一種基于高分一號衛(wèi)星數(shù)據(jù)的控制點圖元快速匹配方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計算機數(shù)字圖像處理與模式識別技術(shù)領(lǐng)域，主要涉及遙感圖像的快速 配準方法，具體涉及一種基于高分一號衛(wèi)星數(shù)據(jù)的控制點圖元快速匹配方法。
【背景技術(shù)】
[0002] 圖像配準是圖像處理中的一項基本技術(shù)，它用來匹配來自相同或者不同傳感器、 相互間具有一定幾何形變的兩幅或者多幅圖像。在遙感圖像處理中，配準技術(shù)一直受到極 大的關(guān)注，它是遙感圖像鑲嵌、多傳感器信息融合、變化檢測等相關(guān)應(yīng)用的一個重要環(huán)節(jié)， 同時圖像配準在計算機視覺、運動目標檢測、視覺圖像、立體視覺等多個領(lǐng)域的用處也越來 越廣泛。
[0003] 目前國內(nèi)外主要的圖像配準方法大致分為基于區(qū)域的配準方法和基于特征的配 準方法。
[0004] 基于區(qū)域的配準方法通常直接利用圖像區(qū)域的灰度信息，建立兩幅圖像之間的相 似性度量，然后采用某種搜索方法，尋找使相似性度量值最大的變換參數(shù)，由于該方法利用 了區(qū)域內(nèi)所有像素的灰度信息，所以配準精度較高，但是計算量大，速度較慢，對噪聲和光 照的魯棒性較差。
[0005] 基于特征的圖像配準方法首先提取圖像的不變特征（點、線、面），然后對這些不 變進行匹配而完成圖像之間的配準。點特征是圖像配準中應(yīng)用最多的特征，稱為特征點。由 于圖像的特征點比區(qū)域內(nèi)的像素點要少得多，因此大大減少了配準過程的計算，穩(wěn)定的特 征點可以減少噪聲的影響，對灰度變化、圖像形變以及部分遮擋等都有較好的適應(yīng)能力，因 此在圖像配準領(lǐng)域得到了廣泛的應(yīng)用。
[0006] 特征點提取包括角點和斑點。Moravec在1977年提出了利用圖像灰度自相關(guān)函數(shù) 的Moravec興趣點檢測算子，主要利用影像灰度方差；Harries等人1988年提出了Moravec 算子的改進算子-Harries算子，該算子對于"L"型的角點特征最敏感，實驗表明，該算 子對于圖像存在旋轉(zhuǎn)、照明變化和透視變形時是穩(wěn)定的，詳見文獻：ChrisHarris，Mike Stephens，ACombinedCornerandEdgeDetector,4thAlveyVisionConference，1988， ppl47-151〇
[0007] 角點檢測算法還有1995年Smith和Brady等提出的SUSAN算法，該方法基于灰度 變化特征，對于紋理信息豐富的圖像，可以提取出大量的特征點。但當噪聲較大或干擾物過 多時，特征點大幅度增加將顯著增加特征點匹配的運算量。因此該方法適合于具有明顯角 度特征，且信噪比較高的場合，如公路的十字路口，房屋的棱角等人造物體。
[0008]Forstner于1987年提出一種快速興趣點檢測算子，該算子可以檢測角點和圓形 斑點，其基本思想是對最佳窗口內(nèi)每個像元的邊緣直線進行加權(quán)中心化，得到角點坐標或 圓心坐標。該算子的優(yōu)點是具有亞像元的定位精度。張力等利用Forstner算子提取影像 的特征點進行立體像對加密。
[0009] 以上算子均不具有尺度不變性，對于不同比例尺拍攝的影像通常無法獲取相同 的特征點。Mikolajczyk和Schmid等人利用Laplace響應(yīng)對不同尺度生成的Harris角 點進行比較，生成局部最優(yōu)角點，這樣就將多尺度性質(zhì)引入Harris角點檢測中，又稱為 Harris-Laplace檢測法。該方法檢測的角點在位置和尺度空間都是局部最大響應(yīng)值，因此 可以對不同尺度的影像進行特征檢測和匹配。
