專(zhuān)利名稱(chēng)：一種基于雙向鄰域過(guò)濾策略的遙感圖像配準(zhǔn)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，涉及一種圖像配準(zhǔn)方法，具體涉及一種基于雙向鄰域過(guò)濾策略的遙感圖像配準(zhǔn)方法。
背景技術(shù)：
圖像配準(zhǔn)作為圖像分析中一項(xiàng)重要的預(yù)處理技術(shù)，廣泛地應(yīng)用于圖像融合、計(jì)算機(jī)視覺(jué)和目標(biāo)識(shí)別等領(lǐng)域。圖像配準(zhǔn)的步驟主要包括:特征提取、特征匹配、變換模型參數(shù)估計(jì)、圖像重采樣以及反變換。其中，特征匹配的目的是保證待配準(zhǔn)的圖像特征之間形成一個(gè)可靠的映射關(guān)系，是圖像配準(zhǔn)中的一個(gè)關(guān)鍵步驟。由于遙感圖像的特殊性，遙感圖像在配準(zhǔn)過(guò)程具有較多的干擾因素。首先，遙感圖像來(lái)源豐富，當(dāng)待配準(zhǔn)的遙感圖像為異源圖像時(shí)，由于成像機(jī)理不同，同一場(chǎng)景在異源圖像中呈現(xiàn)不同的灰度特性；其次，遙感圖像通常是遠(yuǎn)距離、大視場(chǎng)下成像所得，不同時(shí)刻獲取的遙感圖像之間存在較大仿射變換，并且場(chǎng)景中具有相似圖案的可能性較大?，F(xiàn)有圖像特征點(diǎn)匹配的方法主要有基于灰度特征和基于空間結(jié)構(gòu)兩大類(lèi)方法?；诨叶忍卣鞯姆椒ɡ没叶忍卣鞯南嚓P(guān)性進(jìn)行特征匹配，例如SIFT (Scale-1nvariantFeature Transform,尺度不變特征轉(zhuǎn)換)算法。目前大部分特征提取方法在待配準(zhǔn)的圖像之間存在較大仿射變換時(shí)不具有穩(wěn)定性。另外，由于異源圖像灰度不相關(guān)、場(chǎng)景中有相似圖案，造成基于灰度特征的匹配方法精確度降低?；诳臻g結(jié)構(gòu)的配準(zhǔn)方法主要是利用空間結(jié)構(gòu)上的特性進(jìn)行特征匹配，例如RANSAC算法，但是由于RANSAN算法在判斷誤配點(diǎn)時(shí)有較強(qiáng)的約束條件，造成較多的誤配點(diǎn)無(wú)法剔除，從而降低了配準(zhǔn)精度。綜上所述，針對(duì)遙感圖像存在較大仿射變換、異源圖像、場(chǎng)景中存在相似圖案三方面的問(wèn)題，現(xiàn)有的圖像配準(zhǔn)方法很難實(shí)現(xiàn)高精度的配準(zhǔn)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種基于雙向鄰域過(guò)濾策略的遙感圖像配準(zhǔn)方法，將灰度特征與特征點(diǎn)的空間結(jié)構(gòu)特性相結(jié)合，以基于灰度特征的匹配結(jié)果作為初始匹配點(diǎn)對(duì)，以特征點(diǎn)的鄰域結(jié)構(gòu)特性作為約束，通過(guò)雙向鄰域結(jié)構(gòu)的差異性，迭代得到具有相同雙向鄰域結(jié)構(gòu)的匹配點(diǎn)對(duì)，并且采用雙向鄰域過(guò)濾策略恢復(fù)迭代過(guò)程中錯(cuò)誤剔除的候選誤配點(diǎn)對(duì)。該方法適用于待配準(zhǔn)圖像之間存在較大仿射變換、待配準(zhǔn)圖像為異源圖像、圖像場(chǎng)景中存在相似圖案的情況，能夠在無(wú)人工參與的條件下提高配準(zhǔn)的精度。為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是提供一種基于雙向鄰域過(guò)濾策略的遙感圖像配準(zhǔn)方法，其包括以下步驟:
