【技術實現步驟摘要】
本專利技術涉及多模態遙感影像配準，更具體的說，涉及一種基于共現濾波與方向梯度直方圖多模態遙感影像配準方法。
技術介紹
1、不同模態遙感影像由于使用不同的傳感器和技術，成像具有各自獨特的特點。如可見光遙感影像發展最早、技術成熟，且符合人類視覺習慣和理解模式，擁有成像成本低、影像分辨率高、數據豐富等優勢。但可見光是一種被動成像，容易受到云層、霧霾等天氣條件的影響，限制了觀測的時間和質量，無法實現全天候觀測。合成孔徑雷達(syntheticaperture?radar，sar)影像利用合成孔徑雷達的主動成像技術，具有全天候、全天時觀測能力，在地震、泥石流、山洪等災害后的建筑物損壞情況評估及統計有著廣泛應用。但是，sar影像對地物的成像形態不如光學影像直觀，地物分類相對困難，需要經過處理和解譯。紅外遙感影像主要利用大氣窗口內的紅外輻射信息，具有熱量分布、植被生長狀態等方面的特殊信息，如在軍事領域可見光影像與紅外影像融合用于目標精確打擊。然而，大氣吸收和散射會影響紅外波段的觀測質量和空間分辨率，并且無法穿透云層獲取地表信息，與光學影像相比，紅外影像的空間分辨率相對較低。
2、可以看出不同模態遙感影像成像機理存在很大差異，但其影像之間有著豐富的互補特性，有著廣泛的應用潛力。如果能對多模態遙感影像進行融合分析和理解，就能挖掘出比單模態遙感影像更多地信息，解決僅依靠單模態影像無法解決的問題，而多模態遙感影像配準則是進行多模態遙感影像融合分析的前置步驟和關鍵環節。傳統遙感影像配準方法一般只對參考影像和待配準影像進行一次影像匹配，根據匹
技術實現思路
1、針對現有技術存在的不足，本專利技術的目的在于提供一種基于共現濾波與方向梯度直方圖多模態遙感影像配準方法，該專利技術不僅能適應多模態遙感影像配準場景，也對多模態遙感影像的旋轉和尺度變化具有很好的魯棒性。
2、為實現上述目的，本專利技術提供了如下技術方案：
3、一種基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，通過不同參數的共現濾波器對待配準影像和參考影響進行平滑處理，生成共現濾波影像金字塔尺度空間，利用影像金字塔上提取的局部特征點粗匹配后的初始單應性矩陣、旋轉角度、尺度約束空間關系約束信息，以及方向梯度直方圖提升匹配精度，對待配準影像進行重采樣，完成影像配準任務，具體包括以下步驟：
4、步驟1.輸入參考影像和待配準影像，使用共現濾波器分別對兩幅影像在保持影響邊緣的前提下對影像細節進行平滑處理；
5、步驟2.對參考影像和待配準影像分別構建影像金字塔，對金字塔中的“組”影像、“層”影像使用不同參數的共現濾波器進行平滑處理，并在參考影像和待配準影像上分別提取局部特征點，使用非極大值抑制法對所提取的局部特征點進行篩選；
6、步驟3.構建影像的局部特征描述子，使用歐氏距離作為匹配準則，對參考影像和待配準影像進行粗匹配，獲得參考影像和待配準影像之間的粗匹配同名點對；
7、步驟4.根據粗匹配的結果獲得參考影像和待配準影像之間空間關系約束信息：初始單應性矩陣、旋轉角度、尺度約束；
8、步驟5.基于空間約束關系信息，利用方向梯度直方圖提升參考影像與待配準影像之間粗匹配同名點對的匹配精度，使用調整后的同名點對更新參考影像與待配準影像之間的映射關系單應性矩陣；
9、步驟6.利用步驟5獲取的調整后的參考影像與待配準影像之間的映射關系單應性矩陣對待配準影像進行重采樣完成影像配準。
10、進一步，共現濾波器公式如下：
11、
12、
13、其中，其中jp和iq是輸出和輸入像素值，p和q是像素索引；是像素q對像素p輸出的貢獻權重；m(a,b)是一個256×256維的矩陣，通過值a和值b的共現矩陣c(a,b)除以值a和值b的頻率獲得；c(a,b)表示值a和值b的共現矩陣；h(a)和h(b)分別表示圖像輸入像素值等于a和等于b的數量；d(p,q)是像素p和像素q在圖像平面中的歐式距離。
14、進一步，共現濾波器窗口大小與影像金字塔的“組”影像和“層”影像存在以下關系：
15、
16、其中，o表示影像差分金字塔的第o組；i表示影像差分金字塔的第o組中第i層影像；σs,i表示第i層影像共現濾波器的參數，σi表示值a和值b共現矩陣c(a,b)的濾波參數；round()是取整函數。
17、進一步，步驟4中，使用參考影像與待配準影像之間的粗匹配同名點對獲得參考影像與待配準影像之間的初始單應性矩陣，使用奇異值分解法從初始單應性矩陣分離出參考影像與待配準影像之間的旋轉角度；利用粗匹配同名點對通過投票機制得到參考影像與待配準影像的尺度約束。
18、進一步，步驟4中，使用奇異值分解法從單應性矩陣分離出參考影像與待配準影像之間的旋轉角度，具體步驟如下：
19、步驟4.1對單應性矩陣進行歸一化：
20、h_normalized＝h/h(3,3)
21、h：初始單應性矩陣；h_normalized：歸一化之后的單應性矩陣；
22、步驟4.2使用svd分解單應性矩陣：
23、[u,～,v]＝svd(h_normalized(1:2,1:2))
24、svd()：奇異值分解函數；
