本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，涉及一種多時相遙感圖像特征點配準(zhǔn)方法，尤其涉及一種多時相超高分辨率遙感圖像中高層建筑特征點配準(zhǔn)方法，其為在分析多時相遙感圖像視角差異的基礎(chǔ)上利用特征點對周圍圖像塊的相似性分析特征點對的匹配性。

背景技術(shù)：

多時相遙感圖像配準(zhǔn)是遙感圖像變化檢測、信息融合的基礎(chǔ)。城市遙感圖像分析中，一方面，隨著遙感技術(shù)的發(fā)展，遙感圖像的分辨率越來越高；另一方面，為提高城市土地利用效率，高層建筑越來越普遍。在超高分辨率的遙感圖像中，不同拍攝視角下，高層建筑的形態(tài)及在圖像中的位置發(fā)生較為明顯的變化，同時對周圍地物形成遮擋，高層建筑周圍的圖像也可能發(fā)生一定變化，這些對特征點的匹配形成干擾，減少了建筑物上正確匹配特征點對的數(shù)量。

基于特征的多時相遙感圖像配準(zhǔn)過程，典型步驟包括：(1)提取特征：主要特征包括點特征、線特征和區(qū)域特征，其中點特征研究偏多，主要利用點周圍的灰度變化檢測特征點，先后出現(xiàn)了Forstner、Gabor、SUSAN、Harris、SIFT和SURF等特征，其中SIFT和SURF等特征點具有良好的局部不變性，在圖像配準(zhǔn)中得到廣泛應(yīng)用；線特征和區(qū)域特征主要是利用直線提取技術(shù)和區(qū)域分割技術(shù)獲得圖像中包含的主要直線和區(qū)域。(2)特征匹配：主要根據(jù)所提取特征的描述方式來匹配特征，形成特征對，如點特征SIFT和SURF利用特征點周圍灰度變化的相似性，線特征利用直線方向、直線之間空間關(guān)系等的相似性，區(qū)域特征利用區(qū)域面積、形狀等的相似性。(3)特征對篩選：針對特征匹配中部分錯誤匹配的特征對，采用馬氏距離、RANSAC等方式去除。(4)空間變換：利用正確匹配的特征對，計算空間變換模型，利用空間變換模型對待匹配圖像進(jìn)行變換，使得參考圖像和待匹配圖像一致，其中典型的空間變換模型包括仿射變換、透視變換、多項式變換等。

在不同視角的超高分辨率城市遙感圖像中，中高層建筑會在圖像呈現(xiàn)不同形態(tài)。此時中高層建筑的側(cè)面在圖像中表現(xiàn)形狀存在差異，在中高層建筑物側(cè)面獲得特征，同時這些中高層建筑對周圍地物造成遮擋，也對特征選取造成影響，導(dǎo)致獲得的可匹配特征少。中高層建筑的頂部盡管在圖像中的位置存在差異，但是其基本結(jié)構(gòu)特征、顏色特征保留較好，是特征提取與匹配的重點區(qū)域。因中高層建筑物的高度存在差異，導(dǎo)致中高層建筑物屋頂?shù)奶卣鏖g不能服從同一空間變換，在特征對篩選階段，部分已正確匹配的特征對被去除。本發(fā)明針對這部分已正確匹配的特征對展開分析，以保留這部分已正確匹配的特征對，增加特征對的數(shù)量，為后續(xù)的信息融合和變化檢測等提供更多更好的信息。

本發(fā)明所提出的特征點匹配方法主要分為三部分，第一部分，提取特征點并初步匹配；第二部分，嚴(yán)格篩選出少量正確匹配的特征點對，并利用正確匹配的特征點對，分析視角變化信息；第三部分，結(jié)合視角變化信息，對初步匹配的特征點對重新篩選，并分析特征點對周圍圖像塊的相似性驗證特征對的匹配性。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題在于提供一種超高分辨率遙感圖像中高層建筑特征點匹配方法。該方法針對不同視角下高層建筑在高分辨率遙感圖像中發(fā)生的位置變化，導(dǎo)致高層建筑上匹配的特征點對少的問題，利用參考圖像和待匹配圖像間存在的視角差異信息一致，篩選出特征角度變化相同的特征點對，并利用特征點對周圍圖像塊的相似性進(jìn)行驗證，以得到更多的匹配正確的落在高層建筑上的特征點對。

