一種大幅面小重合區(qū)域高精度多光譜圖像配準方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理領(lǐng)域，具體而言，涉及一種大幅面小重合區(qū)域高精度多光譜 圖像配準方法及裝置。
【背景技術(shù)】
[0002] 圖像配準技術(shù)是將在同一區(qū)域但在不同傳感器或不同觀測角度下拍攝的兩幅或 者多幅圖像，找出其相同或重疊區(qū)域，并進行匹配對準的過程。圖像配準總是相對于多幅圖 像而言的，在實際工作中，通常取其中的一幅圖像作為配準的基準，稱為參考圖像；另一幅 圖像，稱為待配準圖像。
[0003] 準確的圖像配準是圖像融合與拼接能夠順利完成的重要先決條件，也是目標變化 檢測、醫(yī)學圖像分析、目標識別等應(yīng)用中必不可少的步驟，其精度將直接影響后續(xù)操作的效 果。圖像配準誤差通常要求亞像素級、甚至深亞像素級，否則會使小目標、細線目標等多源 識別失效，融合圖像邊緣模糊。
[0004] 但是隨著遙感圖像光譜分辨率、空間分辨率的逐漸提高以及觀測區(qū)域的逐步擴 大，高分辨率遙感圖像間會出現(xiàn)旋轉(zhuǎn)、平移、光照甚至分辨率大小不同的情況，而對一般配 準算法影響準確率更大的因素則是參考圖像和待配準圖像只有小部分重合區(qū)域（重合區(qū) 域小于圖像長寬的10% )。所以，如何提高大幅圖像小重合區(qū)域時配準算法的正確率已經(jīng) 成為現(xiàn)今圖像配準技術(shù)要攻克的難題，也是遙感圖像拼接技術(shù)目前研宄的重要方向。
[0005] 對于大幅面高分辨率遙感圖像間的配準，相關(guān)技術(shù)中的一般方法是：對圖像先進 行網(wǎng)格化，利用相似性原理選取特征網(wǎng)格進行粗匹配，得到重合位置的候選區(qū)域，之后再利 用候選區(qū)域進行配準，該方法雖能比較有效地縮短配準時間，但在只有少量重合區(qū)域下的 圖像配準過程中由于出現(xiàn)過多的誤匹配或無法提取足夠特征點從而導致圖像配準精度下 降，無法保證配準算法的精度。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種大幅面小重合區(qū)域高精度多光譜圖像配準方法及裝 置，以解決上述的問題。
[0007] 在本發(fā)明的實施例中提供了一種大幅面小重合區(qū)域高精度多光譜圖像配準方法， 包括：
[0008] 對參考圖像和待配準圖像進行SIFT特征點提取；
[0009] 對提取的特征點進行匹配，獲取參考圖像和待配準圖像的重合區(qū)域，得到初步的 配準圖像；
[0010] 利用隨機抽樣一致性算法篩選的內(nèi)點，與最小二乘法擬合曲線結(jié)合，估算出初步 變換矩陣；
[0011] 利用均方根誤差對重合區(qū)域的特征點進行映射矩陣客觀評價，篩除引起誤差的誤 匹配點，迭代至配準圖像精度達到亞像素級，獲取精確變換矩陣。
[0012] 進一步，利用均方根誤差對重合區(qū)域的特征點進行映射矩陣客觀評價，篩除引起 誤差的誤匹配點，迭代至配準圖像精度達到亞像素級，獲取精確變換矩陣包括：
[0013] 步驟1，計算重合區(qū)域全部N個內(nèi)點P(x，y)在所述待配準圖像中的匹配點 Pi匕，yi)，與利用RANSAC算法估計變換矩陣相乘后的點PJvyp)的均方根誤差RMSE，當 RMSE小于1時，判定配準成功；當RMSE大于或者等于1時，逐點計算偏差值，排除引起數(shù)值 偏大的不準確匹配點；RMSE的計算公式如下；
[0014]
【主權(quán)項】
1. 一種大幅面小重合區(qū)域高精度多光譜圖像配準方法，其特征在于，包括： 對參考圖像和待配準圖像進行SIFT特征點提?。? 對提取的特征點進行匹配，獲取參考圖像和待配準圖像的重合區(qū)域，得到初步的配準 圖像； 利用隨機抽樣一致性算法篩選的內(nèi)點，與最小二乘法擬合曲線結(jié)合，估算出初步變換 矩陣； 利用均方根誤差對重合區(qū)域的特征點進行映射矩陣客觀評價，篩除引起誤差的誤匹配 點，迭代至配準圖像精度達到亞像素級，獲取精確變換矩陣。
2. 根據(jù)權(quán)利要求1所述的一種大幅面小重合區(qū)域高精度多光譜圖像配準方法，其特征 在于，利用均方根誤差對重合區(qū)域的特征點進行映射矩陣客觀評價，篩除引起誤差的誤匹 配點，迭代至配準圖像精度達到亞像素級，獲取精確變換矩陣，包括： 步驟1，計算重合區(qū)域全部N個內(nèi)點P(x，y)在所述待配準圖像中的匹配點Pi(Xi，yi)，與 利用隨機抽取一致性算法估計變換矩陣相乘后的點Pjxp，yp)的均方根誤差RMSE，當RMSE 小于1時，判定配準成功；當RMSE大于或者等于1時，逐點計算偏差值，排除引起數(shù)值偏大 的不準確匹配點；所述RMSE的計算公式如下；
步驟2,利用隨機抽樣一致性算法將剩余的點重新構(gòu)造內(nèi)點，估算出變換矩陣，并重復(fù) 步驟1，直到RMSE小于1，獲取精確變換矩陣。