25、步驟4.3提取單應性矩陣旋轉部分：r＝u*v'；
26、步驟4.4得出參考影像與待配準影像間的旋轉角度：
27、theta＝atan2d(r(2,1),r(1,1))
28、theta：兩幅影像之間的旋轉角度，atan2d：反正切函數，求出旋轉角度。
29、進一步，步驟4中，參考影像與待配準影像之間尺度約束通過投票機制獲得，具體過程如下：根據參考影像與待配準影像的粗匹配同名點對結果對匹配點所在的金字塔的“組”影像進行投票，得票最多的“組”影像即為尺度約束中的“組”；篩選“組”內的同名點對，對同名點對的“層”影像進行投票，得票最多的“層”影像即為尺度約束中的“層”。
30、進一步，步驟5中，基于空間關系約束信息提升粗匹配同名點的匹配精度，方法如下：
31、步驟5.1對參考影像與待配準影像進行粗匹配得到粗匹配同名點對后，提取參考影像同名點支持區域的梯度特征并構建梯度方向直方圖；
32、步驟5.2提取待配準影像同名點特征支持區域梯度特征并構建梯度方向直方圖，在空間關系約束范圍內迭代調整待配準影像同名點，度量待配準影像與參考影像中同名點的相似度，直至迭代結束得到結構相似度最高的同名點；
33、步驟5.3重復步驟5.1～5.2，實現本文檔來自技高網...
【技術保護點】
1.一種基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，其特征在于，通過不同參數的共現濾波器對待配準影像和參考影響進行平滑處理，生成共現濾波影像金字塔尺度空間，利用影像金字塔上提取的局部特征點粗匹配后的初始單應性矩陣、旋轉角度、尺度約束空間關系約束信息，以及方向梯度直方圖提升匹配精度，對待配準影像進行重采樣，完成影像配準任務，具體包括以下步驟：
2.根據權利要求1所述的基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，其特征在于，所述共現濾波器公式如下：
3.根據權利要求1所述的基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，其特征在于，所述共現濾波器窗口大小與影像金字塔的“組”影像和“層”影像存在以下關系：
4.根據權利要求1所述的基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，其特征在于，所述步驟4中，使用參考影像與待配準影像之間的粗匹配同名點對獲得參考影像與待配準影像之間的初始單應性矩陣，使用奇異值分解法從初始單應性矩陣分離出參考影像與待配準影像之間的旋轉角度；利用粗匹配同名點對通過投票機制得到參考影像與待配準影像的
5.根據權利要求4所述的基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，其特征在于，所述步驟4中，使用奇異值分解法從單應性矩陣分離出參考影像與待配準影像之間的旋轉角度，具體步驟如下：
6.根據權利要求4所述的基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，其特征在于，所述步驟4中，參考影像與待配準影像之間尺度約束通過投票機制獲得，具體過程如下：根據參考影像與待配準影像的粗匹配同名點對結果對匹配點所在的金字塔的“組”影像進行投票，得票最多的“組”影像即為尺度約束中的“組”；篩選“組”內的同名點對，對同名點對的“層”影像進行投票，得票最多的“層”影像即為尺度約束中的“層”。
7.根據權利要求1所述的基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，其特征在于，所述步驟5中，基于空間關系約束信息提升粗匹配同名點的匹配精度，方法如下：
...【技術特征摘要】
1.一種基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，其特征在于，通過不同參數的共現濾波器對待配準影像和參考影響進行平滑處理，生成共現濾波影像金字塔尺度空間，利用影像金字塔上提取的局部特征點粗匹配后的初始單應性矩陣、旋轉角度、尺度約束空間關系約束信息，以及方向梯度直方圖提升匹配精度，對待配準影像進行重采樣，完成影像配準任務，具體包括以下步驟：
2.根據權利要求1所述的基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，其特征在于，所述共現濾波器公式如下：
3.根據權利要求1所述的基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，其特征在于，所述共現濾波器窗口大小與影像金字塔的“組”影像和“層”影像存在以下關系：
4.根據權利要求1所述的基于共現濾波與方向梯度直方圖的多模態遙感影像配準方法，其特征在于，所述步驟4中，使用參考影像與待配準影像之間的粗匹配同名點對獲得參考影像與待配準影像之間的初始單應性矩陣，使用奇異值分解法從初始單應性矩陣分...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。