為實現(xiàn)上述目的，本發(fā)明所述超高分辨率遙感圖像中高層建筑特征點匹配包括如下步驟：

步驟(1)、提取特征點：將兩個時相的超高分辨遙感圖像，一個視為參考圖像，一個視為待匹配圖像，兩圖均經(jīng)過幾何校正，且具有相同的分辨率，分別在兩個圖像中提取具有局部不變性的特征點；

步驟(2)、特征點初匹配：結(jié)合特征點的描述特性，對參考圖像和待匹配圖像中的特征點進(jìn)行匹配，獲得初始匹配特征點對集，該集合中的特征點對包含較多的錯誤匹配；

步驟(3)、特征點對嚴(yán)格篩選(一次篩選)：對初始匹配特征點對集中的特征點對嚴(yán)格篩選，獲得更為準(zhǔn)確的一次篩選特征點對集，該集合中所包含的特征點對基本匹配正確；

步驟(4)、圖像視角差異信息和圖像位置差異信息分析：利用一次篩選特征點對集，采用統(tǒng)計的方式，尋找兩圖像間的視角差異信息，得到兩圖像間的正確特征點對間存在的角度，同時，利用圖像內(nèi)最高建筑物和圖像分辨率信息獲得圖像位置差異；

步驟(5)、利用圖像視角差異和圖像位置差異二次篩選特征對：在初始匹配特征點對集中，將滿足圖像視角差異和圖像位置差異的特征點對篩選出來，得到二次篩選特征點對集；

步驟(6)、特征點對周圍圖像塊的相似性分析：針對二次篩選特征點對集中的每一對特征點，在其周圍取圖像塊，采用互信息的方式分析對應(yīng)圖像塊的相似性；

步驟(7)、特征點對驗證：如果特征點對周圍任一圖像塊的相似性滿足閾值，則認(rèn)為特征點對匹配，否則認(rèn)為特征點對不匹配，從二次篩選特征點對集中去除，得到新的正確匹配的特征對集。

其中，步驟(4)中，所述圖像視角差異信息分析時，選擇特征對角度集中的區(qū)域作為圖像視角差異，區(qū)域取值范圍建議在10度-15度內(nèi)。

其中，步驟(4)中，所述圖像位置差異信息分析時，主要指高層建筑等地物，其受拍攝視角影響，在圖像中呈現(xiàn)的最大位置差異，該最大位置差異在2倍的最高建筑物高度/圖像分辨率內(nèi)，可根據(jù)兩圖的視角差異進(jìn)一步縮小該差異的值。

其中，步驟(6)中，所述特征點對周圍圖像塊為9個圖像塊：1)以特征點為中心的1個圖像塊；2)特征點分別位于圖像塊左右上下邊緣的中心的4個圖像塊；3)特征點分別位于圖像塊的4個頂點的4個圖像塊。

本發(fā)明的原理在于：一種超高分辨率遙感圖像中高層建筑特征點匹配方法，擬處理的遙感圖像對，均經(jīng)過幾何校正，且具有相同分辨率，其步驟具體的解釋如下：

步驟(1)、提取特征點：遙感圖像配準(zhǔn)中，具有局部不變性的特征點能獲得較多較穩(wěn)定的特征點，選擇在兩圖像中采用SIFT、SURF等多種特征點提取方式獲得較多的特征點，從而獲得較多的候選特征點；

步驟(2)、特征點初匹配：結(jié)合特征點的描述特性，對不同方式下提取的特征點分別進(jìn)行匹配，獲得初始匹配特征點對集，該集合中的特征點對包含較多的錯誤匹配；

