專利名稱:圖像配準的制作方法
技術(shù)領(lǐng)域:
本發(fā)明一般涉及處理圖像,尤其涉及配準合成孔徑雷達(synthetic apertureradar,即SAR)圖像。更具體地,本發(fā)明涉及配準已被正射校正的合成孔徑雷達圖像的方法和設(shè)備。
背景技術(shù):
在執(zhí)行各種類型的操作中使用圖像。這些操作可包括,例如(但不限于)目標(biāo)識另O、目標(biāo)跟蹤和/或其它合適的操作類型。時常地,在執(zhí)行這些操作前執(zhí)行圖像配準(imageregistration)。圖像配準為在不同時間、來自不同觀察點和/或由不同傳感器產(chǎn)生的相同場景的圖像的匹配?;谔卣鞯膱D像配準為一種類型的圖像配準的實例?;谔卣鞯呐錅兽D(zhuǎn)換場景的第一圖像,以便第一圖像中的特征與相同場景的第二圖像中的相同特征對準。第二圖像也·可被稱為基準圖像或源圖像。借助基于特征的圖像配準,可使用不同類型的轉(zhuǎn)換模式轉(zhuǎn)換第一圖像,以匹配第一圖像和基準圖像。一種轉(zhuǎn)換模式類型為線性轉(zhuǎn)換。線性轉(zhuǎn)換可包括,但不限于,例如平移、旋轉(zhuǎn)、縮放和/或其它合適類型的仿射轉(zhuǎn)換。仿射轉(zhuǎn)換為任何這樣的轉(zhuǎn)換其保持點之間的共線性,以及線上的點之間的距離比率。可與不同類型的圖像一起使用基于特征的圖像配準。這些不同類型的圖像可包括,例如(但不限于)可見光譜圖像、光學(xué)圖像、紅外圖像、雷達圖像、合成孔徑雷達(SAR)圖像,以及其它合適類型的圖像。通常,在執(zhí)行圖像配準前,對合成孔徑雷達圖像進行正投影校正。也將該過程稱為正射校正(orthorectification)。正射校正為從圖像中去除幾何畸變,以便圖像的比例基本一致。這些幾何畸變可由以下原因引起,即產(chǎn)生圖像的傳感器傾斜、地形起伏、透鏡畸變和/或其它適當(dāng)?shù)幕冊?。已被正投影校正的圖像可被稱為經(jīng)正射校正圖像。經(jīng)正射校正圖像的基于特征的圖像配準可包括使用正投影轉(zhuǎn)換(orthographictransformation),其平移和/或旋轉(zhuǎn)經(jīng)正射校正的圖像,以匹配基準圖像?;鶞蕡D像也被正射校正。用于執(zhí)行合成孔徑雷達圖像的基于特征的圖像配準的當(dāng)前可用方法,可能不如用于可見光譜圖像的基于特征的圖像配準的當(dāng)前可用方法精確。例如,與可見光譜圖像相比,合成孔徑雷達圖像中可存在更大量噪聲。使用用于識別圖像中的特征的當(dāng)前可用方法,該更大量噪聲使得合成孔徑雷達圖像中的特征識別與可見光譜圖像中的特征識別相比較不精確。結(jié)果,用于合成孔徑雷達圖像的基于特征的圖像配準的當(dāng)前可用方法可比所期望的精確度低。因此,希望獲得考慮至少一些上述問題以及其它可能問題的方法和設(shè)備。
發(fā)明內(nèi)容
在一個優(yōu)選實施例中,提供一種處理圖像的方法。確定第一圖像中確定的多個第一特征的多個聚類。多個聚類中的每個聚類都包含來自第一圖像的第一組特征。使用第一圖像中的多個第一特征和第二圖像中的多個第二特征之間的初始對應(yīng)確定轉(zhuǎn)換,所述轉(zhuǎn)換用于配準多個聚類中的每個聚類和相應(yīng)聚類,后者包含來自第二圖像中識別的多個第二特征的第二組特征。使用確定用于每個聚類的轉(zhuǎn)換,確定來自多個第一特征聚類的聚類集。使用該聚類集確定配準第一圖像和第二圖像的最終轉(zhuǎn)換。在另一實施例中,提供配準圖像的方法。識別圖像中第一圖像內(nèi)的多個第一特征以及圖像中第二圖像內(nèi)的多個第二特征。確定初始轉(zhuǎn)換,用于使用該多個第一特征和多個第二特征,配準該第一圖像和第二圖像。使用用于配準第一圖像和第二圖像的初始轉(zhuǎn)換,確定第一圖像中的多個第一特征和第二圖像中的多個第二特征之間的初始對應(yīng)。利用通過使用多個第一特征形成的最小生成樹而確定第一圖像中多個第一特征的聚類。多個聚類中的每個聚類都包含來自多個第一特征的第一組特征。使用該初始對應(yīng),確定這樣的轉(zhuǎn)換其用于配準多個聚類中的每個聚類和相應(yīng)聚類,所述相應(yīng)聚類包含來自第二圖像中識別的多個第二特征的第二組特征。當(dāng)確定用于一個聚類的轉(zhuǎn)換的投影誤差小于選定的閾值時,就將多個聚類中的該聚類 添加至聚類集。使用該聚類集中的特征和隨機采樣一致算法(random sample consensusalgorithm)確定用于配準該第一圖像和第二圖像的最終轉(zhuǎn)換。使用該最終轉(zhuǎn)換配準該第一圖像和第二圖像。在另一優(yōu)選實施例中,設(shè)備包含圖像處理模塊。該圖像處理模塊配置為用于確定在第一圖像中確定的多個第一特征聚類。多個聚類中的每個聚類都包含來自該多個第一特征的第一組特征。該圖像處理模塊進一步配置為,使用第一圖像中的多個第一特征和第二圖像中的多個第二特征之間的初始對應(yīng),確定這樣的轉(zhuǎn)換其用于配準多個聚類中的每個聚類和相應(yīng)聚類,后者包含來自第二圖像中的經(jīng)識別的多個第二特征的第二組特征。該圖像處理模塊進一步配置為,使用為每個聚類確定的轉(zhuǎn)換而確定來自多個第一特征聚類的聚類集。該圖像處理模塊進一步配置為,使用該聚類集,確定用于配準該第一圖像和第二圖像的最終轉(zhuǎn)換。另一優(yōu)選實施例提供了一種方法,包含確定第一圖像中的第一數(shù)目的閉合輪廓和第二圖像中的第二數(shù)目的閉合輪廓;以及使用該第一數(shù)目的閉合輪廓、第二數(shù)目的閉合輪廓以及匹配算法,確定用于配準第一圖像和第二圖像的初始轉(zhuǎn)換。其它實施例還提供了一種配準圖像的方法,其包括以下步驟識別圖像中第一圖像(132)中的多個第一特征(136),以及圖像中第二圖像(134)中的多個第二特征(138);使用該多個第一特征(136)和多個第二特征(138),確定用于配準該第一圖像(132)和第二圖像(134)的初始轉(zhuǎn)換(142);使用用于配準該第一圖像(132)和第二圖像(134)的初始轉(zhuǎn)換(142),確定第一圖像(132)中的多個第一特征(136)和第二圖像(134)中的多個第二特征(138)之間的初始對應(yīng)(141);
使用通過使用多個第一特征(136)形成的最小生成樹(146),確定第一圖像(132)中的多個第一特征(136)的多個聚類(156),其中,多個聚類(156)中的每個聚類(157)都包含來自該多個第一特征(136)的第一組特征;使用初始對應(yīng)(141),確定這樣的轉(zhuǎn)換(155):其用于配準多個聚類(156)中的每個聚類(157)和相應(yīng)聚類(161 ),后者包含來自第二圖像(134)中經(jīng)確定的多個第二特征
(138)的第二組特征(163);當(dāng)確定用于一個聚類(157)的轉(zhuǎn)換(155)的投影誤差(164)小于選定的閾值時,就將多個聚類(156)中的該聚類(157)添加至聚類集(162);使用該聚類集(162)里的特征和隨機采樣一致算法(random sample consensusalgorithm),確定用于配準第一圖像(132)和第二圖像(134)的最終轉(zhuǎn)換(172);以及使用最終轉(zhuǎn)換(172)配準第一圖像(132)和第二圖像(134)?!ひ部筛倪M任何前述實施例的變體,其中,第一圖像(132)為第一合成孔徑雷達圖像(114),而第二圖像(134)為第二合成孔徑雷達圖像(114),其中第一合成孔徑雷達圖像
(114)和第二合成孔徑雷達圖像(114)被正射校正,并且其中,使用最終轉(zhuǎn)換(172)配準第一圖像(132)和第二圖像(134)的步驟包含使用最終轉(zhuǎn)換(172),執(zhí)行第一圖像(132)的平移和旋轉(zhuǎn)至少其中之一,從而以期望的精確度水平匹配第一圖像(132)和第二圖像(134)。能夠在本公開的各種實施例中單獨實現(xiàn)該特征、功能和優(yōu)點,并且可在其它實施例中結(jié)合,其中,能夠通過參考以下說明和附圖而了解進一步細節(jié)。
在本發(fā)明權(quán)利要求中提出被認為是優(yōu)選實施例的特性的新穎特征。然而,當(dāng)結(jié)合附圖閱讀時,通過參考本發(fā)明優(yōu)選實施例的以下詳細說明,將最好地理解優(yōu)選實施例,以及優(yōu)選使用模式、進一步目標(biāo)及其優(yōu)點,其中圖I以方框圖形式示出根據(jù)一優(yōu)選實施例的圖像處理環(huán)境圖示;圖2是根據(jù)一優(yōu)選實施例的在經(jīng)正射校正圖像中識別的特征圖示;圖3是根據(jù)一優(yōu)選實施例的從第一圖像和第二圖像識別的特征圖示;圖4示出根據(jù)一優(yōu)選實施例的與第二圖像配準的第一圖像;圖5示出根據(jù)一優(yōu)選實施例的在圖像中識別的特征;圖6示出根據(jù)一優(yōu)選實施例的在圖像中識別的特征;圖7示出根據(jù)一優(yōu)選實施例的用于配準圖像的方法的流程圖;圖8示出根據(jù)一優(yōu)選實施例的用于識別圖像中特征的方法的流程圖;圖9示出根據(jù)一優(yōu)選實施例的確定用于配準第一圖像和第二圖像的初始轉(zhuǎn)換的方法的流程圖;圖10示出根據(jù)一優(yōu)選實施例的用于確定第一圖像中多個第一特征和第二圖像中多個第二特征之間的初始對應(yīng)的方法的流程圖;圖11示出根據(jù)一優(yōu)選實施例的用于確定第一圖像中識別的多個第一特征的多個聚類的方法的流程圖;圖12示出根據(jù)一優(yōu)選實施例的用于確定來自第一圖像中多個第一特征的多個聚類的聚類集的方法的流程圖;以及圖13示出根據(jù)一優(yōu)選實施例的數(shù)據(jù)處理系統(tǒng)。
具體實施例方式不同優(yōu)選實施例認識并考慮多個不同的需考慮事項。例如,不同優(yōu)選實施例認識并考慮,合成孔徑雷達(SAR)圖像可具有比期望的更多的噪聲。合成孔徑雷達成像系統(tǒng)發(fā)送電磁輻射脈沖。這些脈沖也被稱為電磁信號。這些電磁信號針對某一區(qū)域,諸如地形區(qū)域、附近地區(qū)、森林的一部分、城市的一部分、工廠或其它合適類型的區(qū)域。不同優(yōu)選實施例認識并考慮,當(dāng)這些電磁信號碰到區(qū)域的表面時,至少一部分電磁信號被從該表面反射。從該表面反射的電磁波可被稱為反向散射、散射電磁波、散射電磁信號、回波或回聲。 合成孔徑雷達成像系統(tǒng)配置為,用于檢測這些散射電磁信號,并且產(chǎn)生合成孔徑雷達圖像。該檢測被稱為相干檢測。在散射電磁信號上執(zhí)行該類型檢測,并且其為允許捕捉信號的振幅信息和相位信息的檢測類型。不同優(yōu)選實施例認識并考慮,使用相干檢測在產(chǎn)生的合成孔徑雷達圖像中產(chǎn)生不良非高斯噪聲水平。另外,不同優(yōu)選實施例認識并考慮,電磁信號從表面反射的反射率可取決于電磁信號被導(dǎo)向該表面的角度。如此,合成孔徑雷達圖像常常各向異性。換句話說,取決于電磁信號被合成孔徑雷達成像系統(tǒng)朝該區(qū)域發(fā)送的角度,合成孔徑雷達圖像中的場景外觀可變化。不同優(yōu)選實施例認識并考慮,與處理可見光譜圖像相比,合成孔徑雷達圖像中出現(xiàn)的非高斯噪聲和該類型圖像的各向異性使得處理合成孔徑雷達圖像更困難。具體地講,與可見光譜圖像的圖像配準相比,合成孔徑雷達圖像的圖像配準可更困難。例如,合成孔徑雷達圖像的圖像配準的當(dāng)前可用方法通常使用特征檢測算法以及用于估計配準合成孔徑雷達圖像的轉(zhuǎn)換模型的算法。基于合成孔徑雷達圖像中的特征檢測而評價該轉(zhuǎn)換模型。然而,不同優(yōu)選實施例認識并考慮,合成孔徑雷達圖像的圖像配準的這些當(dāng)前可用方法可不具有期望精確度水平。具體地講,合成孔徑雷達圖像中存在的噪聲量,可使利用當(dāng)前可用特征檢測算法的這些圖像中的特征檢測比期望的精確度低并且較不可靠。結(jié)果,這些合成孔徑雷達圖像的圖像配準可比期望的精確度低。不同優(yōu)選實施例認識并考慮,當(dāng)執(zhí)行目標(biāo)識別時,可期望合成孔徑雷達圖像的精確圖像配準。例如,不同優(yōu)選實施例認識并考慮,當(dāng)以比期望精確度水平低的精確度配準這些類型的圖像時,目標(biāo)的錯誤識別數(shù)可增加,和/或非感興趣的目標(biāo)的識別數(shù)可增加。作為例證性實例,如果不具有配準合成孔徑雷達圖像的期望精確度水平,可更經(jīng)常將陰影錯誤地識別為感興趣的目標(biāo)。此外,不同優(yōu)選實施例認識并考慮,隨著時間過去,比配準合成孔徑雷達圖像的期望精確度水平低的精確度使得比所期望的更難以跟蹤這些圖像中的目標(biāo)。另外,不同優(yōu)選實施例認識并考慮,當(dāng)配準這些類型圖像的精確度水平低于期望水平時,不可能使用場景的各個部分的合成孔徑雷達圖像形成該場景的更大圖像。因而,不同優(yōu)選實施例提供配準圖像的方法和設(shè)備。在一個優(yōu)選實施例中,提供處理圖像的方法。確定在第一圖像中已確定的多個第一特征的聚類。多個聚類中的每個聚類都包含來自該多個第一特征的第一組特征。使用第一圖像中的多個第一特征和第二圖像中的多個第二特征之間的初始對應(yīng)確定這樣的轉(zhuǎn)換其用于配準多個聚類中的每個聚類和相應(yīng)聚類,后者包含來自第二圖像中識別的多個第二特征的第二組特征。使用確定用于每個聚類的轉(zhuǎn)換,確定來自多個第一特征聚類的聚類集。使用該聚類集確定配準第一圖像和第二圖像的最終轉(zhuǎn)換?,F(xiàn)在參考圖1,其根據(jù)一優(yōu)選實施例以方框圖形式示出圖像處理環(huán)境圖。圖像處理環(huán)境100包括傳感器系統(tǒng)102和圖像處理模塊104。
在這些例證性實例中,傳感器系統(tǒng)102可包含若干傳感器106。如本文中所使用的“若干物件”意思是一個或更多物件。例如,“若干傳感器”意思是一個或更多傳感器。若干傳感器106可包括,例如(但不限于)光學(xué)相機、紅外相機、雷達成像系統(tǒng)、合成孔徑雷達成像系統(tǒng)以及其它合適類型的傳感器中的至少一個。如本文使用的短語“至少一個…”,當(dāng)與一列物件一起使用時,意思是可使用一個或更多所列物件的不同組合,并且可需要僅一個每種物件。例如,“物件A、物件B和物件C中的至少一個”可包括,例如(但不限于),物件A,或者物件A和物件B。該實例也可包括物件A、物件B以及物件C,或者物件B和物件C。在其它實例中,“至少一個…”可為,例如(但不限于)兩個物件A、一個物件B以及10個物件C ;四個物件B和七個物件C ;以及其它合適的組合。如圖所示,傳感器系統(tǒng)102關(guān)聯(lián)平臺108。可考慮第一組件,諸如傳感器系統(tǒng)102通過以下方式關(guān)聯(lián)第二組件諸如平臺108,即被固定至第二組件、粘接至第二組件、焊接至第二組件、緊固至第二組件和/或通過一些其它合適的方式而被連接至第二組件。也可使用第三組件將第一組件連接至第二組件。也可考慮通過將第一組件作為第二組件的部分和/或延伸形成,而將第一組件關(guān)聯(lián)第二組件。在這些例證性實例中,平臺108可選自以下其中之一,即移動平臺、固定平臺、陸基結(jié)構(gòu)、水基結(jié)構(gòu)、空基結(jié)構(gòu)、空中交通工具、飛機、無人機、水面艦船、坦克、運兵車、火車、太空船、太空站、衛(wèi)星、潛艇、汽車、發(fā)電廠、橋、壩、制造工廠以及建筑物。如圖所示,傳感器系統(tǒng)102配置為用于產(chǎn)生區(qū)域112的圖像110。在這些例證性實例中,區(qū)域112可為平臺108之下的區(qū)域。此外,在這些例證性實例中,圖像110可采用合成孔徑雷達(SAR)圖像的形式。傳感器系統(tǒng)102配置為,通過若干通信鏈接116,將圖像110發(fā)送至圖像處理模塊104。若干通信鏈接116可包括無線通信鏈接、有線通信鏈接、光通信鏈接以及一些其它合適類型的通信鏈接之中的至少一個。在這些示出實例中,可使用硬件、軟件或兩者的組合實施圖像處理模塊104。作為一個例證性實例,可在計算機系統(tǒng)118中實施圖像處理模塊104。計算機系統(tǒng)118包含若干臺計算機120。當(dāng)在計算機系統(tǒng)118中存在超過一臺計算機時,這些計算機可彼此通信。若干臺計算機120可處于平臺108上的位置和/或遠離平臺108。在一個例證性實例中,所有的若干臺計算機120都可位于平臺108上。在另一個例證性實例中,若干臺計算機120的一部分可位于平臺108上,而另一部分若干臺計算機120可位于遠離平臺108的地面站。
