一種基于sift特征點(diǎn)的高空間分辨率遙感影像自動(dòng)配準(zhǔn)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種遙感影像處理領(lǐng)域，具體說(shuō)是一種基于SIFT特征點(diǎn)的高空間分辨率遙感影像自動(dòng)配準(zhǔn)方法。
【背景技術(shù)】
[0002]一個(gè)良好的遙感影像配準(zhǔn)方法或方案應(yīng)該具有以下特性:A、穩(wěn)健性強(qiáng)；即算法不受輸入圖像的內(nèi)容和質(zhì)量的影響。B、適應(yīng)性廣；適應(yīng)性包括兩方面:一方面是輸入圖像的類型，可以是不同時(shí)相的圖像，也可以是不同傳感器的圖像，甚至是圖像與地圖之間的配準(zhǔn)；另一方面是幾何變換模型的類型，可以是相似變換、仿射變換或者多項(xiàng)式變換，甚至更復(fù)雜的變換形式。C、自動(dòng)化程度高；算法盡量不需要操作者參與，包括地面控制點(diǎn)、參數(shù)以及算法的選擇。D、計(jì)算量較少；這一特性在處理大尺寸遙感圖像時(shí)尤為重要。E、配準(zhǔn)精度高；目前有許多應(yīng)用環(huán)境要求子像元精度。然而，到目前為止還沒(méi)有一種方案或方法能夠同時(shí)具備上述五條特性，大部分的方法都是針對(duì)特定應(yīng)用的。

【發(fā)明內(nèi)容】

[0003]本發(fā)明提供了一種基于SIFT特征點(diǎn)的高空間分辨率遙感影像自動(dòng)配準(zhǔn)方法，利用SIFT特征點(diǎn)對(duì)光照、旋轉(zhuǎn)和遮擋等干擾因素的不變特性，通過(guò)多次提純，保留完全匹配的同名點(diǎn)，配準(zhǔn)精度高，能達(dá)到亞像元級(jí)。
[0004]為實(shí)現(xiàn)本發(fā)明的目標(biāo)所采用的技術(shù)方案是:方法包括以下步驟:
[0005]步驟1:分別對(duì)輸入的兩幅待配準(zhǔn)遙感影像imagel和image2進(jìn)行預(yù)處理；
[0006]步驟2:分別對(duì)影像imagel和image2提取SIFT特征點(diǎn)，得到SIFT特征點(diǎn)集合SIFT_SET1和 SIFT_SET2 ；
[0007]步驟3:利用特征網(wǎng)格方法分別對(duì)SIFT特征點(diǎn)集合SIFT_SET1和SIFT_SET2進(jìn)行提純，得到提純后的SIFT特征點(diǎn)集合REFINED_SIFT_SET1和REFINED_SIFT_SET2 ；
[0008]步驟4:分別對(duì)集合 REFINED_SIFT_SET1 和 REFINED_SIFT_SET2 建立 KD 樹(shù)，得到KDl 和 KD2 ；
[0009]步驟5:用BBF算法分別在KDl中搜索到KD2的最近鄰和次近鄰節(jié)點(diǎn)以及在KD2中搜索到KDl的最近鄰和次近鄰節(jié)點(diǎn)；
[0010]步驟6:利用雙向的最近鄰/次近鄰的比值提純法對(duì)特征匹配對(duì)進(jìn)行提??；
[0011]步驟7:利用特征匹配對(duì)計(jì)算仿射變換矩陣；
[0012]步驟8:以影像imagel為參照，對(duì)影像image2進(jìn)行仿射變換。
[0013]所述的預(yù)處理包括噪聲去除和邊緣增強(qiáng)，采用的方法為通過(guò)各向異性熱擴(kuò)散方程構(gòu)造遙感影像的非線性尺度空間，其迭代方程如下:
[0014]It+1= I t+A (cNx’yV N(It)+cSx,yV s(It)+cEx,yV E(It)+cffx,yV ff(It))
[0015]其中，I為影像，VN(It)、V s (It)、▽ E(It)和▽ w(It)分別是四個(gè)方向的偏導(dǎo)，cNx，y、cSx，y、cEx，y和cWx，y分別是四個(gè)方向上的導(dǎo)熱系數(shù)，λ為平滑控制系數(shù)，取值越大，圖像越平滑，越不易保留邊緣。為了更大程度保留邊緣信息，對(duì)各個(gè)顏色分量分別進(jìn)行非線性尺度變換，最后再做疊加。