3. 根據(jù)權(quán)利要求1所述的一種大幅面小重合區(qū)域高精度多光譜圖像配準方法，其特征 在于，對提取的特征點進行匹配，獲取參考圖像和待配準圖像的重合區(qū)域，得到初步的配準 圖像，包括： 1) 從圖像中選擇一點Si，遍歷圖像全部剩余特征點，計算出與其尺度rp梯度9i最接 近的特征點S2; 2) 連接3:與S2，并且同時連接各自對應(yīng)的點f(Si)與f(S2)，計算其各自連線與Si點和 f(Si)梯度方向角度的差值9X; 3) 判斷差值0X是否在預(yù)設(shè)閾值之內(nèi)，當差值0x在預(yù)設(shè)閾值之內(nèi)時，判定匹配成功， 保留匹配點；否則，計算與其鄰近點的角度0X，當0X未在預(yù)設(shè)閾值之內(nèi)時，判定該點為錯 誤的匹配點；其中，所述預(yù)設(shè)閾值為10° ; 4) 重復(fù)步驟1)、2)、3)，直到遍歷完圖像中所有匹配特征點。
4. 根據(jù)權(quán)利要求3所述的一種大幅面小重合區(qū)域高精度多光譜圖像配準方法，其特征 在于，在步驟4)之后還包括： 對待匹配圖像中的同名匹配點進行同閾值的逆向匹配，保留雙向匹配均為相同對應(yīng)雙 方的特征點對，并刪除剩余特征點。
5. -種大幅面小重合區(qū)域高精度多光譜圖像配準裝置，其特征在于，包括： 特征點提取模塊，用于對參考圖像和待配準圖像進行SIFT特征點提??； 特征點匹配模塊，用于對提取的特征點進行匹配，獲取參考圖像和待配準圖像的重合 區(qū)域，得到初步的配準圖像； 初步變換矩陣估算模塊，用于利用隨機抽樣一致性算法篩選的內(nèi)點，與最小二乘法擬 合曲線結(jié)合，估算出初步變換矩陣； 精確變換矩陣獲取模塊，用于利用均方根誤差對重合區(qū)域的特征點進行映射矩陣客觀 評價，篩除引起誤差的誤匹配點，迭代至配準圖像精度達到亞像素級，獲取精確變換矩陣。
6. 根據(jù)權(quán)利要求5所述的一種大幅面小重合區(qū)域高精度多光譜圖像配準裝置，其特征 在于，所述精確變換矩陣獲取模塊包括： 配準判定模塊，用于計算重合區(qū)域全部N個內(nèi)點P(x，y)在所述待配準圖像中的匹配點Pi匕，yi)，與利用RANSAC算法估計變換矩陣相乘后的點PJvyp)的均方根誤差RMSE，當 RMSE小于1時，判定配準成功；當RMSE大于或者等于1時，逐點計算偏差值，排除引起數(shù)值 偏大的不準確匹配點；所述RMSE的計算公式如下；
迭代配準模塊，用于利用隨機抽樣一致性算法將剩余的點重新構(gòu)造內(nèi)點，估算出變換 矩陣，并重復(fù)所述配準判定模塊的配準判定過程，直到RMSE小于1，獲取精確變換矩陣。
7. 根據(jù)權(quán)利要求5所述的一種大幅面小重合區(qū)域高精度多光譜圖像配準裝置，其特征 在于，所述初步變換矩陣估算模塊具體用于： 1) 從圖像中選擇一點Si，遍歷圖像全部剩余特征點，計算出與其尺度rp梯度9i最接 近的特征點S2; 2) 連接3:與S2，并且同時連接各自對應(yīng)的點f(Si)與f(S2)，計算其各自連線與Si點和 f(Si)梯度方向角度的差值9X; 3) 判斷差值0X是否在預(yù)設(shè)閾值之內(nèi)，當差值0x在預(yù)設(shè)閾值之內(nèi)時，判定匹配成功， 保留匹配點；否則，計算與其鄰近點的角度0X，當0X未在預(yù)設(shè)閾值之內(nèi)時，判定該點為錯 誤的匹配點；其中，所述預(yù)設(shè)閾值為10°。 4) 重復(fù)步驟1)、2)、3)，直到遍歷完圖像中所有匹配特征點。
8. 根據(jù)權(quán)利要求7所述的一種大幅面小重合區(qū)域高精度多光譜圖像配準裝置，其特征 在于，所述初步變換矩陣估算模塊還用于在步驟4)之后： 對待匹配圖像中的同名匹配點進行同閾值的逆向匹配，保留雙向匹配均為相同對應(yīng)雙 方的特征點對，并刪除剩余特征點。
【專利摘要】本發(fā)明屬于圖像處理領(lǐng)域，具體而言，涉及一種大幅面小重合區(qū)域高精度多光譜圖像配準方法及裝置，其中，該方法包括對參考圖像和待配準圖像進行SIFT特征點提取；對提取的特征點進行匹配，獲取參考圖像和待配準圖像的重合區(qū)域，得到初步的配準圖像；利用隨機抽樣一致性算法篩選的內(nèi)點，與最小二乘法擬合曲線結(jié)合，估算出初步變換矩陣；利用均方根誤差RMSE對重合區(qū)域的特征點進行映射矩陣客觀評價，篩除引起誤差的誤匹配點，迭代至配準圖像精度達到亞像素級，獲取精確變換矩陣。通過該方法發(fā)明提高了大幅多光譜圖像在少量重合區(qū)域時的配準精度。
【IPC分類】G06T7-00
【公開號】CN104574421
【申請?zhí)枴緾N201510047728
【發(fā)明人】張永梅, 張晨希, 張睿, 葉青
【申請人】北方工業(yè)大學
【公開日】2015年4月29日
【申請日】2015年1月29日