在這些例證性實例中,圖像處理模塊104可包含圖像調(diào)整模塊122、特征檢測模塊124以及圖像配準模塊126。圖像調(diào)整模塊122配置為正投影校正從傳感器系統(tǒng)102接收的圖像110,以形成正射校正圖像128。圖像110的正投影校正包括從圖像110清除幾何畸變,以便圖像110中的每個圖像比例都基本統(tǒng)一。圖像110中的圖像中存在的幾何畸變可由以下原因引起,即產(chǎn)生圖像的多個傳感器106中的傳感器的傾斜、區(qū)域112中的地形起伏、傳感器的透鏡畸變和/或其它適當(dāng)?shù)幕冊?。如圖所示,圖像調(diào)整模塊122將經(jīng)正射校正圖像128發(fā)送至特征檢測模塊124。特征檢測模塊124配置為用于識別經(jīng)正射校正圖像128中的特征130。特征檢測模塊124可使用以下至少一種算法識別特征130,即史蒂格算法(Steger algorithm)、坎尼線檢測算法(Canny line detection algorithm)、邊緣檢測算法(edge detection algorithm)、霍夫變換(Hough transform)、尺度不變特征變換(scale-invariant feature transform,即 SIFT)、快速魯棒性特征檢測器(speeded up robust features detector,即 SURF 檢測器)、坎那德-盧卡斯-特瑪斯跟蹤器(Kanade-Lucas-Tomasi tracker,即KLT)、線檢測算·法(line detection algorithm)以及其它合適類型的算法。作為另一個例證性實例,經(jīng)正射校正圖像128包括第一圖像132和第二圖像134。第一圖像132和第二圖像134可由傳感器系統(tǒng)102在不同時間、由多個傳感器106內(nèi)的不同傳感器和/或從不同觀察點產(chǎn)生。第一圖像132和第二圖像134為將使用圖像配準模塊126配準的兩個圖像的實例。具體地講,基于多個第一特征136和多個第二特征138而將第一圖像132配準第二圖像134。第二圖像134也可被稱為基準圖像或源圖像。使用特征檢測模塊124識別第一圖像132中的多個第一特征136和第二圖像134中的多個第二特征138??蓮木€、形狀和其它合適類型的特征之中的至少一種,選擇多個第一特征136和多個第二特征138中的特征。特征檢測模塊124將在正射校正圖像128中識別的特征130發(fā)送至圖像配準模塊126。圖像配準模塊126也從圖像調(diào)整模塊122接收正射校正圖像128。圖像配準模塊126配準第一圖像132和第二圖像134,以匹配第一圖像132和第二圖像134。具體地講,配準第一圖像132和第二圖像134將第一圖像132中的多個第一特征136和第二圖像134中的多個第二特征138匹配。該匹配可以不是基本完美匹配。換句話說,當(dāng)?shù)谝粓D像132被配準第二圖像134時,多個第一特征136的多個部分可基本交迭多個第二特征138。然而,多個第一特征136的其它部分可不交迭多個第二特征138,或者可比基本交迭多個第二特征138的多個第一特征136的部分交迭的少??稍诖_定第一圖像132和第二圖像134的配準精確度水平中使用多個第一特征136和多個第二特征138之間的交迭量。在這些例證性實例中,圖像配準模塊126配置為,用于確定多個第一特征136和多個第二特征138之間的初始對應(yīng)141。初始對應(yīng)141在這些示出實例中為一對一對應(yīng)。換句話說,第一圖像132中的多個第一特征136中的每個特征都在第二圖像134中的多個第二特征138中具有相應(yīng)特征。此外,多個第二特征138中的每個特征都對應(yīng)多個第一特征136中的一個特征。在一些例證性實例中,僅在一部分多個第一特征136和一部分多個第二特征138之間確定初始對應(yīng)141。使用用于配準第一圖像132和第二圖像134的初始轉(zhuǎn)換142確定初始對應(yīng)141。在一個例證性實例中,圖像配準模塊126可使用多個第一特征136、多個第二特征138以及隨機取樣一致(RANSAC)算法來確定初始轉(zhuǎn)換142。在這些示出實例中,初始轉(zhuǎn)換142可為正投影轉(zhuǎn)換。換句話說,使用初始轉(zhuǎn)換142配準第一圖像132和第二圖像134平移和/或旋轉(zhuǎn)第一圖像132,以將第一圖像132中的多個第一特征136和第二圖像134中的多個第二特征138匹配。作為一個例證性實例,圖像配準模塊126使用初始轉(zhuǎn)換142、第一圖像132、第二圖像134以及用于匹配多個第一特征136和多個第二特征138的算法,確定初始對應(yīng)141。在該例證性實例中,算法可為,例如k-維樹算法(k-dimensional tree algorithm)、最鄰近匹 配算法(nearest neighbor matching algorithm)或一些其它合適類型的算法。此外,圖像配準模塊126配置為使用多個第一特征136形成最小生成樹(minimumspanning tree,即MST) 146。最小生成樹146具有多個節(jié)點148和多個分支150。多個節(jié)點148中的每個節(jié)點都為多個第一特征136中的特征。以該方式,在這些例證性實例中,所有的多個第一特征136都在最小生成樹146中被表現(xiàn)。多個分支150中的每個分支都連接多個節(jié)點148中的兩個節(jié)點。此外,多個分支150中的每個分支都具有權(quán)重152。在這些例證性實例中,每個分支的權(quán)重152都為被該分支連接的多個節(jié)點148中的兩個節(jié)點之間的像素距離(distance in pixels)。圖像配準模塊126配置為,從最小生成樹146清除多個分支150中具有超過選定權(quán)重154的權(quán)重152的任何分支。當(dāng)從最小生成樹146清除具有超過選定權(quán)重154的權(quán)重152的所有分支后,多個第一特征136的多個聚類156就在最小生成樹146中形成。在這些例證性實例中,圖像配準模塊126確定用于多個聚類156中的每個聚類的轉(zhuǎn)換155。轉(zhuǎn)換155為正投影轉(zhuǎn)換,用于配準第一圖像132的多個聚類156中的每個聚類和第二圖像134的相應(yīng)聚類。在這些示出實例中,可使用最小平方算法確定轉(zhuǎn)換155。聚類157為多個聚類156的一個實例。聚類157包含第一組特征159。如本文使用的“一組物件”意思是一個或更多物件。例如,“一組特征”為一個或更多特征。圖像配準模塊126確定聚類157的相應(yīng)聚類161。具體地講,圖像配準模塊126基于初始對應(yīng)141,確定相應(yīng)于第一組特征159的來自多個第二特征138的第二組特征163。第二組特征163形成相應(yīng)聚類161。由于初始對應(yīng)為一對一對應(yīng),所以第一組特征159中的總特征數(shù)與第二組特征163中的總特征數(shù)相同。圖像配準模塊126使用為聚類157確定的轉(zhuǎn)換155,以將第一組特征159投影到第二圖像134上。具體地講,第一組特征159被投影到第二圖像134上,以匹配第一組特征159和第二圖像134中的第二組特征163。在這些例證性實例中,將第一組特征159投影到用于第二圖像134的坐標(biāo)系160上。然后,圖像配準模塊126確定第一組特征159被投影到第二圖像134上的第二圖像134中的第一組位置158。使用坐標(biāo)系160定義第一組位置158。此外,第二組特征163具有在第二圖像134中的第二組位置168,其也被使用坐標(biāo)系160定義。在這些示出實例中,圖像配準模塊126形成來自聚類156的聚類集162。如本文使用的“物件集”意思是零或更多物件?!拔锛笨蔀?,例如零集或空集。
