一種基于幾何結(jié)構(gòu)相似性的異源遙感影像配準(zhǔn)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于幾何結(jié)構(gòu)相似性的異源遙感影像配準(zhǔn)方法，屬于衛(wèi)星影像處理【技術(shù)領(lǐng)域】。首先將參考影像和輸入影像采樣為同一分辨率，并在參考影像上提取大量、分布均勻的特征點(diǎn)；然后利用梯度方向直方圖描述符構(gòu)建幾何結(jié)構(gòu)相似性測(cè)度，采用雙向匹配的策略在輸入影像上識(shí)別同名點(diǎn)，并通過(guò)局部極值擬合技術(shù)獲取子像素精度；最后剔除誤匹配點(diǎn)，并采用分段線性模型對(duì)影像進(jìn)行高精度配準(zhǔn)。本發(fā)明能有效克服可見(jiàn)光、紅外、SAR等異源遙感影像間的非線性灰度差異，可快速檢測(cè)出大量、分布均勻的同名點(diǎn)對(duì)，實(shí)現(xiàn)影像的高精度配準(zhǔn)。主要用于異源遙感影像配準(zhǔn)。
【專(zhuān)利說(shuō)明】一種基于幾何結(jié)構(gòu)相似性的異源遙感影像配準(zhǔn)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于衛(wèi)星影像處理【技術(shù)領(lǐng)域】，特別涉及可見(jiàn)光、紅外和SAR等多傳感器影像的自動(dòng)配準(zhǔn)【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]異源遙感影像(可見(jiàn)光、紅外和SAR等)通常反映了地物的不同屬性，能夠?yàn)榈乇肀O(jiān)測(cè)提供互補(bǔ)的信息。為了整合這些影像對(duì)地表進(jìn)行全面觀測(cè)和綜合分析，則需要在地理空間上對(duì)它們進(jìn)行幾何配準(zhǔn)。由于成像機(jī)理的不同，異源遙感影像間往往存在顯著的非線性灰度差異，因此異源遙感影像的配準(zhǔn)是當(dāng)今的難題。
[0003]目前遙感影像的配準(zhǔn)方法主要可分為:基于特征的方法和基于區(qū)域的方法?；谔卣鞯姆椒ㄊ紫仍谟跋耖g提取特征，然后利用特征間的相似性進(jìn)行匹配。常用的基于特征的方法包括了基于點(diǎn)特征的方法，基于線特征的方法和基于面特征的方法。中國(guó)專(zhuān)利CN103514606A公開(kāi)了一種異源遙感影像配準(zhǔn)方法。該方法首先對(duì)影像進(jìn)行多尺度分析，并以直線交點(diǎn)為基元，利用聯(lián)合VOTonoi圖與譜圖的點(diǎn)匹配方法，同時(shí)通過(guò)迭代的特征提取和匹配策略實(shí)現(xiàn)影像的配準(zhǔn)。這些方法對(duì)于影像間的幾何形變具有較好的適應(yīng)性，但它們通常要求在影像間檢測(cè)到穩(wěn)定的共有特征，而對(duì)于具有顯著灰度差異的異源遙感影像而言，共有特征的提取本身就是目前的研究難題，所以難以較好地應(yīng)用上述方法對(duì)異源遙感影像進(jìn)行自動(dòng)配準(zhǔn)。
