基于互信息圖像選塊和sift特征的遙感圖像配準(zhǔn)方法技術(shù)

本發(fā)明專(zhuān)利技術(shù)公開(kāi)一種基于互信息的圖像選塊和sift特征的遙感圖像配準(zhǔn)方法，主要解決現(xiàn)有遙感圖像配準(zhǔn)方法計(jì)算量大和配準(zhǔn)結(jié)果精確度不高的問(wèn)題。其實(shí)現(xiàn)步驟為：(1)輸入?yún)⒖紙D像和待配準(zhǔn)圖像；(2)隨機(jī)選取子圖像對(duì)，計(jì)算每一對(duì)圖像的互信息；(3)對(duì)互信息值進(jìn)行降序排列；(4)選取前面n個(gè)子圖像對(duì)；(5)對(duì)每一對(duì)子圖像對(duì)提取sift特征，并進(jìn)行粗匹配；(6)判斷粗匹配點(diǎn)對(duì)數(shù)是否大于500，若是，剔除錯(cuò)誤匹配點(diǎn)，進(jìn)行細(xì)匹配，否則返回步驟(5)；(7)計(jì)算配準(zhǔn)參數(shù)和互信息值；(8)選取互信息值最大的配準(zhǔn)參數(shù)作為最終的配準(zhǔn)結(jié)果。本發(fā)明專(zhuān)利技術(shù)具有用時(shí)短，配準(zhǔn)結(jié)果準(zhǔn)確、穩(wěn)定的優(yōu)點(diǎn)。

【技術(shù)實(shí)現(xiàn)步驟摘要】
基于互信息圖像選塊和sift特征的遙感圖像配準(zhǔn)方法
本專(zhuān)利技術(shù)屬于圖像處理
，涉及遙感圖像配準(zhǔn)，可用于圖像融合、圖像的變化檢測(cè)，計(jì)算機(jī)視覺(jué)與模式識(shí)別、遙感數(shù)據(jù)分析，目標(biāo)跟蹤等
中。
技術(shù)介紹
圖像配準(zhǔn)是圖像處理過(guò)程中的一個(gè)重要步驟。圖像配準(zhǔn)技術(shù)是將不同時(shí)間、不同傳感器或不同視角下獲取的同一場(chǎng)景的兩幅進(jìn)行匹配的圖像處理過(guò)程，是圖像處理的一個(gè)基本問(wèn)題。同一場(chǎng)景的圖像會(huì)存在很多差異，這些差異可以表現(xiàn)為：不同的分辨率、不同的灰度屬性、不同的位置(平移和旋轉(zhuǎn))、不同的比例尺度、不同的非線性變形等等。目前圖像之間的差異主要來(lái)自于不同的成像條件，要使具有差異性的兩幅圖像幾何坐標(biāo)對(duì)齊，就要獲得參考圖像和待配準(zhǔn)圖像之間的坐標(biāo)變換關(guān)系。通過(guò)這一變換可以把一個(gè)圖像數(shù)據(jù)集中的任意一點(diǎn)的坐標(biāo)變換到另一個(gè)數(shù)據(jù)集中的對(duì)應(yīng)位置坐標(biāo)。對(duì)于圖像配準(zhǔn)問(wèn)題，研究者已經(jīng)提出了很多方法，但是由于圖像種類(lèi)多、數(shù)據(jù)量大、變化多的特點(diǎn)，以及不同應(yīng)用要求等的限制，迄今為止還沒(méi)有一種圖像配準(zhǔn)的方法適合于所有的情況。其中基于特征的和基于灰度信息的配準(zhǔn)方法，是圖像配準(zhǔn)領(lǐng)域的研究熱點(diǎn)，并且得到了廣泛的應(yīng)用。目前，配準(zhǔn)作為一種重要的圖像預(yù)處理過(guò)程已在許多圖像處理領(lǐng)域被廣泛關(guān)注，而遙感圖像受其自身特有的屬性，如相干斑噪聲，白噪聲，灰度特征不明顯等的影響，配準(zhǔn)比一般的自然圖像難度要高的多，因此是近年來(lái)配準(zhǔn)的主要研究的對(duì)象。目前的圖像配準(zhǔn)多采取基于特征點(diǎn)的配準(zhǔn)方法和最大互信息的配準(zhǔn)方法，但這兩種方法各自都有一定的優(yōu)缺點(diǎn)：其一在基于特征點(diǎn)方法中，特征點(diǎn)的數(shù)量、位置的選擇及特征點(diǎn)匹配的精度起著重要的作用，它直接影響著配準(zhǔn)的精確性。這是因?yàn)樵谕瓿煽刂泣c(diǎn)的匹配后，剩余的工作僅僅是插值或逼近。直接基于特征點(diǎn)的方法發(fā)展歷史較長(zhǎng)，比較靈活，運(yùn)算量也相對(duì)較小，但從整體上來(lái)說(shuō)精度不是太高。