當(dāng)投影誤差164小于選定閾值170時,將聚類156中的聚類,諸如聚類157添加至聚類集162。投影誤差164是用于使第一組特征159和第二圖像134中的第二組特征163匹配的誤差??赏ㄟ^多個不同的方式測量投影誤差164。例如,投影誤差164可以為聚類157中第一組特征159的第一組位置158和相應(yīng)聚類161中第二組特征163的第二組位置168之間的距離的和。在一些例證性實例中,投影誤差164可為第一組位置158和第二組位置168之間的距離的和除以第一組特征159中的總特征數(shù)。圖像配準模塊126使用聚類集162,以確定用于配準第一圖像132和第二圖像134的最終轉(zhuǎn)換172。具體地講,圖像配準模塊126使用聚類集162中所包括的特征以及隨機取樣一致(random sample consensus,即RANSAC)算法,以確定用于配準第一圖像132和第二圖像134的最終轉(zhuǎn)換172。在這些例證性實例中,圖像配準模塊126使用最終轉(zhuǎn)換172配準第一圖像132和 第二圖像134。在這些實例中,最終轉(zhuǎn)換172為正投影轉(zhuǎn)換。換句話說,最終轉(zhuǎn)換172僅使用平移和/或旋轉(zhuǎn)將第一圖像132和第二圖像134匹配。在這些實例中,與初始轉(zhuǎn)換142相比,最終轉(zhuǎn)換172為改進的轉(zhuǎn)換。換句話說,可使用最終轉(zhuǎn)換172以期望精確度水平174執(zhí)行第一圖像132和第二圖像134的配準。期望精確度水平174可比使用初始轉(zhuǎn)換142配準第一圖像132和第二圖像134的精確度水平更聞。通過該方式,圖像處理模塊104提供以期望精確度水平174配準傳感器系統(tǒng)102產(chǎn)生的圖像110的系統(tǒng)。期望的精確度水平174可比當(dāng)前可用的配準圖像的方法的精確度水平更高。圖I中的圖像處理環(huán)境100的例證,無意暗示可實施優(yōu)選實施例的方式的物理或結(jié)構(gòu)限制??墒褂贸撕?或代替示出組件的其它組件。一些組件可以是不必要的。同樣地,使用方框以舉例說明一些功能組件。當(dāng)在優(yōu)選實施例中實施時,可組合一個或更多這些方框和/或?qū)⑵浞譃椴煌膲K。例如,在一些例證性實例中,特征檢測模塊124可為圖像配準模塊126的部分。在其它例證性實例中,可將第一圖像配準不同于傳感器系統(tǒng)102的傳感器系統(tǒng)產(chǎn)生的基準圖像。例如,關(guān)聯(lián)第二平臺的第二傳感器系統(tǒng)可存在于圖像處理環(huán)境100中。傳感器系統(tǒng)102產(chǎn)生的圖像110可和使用傳感器系統(tǒng)產(chǎn)生的基準圖像匹配。在其它例證性實例中,可使用不同于隨機取樣一致算法的算法確定初始轉(zhuǎn)換142。例如,可通過匹配第一圖像132中確定的第一數(shù)目閉合輪廓和第二圖像134中確定的第二數(shù)目閉合輪廓的傅立葉輪廓描述符而確定初始轉(zhuǎn)換142?,F(xiàn)在參考圖2,其中示出根據(jù)一優(yōu)選實施例描述的正射校正圖像中確定的特征。在該例證性實例中,圖像200為圖I中的正射校正圖像128的實例。圖像200包括第一圖像202和第二圖像204。第一圖像202為用于圖I中的第一圖像132的一種實施的實例。第二圖像204為用于圖I中的第二圖像134的一種實施的實例。如圖所示,已在第一圖像202中識別多個第一特征206。此外,已在第二圖像204中識別多個第二特征208?,F(xiàn)在參考圖3,其中示出根據(jù)一優(yōu)選實施例從圖2中的第一圖像202和第二圖像204識別的特征。在該例證性實例中,將從圖2中的第一圖像202識別的多個第一特征206疊加在從圖2中的第二圖像204識別的多個第二特征208上。多個第一特征206關(guān)于第二圖像204的坐標(biāo)系被疊加到多個第二特征208上。具體地講,在將第一圖像202配準第二圖像204之前,多個第一特征206處于關(guān)于第二圖像204的坐標(biāo)系的位置300。此外,多個第二特征208處于關(guān)于第二圖像204的坐標(biāo)系的位置302。
在該例證性實例中,投影特征304為使用例如圖I中的最終轉(zhuǎn)換172所執(zhí)行的第二圖像204的坐標(biāo)系上的多個第一特征206的投影。換句話說,在使用最終轉(zhuǎn)換172將多個第一特征206和多個第二特征208匹配后,投影特征304為多個第一特征206。投影特征304處于位置306。如圖所示,考慮這樣的部分投影特征304為內(nèi)圍層(inliers),其處于位置306,位置306處于距多個第二特征208的相應(yīng)部分的位置302的選擇距離之內(nèi)?;跒閮?nèi)圍層的投影特征304的百分比,可確定多個第一特征206和多個第二特征208的匹配精確度水平?,F(xiàn)在參考圖4,其中根據(jù)一優(yōu)選實施例示出與來自圖2的第二圖像204配準的第一圖像202。在該例證性實例中,已使用圖I中的最終轉(zhuǎn)換172配準第一圖像202和來自圖2的第二圖像204。在該例證性實例中,將第一圖像202平移,旋轉(zhuǎn),并且然后將其覆蓋在第二圖像204上。如圖所示,在將第一圖像202配準第二圖像204后,第一圖像202和第二圖像204共享坐標(biāo)系400?,F(xiàn)在參考圖5,其中根據(jù)一優(yōu)選實施例示出在圖像中識別的特征。在該例證性實例中,識別第一圖像,諸如圖I中的第一圖像132的特征502。識別第二圖像,諸如圖I中的第二圖像134的特征504。另外,在該示出實例中,投影特征506為使用圖I中的最終轉(zhuǎn)換172執(zhí)行的特征502的投影。如該例證性實例中所示,一部分投影特征506為內(nèi)圍層508。現(xiàn)在參考圖6,其中根據(jù)一優(yōu)選實施例示出使用經(jīng)識別用于圖像的閉合輪廓形成的圖。在該例證性實例中,圖像600為圖I中的第一圖像132的一種實施的實例。如該實例中所示,使用在圖像600中識別的閉合輪廓602形成圖601。識別用于圖像600中的目標(biāo)的閉合輪廓602。例如,識別用于圖像600中的樹606的閉合輪廓604。此外,在該例證性實例中,確定用于閉合輪廓602的形心608。通過使用分支610,將形心608彼此連接而形成圖601。形心608形成圖601的節(jié)點。在該例證性實例中,可分類分支610的長度,以確定分支610中的最長分支。具體地講,確定分支610中兩個最長的分支。如圖所示,分支612和分支614為兩個最長的分支。分支612將閉合輪廓604的形心616連接至閉合輪廓620的形心618。分支614連接閉合輪廓604的形心616和閉合輪廓624的形心622。可在分支612及分支614和/或分支612及分支614的末端選擇閉合輪廓604、618和624,用于和第二圖像中識別的閉合輪廓比較。可使用該比較,以確定用于將圖像600和第二圖像匹配的初始轉(zhuǎn)換?,F(xiàn)在參考圖7,其中示出根據(jù)一優(yōu)選實施例的配準圖像的方法的流程圖??墒褂脠DI中的圖像處理模塊104實施圖7中示出的方法。該方法始于識別第一圖像中的多個第一特征和第二圖像中的多個第二特征(操作700)。在該例證性實例中,第一圖像和第二圖像為正射校正圖像。這些正射校正圖像例如由圖I中的圖像調(diào)整模塊122,使用從傳感器系統(tǒng),諸如圖I中的傳感器系統(tǒng)102接收的圖像產(chǎn)生。在該例證性實例中,從傳感器系統(tǒng)接收的圖像為合成孔徑雷達圖像。然后,該方法確定用于配準第一圖像和第二圖像的初始轉(zhuǎn)換(操作702)。在該例證性實例中,可使用下列特征和算法執(zhí)行操作702,即在第一圖像中識別的多個第一特征、在第二圖像中識別的多個第二特征以及隨機取樣一致算法??墒褂贸跏嫁D(zhuǎn)換,以通過平移和/或旋轉(zhuǎn)第一圖像來匹配第二圖像,而配準第一圖像和第二圖像。