[0004]基于區(qū)域的方法主要是以某種相似性測(cè)度為準(zhǔn)則，采用模板匹配的策略在影像間進(jìn)行同名點(diǎn)識(shí)別。常用的相似性測(cè)度包括了相關(guān)系數(shù)、相位相關(guān)和互信息等?；趨^(qū)域的方法設(shè)計(jì)簡(jiǎn)單，配準(zhǔn)精度高，但它們都是利用灰度信息構(gòu)建相似性測(cè)度進(jìn)行同名點(diǎn)匹配，而由于異源遙感影像間的同一地物呈現(xiàn)出完全不同的灰度信息，所以它們無(wú)法較好適用于異源遙感影像的自動(dòng)配準(zhǔn)。相比于灰度信息，影像間的幾何結(jié)構(gòu)屬性受灰度差異的影響較小。鑒于此，本發(fā)明則提出一種基于幾何結(jié)構(gòu)相似性的異源遙感影像配準(zhǔn)方法。首先提取影像間的幾何結(jié)構(gòu)特征，然后利用這些幾何結(jié)構(gòu)特征構(gòu)建相似性測(cè)度，并采用模板匹配的策略進(jìn)行同名點(diǎn)識(shí)別，最終實(shí)現(xiàn)影像的配準(zhǔn)，

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是提供一種基于幾何結(jié)構(gòu)相似性的異源遙感影像配準(zhǔn)方法，它能有效地克服異源影像間的非線性灰度差異，能夠自動(dòng)地、快速地在影像間獲取大量分布均勻、穩(wěn)定的匹配同名點(diǎn)對(duì)，并通過(guò)基于三角網(wǎng)的分段線性模型實(shí)現(xiàn)影像的高精度配準(zhǔn)。
[0006]本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的:該發(fā)明突破了傳統(tǒng)配準(zhǔn)方法利用灰度信息進(jìn)行匹配的束縛，通過(guò)構(gòu)建基于幾何結(jié)構(gòu)特征的相似性測(cè)度進(jìn)行同名點(diǎn)識(shí)別，有效地解決了可見(jiàn)光、紅外和SAR等異源遙感影像的配準(zhǔn)難題。
[0007]—種基于幾何結(jié)構(gòu)相似性的異源遙感影像配準(zhǔn)方法，包括下列步驟:
[0008]步驟一、設(shè)參考影像I1的分辨率信息為R1，輸入影像I2的分辨率信息為R2,并判斷R1和R2是否一致，如果一致，則進(jìn)行下一步處理，若不一致則將這幅影像采樣為同一分辨率；
[0009]步驟二、利用Harris算子，采用分塊的提取策略，在參考影像I1上提取大量、分布均勻的特征點(diǎn):具體是將參考影像I1劃分為若干個(gè)互不重疊、規(guī)則的格網(wǎng)，在每個(gè)格網(wǎng)內(nèi)，計(jì)算每個(gè)像素的Harris強(qiáng)度值H，并根據(jù)H值進(jìn)行從大到小排序，選擇H值較大的一定數(shù)量的點(diǎn)作為特征點(diǎn)；
[0010]步驟三、記參考影像上檢測(cè)的特征點(diǎn)為PIli (i = 1，2，3，....，N)，根據(jù)影像本身提供的地理坐標(biāo)信息在輸入影像I2上預(yù)測(cè)一定大小的搜索區(qū)域，用于同名點(diǎn)匹配；
[0011]步驟四、構(gòu)建幾何結(jié)構(gòu)相似性測(cè)度:
[0012]Α、提取PIli (i = 1，2，3，....，Ν)的一個(gè)點(diǎn)PIli，以它為中心選取一定大小的模板
窗口 ；
[0013]B、在模板窗口內(nèi)，計(jì)算每個(gè)像素的梯度值和梯度方向，為幾何結(jié)構(gòu)相似性測(cè)度的構(gòu)建提供特征信息；
[0014]C、把模板窗口劃分為若干個(gè)相互重疊的塊，其中每個(gè)塊包含若干個(gè)單元，形成幾何結(jié)構(gòu)相似性測(cè)度的基本結(jié)構(gòu)；