[0016]所述的特征網(wǎng)格方法為:將兩幅待配準(zhǔn)遙感影像均勻劃分為兩個(gè)層次的網(wǎng)格一一一級(jí)特征網(wǎng)格和二級(jí)特征網(wǎng)格。一級(jí)特征網(wǎng)格是劃分后的最小單元網(wǎng)格，四個(gè)相鄰的一級(jí)特征組成一個(gè)二級(jí)特征，分別計(jì)算每個(gè)一級(jí)特征網(wǎng)格的信息熵并進(jìn)行從大到小排序，保留信息熵排在前25%的一級(jí)特征網(wǎng)格，若二級(jí)特征中不含保留的一級(jí)特征網(wǎng)格，則比較其包含的四個(gè)一級(jí)特征網(wǎng)格，保留其中信息熵最大的一級(jí)特征網(wǎng)格。最后，只提取和計(jì)算落在被保留的一級(jí)特征網(wǎng)格中的SIFT特征點(diǎn)。
[0017]本發(fā)明的有益效果是:解決了高空間分辨率遙感影像配準(zhǔn)誤差大的問(wèn)題，能夠?qū)崿F(xiàn)配準(zhǔn)的高精度和自動(dòng)化，在遙感影像的變化檢測(cè)領(lǐng)域具有廣泛的應(yīng)用價(jià)值。
【附圖說(shuō)明】
[0018]圖1是本發(fā)明的總體處理流程圖。
【具體實(shí)施方式】
[0019]下面結(jié)合附圖詳細(xì)描述本發(fā)明的【具體實(shí)施方式】。
[0020]在步驟101，輸入待配準(zhǔn)的兩幅遙感影像imagel和image2均為Quick bird的多光譜影像。
[0021]在步驟102，為了保證在去除噪聲的同時(shí)保留邊緣信息采用各向異性熱擴(kuò)散方程構(gòu)造遙感影像的非線性尺度空間，其迭代方程如下:
[0022]It+1= I ,+ λ (cNx’yV N(It)+cSx’yV s(It)+cEx,yV E(It)+cffx,yV ff(It))
[0023]其中，1為影像，~(1,)、~(1,)、~(1,)和^?(1,)分別是四個(gè)方向的偏導(dǎo)，cNx，y、(^〃、(^^和…吣分別是四個(gè)方向上的導(dǎo)熱系數(shù)，λ為平滑控制系數(shù)，取值為50。為了更大程度保留邊緣信息，對(duì)兩幅待配準(zhǔn)遙感影像imagel和image2的三個(gè)波段分別進(jìn)行非線性尺度變換，最后再做疊加。
[0024]在步驟103，分別對(duì)影像image I和image2提取SIFT特征點(diǎn)，分別記為SIFT_SETl和SIFT_SET2，SIFT參數(shù)采用Lowe在其文章中提出的默認(rèn)參數(shù)，詳見(jiàn)“D G Lowe.Distinctive Image Features from Scale—Invariant Key points.1nternat1nalJournal of Computer Vis1n, 60:91 - 110, 2004.”0
[0025]在步驟104，為了減少特征數(shù)量并使其分布更均勻，采用特征網(wǎng)格方法將兩幅待配準(zhǔn)遙感影像imagel和image2均勾劃分為兩個(gè)層次的網(wǎng)格--一級(jí)特征網(wǎng)格和二級(jí)特征網(wǎng)格。一級(jí)特征網(wǎng)格是劃分后的最小單元網(wǎng)格，四個(gè)相鄰的一級(jí)特征組成一個(gè)二級(jí)特征，分別計(jì)算每個(gè)一級(jí)特征網(wǎng)格的信息熵并進(jìn)行從大到小排序，保留信息熵排在前25%的一級(jí)特征網(wǎng)格，若二級(jí)特征中不含保留的一級(jí)特征網(wǎng)格，則比較其包含的四個(gè)一級(jí)特征網(wǎng)格，保留其中信息熵最大的一級(jí)特征網(wǎng)格。最后，只提取和計(jì)算由步驟103中產(chǎn)生的SIFT_SET1和SIFT_SET2中落在被保留的一級(jí)特征網(wǎng)格中的SIFT特征點(diǎn)，分別記為REFINED_SIFT_SET1和 REFINED_SIFT_SET2。
[0026]在步驟105，為了更高效地進(jìn)行SIFT特征的搜索，分別對(duì)步驟104中產(chǎn)生的REFINED_SIFT_SET1 和 REFINED_SIFT_SET2 建立 KD 樹(shù)搜索空間，分別記為 KDl 和 KD2。
[0027]在步驟106，搜索特征匹配對(duì)，【具體實(shí)施方式】為:用BBF算法分別在KDl中搜索到KD2的最近鄰和次近鄰節(jié)點(diǎn)以及在KD2中搜索到KDl的最近鄰和次近鄰節(jié)點(diǎn)，若兩個(gè)方向(KDl — KD2和KD2 — KDl)的最近鄰和次近鄰之比均大于0.6，則將此兩個(gè)節(jié)點(diǎn)作為特征匹配對(duì)。
[0028]在步驟107，根據(jù)步驟106提取的特征匹配對(duì)計(jì)算仿射變換矩陣。
[0029]在步驟108，以影像imagel為參照，對(duì)影像image2進(jìn)行仿射變換。