步驟(3)、特征點對嚴(yán)格篩選(一次篩選)：對初始匹配特征點對集中的特征點對采用RANSAC、馬氏距離等方法去除錯誤匹配的特征點對，同時一些正確的點對也被刪除，但經(jīng)過嚴(yán)格篩選后，在獲得的一次篩選特征點對集中，所包含的特征點對基本匹配正確；

步驟(4)、圖像視角差異信息和圖像位置差異信息分析：兩圖像的視角固定，所以對于落在高層建筑上的特征點對，所形成的角度是固定，而一次篩選特征點對集中的點對基本匹配正確，所以可以采用統(tǒng)計的方式，將角度相對集中的區(qū)域視為兩圖像間的視角差異信息；同時，高層建筑物在圖像中因拍攝視角導(dǎo)致的位置差異，是由建筑物高、視角差異和圖像分辨率共同決定的，視角差異所形成的位置差異最大為2倍的建筑物高/圖像分辨率；

步驟(5)、利用圖像視角差異和圖像位置差異二次篩選特征對：在初始匹配特征點對集中，逐一分析特征點對，如果特征點對所形成的角度差異與圖像視角差異基本一致，同時特征點對的位置差異在圖像位置差異范圍內(nèi)，將該特征點對放入二次篩選特征點對集中；

步驟(6)、特征點對周圍圖像塊的相似性分析：高層建筑在不同的視角圖像中，其頂部相對穩(wěn)定，在圖像中變現(xiàn)具有較好的一致性，但是由于拍攝視角不同，頂部周圍的地物又有差異，因此，落在建筑頂部的特征點對，其局部具有較好的相似性，本發(fā)明采用特征點周圍圖像塊的方式來比較和發(fā)現(xiàn)局部的相似性，并采用互信息的方式來判斷圖像塊的相似性；

步驟(7)、特征點對驗證：如果特征點對周圍任一圖像塊的相似性滿足閾值，則認(rèn)為特征點對匹配，否則認(rèn)為特征點對不匹配，從二次篩選特征點對集中去除，得到新的正確匹配的特征對集。

本發(fā)明的有益效果：

1.能基于圖像分析不同拍攝視角下圖像視角差異信息；

2.能獲得更多的正確匹配的特征對，特別是高層建筑上的特征點對；

3.基于匹配建筑物特征點對建筑物進(jìn)行信息融合和變化檢測處理。

附圖說明

圖1為一種超高分辨率遙感圖像中高層建筑特征點匹配方法流程圖；

圖2為參考圖像例子；

圖3為待配準(zhǔn)圖像例子；

圖4為以特征點為中心的圖像塊(圖中黑點為特征點)；

圖5為以特征點為邊緣中心點的圖像塊(圖中黑點為特征點)；

圖6為以特征點為角點的圖像塊(圖中黑點為特征點)；

圖7為圖像特征點配準(zhǔn)情況。

具體實施方式

下面結(jié)合附圖以及具體實施方式進(jìn)一步說明本發(fā)明，本發(fā)明主要包含的步驟有：提取特征點、特征點初匹配、特征點對嚴(yán)格篩選(一次篩選)、圖像視角差異信息和圖像位置差異信息分析、利用圖像視角差異和圖像位置差異二次篩選特征對、特征點對周圍圖像塊的相似性分析、特征點對驗證。對于高層建筑密集的城市區(qū)域，以某區(qū)域的兩個時刻拍攝的同分辨率超高分辨率多光譜遙感圖像為例，如圖2和圖3所示(已轉(zhuǎn)化為黑白圖像顯示)，因拍攝角度不同，導(dǎo)致建筑物在圖像中的位置有所偏差，受高層建筑高度差異和拍攝視角差異影響，難以篩選出高層建筑上特征點對。本發(fā)明利用兩個時相下圖像的視角差一定，篩選出部分特征點對并進(jìn)行驗證。下面以圖2和圖3中的圖像為例，對本發(fā)明的具體實施步驟進(jìn)行詳細(xì)地說明。