[0015]D、在每一個(gè)單元內(nèi)，進(jìn)行梯度方向直方圖統(tǒng)計(jì)；
[0016]Ε、對(duì)每個(gè)重疊塊內(nèi)單元的梯度方向直方圖進(jìn)行歸一化操作，消除光照變化的影響；
[0017]F、將所有塊內(nèi)的梯度方向直方圖向量鏈接在一起，形成描述整個(gè)模板窗口的梯度方向直方圖特征向量；
[0018]G、利用梯度方向直方圖特征向量之間的相關(guān)系數(shù)作為幾何結(jié)構(gòu)相似性測(cè)度；
[0019]步驟五、根據(jù)PIli的地理坐標(biāo)信息在輸入影像I2預(yù)測(cè)一定大小的方形窗口作為匹配的搜索區(qū)域；在搜索區(qū)域內(nèi)，采用模板匹配的策略，并利用幾何結(jié)構(gòu)相似性測(cè)度進(jìn)行同名點(diǎn)識(shí)別，選擇該相似性測(cè)度值最大的點(diǎn)作為PIli的同名點(diǎn)PI2i ；
[0020]步驟六、為了剔除一些不穩(wěn)定的同名點(diǎn)對(duì)，這里采用雙向匹配的策略進(jìn)行匹配，SP根據(jù)PI2i的地理坐標(biāo)信息在參考影像I1預(yù)測(cè)一定大小的搜索區(qū)域，利用幾何結(jié)構(gòu)相似性測(cè)度進(jìn)行匹配，獲得匹配點(diǎn)ΡΙ’ ?，若點(diǎn)PI’ π和點(diǎn)PIli之間的距離小于1.5個(gè)像素，則認(rèn)為(PIli, PI2i)是一對(duì)同名點(diǎn)；
[0021]步驟七、根據(jù)以上步驟，遍歷PIn(i = 1, 2, 3,...., N)的每一個(gè)點(diǎn)，得到對(duì)應(yīng)的同名點(diǎn)對(duì) PI2i (i = 1,2, 3,...., N)；
[0022]步驟八、對(duì)以上獲取的同名點(diǎn)對(duì){PI?，PI2i} (i = 1，2，3，....，N)，采用局部極值擬合技術(shù)獲取子像素精度:
[0023](I)提取PI2i (i = 1，2，3，....，Ν)的一個(gè)點(diǎn)PI2i，選取它3 X 3鄰域內(nèi)9個(gè)像素的幾何結(jié)構(gòu)相似性測(cè)度值，并采用最小二乘方法擬合二元二次多項(xiàng)式，建立幾何結(jié)構(gòu)相似性測(cè)度值與像素位置的對(duì)于關(guān)系；
[0024](2)對(duì)多項(xiàng)式求偏導(dǎo)，求解出偏導(dǎo)等于O的位置，即獲得子像素的精度；
[0025](3)重復(fù)(1)和(2)，遍歷PI2i (i = 1, 2, 3,....,N)的每一個(gè)點(diǎn)，得到對(duì)應(yīng)的子像素精度；
[0026]步驟九、對(duì)子像素同名點(diǎn)對(duì)(PIDli, PID2J (i = 1，2，3，....M)進(jìn)行三次多項(xiàng)式擬合，計(jì)算同名點(diǎn)的殘差和均方根誤差，并迭代地剔除殘差較大的同名點(diǎn)，直到同名點(diǎn)的殘差和均方根誤差小于I個(gè)像素，得到最終的子像素同名點(diǎn)對(duì){PIDli，PID2i} (i =1，2，3，....D)；
[0027]步驟十、利用獲取的子像素同名點(diǎn)對(duì){PIDli,PID2i} (i = 1，2，3，....D)構(gòu)建不規(guī)則三角網(wǎng)，對(duì)每個(gè)三角網(wǎng)區(qū)域利用仿射變換進(jìn)行糾正，消除局部形變，獲得高精度的配準(zhǔn)影像。 [0028]本發(fā)明與現(xiàn)有技術(shù)相比的有益效果在于:
[0029]本發(fā)明針對(duì)異源遙感影像間非線性灰度差異造成的配準(zhǔn)困難問(wèn)題，本發(fā)明構(gòu)建了一種基于幾何結(jié)構(gòu)特征的相似性測(cè)度，利用影像間的幾何結(jié)構(gòu)相似性進(jìn)行同名點(diǎn)識(shí)別，突破了傳統(tǒng)配準(zhǔn)方法利用灰度相似性進(jìn)行匹配的束縛，提高了配準(zhǔn)的可靠性和有效性。
[0030]對(duì)異源遙感影像特征進(jìn)行了深入分析，設(shè)計(jì)了包括特征點(diǎn)分塊提取策略、基于幾何結(jié)構(gòu)特征的相似性測(cè)度、同名點(diǎn)對(duì)精匹配、分段線性模型糾正等步驟的配準(zhǔn)流程。在整個(gè)配準(zhǔn)過(guò)程中，無(wú)需人工干預(yù)，能全自動(dòng)地實(shí)現(xiàn)異源遙感影像間的同名點(diǎn)匹配和幾何糾正，提高了配準(zhǔn)的實(shí)際生產(chǎn)效率，滿(mǎn)足業(yè)務(wù)化運(yùn)行需求。大量的實(shí)驗(yàn)結(jié)果表明，對(duì)于平坦地區(qū)的影像，配準(zhǔn)精度可達(dá)到I個(gè)像素以?xún)?nèi)，而對(duì)于山區(qū)和城區(qū)的影像，配準(zhǔn)精度可達(dá)到2個(gè)像素以?xún)?nèi)。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0031]圖1為本發(fā)明的整體流程圖
[0032]圖2為本發(fā)明幾何結(jié)構(gòu)相似性測(cè)度的構(gòu)建過(guò)程圖
[0033]圖3為本發(fā)明幾何結(jié)構(gòu)相似性測(cè)度的基本結(jié)構(gòu)圖
【具體實(shí)施方式】
[0034]步驟一、根據(jù)參考影像I1和輸入影像I2的分辨率信息R1和R2,判斷分辨率是否一致:如果一致，則進(jìn)行下一步處理，若不一致則將這幅影像采樣為同一分辨率。
[0035]步驟二、利用Harris算子，采用分塊的策略，在參考影像I1上提取大量、分布均勻的特征點(diǎn)，具體為:
[0036](a)將影像I1劃分為IOX 10個(gè)互不重疊的方形格網(wǎng)；
[0037](b)在每個(gè)格網(wǎng)內(nèi)，進(jìn)行Harris特征點(diǎn)檢測(cè)。首先利用影像的梯度信息構(gòu)建自相關(guān)矩陣M，并計(jì)算每個(gè)像素點(diǎn)的Harris特征值H，若H是局部極大值，則認(rèn)為該像素點(diǎn)是特征點(diǎn)。
O"

gi g g
[0038]M = G(a) *
[0039]H = Det (M) -kTrace (M)2
[0040]其中，G(o )表示尺度為σ的高斯卷積核，gxSx方向的梯度，gySy方向的梯度。Det(.)表示矩陣的行列式，Trace (.)表示矩陣的跡，k為一個(gè)常數(shù)，通常在0.04到0.06之間。
[0041](c)為了使特征點(diǎn)均勻地分布在影像上，在每個(gè)格網(wǎng)內(nèi)，計(jì)算每個(gè)像素的H值，并進(jìn)行從大到小排序，選取H值較大的15個(gè)像素點(diǎn)作為特征點(diǎn)。這樣可以在每個(gè)格網(wǎng)內(nèi)檢測(cè)出15個(gè)特征點(diǎn)，整幅影像上則擁有10X10X15 = 1500個(gè)特征點(diǎn)。