初始轉(zhuǎn)換具有小于期望精確度水平的匹配第一圖像和第二圖像的精確度。然后,方法使用初始轉(zhuǎn)換,確定第一圖像中多個第一特征和第二圖像中多個第二特征之間的初始對應(yīng)。然后,方法使用通過使用多個第一特征形成的最小生成樹而確定第一圖像中的多個第一特征的聚類(操作706)。確定的多個聚類中的每個聚類都包含來自多個第一特征的第一組特征。其后,方法使用初始對應(yīng)確定這樣的轉(zhuǎn)換其用于配準聚類中每個聚類和相應(yīng)聚 類,后者包含來自第二圖像中多個第二特征的第二組特征(操作708)。在操作708,可基于初始對應(yīng),確定形成相應(yīng)聚類的第二組特征。此外,在操作708,轉(zhuǎn)換將聚類中的第一組特征投影到第二圖像上,以匹配該聚類中的第一組特征和第二圖像中相應(yīng)聚類中的第二組特征??墒褂米钚∑椒剿惴▓?zhí)行操作708,以確定匹配第一組特征和第二圖像中的第二組特征的最佳轉(zhuǎn)換。當(dāng)確定用于一聚類的轉(zhuǎn)換投影誤差小于選定閾值時,方法將多個聚類中的該聚類添加至聚類集(操作710)。通過該方式,在執(zhí)行操作710時,從第一圖像中的多個第一特征聚類確定聚類集。在操作710,當(dāng)使用確定用于包含第一組特征的聚類的轉(zhuǎn)換,而將第一組特征投影到第二圖像上時,投影誤差確定匹配第一組特征和第二圖像中第二組特征時的誤差。其后,方法使用聚類集中的特征和隨機取樣一致算法確定最終轉(zhuǎn)換,其用于配準第一圖像和第二圖像(操作712)。然后,方法使用最終轉(zhuǎn)換配準第一圖像和第二圖像(操作714),其后,方法結(jié)束?,F(xiàn)在參考圖8,其中根據(jù)一優(yōu)選實施例示出識別圖像中的特征的方法的流程圖??墒褂脠D8中示出的方法實施圖7中的操作700。方法始于識別第一圖像中的史蒂格(Steger)邊界和第二圖像中的史蒂格邊界(操作800)。史蒂格邊界為使用史蒂格算法識別的邊界。然后,方法使用霍夫變換確定第一圖像中的無限長線和第二圖像中的無限長線(操作802)。其后,方法選擇第一圖像中的一部分無限長線,以使用第一圖像中的史蒂格邊界而形成第一圖像的第一線(操作804)。方法選擇第二圖像中的一部分無限長線,以使用第二圖像中的史蒂格邊界而形成第二圖像的第二線(操作806)。在操作804和操作806中,可使用類似的方法執(zhí)行選擇第一圖像中的無限長線以及第二圖像中的無限長線的該部分。具體地講,當(dāng)在無限長線和史蒂格邊界之間存在期望的匹配量時,選擇無限長線。然后,方法確定用于第一圖像的多條第一線中的線的多個交叉點,以形成用于第一圖像的多個第一特征,并且確定用于第二圖像的多條第二線中的線的多個交叉點,以形成用于第二圖像的多個第二特征(操作808),其后,方法結(jié)束。在該例證性實例中,可將多個第一特征和多個第二特征稱為點特征。現(xiàn)在參考圖9,其中根據(jù)一優(yōu)選實施例示出確定用于配準第一圖像和第二圖像的初始轉(zhuǎn)換的方法的流程圖??墒褂脠D9中示出的方法實施圖7中的操作702。方法始于識別第一圖像中的第一閉合輪廓和第二圖像中的第二閉合輪廓(操作900)。為存在于第一圖像和第二圖像中的目標(biāo)分別識別第一閉合輪廓和第二閉合輪廓。可使用當(dāng)前可用的識別閉合輪廓的方法執(zhí)行操作900,諸如形成連接像素鏈的鏈接算法。在這些例證性實例中,閉合輪廓為連續(xù)閉合曲線。在其它例證性實例中,閉合輪廓可為非連續(xù)閉合曲線。換句話說,可在閉合曲線中存在缺口。然后,方法識別第一閉合輪廓的第一形心以及第二閉合輪廓的第二形心(操作902)。然后,方法使用第一分支將第一形心彼此相連,以形成第一圖(操作904)。方法使用第二分支將第二形心彼此相連,以形成第二圖(操作906)。··其后,方法確定并且排序第一分支的長度以及第二分支的長度(操作908)。然后,方法選擇具有第一分支的最長長度的多個第一分支,以形成第一選定分支(操作910)。在操作910,可選擇兩個具有最長長度的分支。在一些例證性實例中,可選擇三個具有最長長度的分支。當(dāng)然,可選擇任何數(shù)目的具有最長長度的第一分支。然后,方法選擇第二分支中具有比選定長度更長的長度的每個分支,以形成第二選定分支(操作912)。在該例證性實例中,選定長度比第一選定分支中的最短分支的長度更短。通過該方式,第二選定分支中的分支數(shù)目可比第一選定分支中的分支數(shù)目更大。然后,方法確定第二選定分支的若干或多個組合(操作914)。在操作914,第二選定分支的每個組合都具有若干或多個分支,其等于第一選定分支中的分支數(shù)目。方法在該若干或多個的組合中選擇特定的分支組合用于處理(操作916)。然后,方法比較第一選定分支的第一數(shù)量特性和選定分支的特定組合的第二數(shù)量特性,以確定匹配得分(操作918)。第一數(shù)量特性和第二數(shù)量特性可包括,但不限于,例如分支的長度、分支之間的角度大小、在分支末端的用于閉合輪廓的傅立葉輪廓描述符以及其它合適類型的特性之中的至少一個。傅立葉輪廓描述符包含描述閉合輪廓的形狀的數(shù)字,并且當(dāng)形狀平移和/或旋轉(zhuǎn)時,其基本不變化。此外,這些描述符基本不關(guān)于比例變化。在操作918,可使用計算匹配得分的匹配算法執(zhí)行這些特性之間的比較。匹配得分測量第一數(shù)量特性和第二數(shù)量特性匹配得多嚴密。換句話說,匹配得分測量第一選定分支的第一數(shù)量特性如何類似于選定分支的特定組合的第二數(shù)量特性。計算匹配得分的匹配算法可包含以下方程D=E+ESi,以及E= Σ Pj,其中,D為匹配得分;E為以下兩者之間的距離之和,即在第一選定分支的末端的第一閉合輪廓的第一形心的位置,以及在選定分支的特定組合中分支的末端的第二閉合輪廓的相應(yīng)第二形心的位置之間的距離之和A為以下兩者之間的差異得分,即在第一選定分支末端的第一閉合輪廓的傅立葉輪廓描述符,以及在選定分支的特定組合的分支末端的第二閉合輪廓的傅立葉輪廓描述符之間的差異得分;以及P為以下兩者之間的距離,即第一圖像中的第j個第一形心的位置,以及第二圖像中相應(yīng)第二形心的位置之間的距離。然后,方法確定匹配得分是否超過選定閾值(操作920)。如果匹配得分超過選定閾值,方法就確定這樣的轉(zhuǎn)換其用于匹配第一選定分支末端的第一閉合輪廓和選定分支的特定組合中分支的末端的第二閉合輪廓(操作922),然后,方法結(jié)束。該轉(zhuǎn)換為在圖7中的操作702中確定的初始轉(zhuǎn)換,用于配準第一圖像和第二圖像。再次參考操作920,如果匹配得分小于選定閾值,方法確定多個確定的組合中是否存在另外的未處理組合(操作924)。如果不存在另外的未處理組合,方法結(jié)束。否則,方法返回至如上所述的操作916?,F(xiàn)在參考圖10,其中示出根據(jù)一優(yōu)選實施例的確定第一圖像中的多個第一特征和第二圖像中的多個第二特征之間的初始對應(yīng)的方法的流程圖??墒褂脠D10中示出的方法實施圖7中的操作704。該方法始于使用初始轉(zhuǎn)換,將在第一圖像中識別的多個第一特征投影到第二圖像上(操作1000)。然后,方法選擇來自第一圖像中識別的多個第一特征的一個特征作為第一·選定特征(操作1002)。然后,方法識別來自第二圖像中的多個第二特征的一個特征作為第二選定特征(操作1004)。在操作1004,從多個第二特征識別的作為第二選定特征的特征為在第二圖像中具有這樣的位置的特征該位置比第二圖像中的任何其它特征的位置都更接近于被投影到第二圖像上的選定特征的位置。然后,方法確定第二圖像中第一選定特征的值和第二圖像中第二選定特征的值之間的差異是否小于選定閾值(操作1006)。當(dāng)?shù)谝贿x定特征和第二選定特征為點特征時,這些特征的值可為處于這些特征的位置的像素值。如果差異小于選定閾值,方法就確定第一選定特征和第二選定特征之間的對應(yīng),用于形成第一圖像中的多個第一特征和第二圖像中的多個第二特征之間的初始對應(yīng)(操作1008)。然后,方法確定是否存在來自多個第一特征的任何另外的未處理特征(操作1010)。