針對(duì)這些問(wèn)題，一些研究者們不斷改進(jìn)特征點(diǎn)的提取算法，以期獲得較為理想的配準(zhǔn)結(jié)果，比如：H.等人提出的將圖像分割與sift特征結(jié)合起來(lái)對(duì)遙感圖像進(jìn)行配準(zhǔn)來(lái)提高獲取的配準(zhǔn)變換參數(shù)的精度，參見(jiàn)：H.L.Corte-Real,andJ.A.“AutomaticimageregistrationthroughimagesegmentationandSIFT,”IEEETrans.Geosci.RemoteSens.,vol.49,no.7,pp.2589–2600,Jul.2011。其二最大互信息的配準(zhǔn)方法不需要對(duì)圖像灰度間關(guān)系的性質(zhì)作任何假設(shè)，也不需要對(duì)圖像作分割、特征提取等預(yù)處理，幾乎可以用在任何不同模式圖像的配準(zhǔn)，并且具有較強(qiáng)的魯棒性，特別是當(dāng)其中一個(gè)圖像的數(shù)據(jù)部分缺損時(shí)也能得到很好的配準(zhǔn)效果。但是最大互信息法也存在一些缺點(diǎn)，如計(jì)算量大、配準(zhǔn)時(shí)間長(zhǎng)、互信息函數(shù)存在很多局部極值、傳統(tǒng)的優(yōu)化算法比較容易陷入局部最優(yōu)中、沒(méi)有考慮到圖像的空間信息等。所以目前最大互信息法的研究的重點(diǎn)主要集中在怎樣提高配準(zhǔn)的精確度、魯棒性和速度，包括互信息函數(shù)的精度和平滑性、多分辨率方法、配準(zhǔn)優(yōu)化算法、互信息與空間信息的結(jié)合、互信息與其他相似性測(cè)度的結(jié)合等方面的研究。比如：P.W.Plumi等人提出了將互信息和圖像的梯度信息結(jié)合起來(lái)，對(duì)圖像進(jìn)行配準(zhǔn)，參見(jiàn)：P.W.Plumi，J.B.AntoineMaintzandMaxA.Viergever,“ImageRegistrationbyMaximizationofCombinedMutualInformationandGradient,”MedicalImageComputingandComputer-AssistedIntervention–MICCAI2000,LectureNotesinComputerScienceVolume1935,2000,pp452-461。盡管?chē)?guó)內(nèi)外目前在圖像的配準(zhǔn)方面已開(kāi)展了許多研究工作，提出了種類(lèi)繁多的圖像配準(zhǔn)方法，但目前的圖像配準(zhǔn)研究仍存在著不少難點(diǎn)，這些難點(diǎn)主要有以下幾個(gè)方面：(1)自動(dòng)配準(zhǔn)算法的實(shí)現(xiàn)。自動(dòng)配準(zhǔn)是指不需要人工干預(yù)，計(jì)算機(jī)可根據(jù)既定的程序自動(dòng)完成多源圖像的配準(zhǔn)。但在目前的研究中，很多方法還需要人工干預(yù)，不能實(shí)現(xiàn)自動(dòng)配準(zhǔn)。(2)快速圖像配準(zhǔn)算法的實(shí)現(xiàn)。在建立實(shí)時(shí)/準(zhǔn)實(shí)時(shí)圖像融合系統(tǒng)時(shí)，必須擁有快速的圖像配準(zhǔn)算法作為保障。如何提高配準(zhǔn)處理速度，達(dá)到快速和實(shí)時(shí)的要求也是圖像配準(zhǔn)的一大難題。(3)高精度圖像配準(zhǔn)算法的實(shí)現(xiàn)。多源圖像配準(zhǔn)作為圖像融合的前提步驟，其精度將直接影響融合的效果。如多源遙感圖像融合，其配準(zhǔn)誤差通常都要求亞像素級(jí)，在實(shí)際的研究中，由于受圖像噪聲影響大、利用圖像景物特征配準(zhǔn)時(shí)獲取區(qū)域和邊緣困難、或圖像缺乏必需的地面特征點(diǎn)等的限制，高精度的圖像配準(zhǔn)難度增大。(4)較大幾何位置差別條件下的配準(zhǔn)技術(shù)的實(shí)現(xiàn)。在待配準(zhǔn)圖像之間存在較大的尺寸比例變化、旋轉(zhuǎn)及平移，甚至伴隨著各自圖像的非線性畸變，或存在嚴(yán)重的幾何校正殘余誤差等情況下，實(shí)現(xiàn)其配準(zhǔn)算法非常困難。在這種假設(shè)條件下，目前已有的一些配準(zhǔn)算法甚至無(wú)法實(shí)施。由于上述主要方法的存在缺點(diǎn)和圖像配準(zhǔn)的難點(diǎn)，限制了圖像配準(zhǔn)的應(yīng)用，還不能完全達(dá)到應(yīng)用的要求，因此，研究一種行之有效的圖像配準(zhǔn)方法是本
