一種svd-ransac亞像素相位相關(guān)匹配方法
【專利摘要】本發(fā)明涉及一種SVD-RANSAC亞像素相位相關(guān)匹配方法，該方法首先對兩幅影像的互功率譜矩陣進(jìn)行奇異值分解，然后利用隨機(jī)抽樣一致算法估計相位角向量的斜率，實現(xiàn)兩幅影像的亞像素相位相關(guān)匹配。與現(xiàn)有技術(shù)相比，本發(fā)明利用隨機(jī)抽樣一致(RANSAC)算法來穩(wěn)健估計奇異值分解后主奇異值向量對應(yīng)的相位角向量直線的斜率，只選擇符合直線模型的數(shù)據(jù)進(jìn)行估計，而受偏差影響的數(shù)據(jù)將作為粗差剔除，具有結(jié)果精度和穩(wěn)定性高、有效抑制pixel?locking現(xiàn)象等優(yōu)點。
【專利說明】—種SVD-RANSAC亞像素相位相關(guān)匹配方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像區(qū)域匹配算法，尤其是涉及一種SVD-RANSAC亞像素相位相關(guān)匹配方法。
【背景技術(shù)】
[0002]影像的亞像素精確匹配是攝影測量與遙感領(lǐng)域的研究熱點與難題之一。通過影像間的亞像素匹配，能夠精確的獲取立體視差、地物位移、地表形變場等數(shù)據(jù)，基于亞像素匹配的圖像配準(zhǔn)，在DEM/DSM生成、圖像鑲嵌、影像融合、信息提取和變形監(jiān)測等領(lǐng)域有著極其重要的應(yīng)用。
[0003]圖像匹配一般分為特征匹配與區(qū)域匹配兩大類。相對于特征匹配，區(qū)域匹配具有精度高，更方便的粗差剔除，分布均勻等優(yōu)勢。相位相關(guān)是一種頻域下的區(qū)域匹配算法，相位相關(guān)的理論基礎(chǔ)是傅里葉變換的平移特性，即影像間平移在頻域下對應(yīng)為線性相位差，理論上，影像的平移只會引起傅里葉系數(shù)相位角的變化而不會改變其幅值。與傳統(tǒng)的灰度相關(guān)系數(shù)相比，具有匹配精度高、速度快、抗噪性強(qiáng)和受輻射差異影響小等特點，近年來得到了廣泛的應(yīng)用與關(guān)注。
[0004]亞像素的相位相關(guān)方法研究主要分為兩類，第一類方法通過確定互功率譜的逆傅里葉變換后精確的峰值位置來獲取偏移量，第二類方法通過直接估計互功率譜的線性相位差來獲取偏移量。然而，現(xiàn)有的相位相關(guān)亞像素匹配方法依然存在問題:通過插值確定峰值的方法精度相對較低；利用線性相位差的方法，普遍具有計算復(fù)雜度高，抗粗差性差等缺點；另外，亞像素匹配精度受像素鎖現(xiàn)象(pixel locking effect)影響。上述的問題直接影響到基于相位相關(guān)的亞像素匹配精度和匹配結(jié)果的穩(wěn)健性，并對運(yùn)算效率提出了較高的要求。
[0005]文獻(xiàn) “A subspace identification extension to the phase correlationmethod[MRI application][J].Medical Imaging, IEEE Transactions on,2003,22 (2):277-280，利用最小二乘估計來計算相位角向量直線的斜率，線性擬合的質(zhì)量依賴于解纏后相位角的線性度。即使奇異值分解獲取主奇異值向量本身是一個提高SNR的過程，但相關(guān)過程中的混疊，噪聲和其他誤差仍然會影響兩幅影像間的相位信息，從而影響歸一化互功率譜矩陣的部分量值，導(dǎo)致奇異值分解后的相位角向量出現(xiàn)偏差，并不呈現(xiàn)嚴(yán)格的直線關(guān)系，由于最小二乘的抗差性弱，估計的偏移值結(jié)果會受到偏差的嚴(yán)重影響，從而導(dǎo)致亞像素級估計結(jié)果的精度和穩(wěn)定性下降。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種結(jié)果精度和穩(wěn)定性高、有效抑制pixel locking現(xiàn)象的SVD-RANSAC亞像素相位相關(guān)匹配方法。
[0007]本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn):
[0008]一種SVD-RANSAC亞像素相位相關(guān)匹配方法，該方法包括以下步驟:[0009]I)獲取存在水平方向偏移a和垂直方向偏移b的兩幅影像g(x，y)和h(x,y),對兩幅影像分別進(jìn)行Hanning窗函數(shù)加權(quán)后進(jìn)行離散傅里葉變換，得到G (u，V)和H(u，V)，則H(u,v) = G(u, V) exp {-1 (au+bv)},計算兩幅影像的歸一化互功率譜矩陣Q(u, V):
【權(quán)利要求】
1.一種SVD-RANSAC亞像素相位相關(guān)匹配方法，其特征在于，該方法包括以下步驟: 1)獲取存在水平方向偏移a和垂直方向偏移b的兩幅影像g(x,y)和h(x,y),對兩幅影像分別進(jìn)行Hanning窗函數(shù)加權(quán)后進(jìn)行離散傅里葉變換，得到G (u，v)和H (u，v)，則H (U，V) = G(u, V) exp {-1 (au+bv)},計算兩幅影像的歸一化互功率譜矩陣Q(u, v):
2.根據(jù)權(quán)利要求1所述的一種SVD-RANSAC亞像素相位相關(guān)匹配方法，其特征在于，所述的步驟5)中，采用隨機(jī)抽樣一致算法估計相位角向量的斜率是以相位角向量理論上的直線性為數(shù)學(xué)模型、待估計的相位角向量的斜率為模型參數(shù)9k進(jìn)行迭代求解，具體為: 501)預(yù)設(shè)參數(shù)最大迭代值kmax、置信度％和閾值t，并設(shè)當(dāng)前迭代值k= 0，最大有效樣本數(shù)據(jù)Imax = O ； 502)隨機(jī)選擇最小要求的m個樣本來估計模型參數(shù)Θk ； 503)根據(jù)閾值t和估計模型計算閾值內(nèi)的數(shù)據(jù)個數(shù)Ik，判斷|lk|> Imax是否成立，若是，則執(zhí)行步驟504)，若否，則執(zhí)行步驟505)； 504)令最優(yōu)模型參數(shù)Θ* = Θ k，有效樣本數(shù)據(jù)I = Ik，采用如下公式重新計算kmax后執(zhí)行步驟505):
【文檔編號】G06T7/00GK103824286SQ201410051603
【公開日】2014年5月28日 申請日期:2014年2月14日 優(yōu)先權(quán)日:2014年2月14日
【發(fā)明者】童小華, 葉真, 徐聿升, 劉世杰, 李凌云, 李天鵬, 王鳳香 申請人:同濟(jì)大學(xué)