基于线特征和控制点的可见光和SAR图像配准方法

摘要

本发明涉及一种基于线特征和控制点的可见光和SAR图像配准方法，该方法首先根据可见光和SAR图像的特点，利用Canny算子和ROA(Ratio of Averages)算子分别对可见光和SAR图像进行边缘检测，多尺度离散快速Beamlet变换方法提取线特征，并基于线特征构造控制点，采用基于特征一致的粗配准和基于控制点的精确匹配方法，对待配准图像实现由粗到精的配准。本发明的有益效果是：避免了单条直线匹配时由于长度和位置差异造成的误匹配，提高了点的匹配精度；由于采用基于线特征和控制点特征的配准算法，不仅适用于SAR和可见光图像的配准，而且适用于具有相同边缘特征的图像配准。

主权项

一种基于线特征和控制点的可见光和SAR图像的配准方法，其特征在于步骤如下：步骤1边缘特征检测：采用Canny算子对可见光图像进行边缘检测，采用对乘性噪声具有抑制作用的ROA算子对SAR图像进行边缘检测；步骤2线特征提取：对得到的边缘图像利用多尺度离散快速Beamlet变换提取可见光和SAR图像中的线特征；步骤3基于特征一致的粗配准：以可见光或SAR图像中的任一幅为参考图像，以另一幅为待配准图像，两幅图像的坐标点关系满足以下变换模型，得到粗配准的图像：$\left[\begin{array}{c}X\\ Y\end{array}\right]=S\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]+\left[\begin{array}{c}{t}_x\\ t_y\end{array}\right]$其中：(X,Y)为参考图像的坐标点，(x,y)为待配准图像的坐标点，S表示尺度因子，θ为旋转角度；t_x和t_y表示平移参数；S、θ、t_x和t_y参数的计算为：首先根据SAR和可见光图像的分辨率求得缩放因子S；然后分别计算两幅图像的线特征的斜率直方图，利用直方图的互相关函数，求得旋转角度θ；利用得到的缩放因子S和旋转角度θ对SAR和可见光的直线特征图进行缩放和旋转变换，利用互相关函数，分别计算平移参数t_x和t_y；步骤4提取控制点集：提取粗配准图像的控制点集P'＝{P′_j|(x_j,y_j),j＝1,2...,m}，提取参考图像的提取控制点P＝{P_i|(X_i,Y_i),i＝1,2...,n}，其中：n表示参考图像中控制点的个数；m表示粗配准图像中控制点的个数；步骤5控制点的初始匹配：根据控制点集P＝{P_i|(X_i,Y_i),i＝1,2...,n}和P'＝{P′_j|(x_j,y_j),j＝1,2...,m}，利用控制点匹配度函数计算控制点集中每一个点对的匹配度f(P,P')；当匹配度的值f(P,P')＜λ时，则认为该点对为候选控制点对，得到由候选控制点对构成的粗匹配点集PP＝{(P_t,P′_t)|(X_t,Y_t),(x_t,y_t),t＝1,...,k}，k表示初始匹配的点的对数；所述控制点匹配度函数为：$f(P,P\prime )=\frac{|{\theta }_{o1}-{\theta }_{s1}|}{{\theta }_{o1}+{\theta }_{s1}+1}\times \frac{|{\theta }_{o2}-{\theta }_{s2}|}{{\theta }_{o2}+{\theta }_{s2}+1}+\frac{|O_1-\max \{L_{o1},L_{s1}\left\}\right|}{O_1+\max \{L_{o1},L_{s1}\}}+\frac{|O_2-\max \{L_{o2},L_{s2}\left\}\right|}{O_2+\max \{L_{o2},L_{s2}\}}+\frac{|D_1-D_2|}{D_1+D_2+1}+\frac{D_1+D_2}{2T}$s.t.|θ_o1‑θ_s1|＜1,|θ_o2‑θ_s2|＜1其中：L_o1和L_s1以及L_o2和L_s2是两对近似平行的直线对，θ_o1、θ_o2、θ_s1和θ_s2分别是L_o1，L_o2，L_s1和L_s2与水平轴的夹角，D₁是L_o1和L_s1间的距离，D₂是L_o2和L_s2之间的距离，O₁表示L_o1与L_s1的重叠距离，O₂表示L_o2与L_s2的重叠距离，T是粗配准精度；步骤6剔除错误控制点对：利用仿射变换模型，采用RANSAC算法剔除错误控制点对；所述仿射变换模型：粗配准的图像控制点(x,y)与其在参考图像中的同名控制点(X,Y)符合：$\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=H\left[\begin{array}{c}X\\ Y\\ 1\end{array}\right],$其中$H=\left[\begin{array}{ccc}{a}_0& a_1& a_2\\ a_3& a_4& a_5\\ 0& 0& 1\end{array}\right];$所述RANSAC算法剔除错误控制点对具体步骤如下：步骤a：在候选匹配点集PP中任选3对不共线的匹配点估算变换矩阵H；步骤b：在余下点对中选择第i对匹配点(P_i,P_i′)，若||P_i′‑T(P_i)||＜ε，则将这对候选匹配点定义为内点，重复这一步骤直到取完所有余下的候选匹配点对；步骤c：若步骤b得到的内点数大于某一阈值T_n，则进行下一步，否则返回步骤a；步骤d：选择内点对为精确匹配点对集PK＝{(P_t,P_t′)|(X_t,Y_t),(x_t,y_t),t＝1,...,N}，N为精确匹配点对的个数；步骤7：根据得到的精确匹配点对集PK，利用最小二乘法得到可见光和SAR图像之间的最佳变换矩阵H，再利用反向插值得到精确配准的图像。