如果不存在另外的未處理特征,方法就結(jié)束。否則,方法返回至如上所述的操作1002。再次參考操作1006,如果差異不小于選定閾值,方法就從形成初始對應(yīng)的考慮事項中清除第一選定特征(操作1012)。通過該方式,不是第一圖像中的所有經(jīng)識別多個第一特征都被識別為具有第二圖像中的多個第二特征中的相應(yīng)特征。其后,方法繼續(xù)至如上所述的操作1010?,F(xiàn)在參考圖11,其中根據(jù)一優(yōu)選實施例示出確定第一圖像中經(jīng)確定的多個第一特征的多個聚類的方法的流程圖??墒褂脠D11中示出的方法實施圖7中的操作706。該方法始于使用第一圖像中經(jīng)確定的多個第一特征而形成最小生成樹(操作1100)。最小生成樹包含節(jié)點和多個或若干分支。節(jié)點中的每個節(jié)點都是多個第一特征中的特征,并且多個分支中的每個特征都具有權(quán)重。然后,方法從最小生成樹清除多個分支中的這樣的所有分支其具有比選定權(quán)重更大的權(quán)重,以形成多個第一特征的多個聚類(操作1102),其后,方法結(jié)束?,F(xiàn)在參考圖12,其中根據(jù)一優(yōu)選實施例示出用于確定來自第一圖像中的多個第一特征的多個聚類的聚類集的方法的流程圖。可使用圖12中示出的方法實施圖7中的操作710。方法始于從多個聚類中選擇用于處理的聚類(操作1200)。然后,方法使用經(jīng)確定用于選定聚類的轉(zhuǎn)換,而將該聚類中的第一組特征投影到第二圖像上(操作1202)。方法確定第一組特征被投影在其上的第二圖像中的第一組位置(操作1204)。關(guān)于第二圖像的坐標(biāo)系定義第一組位置。方法確定對應(yīng)于第一組特征的第二圖像中的第二組特征的第二組位置(操作1206)。然后,方法基于以下距離確定投影誤差,即第一組位置中的位置以及第二組位置中的相應(yīng)位置之間的距離(操作1208)。然后,方法確定投影誤差是否小于選定閾值(操作1210)。如果投影誤差小于選定 閾值,方法就將選定聚類添加至一聚類集(操作1212)。然后,方法確定是否存在任何另外的未處理聚類(操作1214)。如果不存在另外的未處理聚類,方法就結(jié)束。否則,方法返回至如上所述的操作1200。再次參考操作1210,如果投影誤差不小于選定閾值,方法就繼續(xù)至如上所述的操作 1214。不同示出實施例中的流程圖和方框圖示出優(yōu)選實施例中的設(shè)備和方法的一些可能實施的結(jié)構(gòu)、功能性和操作。在這點上,流程圖或方框圖中的每個框都可代表模塊、段、功能和/或一部分操作或步驟。例如,一個或更多方框可被作為程序代碼、在硬件中或程序代碼和硬件的組合實施。當(dāng)在硬件中實施時,該硬件可例如采取經(jīng)制造或配置的集成電路的形式,以執(zhí)行流程圖或方框圖中的一個或更多操作。在優(yōu)選實施例的一些可替換實施中,方框中提到的功能可不以圖中所提出的順序發(fā)生。例如,在一些情況下,示出連續(xù)的兩個方框可被基本同時執(zhí)行,或者取決于所含的功能性,有時可通過相反的順序執(zhí)行該方框。同樣地,除了流程圖或方框圖中所示的方框之夕卜,可添加其它方框?,F(xiàn)在參考圖13,根據(jù)一優(yōu)選實施例示出數(shù)據(jù)處理系統(tǒng)。在該例證性實例中,可使用數(shù)據(jù)處理系統(tǒng)1300,以實施圖I中的計算機系統(tǒng)118中的一個或更多臺計算機120。如圖所示,數(shù)據(jù)處理系統(tǒng)1300包括通信總線1302,其提供處理器單元1304、存儲器或內(nèi)存1306、永久存儲器1308、通信單元1310、輸入/輸出(I/O)單元1312以及顯示器1314之間的通信。處理器單元1304用于執(zhí)行可被載入內(nèi)存1306的軟件的指令。取決于具體的實施,處理器單元1304可為多個處理器、多核處理器或一些其它類型的處理器。如本文使用的涉及一種物件的多個,意思是一個或更多物件。此外,可使用多個異構(gòu)處理器系統(tǒng)實施處理器單元1304,其中主處理器與二級處理器在單芯片上。作為另一例示性例子,處理器單元1304可為對稱多處理器系統(tǒng),其包含多個相同類型的處理器。存儲器1306和永久存儲器1308為存儲裝置1316的實例。存儲裝置為任何這樣的硬件塊,其能夠暫時和/或永久地存儲信息,例如但不限于,數(shù)據(jù)、功能形式的程序代碼和/或其它適當(dāng)?shù)男畔?。在這些實例中,也可將存儲裝置1316稱為計算機可讀存儲裝置。在這些實例中,存儲器1306例如可為隨機讀取存儲器,或任何其它適當(dāng)?shù)囊资曰蚍且资源鎯ρb置。取決于具體的實施,永久存儲器1308可采取各種形式。
例如,永久存儲器1308可包含一個或更多組件或裝置。例如,永久存儲器1308可為硬盤驅(qū)動器、閃存、可擦寫光盤、可擦寫磁帶或上述的一些組合。永久存儲器1308使用的介質(zhì)也可為可拆裝的。例如,可拆裝式硬盤驅(qū)動器可用于永久存儲器1308。在這些實例中,通信單元1310提供與其它數(shù)據(jù)處理系統(tǒng)或裝置的通信。在這些實例中,通信單元1310為網(wǎng)絡(luò)接口卡。通過使用物理或無線通信鏈接或其兩者,通信單元1310可提供通信。輸入/輸出單元1312允許使用其它可被連接至數(shù)據(jù)處理系統(tǒng)1300的裝置輸入和輸出數(shù)據(jù)。例如,輸入/輸出單元1312可提供這樣的連接,其用于使用者通過鍵盤、鼠標(biāo)和/或一些其它適當(dāng)?shù)妮斎胙b置輸入。此外,輸入/輸出單元1312可向打印機發(fā)送輸出。顯示器1314提供向使用者顯示信息的機構(gòu)。運行系統(tǒng)的指令、應(yīng)用程序和/或程序可位于存儲裝置1316中,其通過通信組織1302與處理器單元1304通信。在這些例示性實例中,指令在永久存儲器1308上為函數(shù)或功能形式。可將這些指令載入存儲器1306中,用于由處理器單元1004處理??捎商幚砥鲉卧?304,使用計算機可執(zhí)行指令執(zhí)行不同實施例的方法,可將該指令載入存儲器,例如存·儲器1306。這些指令被稱為程序代碼、計算機可用程序代碼或計算機可讀程序代碼,其可由處理器單元1304中的處理器讀取和執(zhí)行。不同實施例中的程序代碼可在不同的物理或計算機可讀存儲介質(zhì)中具體化,例如存儲器1306或永久存儲器1308。程序代碼1318以函數(shù)或功能形式位于計算機可讀介質(zhì)1320中,其可被選擇性移除,并且可將其載入或傳送至輸出處理系統(tǒng)1300,用于由處理器單元1304執(zhí)行。在這些實例中,程序代碼1318和計算機可讀介質(zhì)1320形成計算機程序產(chǎn)品1322。在一個實例中,計算機可讀介質(zhì)1320可為計算機可讀存儲介質(zhì)1324,或計算機可讀信號介質(zhì)1326。計算機可讀存儲介質(zhì)1324例如可包括光盤或磁盤,將其插入或放置在永久存儲器1308的一部分的驅(qū)動器或其它裝置中,用于傳送到存儲裝置上,例如硬盤驅(qū)動器,后者為永久存儲器1308的一部分。計算機可讀存儲介質(zhì)1324也可采用永久存儲器的形式,例如硬盤驅(qū)動器、拇指碟或閃存,其被連接至數(shù)據(jù)處理系統(tǒng)1300。在一些情況下,計算機可讀存儲介質(zhì)1324可不被從數(shù)據(jù)處理系統(tǒng)1300拆裝。在這些例子中,計算機可讀存儲介質(zhì)1324為用于存儲程序代碼1318的物理或有形存儲裝置,而非傳播或傳送程序代碼1318的介質(zhì)。計算機可讀存儲介質(zhì)1324也被稱為計算機可讀有形存儲裝置或計算機可讀物理存儲裝置。換句話說,計算機可讀存儲介質(zhì)1324為人可觸摸的介質(zhì)??商鎿Q地,可使用計算機可讀信號介質(zhì)1326將程序代碼1318傳送至數(shù)據(jù)處理系統(tǒng)1300。計算機可讀信號介質(zhì)1326例如可為包含程序代碼1318的傳播數(shù)據(jù)信號。