步驟1:采用SIFT算子提取待配準(zhǔn)圖像中所有的SIFT特征點(diǎn)及其各自對(duì)應(yīng)的SIFT特征向量，通過(guò)SIFT特征向量之間的歐式距離比較，為一個(gè)圖像中的每一點(diǎn)選擇其在另一個(gè)圖像中具有最大歐式距離的點(diǎn)進(jìn)行對(duì)應(yīng)，從而在這兩個(gè)點(diǎn)之間形成初始匹配點(diǎn)對(duì)，進(jìn)而獲得待配準(zhǔn)圖像中所有初始匹配點(diǎn)對(duì)的集合；步驟2:為所有初始匹配點(diǎn)對(duì)構(gòu)造雙向鄰域結(jié)構(gòu)，并根據(jù)對(duì)應(yīng)構(gòu)造的雙向鄰域差異矩陣來(lái)剔除差異最大的點(diǎn)對(duì)作為候選誤配點(diǎn)對(duì)，通過(guò)迭代形成具有相同雙向鄰域結(jié)構(gòu)的匹配點(diǎn)對(duì)集合；
步驟3:根據(jù)雙向鄰域過(guò)濾策略重新檢查所有剔除的候選誤配點(diǎn)對(duì)，判斷是否有需要恢復(fù)的候選誤配點(diǎn)對(duì)，有需要恢復(fù)的候選誤配點(diǎn)對(duì)則轉(zhuǎn)向步驟2 ;無(wú)則迭代結(jié)束，將剩余的匹配點(diǎn)對(duì)作為最終匹配點(diǎn)對(duì)。步驟4:采用最小二乘法根據(jù)最終匹配點(diǎn)對(duì)估算仿射變換參數(shù)，將待配準(zhǔn)的圖像進(jìn)行仿射反變換，獲得相互匹配的圖像。所述步驟2中，構(gòu)造雙向鄰域結(jié)構(gòu)的過(guò)程是:分別在每個(gè)待配準(zhǔn)的圖像中，將距離各點(diǎn)最近的前K個(gè)點(diǎn)作為K近鄰點(diǎn),建立從各點(diǎn)到其各自的K近鄰點(diǎn)的有向邊,則任意一點(diǎn)的雙向鄰域結(jié)構(gòu)是由與該點(diǎn)相連的有向邊和該點(diǎn)的K近鄰點(diǎn)共同構(gòu)成。所述步驟2中，具有相同雙向鄰域結(jié)構(gòu)的匹配點(diǎn)對(duì)集合形成的過(guò)程如下:
步驟2-1，分別構(gòu)造各個(gè)匹配點(diǎn)對(duì)集合在雙向鄰域矩陣中的前向鄰域矩陣FKNN和后向鄰域矩陣BKNW ；
設(shè)點(diǎn) 和點(diǎn)J是任意一個(gè)所述匹配點(diǎn)對(duì)集合中的兩點(diǎn)，當(dāng)點(diǎn)J是點(diǎn)I的K近鄰點(diǎn)時(shí),該匹配點(diǎn)對(duì)集合的前向鄰域矩陣1' 3 町』=1，后向鄰域矩陣2 ] 11_』=1 ;當(dāng)點(diǎn)J不是點(diǎn):的K近鄰點(diǎn)時(shí)，該匹配點(diǎn)對(duì)集合的前向矩陣和后向矩陣均為O ;所述匹配點(diǎn)對(duì)集合是指步驟I之后獲得的初始匹配點(diǎn)對(duì)的集合，或者是經(jīng)過(guò)步驟2任意一次迭代得到更新的匹配點(diǎn)對(duì)的集合；