[0042]步驟三、記參考影像I1上檢測(cè)的特征點(diǎn)為PIli (i = l,2, 3,...., N):根據(jù)遙感影像提供的地理坐標(biāo)信息在輸入影像I2上預(yù)測(cè)一定大小的搜索區(qū)域，進(jìn)行同名點(diǎn)匹配。
[0043](I)提取PIli (i = 1，2，3，....，N)的一個(gè)點(diǎn)PIli,并獲取該點(diǎn)所對(duì)應(yīng)的地理坐標(biāo)Geoi ο
[0044](2)根據(jù)地理坐標(biāo)Geoi結(jié)合輸入影像I2的地理信息計(jì)算對(duì)應(yīng)的圖像坐標(biāo)
[0045]PWi,并以PWi為中心確定一個(gè)大小為150X150的方形窗口作為匹配的
[0046]搜索區(qū)域AreaWitl
[0047]步驟四、構(gòu)建幾何結(jié)構(gòu)相似性測(cè)度:
[0048]I)以PIli為中心選取一個(gè)大小為100X100的模板窗口 ；
[0049]2)在模板窗口內(nèi)，計(jì)算每個(gè)像素的梯度值和梯度方向，為幾何結(jié)構(gòu)相似性測(cè)度提供特征信息； [0050]3)把模板窗口劃分為若干個(gè)互相重疊的塊(圖3中的Α)，每個(gè)塊由2X2個(gè)單元(圖3中的B)組成，每個(gè)單元包含4X4個(gè)像素點(diǎn)，形成幾何結(jié)構(gòu)相似性測(cè)度的基本結(jié)構(gòu)；
[0051]4)在塊內(nèi)，將每個(gè)單元?jiǎng)澐殖?個(gè)方向塊，以像素點(diǎn)的梯度方向進(jìn)行方向直方圖統(tǒng)計(jì)，并以像素點(diǎn)的梯度值進(jìn)行權(quán)重分配，構(gòu)成描述單元的9維向量。把每個(gè)單元的向量組合起來(lái)，形成描述塊的直方圖向量。
[0052]5)對(duì)每個(gè)塊的直方圖向量進(jìn)行歸一化操作，消除光照變化的影響；
[0053]6)將所有塊的直方圖向量鏈接在一起,形成描述整個(gè)模板窗口的梯度方向直方圖特征向量。
[0054]7)采用梯度方向直方圖特征向量之間的相關(guān)系數(shù)作為幾何結(jié)構(gòu)相似性測(cè)度進(jìn)行影像匹配。幾何結(jié)構(gòu)相似性測(cè)度(該測(cè)度用HOGC表示)的定義如下:

JjiV t{k)-VaWb^)-Vti)
[0055]IIOGC=廣丨n
匕 y-
V Jc=IA=I
[0056]其中，乂4和Vb分別表示模板影像A和B的幾何結(jié)構(gòu)相似性測(cè)度特征向量，匕和^分別表示模板影像A和B的幾何結(jié)構(gòu)相似性測(cè)度平均值。
[0057]步驟五、利用幾何結(jié)構(gòu)相似性測(cè)度，采用模板匹配的策略，在區(qū)域AreaWi內(nèi)進(jìn)行滑動(dòng)搜索，計(jì)算每個(gè)滑動(dòng)窗口的幾何結(jié)構(gòu)相似性測(cè)度值，選取幾何結(jié)構(gòu)相似性測(cè)度值最大的窗口作為匹配區(qū)域，并以該窗口的中心作為PIli的同名點(diǎn)，記為PI2i。
[0058]步驟六、進(jìn)行雙向匹配，以點(diǎn)PI2i為中心選取大小為100X100的模板窗口構(gòu)建幾何結(jié)構(gòu)相似性測(cè)度，同樣按照以上的方法在參考影像上尋找同名點(diǎn)PI’ ?，若點(diǎn)PIli和點(diǎn)pr π之間的距離小于1.5個(gè)像素，則將(ριπ，Pi2i)視為最終的同名點(diǎn)對(duì)；