如圖1所示，本發(fā)明的實現(xiàn)共分為7個主要步驟，分別為：

(1)從參考圖像I₁和待配準(zhǔn)圖像I₂中，提取點特征

本發(fā)明在兩個時相的遙感圖像中，選擇其中一幅作為參考圖像I₁，另一幅作為待配準(zhǔn)圖像I₂。

本發(fā)明選擇具有局部不變性的點特征，包括SIFT、SURF和Harris-Laplace，分別獲得特征點集P1_ST、P1_SF、P1_HL、P2_ST、P2_SF、P2_HL，其中P1_ST、P1_SF、P1_HL表示從I₁中提取的SIFT、SURF和Harris-Laplace特征點，P2_ST、P2_SF、P2_HL表示從I₂中提取的SIFT、SURF和Harris-Laplace特征點。

(2)特征點初匹配

結(jié)合特征點自身描述特性匹配特征點，即將特征點集P1_ST與特征點集P2_ST匹配、特征點集P1_SF與特征點集P2_SF匹配、特征點集P1_HL與特征點集P2_HL匹配，得到初始匹配特征點對集C_ST、C_SF、C_HL，分別對應(yīng)SIFT、SURF和Harris-Laplace三類特征點獲得的特征點對，這些特征點對部分正確匹配，部分錯誤匹配。

(3)特征點對嚴(yán)格篩選(一次篩選)

采用RANSAC方法，利用特征點對是否符合一致的變換對初始匹配特征點對集C_ST、C_SF、C_HL中的特征點對進(jìn)行一次篩選，可以結(jié)合圖像畸變情況，選擇仿射變換、透視變換等，本發(fā)明建議選擇透視變換。篩選后獲得一次篩選特征點對集F，F(xiàn)中正確匹配的特征點對占比多，僅存在少數(shù)或不存在誤匹配特征點對。對F的描述如下：

F＝{<P₁₁，P₂₁>，<P₁₂，P₂₂>，<P₁₃，P₂₃>，...，<P_1n，P_2n>}

即，F(xiàn)中包含n對特征點對，其中<P_1i，P_2i>(i＝1，2，...，n)表示一特征點對，特征點P_1i表示來自參考圖像I₁，特征點P_2i表示來自待匹配圖像I₂。P_1i、P_2i包含了特征點的位置信息，分別用<x_1i，y_1i>和<x_2i，y_2i>表示。

(4)圖像視角差異信息和圖像位置差異信息分析

從一次篩選特征點對集F中取出每對特征點對的位置信息，分別計算每對特征點對間的角度，得到角度集合{β₁，β₂，...，β_n}，其中β_i(i＝1，2，...，n)對應(yīng)F中第i對特征點對。以第i對特征點對為例，該特征點對的位置信息分別為<x_1i，y_1i>和<x_2i，y_2i>，采用以下公式計算該特征點對的角度β_i：

其中atag為arctag函數(shù)，進(jìn)一步通過以下判斷和公式，將β_i轉(zhuǎn)化為0-360度范圍：

如果x_1i-x_2i＜0，則β_i＝β_i+180；

如果x_1i-x_2i＞0，且y_1i-y_2i＜0，則β_i＝β_i+360。

以區(qū)間B，尋找特征點對角度較為集中的區(qū)間[A，A+B]，即，{β₁，β₂，...，β_n}落在區(qū)間[A，A+B]內(nèi)數(shù)量最多，若區(qū)間B跨越0度或360度時，可進(jìn)一步采用分段統(tǒng)計?？蓪⒃搮^(qū)域的中間角度視為兩幅圖像中存在的圖像視角差。

[A，A+B]＝arg maxnum{β_i}(i＝1，2，..，n)

因視角差是拍攝角度差異形成的，而兩幅圖像的拍攝角度是固定的，且兩幅圖像經(jīng)過了校正，所以正確特征點對間的角度較為一致，建議將區(qū)間B設(shè)置為10-15度。

計算兩幅圖像中特征點對最大距離Dis_max，已知圖像中最高建筑的高度為H米，圖像中最高建筑在不同視角下所拍攝的圖像，位置偏離最大為其中R為圖像的分辨率?？筛鶕?jù)視角差異信息進(jìn)一步縮小Dis_max。