例如,計算機可讀信號介質(zhì)1326可為電磁信號、光學(xué)信號和/或任何其它適當(dāng)類型的信號??赏ㄟ^通信鏈接傳送這些信號,例如無線通信鏈接、光學(xué)光纜、同軸電纜、電線和/或任何其它適當(dāng)類型的通信鏈接。換句話說,在例示性實例中,通信鏈接和/或連接可為物理或無線的。在一些優(yōu)選實施例中,可從其它裝置或數(shù)據(jù)處理程序,通過計算機可讀信號介質(zhì)1326,經(jīng)網(wǎng)絡(luò)將程序代碼1318下載至永久存儲器1308,用于在數(shù)據(jù)處理系統(tǒng)1300中使用。例如,可通過網(wǎng)絡(luò),從服務(wù)器下載存儲在服務(wù)器數(shù)據(jù)處理系統(tǒng)中的計算機可讀存儲介質(zhì)中的程序代碼,將其下載至數(shù)據(jù)處理系統(tǒng)1300。提供程序代碼1318的數(shù)據(jù)處理系統(tǒng)可為服務(wù)器計算機、客戶計算機或能夠存儲和傳送程序代碼1318的一些其它裝置。對數(shù)據(jù)處理系統(tǒng)1300示出的不同組件無意對可實施不同實施例的方式提供結(jié)構(gòu)限制??稍诎ǔ藢?shù)據(jù)處理系統(tǒng)1300所示的那些組件,或替換那些組件的組件的數(shù)據(jù)處理系統(tǒng)中實施不同的優(yōu)選實施例。圖13所示的其它組件能夠與示出的例示性例子不同。可使用能夠運行程序代碼的任何硬件裝置或系統(tǒng),執(zhí)行不同實施例。作為一個實例,數(shù)據(jù)處理系統(tǒng)可包括集成無機組件的有機組件,和/或可完全由排除人類的有機組件組成。例如,存儲裝置可由有機半導(dǎo)體組成。 在另一例示性實例中,處理器單元1304可采取硬件單元的形式,其具有用于特定用途而制造或配置的電路。該類型的硬件可執(zhí)行操作,而不需要將程序代碼從存儲裝置載入存儲器,從而經(jīng)配置執(zhí)行操作。例如,當(dāng)處理器單元1304采取硬件單元的形式時,處理器單元1304可為電路系統(tǒng)、應(yīng)用程序?qū)S眉呻娐?ASIC)、可編程邏輯裝置或一些其它適當(dāng)類型的硬件,其經(jīng)配置從而執(zhí)行多個操作。通過可編程邏輯裝置,該裝置經(jīng)配置從而執(zhí)行多個操作??稍陔S后的時間再配置該裝置,或可將其永久配置,從而執(zhí)行多個操作??删幊踢壿嬔b置的例子例如包括可編程邏輯陣列、可編程陣列邏輯、場可編程邏輯陣列、場可編程門陣列以及其它適當(dāng)?shù)挠布b置。通過該類型的實施,可省略程序代碼1318,因為在硬件單元中實施不同實施例的進程。在仍另一例示性例子中,可使用在計算機和硬件單元中建立的處理器的組合,實施處理器單元1304。處理器單元1304可具有多個硬件單元和多個處理器,其經(jīng)配置從而運行程序代碼1318。通過該示出實例,可在多個硬件單元中實施一些進程,而可在多個處理器中實施例另外的進程。在另一例子中,可使用總線系統(tǒng),從而執(zhí)行通信組織1302,并且其可由一個或更多總線組成,例如系統(tǒng)總線或輸入/輸出總線。當(dāng)然,可使用任何適當(dāng)類型的結(jié)構(gòu)實施總線系統(tǒng),其在不同組件以及附接于總線系統(tǒng)的裝置之間提供數(shù)據(jù)傳送。另外,通信單元可包括多個裝置,其傳送數(shù)據(jù)、接收數(shù)據(jù)或傳送和接收數(shù)據(jù)。通信單元例如可為調(diào)制解調(diào)器或網(wǎng)絡(luò)適配器、兩個網(wǎng)絡(luò)適配器或其一些組合。此外,存儲器例如可為存儲器1306或高速緩沖存儲器,例如可在通信組織1302中出現(xiàn)的接口和內(nèi)存控制中心中存在的存儲器。因而,不同優(yōu)選實施例提供配準圖像的方法和設(shè)備。在一個優(yōu)選實施例中,提供一種處理圖像的方法。確定在第一圖像中確定的多個第一特征的多個聚類。多個聚類中的每個聚類都包含來自多個第一特征的第一組特征。使用第一圖像中的多個第一特征和第二圖像中的多個第二特征之間的初始對應(yīng),確定這樣的轉(zhuǎn)換其用于配準多個聚類中的每個聚類和相應(yīng)聚類,后者包含來自第二圖像中識別的多個第二特征的第二組特征。使用為每個聚類確定的轉(zhuǎn)換而確定來自多個第一特征的多個聚類的聚類集。使用該聚類集確定最終轉(zhuǎn)換,后者用于配準第一圖像和第二圖像。不同優(yōu)選實施例提供一種以期望精確度水平配準圖像的系統(tǒng)。即使在圖像中存在非高斯噪聲的情況下也能提供該期望精確度水平。
已為了圖解和說明的目的提出不同優(yōu)選實施例的說明,并且無意排外或限于所公開形式的實施例。本領(lǐng)域普通技術(shù)人員將明白多個更改和變化。此外,與其它優(yōu)選實施例相t匕,不同的優(yōu)選實施例可提供不同的優(yōu)點。為了最好地解釋實施例的原理、實際應(yīng)用,選擇并描述選擇的實施例或多個實施例,并且使得本領(lǐng)域其 它普通技術(shù)人員能夠理解本公開,因為具有各種更改的各種實施例適合于預(yù)期的特定用途。
權(quán)利要求
1.一種處理圖像的方法,所述方法包含 確定在第一圖像(132)中識別的多個第一特征(136)的多個聚類,其中,所述多個聚類(156)中的每個聚類(157)包含來自所述多個第一特征(136)的第一組特征(159); 使用所述第一圖像(132)中的多個第一特征(136)和所述第二圖像(134)中的多個第二特征之間的初始對應(yīng)而確定轉(zhuǎn)換,所述轉(zhuǎn)換用于配準所述多個聚類(156)中的每個聚類(157)和相應(yīng)的聚類(161),所述相應(yīng)的聚類(161)包含來自在第二圖像(134)中識別的多個第二特征(138)的第二組特征(163); 使用為每個聚類(157)確定的轉(zhuǎn)換,從所述多個第一特征(136)的所述多個聚類(156)確定聚類集(162);以及 使用所述聚類集(162)確定最終轉(zhuǎn)換(172),所述最終轉(zhuǎn)換(172)用于配準所述第一圖像(132)和所述第二圖像(134)。
2.根據(jù)權(quán)利要求I所述的方法,還包含 使用用于配準所述第一圖像(132)和所述第二圖像(134)的初始轉(zhuǎn)換,確定所述第一圖像(132)中的所述多個第一特征(136)和所述第二圖像(134)中的所述多個第二特征(138 )之間的所述初始對應(yīng)。
3.根據(jù)權(quán)利要求2所述的方法,還包含 使用在所述第一圖像(132)中識別的所述多個第一特征(136)、在所述第二圖像(134)中識別的所述多個第二特征(138)以及隨機取樣一致性算法,確定用于配準所述第一圖像(132)和所述第二圖像(134)的初始轉(zhuǎn)換(142)。
4.根據(jù)權(quán)利要求1-3任一項所述的方法,其中,確定在所述第一圖像(132)中識別的所述多個第一特征(136)的所述多個聚類(156)的步驟包含 使用所述多個第一特征(136)形成最小生成樹(146),其中,所述最小生成樹(146)包含多個節(jié)點(148)和多個分支(150),其中,所述多個節(jié)點(148)中的每個節(jié)點都為所述多個第一特征(136)中的特征,并且所述多個分支(150)中的每個分支都具有權(quán)重(152);以及 當(dāng)任何分支的所述權(quán)重(152)大于選定權(quán)重時,就從所述最小生成樹(146)移除所述多個分支(150)中的所述任何分支以形成所述多個第一特征(136)的所述多個聚類(136),其中,所述多個聚類(136)中的每個聚類都包含來自所述多個第一特征(136)的所述第一組特征。