[0010] 另外一種著名的尺度不變特征點檢測算法是SIFT(ScaleInvariantFeature Transform)算法，由DavidG.Lowe于2004年總結(jié)提出的基于局部不變量特征的圖像匹 配算法。該算法對于斑點特征具有很好的提取效果。SIFT算子對圖像旋轉(zhuǎn)、尺度縮放、 甚至部分的三維視角變化和光照變化都能保持局部不變性，從而成為穩(wěn)定性、適應(yīng)性較強 的局部特征匹配算子，詳見文獻：DavidG.Lowe，"Distinctiveimagefeaturesfrom scale-invariantKeypoints,"InternationalJournalofComputerVision，60， 2(2004)，pp. 91-110。
[0011] SURF(SpeededUpRobustFeatures)算法是HerbertBay，TinneTuytelaars 和LucVanGool在2006年提出的一個新的基于局部不變量特征的匹配算法，詳見文獻： BayH,TuytelaarsT,GoolLV.SURF. .speededuprobustfeatures[A].SpringerLNCS, 2006. 404-417。采用積分圖像加速計算，使用尺寸不變的圖像棧模式與近似濾波器計算實 現(xiàn)尺度分析，并通過Hessain矩陣計算并提取不變量特征，在處理旋轉(zhuǎn)變化和圖像模糊退 化方面比SIFT算法更加魯棒，而在處理圖像光照變化和成像視點變化方面弱于SIFT算法。 SURF算法最重要的優(yōu)勢是計算時間大概只有SIFT的1/3。對于高分辨率遙感圖像，SURF 算法的快速性相比SIFT算法有很大優(yōu)勢，同時其特征點的提取效果也可以很好的滿足后 續(xù)的配準工作。
[0012] 目前遙感領(lǐng)域內(nèi)的圖像配準依賴于參考影像，這種方法有兩個缺陷，一是由于整 幅的參考影像覆蓋范圍較大，若對整幅參考影像提取特征點，必然會降低算法效率，同時提 取到的特征點必然包含一些辨識度不高的特征點；二是參考影像大小不同，分辨率不同，不 便于管理。
[0013] 隨著科技的飛速進步與經(jīng)濟生活的快速發(fā)展，特別是我國第一顆高分辨率對地觀 測衛(wèi)星-高分一號衛(wèi)星的成功發(fā)射，這對遙感圖像匹配技術(shù)提出了更高的要求，針對高分 一號衛(wèi)星數(shù)據(jù)的匹配精度高、匹配速度快、不依賴參考影像的圖像配準方法已經(jīng)成為應(yīng)用 領(lǐng)域的迫切需求。

【發(fā)明內(nèi)容】

[0014](一）發(fā)明目的
[0015] 本發(fā)明的目的是：針對遙感圖像的配準，提供一種基于高分一號衛(wèi)星數(shù)據(jù)的控制 點圖元快速匹配方法，構(gòu)建并不斷完善控制點圖元數(shù)據(jù)庫，使高分影像能夠快速完成圖像 配準而不依賴整幅參考影像。
[0016](二）技術(shù)解決方案
[0017] 本發(fā)明提供了一種基于高分一號衛(wèi)星數(shù)據(jù)的控制點圖元快速匹配方法，包括以下 步驟：
[0018] 步驟10、圖元采集與增強處理，獲取控制點圖元集；
[0019] 步驟20、高分影像區(qū)域化與增強處理，獲取區(qū)域化高分影像集；
[0020] 步驟30、通過RPC輔助的粗定位方法，建立區(qū)域化高分影像的同區(qū)域圖元集。
[0021] 步驟40、分別對區(qū)域化高分影像及同區(qū)域圖元集進行快速SURF特征點提?。?br>[0022] 步驟50、利用RANSAC法對提取到的特征點進行錯誤點稀疏剔除；
[0023] 步驟60、區(qū)域化的高分影像間匹配點合并；
[0024] 步驟70、混合區(qū)域的多項式錯點迭代剔除；
[0025] 所述步驟10中圖元采集與增強處理，獲取控制點圖元集，其圖元集的獲取來源于 高分一號衛(wèi)星影像，與其他遙感影像不同，高分影像是16位影像，像素值集中在0~500之 間，故采集與增強方法不同于其他遙感影像；目前遙感領(lǐng)域內(nèi)的圖像配準依賴于參考影像， 這種方法有兩個缺陷，一是由于整幅的參考影像覆蓋范圍較大，若對整幅參考影像提取特 征點，必然會降低算法效率，同時提取到的特征點必然包含一些無意義的特征點；二是參考 影像大小不同，分辨率不同，不便于管理，通過構(gòu)建并完善控制點圖元數(shù)據(jù)庫可以改善以上 兩個缺點。具體步驟是：
[0026] 1、選取高分參考影像上特征明顯的控制點進行標記；
[0027] 2、標記控制點位置為圖元中心位置，以不同大小窗口采集不同大小的圖