(5)利用圖像視角差異和圖像位置差異二次篩選特征對

在初始匹配特征點對集中，依次從C_ST、C_SF、C_HL取出每一對特征點對，假設(shè)該點對在圖像I₁和圖像I₂中位置分別為<x_1i，y_1i>和<x_2i，y_2i>，以步驟(4)中的圖像視角差和特征點對最大距離作為約束條件，獲得二次篩選特征點對集，具體為：

1)采用步驟(4)中的方法，獲得特征點對間存在的角度α；

2)計算以下公式計算兩點的距離Dis_pr：

3)如果角度α處在區(qū)間[A，A+B]，且Dis_Pr小于Dis_max，則將該特征點對放入二次篩選特征點對集。

(6)特征點對周圍圖像塊的相似性分析

針對特征點對周圍的圖像塊，采用計算圖像塊互信息的方式驗證二次篩選特征點對集中的每一對特征點對的相似性。如果特征點周圍任意圖像塊相似，即圖像塊的互信息滿足條件，則認(rèn)為特征點對相似。假設(shè)二次篩選特征點對集中某特征點對在圖像I₁和圖像I₂中位置分別為<x_1i，y_1i>和<x_2i，y_2i>，取特征點周圍9個圖像塊過程具體為：

1)特征點為圖像塊的中心，共1個圖像塊，如圖4所示，在圖像I₁和圖像I₂中分別記為B₁₁和B₂₁；

2)特征點為圖像塊的邊緣中心，共4個圖像塊，如圖5所示，在圖像I₁和圖像I₂中分別記為B₁₂和B₂₂、B₁₃和B₂₃、B₁₄和B₂₄、B₁₅和B₂₅；

3)特征點為圖像塊角點，共4個圖像塊，如圖6所示，在圖像I₁和圖像I₂中分別記為B₁₆和B₂₆、B₁₇和B₂₇、B₁₈和B₂₈、B₁₉和B₂₉。

其中B_pq(p＝1，2；q＝1，2，...，9)表示圖像I_p中第q個圖像塊，圖像塊大小為Size_Blk。分別計算兩幅圖像中對應(yīng)各圖像塊的互信息，共可獲得9個圖像塊的互信息{MI₁，MI₂，...，MI₉}。

(7)特征點對驗證

設(shè)定一個閾值B_MI，如果特征點對的任意圖像塊對的互信息大于閾值T_MI，即

則認(rèn)為該特征點對是匹配的。圖2和圖3特征點匹配結(jié)果如圖7所示，其原理在于不同視角下高層建筑的屋頂(特別是平面屋頂)相對于高層建筑的側(cè)面具有更好的呈現(xiàn)穩(wěn)定性，但在圖像中的位置有所偏移，表現(xiàn)在圖像中其周圍地物發(fā)生一定變化。利用屋頂呈現(xiàn)的穩(wěn)定性，通過特征點周圍的圖像塊找到屋頂所在的圖像塊來匹配特征點。

本發(fā)明所提供的多時相超高分辨率遙感圖像配準(zhǔn)方法主要是為了提高城區(qū)高層建筑上特征點對的匹配性而專門提出。但顯然，本多時相遙感圖像配準(zhǔn)方法適用于多類型的遙感圖像，如全色、多光譜、高光譜、SAR、紅外等。

本發(fā)明未詳細(xì)公開的部分屬于本領(lǐng)域的公知技術(shù)。

以上對本發(fā)明所提供的同區(qū)域多視角下超高分辨率城市高層建筑遙感圖像特征點匹配方法進(jìn)行了詳細(xì)說明，但顯然本發(fā)明的具體實現(xiàn)形式并不局限于此。對于本技術(shù)領(lǐng)域的一般技術(shù)人員而言，在不背離本發(fā)明的權(quán)利要求范圍的情況下對它進(jìn)行的各種顯而易見的改變都在本發(fā)明的保護(hù)范圍之內(nèi)。