步驟2-2，針對(duì)各個(gè)匹配點(diǎn)對(duì)集合中相應(yīng)的前向鄰域矩陣FIOOT，和相應(yīng)的后向鄰域矩陣BKNN，分別進(jìn)行異或運(yùn)算得到雙向鄰域差異矩陣AFKlW和ΔΒΚΝΝ ；
步驟2-3，根據(jù)
權(quán)利要求
1.一種基于雙向鄰域過(guò)濾策略的遙感圖像配準(zhǔn)方法，其特征在于，包括以下步驟: 步驟1:采用SIFT算子提取待配準(zhǔn)圖像中所有的SIFT特征點(diǎn)及其各自對(duì)應(yīng)的SIFT特征向量，通過(guò)SIFT特征向量之間的歐式距離比較，為一個(gè)圖像中的每一點(diǎn)選擇其在另一個(gè)圖像中具有最大歐式距離的點(diǎn)進(jìn)行對(duì)應(yīng)，從而在這兩個(gè)點(diǎn)之間形成初始匹配點(diǎn)對(duì)，進(jìn)而獲得待配準(zhǔn)圖像中所有初始匹配點(diǎn)對(duì)的集合； 步驟2:為所有初始匹配點(diǎn)對(duì)構(gòu)造雙向鄰域結(jié)構(gòu)，并根據(jù)對(duì)應(yīng)構(gòu)造的雙向鄰域差異矩陣來(lái)剔除差異最大的點(diǎn)對(duì)作為候選誤配點(diǎn)對(duì)，通過(guò)迭代形成具有相同雙向鄰域結(jié)構(gòu)的匹配點(diǎn)對(duì)集合； 步驟3:根據(jù)雙向鄰域過(guò)濾策略重新檢查所有剔除的候選誤配點(diǎn)對(duì)，判斷是否有需要恢復(fù)的候選誤配點(diǎn)對(duì)，有需要恢復(fù)的候選誤配點(diǎn)對(duì)則轉(zhuǎn)向步驟2 ;無(wú)則迭代結(jié)束，將剩余的匹配點(diǎn)對(duì)作為最終匹配點(diǎn)對(duì)； 步驟4:采用最小二乘法根據(jù)最終匹配點(diǎn)對(duì)估算仿射變換參數(shù)，將待配準(zhǔn)的圖像進(jìn)行仿射反變換，獲得相互匹配的圖像。
2.根據(jù)權(quán)利要求1所述的一種基于雙向鄰域過(guò)濾策略的遙感圖像配準(zhǔn)方法，其特征在于:所述步驟2中，構(gòu)造雙向鄰域結(jié)構(gòu)的過(guò)程是:分別在每個(gè)待配準(zhǔn)的圖像中，將距離各點(diǎn)最近的前K個(gè)點(diǎn)作為K近鄰點(diǎn),建立從各點(diǎn)到其各自的K近鄰點(diǎn)的有向邊,則任意一點(diǎn)的雙向鄰域結(jié)構(gòu)是由與該點(diǎn)相連的有向邊和該點(diǎn)的K近鄰點(diǎn)共同構(gòu)成。
3.根據(jù)權(quán)利要求2所述的一種基于雙向鄰域過(guò)濾策略的遙感圖像配準(zhǔn)方法，其特征在于:所述步驟2中，具有相同雙向鄰域結(jié)構(gòu)的匹配點(diǎn)對(duì)集合形成的過(guò)程如下: 步驟2-1，分別構(gòu)造各個(gè)匹配點(diǎn)對(duì)集合在雙向鄰域矩陣中的前向鄰域矩陣FKOTi和后向鄰域矩陣BKWH ； 設(shè)點(diǎn)i和點(diǎn)j是任意一個(gè)所述匹配點(diǎn)對(duì)集合中的兩點(diǎn)，當(dāng)點(diǎn)J'是點(diǎn)i的K近鄰點(diǎn)時(shí),該匹配點(diǎn)對(duì)集合的前向鄰域矩陣FKNN[i,j]=1，后向鄰域矩陣BKNN[i,j]=1 ;當(dāng)點(diǎn)j不是點(diǎn)i的K近鄰點(diǎn)時(shí)，該匹配點(diǎn)對(duì)集合的前向鄰域矩陣和后向鄰域矩陣均為O ;所述匹配點(diǎn)對(duì)集合是指步驟1之后獲得的初始匹配點(diǎn)對(duì)的集合，或者是經(jīng)過(guò)步驟2任意一次迭代得到更新的匹配點(diǎn)對(duì)的集合； 步驟2-2，針對(duì)各個(gè)匹配點(diǎn)對(duì)集合中相應(yīng)的前向鄰域矩陣FKKN，和相應(yīng)的后向鄰域矩陣EKNN ,分別進(jìn)行異或運(yùn)算得到雙向鄰域差異矩陣ΔFKNN和ΔΒΚΝΝ ； 步驟 2-3,根據(jù) jother= arg max {∑ΔFKNJf[i J] + ∑ΔBKNW[i,J] }，在雙向鄰域差異矩陣中選擇雙向鄰域差異最大的點(diǎn)對(duì)jother作為候選誤配點(diǎn)對(duì)進(jìn)行剔除，其中I是當(dāng)前匹配點(diǎn)對(duì)的總數(shù)； 步驟2-4，更新匹配點(diǎn)對(duì)的雙向鄰域，判斷雙向鄰域差異矩陣ΔFKOTf和ΔΒΚΝΝ是否為全零矩陣，不是全零矩陣則轉(zhuǎn)向步驟2-1 ;是全零矩陣則迭代停止，剩余匹配點(diǎn)對(duì)是能構(gòu)成具有相同的雙向鄰域結(jié)構(gòu)的匹配點(diǎn)對(duì)集合。
4.根據(jù)權(quán)利要求3所述的一種基于雙向鄰域過(guò)濾策略的遙感圖像配準(zhǔn)方法，其特征在于:所述步驟3中，雙向鄰域過(guò)濾策略篩選需要恢復(fù)的候選誤配點(diǎn)對(duì)的過(guò)程如下: 步驟3-1，任意一個(gè)候選誤配點(diǎn)對(duì)所在的鄰域結(jié)構(gòu)中的點(diǎn)在后續(xù)迭代中被剔除作為新的候選誤配點(diǎn)對(duì)時(shí)，該候選誤配點(diǎn)對(duì)/—需要重新檢查； 步驟3-2，將待檢查的候選誤配點(diǎn)對(duì)分別和剩余的匹配點(diǎn)對(duì)組合，其中能構(gòu)成相同雙向鄰域結(jié)構(gòu)的候選誤配點(diǎn)對(duì) 可以恢復(fù)為匹配點(diǎn)對(duì)。
全文摘要
本發(fā)明公開(kāi)了一種基于雙向鄰域過(guò)濾策略的遙感圖像配準(zhǔn)方法，將灰度特征與特征點(diǎn)的空間結(jié)構(gòu)特性相結(jié)合，以基于灰度特征的匹配結(jié)果作為初始匹配點(diǎn)對(duì)，以特征點(diǎn)的鄰域結(jié)構(gòu)特性作為約束，通過(guò)雙向鄰域結(jié)構(gòu)的差異性，迭代得到具有相同雙向鄰域結(jié)構(gòu)的匹配點(diǎn)對(duì)，并且采用雙向鄰域過(guò)濾策略恢復(fù)迭代過(guò)程中錯(cuò)誤剔除的候選誤配點(diǎn)對(duì)。該方法用于待配準(zhǔn)圖像之間存在較大仿射變換、待配準(zhǔn)圖像為異源圖像、圖像場(chǎng)景中存在相似圖案的情況，能夠在無(wú)人工參與的條件下提高配準(zhǔn)的精度。
文檔編號(hào)G06T7/00GK103116891SQ20131007799
公開(kāi)日2013年5月22日 申請(qǐng)日期2013年3月12日 優(yōu)先權(quán)日2013年3月12日
發(fā)明者趙明, 安博文, 吳泳澎, 許曉彥, 陳元林 申請(qǐng)人:上海海事大學(xué)