5.根據(jù)權(quán)利要求1-4任一項所述的方法,其中,使用所述第一圖像(132)中的所述多個第一特征(136)和所述第二圖像(134)中的所述多個第二特征(138)之間的所述初始對應(yīng)確定所述轉(zhuǎn)換,所述轉(zhuǎn)換用于配準所述多個聚類(156)中的每個聚類和所述相應(yīng)聚類(161),后者包含來自所述第二圖像(134)中經(jīng)識別的多個第二特征(138)的所述第二組特征(163),所述識別所述轉(zhuǎn)換的步驟包含 使用所述初始對應(yīng),從所述第二圖像(134)的經(jīng)識別的所述多個第二特征(138)確定多個特征(130)作為所述第二組特征(163),確定的所述多個特征(130)對應(yīng)于所述多個聚類(156)中的聚類(157)中的所述第一組特征(159),其中,所述第二組特征(163)形成所述相應(yīng)聚類(161);以及 使用最小平方算法確定配準所述聚類(157)和所述相應(yīng)聚類(161)的所述轉(zhuǎn)換(155),其中,所述轉(zhuǎn)換將所述聚類(157)中的所述第一組特征(159)投影到所述第二圖像(134)上,以匹配所述聚類(157)中的所述第一組特征(159)和所述相應(yīng)聚類(161)中的所述第二組特征(163),其中,使用為每個聚類(157)確定的所述轉(zhuǎn)換(155)而確定來自所述多個聚類(156)的聚類集(162)的步驟包含 使用所述轉(zhuǎn)換確定將所述第一組特征(159)投影到其上的所述第二圖像(134)中的第一組位置(158); 使用以下兩者之間的距離確定投影誤差(164),即用于所述第一組特征(159)的所述第一組位置(158),以及用于所述第二組特征(163)的所述第二圖像(134)中的第二組位置(168);以及 當(dāng)所述投影誤差(164)小于選定閾值(170)時,將所述聚類(157)添加至所述聚類集(162),該選定閾值(170)用于匹配所述多個聚類(157)中的第一組特征(159)和所述相應(yīng)聚類(161)中的所述第二組特征(163)。
6.根據(jù)權(quán)利要求1-5任一項所述的方法,其中,使用所述經(jīng)確定用于每個聚類(157)的轉(zhuǎn)換,從所述多個聚類(156)確定所述聚類集(162)的步驟包含 當(dāng)經(jīng)確定用于所述聚類(157)的所述轉(zhuǎn)換的投影誤差(164)小于選定閾值(170)時,將所述多個聚類(156)中的該聚類添加至所述聚類集(162)。
7.根據(jù)權(quán)利要求1-6任一項所述的方法,其中,使用所述聚類集(162)確定用于配準所述第一圖像(132)和所述第二圖像(134)的所述最終轉(zhuǎn)換(172)的步驟包含 使用所述聚類集(162)中的特征和隨機取樣一致性算法,確定用于配準所述第一圖像(132)和所述第二圖像(134)的所述最終轉(zhuǎn)換。
8.根據(jù)權(quán)利要求1-7任一項所述的方法,還包含 識別所述第一圖像(132)中的所述多個第一特征(136)以及所述第二圖像(134)中的所述多個第二特征(138); 使用線檢測算法確定所述第一圖像(132)中的多條第一線以及所述第二圖像(134)中的多條第二線;以及 確定所述多條第一線中的線的交點作為所述多個第一特征(136),以及所述多條第二線中的線的交點作為所述多個第二特征(138)。
9.根據(jù)權(quán)利要求1-8任一項所述的方法,其中,使用特征檢測模塊(124)執(zhí)行識別所述第一圖像(132)中的所述多個第一特征(136)以及所述第二圖像(134)中的所述多個第二特征(138)的步驟,其中,所述特征檢測模塊(124)使用以下至少一種算法以識別所述多個第一特征和所述多個第二特征,即史蒂格算法、坎尼線檢測算法、邊緣檢測算法、霍夫變換、尺度不變特征變換、快速魯棒性特征檢測器、坎那德-盧卡斯-特瑪斯變換。
10.根據(jù)權(quán)利要求1-9任一項所述的方法,還包含 使用所述最終轉(zhuǎn)換配準所述第一圖像(132)和所述第二圖像(134),從而以期望的精確度水平(174)匹配所述第一圖像(132)和所述第二圖像(134),其中,所述第一圖像(132)和所述第二圖像(134)為經(jīng)正射校正的合成孔徑雷達圖像(114)。
11.一種設(shè)備,包含 圖像處理模塊(104),其經(jīng)配置以確定在第一圖像(132)中經(jīng)識別的多個第一特征(136)的多個聚類(156),其中,所述多個聚類(156)中的每個聚類(157)包含來自多個第一特征(136)的第一組特征(159); 使用所述第一圖像(132)中的所述多個第一特征(136)和所述第二圖像(134)中的所述多個第二特征(138)之間的初始對應(yīng),確定用于配準所述多個聚類(156)中每個聚類(157)和相應(yīng)聚類(161)的轉(zhuǎn)換,所述相應(yīng)聚類(161)包含來自第二圖像(134)中經(jīng)識別的多個第二特征(138)的第二組特征(163); 使用為每個聚類(157)確定的轉(zhuǎn)換(155),確定來自所述多個第一特征(136)的所述多個聚類(156)的聚類集(162);以及 使用所述聚類集(162),確定配準所述第一圖像(132)和所述第二圖像(134)的最終轉(zhuǎn)換(172),其中,在所述圖像處理模塊(104)配置為用于確定在所述第一圖像(132)中經(jīng)確定的所述多個第一特征(136)的所述多個聚類(156)時,所述圖像處理模塊(104)配置為使用所述多個第一特征(136)形成最小生成樹(146),其中,所述最小生成樹(146)包含多個節(jié)點(148)和多個分支(150),其中,所述多個節(jié)點(148)中的每個節(jié)點都為所述多個第一特征(136)中的特征,并且所述多個分支(150)中的每個分支都具有權(quán)重(152);以及 當(dāng)任何分支的所述權(quán)重(152)超過選定權(quán)重時,就從所述最小生成樹(146)清除所述多個分支(150)中的所述任何分支,以形成所述多個第一特征(136)的多個聚類(156),其中,所述多個聚類(156 )中的每個聚類(157 )都包含來自所述多個第一特征(136 )的所述第一組特征。
12.根據(jù)權(quán)利要求11所述的設(shè)備,其中,在所述圖像處理模塊(104)配置為使用為每個聚類(157)確定的所述轉(zhuǎn)換,確定來自所述多個聚類(156)的所述聚類集(162)時,所述圖像處理模塊(104)配置為當(dāng)經(jīng)確定用于所述聚類(157)的所述轉(zhuǎn)換的投影誤差(164)小于選定閾值(170)時,將所述多個聚類(156)中的該聚類(157)添加至所述聚類集(162)。
13.根據(jù)權(quán)利要求11-12任一項所述的設(shè)備,還包含 所述圖像處理模塊(104)中的特征檢測模塊(124),其中所述特征檢測模塊(124)配置為用于識別所述第一圖像(132)中的所述多個第一特征(136)以及所述第二圖像(134)中的所述多個第二特征(138);以及 傳感器系統(tǒng)(102),其與所述圖像處理模塊(104)通信,其中所述傳感器系統(tǒng)(102)配置為用于產(chǎn)生所述第一圖像(132)和所述第二圖像(134)。
全文摘要
一種處理圖像(110)的方法和設(shè)備。確定在第一圖像(132)中經(jīng)識別的多個第一特征(136)的多個聚類(156)。所述多個聚類中的每個聚類都包含來自所述多個第一特征(136)的第一組特征(159)。使用所述第一圖像中的所述多個第一特征和所述第二圖像中的所述多個第二特征之間的初始對應(yīng),確定用于配準所述多個聚類中每個聚類和相應(yīng)聚類(161)的轉(zhuǎn)換(155),所述相應(yīng)聚類(161)包含來自第二圖像中經(jīng)識別的多個第二特征(138)的第二組特征(163)。使用為每個聚類確定的轉(zhuǎn)換,確定來自所述多個第一特征的所述多個聚類的聚類集(162)。使用所述聚類集確定用于配準所述第一圖像和所述第二圖像的最終轉(zhuǎn)換。
文檔編號G06K9/62GK102915444SQ20121021326
公開日2013年2月6日 申請日期2012年6月25日 優(yōu)先權(quán)日2011年6月22日
發(fā)明者S·S·美達薩尼, Y·歐威斯克, J·M·莫里內(nèi)羅斯, D·刻赤 申請人:波音公司