[0059]步驟七、根據(jù)以上步驟，遍歷PIn(i = I, 2, 3,...., N)的每一個(gè)點(diǎn)，得到對(duì)應(yīng)的同名點(diǎn)對(duì) PI2i α = 1，2，3，....，Ν)。
[0060]步驟八、對(duì)以上獲取的同名點(diǎn)對(duì)，采用局部極值擬合技術(shù)獲取子像素精度
[0061]I)提取PI2i (i = 1,2, 3,...., N)中的一個(gè)點(diǎn)PI2i，選取它3 X 3鄰域內(nèi)9個(gè)像素的幾何結(jié)構(gòu)相似性測(cè)度值，并采用最小二乘方法擬合二元二次多項(xiàng)式，建立幾何結(jié)構(gòu)相似性測(cè)度值與像素位置的對(duì)應(yīng)關(guān)系；
[0062]2)對(duì)多項(xiàng)式求偏導(dǎo)，求解出偏導(dǎo)等于O的位置，即獲得子像素的匹配精度。
[0063]具體求解步驟如下:
[0064]同名點(diǎn)鄰域內(nèi)9個(gè)像素的位置與幾何結(jié)構(gòu)相似性測(cè)度值滿(mǎn)足上式，則有
[0065]HOGC(XiJi) = a0+a1xi+a2yi+a3xi2+a4xiyi+a5yi2
[0066]考慮到像素的精度匹配位置對(duì)應(yīng)幾何結(jié)構(gòu)相似性測(cè)度的峰值，對(duì)幾何結(jié)構(gòu)相似性測(cè)度(X，y )求偏導(dǎo)，并令其為0，如下所示。
[0067]
【權(quán)利要求】
1.一種基于幾何結(jié)構(gòu)相似性的異源遙感影像配準(zhǔn)方法，包括下列步驟: 步驟一、設(shè)參考影像I1的分辨率信息為R1，輸入影像I2的分辨率信息為R2,并判斷R1和R2是否一致，如果一致，則進(jìn)行下一步處理，若不一致則將這幅影像采樣為同一分辨率；步驟二、利用Harris算子，采用分塊的提取策略，在參考影像I1上提取大量、分布均勻的特征點(diǎn):具體是將參考影像I1劃分為若干個(gè)互不重疊、規(guī)則的格網(wǎng)，在每個(gè)格網(wǎng)內(nèi)，計(jì)算每個(gè)像素的Harris強(qiáng)度值H，并根據(jù)H值進(jìn)行從大到小排序，選擇H值較大的一定數(shù)量的點(diǎn)作為特征點(diǎn)； 步驟三、記參考影像上檢測(cè)的特征點(diǎn)為PIli (i = 1,2, 3，....，N)，根據(jù)影像本身提供的地理坐標(biāo)信息在輸入影像I2上預(yù)測(cè)一定大小的搜索區(qū)域，用于同名點(diǎn)匹配； 步驟四、構(gòu)建幾何結(jié)構(gòu)相似性測(cè)度: Α、提取PIn(i = 1，2，3，....，Ν)的一個(gè)點(diǎn)PIli，以它為中心選取一定大小的模板窗口 ； B、在模板窗口內(nèi)，計(jì)算每個(gè)像素的梯度值和梯度方向，為幾何結(jié)構(gòu)相似性測(cè)度的構(gòu)建提供特征信息； C、把模板窗口劃分為若干個(gè)相互重疊的塊，其中每個(gè)塊包含若干個(gè)單元，形成幾何結(jié)構(gòu)相似性測(cè)度的基本結(jié)構(gòu)； D、在每一個(gè)單元內(nèi)，進(jìn)行梯度方向直方圖統(tǒng)計(jì)； Ε、對(duì)每個(gè)重疊塊內(nèi)單 