[0030]在步驟109，輸出配準(zhǔn)結(jié)果。
【主權(quán)項(xiàng)】
1.一種基于SIFT特征點(diǎn)的高空間分辨率遙感影像自動(dòng)配準(zhǔn)方法，其特征在于包括以下步驟: 步驟1:分別對(duì)輸入的兩幅待配準(zhǔn)遙感影像imagel和image2進(jìn)行預(yù)處理； 步驟2:分別對(duì)影像imagel和image2提取SIFT特征點(diǎn)，得到SIFT特征點(diǎn)集合SIFT_SETl和 SIFT_SET2 ； 步驟3:利用特征網(wǎng)格方法分別對(duì)SIFT特征點(diǎn)集合SIFT_SET1和SIFT_SET2進(jìn)行提純，得到提純后的 SIFT 特征點(diǎn)集合 REFINED_SIFT_SET1 和 REFINED_SIFT_SET2 ； 步驟4:分別對(duì)集合REFINED_SIFT_SET1和REFINED_SIFT_SET2建立KD樹(shù)，得到KDl和KD2 ； 步驟5:用BBF算法分別在KDl中搜索到KD2的最近鄰和次近鄰節(jié)點(diǎn)以及在KD2中搜索到KDl的最近鄰和次近鄰節(jié)點(diǎn)； 步驟6:利用雙向的最近鄰/次近鄰的比值提純法對(duì)特征匹配對(duì)進(jìn)行提取； 步驟7:利用特征匹配對(duì)計(jì)算仿射變換矩陣； 步驟8:以影像imagel為參照，對(duì)影像image2進(jìn)行仿射變換。
2.根據(jù)權(quán)利要求1所述的一種基于SIFT特征點(diǎn)的高空間分辨率遙感影像自動(dòng)配準(zhǔn)方法，其特征在于預(yù)處理包括噪聲去除和邊緣增強(qiáng)，采用的方法為通過(guò)各向異性熱擴(kuò)散方程構(gòu)造遙感影像的非線性尺度空間，其迭代方程如下:It+1= It+A (cNx,yV N(It)+cSx,yV s(It)+cEx,yV E(It)+cffx,yV ff(It)) 其中，I為影像，VN(It)、Vs(It)、VE(It)和Vw(It)分別是四個(gè)方向的偏導(dǎo)，cNx，y、cSx，y、cEx，y和cWx，y分別是四個(gè)方向上的導(dǎo)熱系數(shù)，λ為平滑控制系數(shù)，取值越大，圖像越平滑，越不易保留邊緣。為了更大程度保留邊緣信息，對(duì)各個(gè)顏色分量分別進(jìn)行非線性尺度變換，最后再疊加。
3.根據(jù)權(quán)利要求1所述的一種基于SIFT特征點(diǎn)的高空間分辨率遙感影像自動(dòng)配準(zhǔn)方法，其特征在于特征網(wǎng)格方法為:將兩幅待配準(zhǔn)遙感影像均勻劃分為兩個(gè)層次的網(wǎng)格一一一級(jí)特征網(wǎng)格和二級(jí)特征網(wǎng)格。一級(jí)特征網(wǎng)格是劃分后的最小單元網(wǎng)格，四個(gè)相鄰的一級(jí)特征組成一個(gè)二級(jí)特征，分別計(jì)算每個(gè)一級(jí)特征網(wǎng)格的信息熵并進(jìn)行從大到小排序，保留信息熵排在前25%的一級(jí)特征網(wǎng)格，若二級(jí)特征中不含保留的一級(jí)特征網(wǎng)格，則比較其包含的四個(gè)一級(jí)特征網(wǎng)格，保留其中信息熵最大的一級(jí)特征網(wǎng)格。最后，只提取和計(jì)算落在被保留的一級(jí)特征網(wǎng)格中的SIFT特征點(diǎn)。
【專利摘要】本發(fā)明涉及一種基于SIFT特征點(diǎn)的高空間分辨率遙感影像自動(dòng)配準(zhǔn)方法。包括如下步驟：步驟1，預(yù)處理；步驟2，提取SIFT特征點(diǎn)；步驟3，對(duì)SIFT特征點(diǎn)進(jìn)行提純；步驟4，建立KD樹(shù)；步驟5，搜索到最近鄰和次近鄰節(jié)點(diǎn)；步驟6，提取特征匹配對(duì)；步驟7，計(jì)算仿射變換矩陣；步驟8，進(jìn)行仿射變換。利用SIFT特征點(diǎn)的不變特性，解決了高空間分辨率遙感影像配準(zhǔn)誤差大的問(wèn)題，能夠?qū)崿F(xiàn)配準(zhǔn)的高精度和自動(dòng)化，在遙感影像的變化檢測(cè)領(lǐng)域具有廣泛的應(yīng)用價(jià)值。
【IPC分類】G06T3-00
【公開(kāi)號(hào)】CN104794678
【申請(qǐng)?zhí)枴緾N201510221025
【發(fā)明人】施文灶
【申請(qǐng)人】福建師范大學(xué)
【公開(kāi)日】2015年7月22日
【申請(qǐng)日】2015年5月4日