基于多特征点的遥感图像配准方法

摘要

本发明公开了一种基于多特征点的遥感图像配准方法，主要解决传统多源和多光谱遥感图像配准精度低的缺点。其实现步骤为：1.输入两幅遥感图像；2.构造输入图像的各向异性尺度空间；3.在输入图像的各向异性尺度空间中分别使用Harris和Hessian算子进行特征点检测；4.分别将输入图像的两种特征点检测结果结合并生成特征向量；5.将输入图像的特征向量进行匹配，删除错误匹配的特征点对，输出配准结果。本发明具有配准精度高的优点，可用于多源遥感图像和多光谱遥感图像的配准。

主权项

一种基于多特征点的遥感图像配准方法，包括如下步骤：(1)输入参考遥感图像I₁和待配准遥感图像I₂；(2)构造参考遥感图像I₁和待配准遥感图像I₂的各向异性尺度空间图像：(2a)计算各向异性尺度空间各层的尺度值；${\sigma }_i={\sigma }_0{\left(2^{\frac{1}{3}}\right)}^{i-1}$其中，σ_i表示各向异性尺度空间的第i层图像尺度值，σ₀表示尺度参数的初始基准值，i＝0,1,2,...,L‑1，i表示各向异性尺度空间层的序号，L表示各向异性尺度空间层的总数；(2b)将尺度空间值转换到时间度量值；(2c)对输入图像采用标准差为σ₀的高斯滤波，得到参考遥感图像I₁和待配准遥感图像I₂各向异性尺度空间第0层图像；(2d)将各向异性尺度空间层的序号i从零开始；(2e)计算参考遥感图像I₁和待配准遥感图像I₂各向异性尺度空间的第i层图像的扩散系数矩阵；(2f)计算参考遥感图像I₁和待配准遥感图像I₂各向异性尺度空间的第i+1层图像：Iⁱ⁺¹＝(I‑(t_i+1‑t_i)·A(Iⁱ))^‑1Iⁱ，其中，Iⁱ⁺¹表示参考遥感图像I₁或者待配准遥感图像I₂各向异性尺度空间的第i+1层图像，A(Iⁱ)表示各向异性尺度空间的第i层图像的扩散矩阵，I表示一个与A(Iⁱ)同等大小的单位矩阵，t_i和t_i+1分别表示各向异性尺度空间的第i层和第i+1层的时间度量值，Iⁱ表示各向异性尺度空间的第i层图像，(·)^‑1表示逆矩阵操作；(2g)判断i≥L‑1是否成立，若成立，得到参考遥感图像I₁和待配准遥感图像I₂的各向异性尺度空间图像，否则，令i＝i+1，返回步骤(2e)；(3)分别在参考遥感图像I₁和待配准遥感图像I₂的各向异性尺度空间图像上使用Hessian算子进行纹理特征检测，得到参考遥感图像I₁的第一特征点集P₁和待配准遥感图像I₂的第一特征点集Q₁，特征点集中保存的是特征点的坐标信息；(4)分别在参考遥感图像I₁和待配准遥感图像I₂的各向异性尺度空间图像上使用Harris算子进行角点特征检测，得到参考遥感图像I₁的第二特征点集P₂和待配准遥感图像I₂的第二特征点集Q₂；(5)将参考遥感图像I₁的第一特征点集P₁与第二特征点集P₂进行结合，删除重复的坐标点后得到参考遥感图像I₁的最终特征点集P；将待配准遥感图像的第一特征点集Q₁与第二特征点集Q₂进行结合，删除重复的坐标点后得到待配准遥感图像的最终特征点集Q；(6)分别生成参考遥感图像I₁的特征点集P的特征向量D₁和待配准遥感图像I₂的特征点集Q的特征向量D₂；(7)将参考遥感图像I₁的特征向量D₁和待配准遥感图像I₂的特征向量D₂进行匹配，得到初始匹配点对；(8)使用随机抽样一致性算法RANSAC，提纯初始匹配点对，剔出误匹配点，得到待配准遥感图像I₂到参考遥感图像I₁的仿射变换参数；(9)根据仿射变换参数值，对待配准遥感图像I₂进行仿射变换，得到仿射变换后的图像F₁；(10)将仿射变换后的图像F₁与参考遥感图像I₁进行融合，得到融合后的图像。