元的梯度方向直方圖進(jìn)行歸一化操作，消除光照變化的影響； F、將所有塊內(nèi)的梯度方向直方圖向量鏈接在一起，形成描述整個(gè)模板窗口的梯度方向直方圖特征向量； G、利用梯度方向直方圖特征向量之間的相關(guān)系數(shù)作為幾何結(jié)構(gòu)相似性測(cè)度； 步驟五、根據(jù)PIli的地理坐標(biāo)信息在輸入影像I2預(yù)測(cè)一定大小的方形窗口作為匹配的搜索區(qū)域；在搜索區(qū)域內(nèi)，以幾何結(jié)構(gòu)相似性測(cè)度作為相似性測(cè)度，采用模板匹配的策略進(jìn)行同名點(diǎn)識(shí)別，選擇該相似性測(cè)度值最大的點(diǎn)作為PIli的同名點(diǎn)PI2i ； 步驟六、為了剔除一些不穩(wěn)定的同名點(diǎn)對(duì)，這里采用雙向匹配的策略進(jìn)行匹配，即根據(jù)PI2i的地理坐標(biāo)信息在參考影像I1預(yù)測(cè)一定大小的搜索區(qū)域，利用幾何結(jié)構(gòu)相似性測(cè)度進(jìn)行匹配，獲得匹配點(diǎn)Ρ ?，若點(diǎn)PI’ π和點(diǎn)PIli之間的距離小于1.5個(gè)像素，則認(rèn)為(PIli,PI2i)是一對(duì)同名點(diǎn)； 步驟七、根據(jù)以上步驟，遍歷PIliQ = I, 2, 3,...., N)的每一個(gè)點(diǎn)，得到對(duì)應(yīng)的同名點(diǎn)對(duì) PI2i (i = 1，2，3，....，Ν)； 步驟八、對(duì)以上獲取的同名點(diǎn)對(duì)(PIlijPI2J (i = 1,2, 3，....，N)，采用局部極值擬合技術(shù)獲取子像素精度: (1)提取PI2i(i = 1，2，3，....，Ν)的一個(gè)點(diǎn)PI2i，選取它3X3鄰域內(nèi)9個(gè)像素的幾何結(jié)構(gòu)相似性測(cè)度值，并采用最小二乘方法擬合二元二次多項(xiàng)式，建立幾何結(jié)構(gòu)相似性測(cè)度值與像素位置的對(duì)應(yīng)關(guān)系； (2)對(duì)多項(xiàng)式求偏導(dǎo)，求解出偏導(dǎo)等于O的位置，即獲得子像素的精度； (3)重復(fù)(I)和(2)，遍歷PI2i(i = 1，2，3，....，Ν)的每一個(gè)點(diǎn)，得到對(duì)應(yīng)的子像素精度； 步驟九、對(duì)子像素同名點(diǎn)對(duì){PIDli；PID2i} (i = 1，2，3，....Μ)進(jìn)行三次多項(xiàng)式擬合，計(jì)算同名點(diǎn)的殘差和均方根誤差，并迭代地剔除殘差較大的同名點(diǎn)，直到同名點(diǎn)的殘差和均方根誤差小于1個(gè)像素，得到最終的子像素同名點(diǎn)對(duì){PIDli，PID2i} (i = 1,2,3,....D)；步驟十、利用獲取的子像素同名點(diǎn)對(duì){P皿i，PID2i} (i = 1,2,3,....D)構(gòu)建不規(guī)則三角網(wǎng)，對(duì)每個(gè)三角網(wǎng)區(qū)域利用仿射變換進(jìn)行糾正，消除局部形變，獲得高精度的配準(zhǔn)影像。
【文檔編號(hào)】G06T7/00GK104021556SQ201410263647
【公開(kāi)日】2014年9月3日 申請(qǐng)日期:2014年6月13日 優(yōu)先權(quán)日:2014年6月13日
【發(fā)明者】葉沅鑫, 單杰, 曹云剛, 慎利 申請(qǐng)人:西南交通大學(xué)