科技人員的當(dāng)務(wù)之急。
技術(shù)實(shí)現(xiàn)思路
本專(zhuān)利技術(shù)的目的在于克服上述已有技術(shù)的不足，提出一種基于互信息的圖像選塊和sift特征的遙感圖像配準(zhǔn)方法，以實(shí)現(xiàn)在遙感圖像配準(zhǔn)中既能得到良好的結(jié)果，又能降低特征提取和匹配所需要的數(shù)據(jù)量。其中sift(scale-invariantfeaturetransform，尺度不變特征轉(zhuǎn)換)，是一種檢測(cè)局部特征的算法，該算法通過(guò)求一幅圖中的關(guān)鍵點(diǎn)及其與該點(diǎn)有關(guān)的尺度和方向的描述子得到特征并進(jìn)行圖像的特征點(diǎn)匹配。本專(zhuān)利技術(shù)的技術(shù)方案是針對(duì)圖像處理此類(lèi)大規(guī)模問(wèn)題，設(shè)計(jì)采用互信息值作為選塊標(biāo)準(zhǔn)，選取子圖像塊提取sift特征進(jìn)行部分配準(zhǔn)，設(shè)計(jì)了先進(jìn)行粗匹配，再細(xì)匹配的配準(zhǔn)方法，提出了基于互信息值的選塊策略解決全局配準(zhǔn)計(jì)算復(fù)雜度高的問(wèn)題，以選取相似度最高的圖像子塊進(jìn)行sift特征提取并匹配，得到新的圖像配準(zhǔn)方法。其具體實(shí)現(xiàn)過(guò)程如下：(1)輸入?yún)⒖紙D像和待配準(zhǔn)的圖像；(2)設(shè)定迭代次數(shù)為I，每次迭代從參考圖像和待配準(zhǔn)圖像中分別隨機(jī)選取一子圖像塊，子圖像塊的大小為Ms，計(jì)算這兩個(gè)子圖像塊的互信息，并保存隨機(jī)選取的子圖像塊在原圖像中的位置坐標(biāo)；(3)對(duì)所有的子圖像對(duì)的互信息值進(jìn)行降序排列；(4)選取互信息最大的前n個(gè)子圖像對(duì)，對(duì)每一對(duì)選取的子圖像塊進(jìn)行下面的處理；(5)提取其sift特征點(diǎn)，進(jìn)行粗匹配，得到匹配點(diǎn)對(duì)的個(gè)數(shù)M；(6)若匹配點(diǎn)數(shù)M>500,則對(duì)這些匹配點(diǎn)對(duì)，剔除錯(cuò)誤的匹配點(diǎn)，進(jìn)行細(xì)匹配，否則返回步驟(5)；(7)采用隨機(jī)一致抽樣(RANSAC)算法和PV插值法分別計(jì)算出配準(zhǔn)參數(shù)和互信息值；(8)選取互信值最大的子圖像塊的配準(zhǔn)參數(shù)作為最終的配準(zhǔn)結(jié)果，并將該子圖像塊的配準(zhǔn)結(jié)果圖輸出。本專(zhuān)利技術(shù)與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)：1、本專(zhuān)利技術(shù)由于采用圖像塊進(jìn)行配準(zhǔn)，降低了計(jì)算量，提高了運(yùn)算效率；2、本專(zhuān)利技術(shù)由于采用互信息選取參考圖像中和待配準(zhǔn)圖像中相似度最高的塊進(jìn)行配準(zhǔn)，減少了由于圖像噪聲和其它因素的干擾，減少了錯(cuò)誤匹配的可能性，提升圖像配準(zhǔn)算法的精度；3、本專(zhuān)利技術(shù)由于選取使本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于互信息的圖像選塊和sift特征的遙感圖像配準(zhǔn)方法，包括如下步驟：?步驟1，輸入?yún)⒖紙D像和待配準(zhǔn)的圖像；?步驟2，設(shè)定迭代次數(shù)為I，每次迭代從參考圖像和待配準(zhǔn)圖像中分別隨機(jī)選取一子圖像塊，計(jì)算這兩個(gè)子圖像塊的互信息，并保存隨機(jī)選取的子圖像塊在原圖像中的位置坐標(biāo)；?