发明名称 一种用于拼接式探测器生成的高光谱图像几何配准方法
摘要 本发明公开了一种用于拼接式探测器生成的高光谱图像几何配准方法,它应用于品字型排列探测器,其排列方式导致的图像几何错位情况。其方法首先寻找高光谱图像上的狭长地物目标,通过求算质心位置进行目标地物的边缘提取,分别对错位两边图像中目标地物的边缘做线性拟合,比较错位两边图像的拟合偏置,从而得到错位图像的亚象元个数。根据结果对错位图像进行重采样实现几何校正。通过本发明的几何错位配准方法能够高精度探测错位值且不引入其他误差,是该领域的一项关键突破,方法可靠且有实用价值。同时可为同类型探测器的遥感图像几何配准提供参考依据。
申请公布号 CN103247029B 申请公布日期 2015.11.25
申请号 CN201310098388.9 申请日期 2013.03.26
申请人 中国科学院上海技术物理研究所;中国资源卫星应用中心 发明人 巩彩兰;胡勇;孟鹏;栗琳;赫华颖;祝令亚
分类号 G06T5/00(2006.01)I;G06T7/00(2006.01)I 主分类号 G06T5/00(2006.01)I
代理机构 上海新天专利代理有限公司 31213 代理人 郭英
主权项 一种用于拼接式探测器生成的高光谱图像的几何配准方法,其特征在于包括的如下步骤:1)筛选高光谱图像,从探测器生成的高光谱图像中挑选河流、桥梁、公路、麦田边缘或海岸线这些狭长地物目标,所选图像应是覆盖不同探测器拼接的图像;2)对地物目标进行边缘提取,具体方法为:a)记录探测器的固定拼接位置和狭长目标地物的交界点为分割点(x<sub>0</sub>,y<sub>0</sub>),以分割点(x<sub>0</sub>,y<sub>0</sub>)为基准分别选择错位图像左右两边狭长地物的纵坐标值y<sub>j</sub>,j=0,1,2...m,选择纵坐标点个数&gt;8个,以保证线性拟合的精度;b)计算横坐标值x’,假设拼接图像两边灰度值均值分别为<img file="FDA0000780319690000011.GIF" wi="207" he="75" />对于步骤a)中每个y<sub>j</sub>,在边界区域并非严格的区分,会存在过渡像元且灰度值介于<img file="FDA0000780319690000012.GIF" wi="63" he="71" />和<img file="FDA0000780319690000013.GIF" wi="58" he="74" />之间,定义检测到的边缘为像元被分割为两个灰度值<img file="FDA0000780319690000014.GIF" wi="172" he="72" />面积一致的部分,寻找边界点即求像元灰度值为<img file="FDA0000780319690000015.GIF" wi="266" he="89" />时的横坐标位置x’,设采样点为正方形像元,从左向右水平移动x<sub>i</sub>,i=0,1,2...n,选择灰度值最接近<img file="FDA0000780319690000016.GIF" wi="159" he="83" /><img file="FDA0000780319690000017.GIF" wi="122" he="84" />的像元,设其灰度值为DN<sub>ij</sub>,计算其权重W<sub>ij</sub>分布为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>W</mi><mrow><mi>i</mi><mi>j</mi></mrow></msub><mo>=</mo><mfrac><mrow><msub><mi>DN</mi><mrow><mi>i</mi><mi>j</mi></mrow></msub><mo>-</mo><mover><mi>N</mi><mo>&OverBar;</mo></mover></mrow><mrow><mover><mi>M</mi><mo>&OverBar;</mo></mover><mo>-</mo><mover><mi>N</mi><mo>&OverBar;</mo></mover></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000780319690000018.GIF" wi="1373" he="151" /></maths>x’=x<sub>i</sub>‑(1‑W<sub>ij</sub>)   (2)式中:<img file="FDA0000780319690000019.GIF" wi="212" he="77" />分别表示边界左右两边的灰度值均值;x<sub>i</sub>表示y<sub>j</sub>对应的横坐标值;x’表示边缘提取出的边界点的横坐标值;3)对特征边缘进行一元线性回归分析,求解表达式,当得到错位图像两边的一组横纵坐标点后,建立一元线性回归模型并求解线性表达式:y<sub>i</sub>=a+b*x<sub>i</sub>+e<sub>i</sub>   (3)式中:a和b为待定参数;x<sub>i</sub>和y<sub>i</sub>分别代表各个横纵坐标点;i=1,2,...,n为各组观测数据的下标;e<sub>i</sub>为随机变量;根据最小二乘拟合原则要求误差e<sub>i</sub>的平方和达到最小,求解方程组,求参数a,b的拟合值<img file="FDA0000780319690000021.GIF" wi="138" he="78" />为:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mover><mi>a</mi><mo>^</mo></mover><mo>=</mo><mover><mi>y</mi><mo>&OverBar;</mo></mover><mo>-</mo><mover><mi>b</mi><mo>^</mo></mover><mo>*</mo><mover><mi>x</mi><mo>&OverBar;</mo></mover><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000780319690000022.GIF" wi="1237" he="93" /></maths><maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mover><mi>b</mi><mo>^</mo></mover><mo>=</mo><mfrac><mrow><msubsup><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><msub><mi>x</mi><mi>i</mi></msub><msub><mi>y</mi><mi>i</mi></msub><mo>-</mo><mfrac><mn>1</mn><mi>n</mi></mfrac><mrow><mo>(</mo><msubsup><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><msub><mi>x</mi><mi>i</mi></msub><mo>)</mo></mrow><mrow><mo>(</mo><msubsup><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><msub><mi>y</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow><mrow><msubsup><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><msup><msub><mi>x</mi><mi>i</mi></msub><mn>2</mn></msup><mo>-</mo><mfrac><mn>1</mn><mi>n</mi></mfrac><msup><mrow><mo>(</mo><msubsup><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><msub><mi>x</mi><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000780319690000023.GIF" wi="1493" he="178" /></maths>式中<img file="FDA0000780319690000024.GIF" wi="150" he="85" />分别为横纵坐标x<sub>i</sub>和y<sub>i</sub>的均值,i=1,2,…,n;4)根据拟合结果计算几何错位亚像元个数,根据步骤3)分别得到待配准图像的地物的边缘信息,考虑到错位两边图像的地物是同一地物,因此拟合得到的线性方程斜率相同,两个方程分别为y<sub>1</sub>=a<sub>1</sub>+b*x和y<sub>2</sub>=a<sub>2</sub>+b*x,其中a<sub>1</sub>、a<sub>2</sub>分别代表线性方程偏置,b代表增益,即斜率,则错位的亚像元个数为△y=a<sub>1</sub>‑a<sub>2</sub>;5)对错位图像重采样以实现几何配准,根据步骤4)中结果,Δy表示左边图像相对右边图像错位量,对右边图像进行三次样条插值,最终得到几何配准后的图像。
地址 200083 上海市虹口区玉田路500号