pmij的數(shù)目，將各參量的數(shù)目最大值記為最優(yōu)旋角參量Θ mm、最優(yōu)水平參量Q_以及最優(yōu)垂直參量P_ ； (18)用最優(yōu)旋角參量Θ_、最優(yōu)水平參量Q_以及最優(yōu)垂直參量P_對(duì)粗配準(zhǔn)圖像集合！中時(shí)相2的各波段歸一化圖像進(jìn)行相應(yīng)的旋轉(zhuǎn)和平移，得到時(shí)相2的各波段最終配準(zhǔn)圖像 (19)將時(shí)相2的所有波段最終配準(zhǔn)圖像{A/j與步驟(8)中得到的時(shí)相I的所有波段粗配準(zhǔn)圖像丨A。合并，構(gòu)成最終配準(zhǔn)圖像集合L
2.根據(jù)權(quán)利要求1所述的基于邊緣和光譜反射率曲線的多時(shí)相遙感圖像配準(zhǔn)方法，其中步驟(7)所述的將強(qiáng)邊緣圖像C1和C2進(jìn)行旋轉(zhuǎn)和平移匹配，并計(jì)算每次匹配的邊緣對(duì)齊度Si (a, q, p),通過(guò)如下步驟進(jìn)行: (7a)將強(qiáng)邊緣圖像C1和C2相匹配的旋轉(zhuǎn)角度a、橫移參量q和縱移參量p的初始值均賦為O ;將強(qiáng)邊緣圖像C1的行序號(hào)和列序號(hào)均為ζ的像素點(diǎn)記為Ce，以像素點(diǎn)Ce為中心點(diǎn)O，水平方向?yàn)閄軸、垂直方向?yàn)閅軸建立XOY直角坐標(biāo)系，其中ζ=η2 +1 ； (7b)將強(qiáng)邊緣圖像C1在XOY坐標(biāo)系中以O(shè)點(diǎn)為中心逆時(shí)針旋轉(zhuǎn)a-90度，采用最近鄰線性插值方法進(jìn)行圖像插值，得到旋轉(zhuǎn)圖像Cla ； (7c)在XOY坐標(biāo)系中，對(duì)橫坐標(biāo)和縱坐標(biāo)范圍均在[-2 ζ，2 ζ ]內(nèi)且旋轉(zhuǎn)圖像Cla以外的像素點(diǎn)的值賦為0，得到大小為(4 ζ +1) X (4 ζ +1)像素的旋轉(zhuǎn)擴(kuò)展圖像CEla ； (7d)將強(qiáng)邊緣圖像C2與旋轉(zhuǎn)擴(kuò)展圖像CEla的第1+p行至第η/2ι+ρ行、第Ι+q列至第n/2L+q列范圍內(nèi)的像素進(jìn)行對(duì)應(yīng)空間位置的像素值與運(yùn)算，將旋轉(zhuǎn)擴(kuò)展圖像CEla的行序號(hào)在[Ι+ρ,η/^+ρ]范圍外且列序號(hào)在[l+q’n/^+q]范圍外的像素值賦為O，得到一幅與旋轉(zhuǎn)擴(kuò)展圖像CEla大小相同的邊緣交集圖像CAaqp ； (7e)在邊緣交集圖像CAaqp中，對(duì)任意一條不與其他邊緣有8鄰域連接的邊緣線段，計(jì)算該邊緣線段中包含的像素個(gè)數(shù)Lc與長(zhǎng)度閾值Tc的比值Lc/Tc，若該比值小于1，則將該邊緣線段包含的所有像素的值都賦為1，否則，賦值為L(zhǎng)c/Tc ； (7f)對(duì)邊緣交集圖像CAaqp中的每一條獨(dú)立的邊緣線段都執(zhí)行步驟(7e)，得到增強(qiáng)邊緣交集圖像CA' aqp ； (7g)將增強(qiáng)邊緣交集圖像CA' _中所有像素的值求和，得到邊緣對(duì)齊度Si (a, q, p)； (7h)若橫移參量q〈2 ζ +1，則縱移參量P保持不變，對(duì)橫移參量q的值加1，返回步驟(7d);若橫移參量q=2(+l且縱移參量ρ〈2ζ+1，則將橫移參量q的值置為O，縱移參量p的值加1，返回步驟(7d);若橫移參量q=2ζ+l，縱移參量p=2ζ+l且旋轉(zhuǎn)角度a〈180，則將旋轉(zhuǎn)角度a的值加3，橫移參量q和縱移參量P的值都置為O，返回步驟(7b);若橫移參量q=2 ζ +1，縱移參量ρ=2 ζ +1，且旋轉(zhuǎn)角度a=180，則強(qiáng)邊緣圖像C1和C2的旋轉(zhuǎn)和平移匹配完成，得到所有的邊緣對(duì)齊度{Si(a，q，p)}。
3.根據(jù)權(quán)利要求1所述的基于邊緣和光譜反射率曲線的多時(shí)相遙感圖像配準(zhǔn)方法，其中步驟(9)所述的對(duì)粗配準(zhǔn)圖像 集合I中兩個(gè)時(shí)相各波段圖像分別采用對(duì)數(shù)殘差修正模型將像素的灰度值轉(zhuǎn)換為相對(duì)地物光譜反射率值，得到相對(duì)地物光譜反射率圖像集合R，通過(guò)如下步驟進(jìn)行: (9a)將時(shí)相I的第b波段粗配準(zhǔn)圖像A,中像素點(diǎn)(x，y)的灰度值記為/ΤΛυ),再將轉(zhuǎn)換為相對(duì)地物光譜反射率值A(chǔ)b(Xj)的對(duì)數(shù):
4.根據(jù)權(quán)利要求1所述的基于邊緣和光譜反射率曲線的多時(shí)相遙感圖像配準(zhǔn)方法，其中步驟(15)所述的將時(shí)相I的所有波段相對(duì)地物光譜反射率子圖像與時(shí)相2的所有波段相對(duì)地物光譜反射率圖像{R2b}采用光譜反射率曲線差異最小方法進(jìn)行匹配，得到時(shí)相2的相對(duì)地物光譜反射率圖像集{R2}與時(shí)相I的相對(duì)地物光譜反射率子圖像{Rnj}相匹配的光譜反射率曲線總差異量DRCij、匹配旋角參量Qmij、匹配橫移參量Qmij以及匹配縱移參量Pmu，通過(guò)如下步驟進(jìn)行: (15a)將粗配準(zhǔn)邊緣子圖像CRij的行塊序號(hào)i和列塊序號(hào)j初始值賦為2，CRu的中心點(diǎn)為該子圖像的第V行第V 列的像素，其中V=Ceil (K/2)，ceil (.)表示取大于或等于括號(hào)內(nèi)數(shù)值的最小整數(shù)，K為粗配準(zhǔn)邊緣子圖像CRij的總行數(shù)或總列數(shù)； (15b)若粗配準(zhǔn)邊緣子圖像CRij中像素值為I的邊緣像素點(diǎn)的總數(shù)小于λ ΧΚ，執(zhí)行步驟(15c)，否則，將時(shí)相2的相對(duì)地物光譜反射率圖像集{R2}與時(shí)相I的相對(duì)地物光譜反射率子圖像{RUj}相匹配的旋角參量Θ、水平參量Q以及垂直參量P初始值賦為O,執(zhí)行步驟(15d)，其中邊緣約束系數(shù)λ的取值范圍為2彡λ < 4 ; (15c)若列塊序號(hào)j〈u-l時(shí)，則行塊序號(hào)i保持不變，列塊序號(hào)j的值加1，返回步驟(15b);若列塊序號(hào)j=u-l且行塊序號(hào)i〈u_l時(shí)，則行塊序號(hào)i的值加1，列塊序號(hào)j的值賦為2，返回步驟(15b);若列塊序號(hào)j=u-l且行塊序號(hào)i=u-l時(shí)，則將所有行塊序號(hào)i=l或i=u-l,或列塊序號(hào)j=l或j=u-l的粗配準(zhǔn)邊緣子圖像CRij的光譜反射率曲線總差異量DRCij置為空值，執(zhí)行步驟(16); (15d)將時(shí)相2的各波段相對(duì)地物光譜反射率圖像R2b中與粗配準(zhǔn)邊緣子圖像CRij中心點(diǎn)空間位置對(duì)應(yīng)的像素點(diǎn)記為Ro，其橫坐標(biāo)為(1-l)XK+v，縱坐標(biāo)為(j-l)XK+v;以像素點(diǎn)Ro為中心點(diǎn)，分別將時(shí)相2的各波段相對(duì)地物光譜反射率圖像R2b逆時(shí)針旋轉(zhuǎn)Θ -5度，采用最近鄰線性插值方法進(jìn)行圖像插值，得到各波段的相對(duì)地物光譜反射率旋轉(zhuǎn)圖像在該圖像中將以像素點(diǎn)Ro為中心、大小為(3v+l) X (3v+l)像素的圖像塊作為時(shí)相2的各波段窗圖像 (15e)分別將時(shí)相I的各波段相對(duì)地物光譜反射率圖像R113中與粗配準(zhǔn)邊緣子圖像CRij相同空間位置范圍的圖像塊作為時(shí)相I的各波段搜索圖像64; (15f)將時(shí)相I的各波段搜索圖像中的第I行第I列像素點(diǎn)與時(shí)相2的各波段窗圖像中的第1+Q行第1+P列像素點(diǎn)空間位置對(duì)應(yīng)，則時(shí)相I的各波段搜索圖像^^中的像素點(diǎn)(X' ,1')與時(shí)相2的各波段窗圖像中的像素點(diǎn)(X' +Q，y' +P)空間位置對(duì)應(yīng)，計(jì)算時(shí)相I的各波段搜索圖像Ι 〗,與時(shí)相2的各波段窗圖像食 ,之間的光譜反射率曲線差異量 DRC(0，Q，p):
全文摘要
本發(fā)明公開(kāi)了一種基于邊緣和光譜反射率曲線的多時(shí)相遙感圖像配準(zhǔn)方法，主要解決現(xiàn)有技術(shù)對(duì)存在變化區(qū)域和整體亮度差異的兩時(shí)相多光譜圖像集進(jìn)行配準(zhǔn)時(shí)穩(wěn)定性不足、精度低的問(wèn)題。其實(shí)現(xiàn)步驟為對(duì)輸入兩時(shí)相多光譜圖像集進(jìn)行預(yù)處理后的同時(shí)相的小波高頻系數(shù)矩陣相加并分割，得到兩時(shí)相強(qiáng)邊緣圖像；計(jì)算兩時(shí)相強(qiáng)邊緣圖像的邊緣對(duì)齊度的配準(zhǔn)參數(shù)，以對(duì)兩時(shí)相圖像集進(jìn)行配準(zhǔn)，得到粗配準(zhǔn)圖像集；將粗配準(zhǔn)圖像集轉(zhuǎn)換為相對(duì)地物光譜反射率圖像集，對(duì)該圖像集中的時(shí)相1的小波高頻系數(shù)重構(gòu)得到粗配準(zhǔn)邊緣圖像，用該圖像對(duì)時(shí)相1和時(shí)相2的相對(duì)地物光譜反射率圖像進(jìn)行局部匹配，得到最終配準(zhǔn)圖像集。本發(fā)明可用于變化檢測(cè)、融合、及鑲嵌。
文檔編號(hào)G06T5/00GK103198483SQ20131011788
公開(kāi)日2013年7月10日 申請(qǐng)日期2013年4月7日 優(yōu)先權(quán)日2013年4月7日
發(fā)明者王桂婷, 焦李成, 孫一博, 公茂果, 鐘樺, 王爽, 張小華 申請(qǐng)人:西安電子科技大學(xué)