步驟3，按照互信息值對(duì)獲得的子圖像對(duì)進(jìn)行降序排列，并使得子圖像對(duì)與原圖像位置坐標(biāo)保持一致；?步驟4，選取互信息最大的前n個(gè)子圖像對(duì)；?步驟5，提取其sift特征點(diǎn)，進(jìn)行粗匹配，得到匹配點(diǎn)對(duì)的個(gè)數(shù)M；?步驟6，若匹配點(diǎn)數(shù)M>500,則對(duì)這些匹配點(diǎn)對(duì)，剔除錯(cuò)誤的匹配點(diǎn)，進(jìn)行細(xì)匹配，否則返回步驟5；?步驟7，采用隨機(jī)一致抽樣(RANSAC)算法和PV插值法分別計(jì)算出配準(zhǔn)參數(shù)和互信息值；?步驟8，選取互信值最大的子圖像塊的配準(zhǔn)參數(shù)作為最終的配準(zhǔn)結(jié)果，并將該子圖像塊的配準(zhǔn)結(jié)果圖輸出。

【技術(shù)特征摘要】
1.一種基于互信息的圖像選塊和sift特征的遙感圖像配準(zhǔn)方法，包括如下步驟：步驟1，輸入?yún)⒖紙D像和待配準(zhǔn)的圖像；步驟2，隨機(jī)選取子圖像對(duì)，計(jì)算每對(duì)圖像的互信息；設(shè)定迭代次數(shù)為I，迭代次數(shù)越多，選取的子圖像對(duì)就越多，獲得最相似的子圖像對(duì)的可能性就越大，相應(yīng)地，計(jì)算量也越大；子圖像塊的尺寸Ms越大，計(jì)算量越大，圖像對(duì)中相互匹配的點(diǎn)也就越多；子圖像塊的尺寸Ms越小，計(jì)算量也越小，相應(yīng)地，相互匹配的點(diǎn)也越少，因此要選取合適的Ms，在減少運(yùn)算量的同時(shí)，保證有足夠的匹配點(diǎn)；每次迭代按如下步驟進(jìn)行：2a)從參考圖像和待配準(zhǔn)圖像中分別隨機(jī)選取一子圖像塊，子圖像塊的大小Ms；2b)計(jì)算這兩個(gè)子圖像塊的互信息，并保存隨機(jī)選取的子圖像塊在原圖像中的位置坐標(biāo)；步驟3，按照互信息值對(duì)獲得的子圖像對(duì)進(jìn)行降序排列，并使得子圖像對(duì)與原圖像位置坐標(biāo)保持一致；步驟4，選取互信息最大的前n個(gè)子圖像對(duì)；步驟5，對(duì)每一對(duì)子圖像對(duì)進(jìn)行sift特征提取，進(jìn)行粗匹配，得到匹配點(diǎn)對(duì)的個(gè)數(shù)M；5a)分別對(duì)子圖像塊進(jìn)行sift特征提取；5b)對(duì)參考子圖像塊的每一個(gè)sift特征描述子進(jìn)行轉(zhuǎn)置運(yùn)算，并計(jì)算其與待配準(zhǔn)子圖像塊的所有的sift特征描述子的點(diǎn)積，進(jìn)行反余弦計(jì)算并對(duì)結(jié)果進(jìn)行排序；5c)檢驗(yàn)結(jié)果，僅僅保留那些最小的矢量角與次小的矢量角之間的比值小于閾值disRation的匹配點(diǎn)對(duì)；步驟6，若匹配點(diǎn)數(shù)M>500,則對(duì)這些匹配點(diǎn)對(duì)，剔除錯(cuò)誤的匹配點(diǎn)，進(jìn)行細(xì)匹配，否則返回步驟5；細(xì)匹配的過(guò)程為：6a)輸入粗匹配獲得參考圖像的特征點(diǎn)集合{R}和待配準(zhǔn)圖像的特征點(diǎn)集合{S}；6b)分別計(jì)算參考圖像塊中的特征點(diǎn)Ri和待配準(zhǔn)圖像塊中的特征點(diǎn)Rj之間的距離以及與之對(duì)應(yīng)的匹配點(diǎn)Si和Sj之間的距離其距離比為：6c)計(jì)算所有的可能的組合的Dij，采用統(tǒng)計(jì)的方法生成一個(gè)尺度直方圖；6d)對(duì)直方圖有貢獻(xiàn)的點(diǎn)對(duì)，則認(rèn)為是正確的匹配點(diǎn)，分散的則認(rèn)為是錯(cuò)誤的匹配點(diǎn)，...

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：公茂果，馬晶晶，鐘佩，焦李成，馬文萍，李豪，劉嘉，趙晨陽(yáng)，武越，
申請(qǐng)(專(zhuān)利權(quán))人：西安電子科技大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：陜西;61