[发明专利]一种基于局部轮廓协方差矩阵的遥感图像配准方法

说明书

技术领域

本发明属于图像处理领域，涉及一种图像配准方法，具体涉及一种基于局部轮廓协方差矩阵的遥感图像配准处理方法。

背景技术

图像配准是图像处理的一个基础问题，是对取自不同时间、不同传感器或不同视角的同一场景的两幅或多幅图像进行匹配、叠加的过程。准确的说，图像配准的目标就是找到输入图像之间的最佳映射关系。

目前，图像配准处理方法主要可以分为三类：

1、基于全局灰度统计信息的配准处理方法；

基于全局灰度统计信息的配准处理方法直接利用图像本身具有的灰度统计特性来度量图像间的相似性，进而实现图像间的配准处理。该处理方法最大优点在于原理简单、易于实现，对于同类图像且仿射误差较小的情况下能够获得很好的处理效果。然而对于异类遥感图像，由于图像灰度特性存在较大的差异，其处理效果并不理想。同时，由于处理过程中采用迭代搜索，当仿射误差较大时，其处理速度急剧下降，甚至无法收敛。

2、基于相位相关技术的配准处理方法；

基于相位相关技术的配准处理方法的理论基础是傅立叶相位相关技术，利用频域信息进行相关处理，搜索最佳匹配，进而在不需要寻找控制点的情况下实现图像自动配准。该算法的优点在于对噪声不敏感，由于可以采用现成的FFT算法，因此，该配准处理算法在处理速度上具有一定的优势。在实际使用中，该算法需要待配准图像间具有较大的重叠区域，且图像的灰度特征相似，这限制了该处理算法在遥感图像配准过程中的使用。

3、基于图像特征的配准处理方法；

基于图像特征的配准处理方法是图像配准方法中的另一大类，如图1所示，该方法从各图象通道中读入各图像后，首先提取图像中的特征信息，利用提取的特征来进行局部相似性匹配，并通过特征的匹配关系建立图像之间的映射关系，最后通过图像重采样处理来获取匹配的图像对。

相比较而言，由于前两类处理方法过多的依赖于图像的灰度特性，制约了它们在遥感图像配准处理中的应用，因此，基于特征的配准处理方法成为遥感图像配准处理的常用方法，其核心在于建立图像特征间的映射关系。

在特征匹配关系建立方面，传统的方法是通过统计局部相关系数或交互信息等统计参数来衡量图像中两点是否一致，但该方法受旋转因子和缩放因子的影响很大，随着缩放因子和旋转因子的增大，其相关性迅速降低。利用仿射不变量进行相似性测试，则依赖于提取完整封闭的边缘轮廓，而这对于遥感图像尤其是雷达图像来说通常很难实现。利用点特征之间的聚集性来实现相似性匹配则要求各输入图像所提取的点特征具有很高的一致性，对于遥感图像来说，这同样很难实现。因此，如何有效的建立输入图像间的映射关系，成为遥感图像配准处理的难点。

发明内容

本发明提出了一种基于局部轮廓协方差矩阵的遥感图像配准方法，将角点特征、局部分割图像和局部边缘轮廓结合起来，共同作为局部特征来实现控制点提取，并将局部轮廓协方差矩阵引入配准处理，利用局部轮廓协方差矩阵来实现旋转缩放因子的自动提取，结合局部窗口自适应选取技术来减小旋转缩放因子对配准处理的影响，提高配准处理的鲁棒性，在无人工参与条件下实现大旋转缩放模式下遥感图像间的精确配准。

首先提取输入图像中的角点特征，以角点特征为参考，提取角点附近的局部轮廓特征，并利用局部轮廓特征的协方差矩阵提取输入图像间的旋转缩放因子，减小旋转缩放因子对特征匹配的影响，提高同名点的提取精度；然后，利用检测到的同名点来进行仿射模型参数估计；最后，根据估算出来的变换模型参数进行图像重采样，获得配准后的遥感图像对。从整体上来看，该处理流程主要包含特征的选择与提取、旋转缩放因子的自动提取、最优窗口尺寸选取、角点特征匹配、仿射模型参数估计及图像重采样五个部分。

一种基于局部轮廓协方差矩阵的遥感图像配准方法，包括如下步骤：

步骤1：从各图像通道中同时读入各图像，采用Harris角点检测算法实现图像角点检测，通过统计移动搜索窗口内各点的角响应函数值来判断是否存在角点；

如果一点的角响应函数CRF值是局部邻域内的最大值，则将该点设置为备选角点；否则表明该点不是角点。在判断完图像中所有点后，利用门限处理来提取最终角点。

步骤2：采用类间方差自动阈值法对参考图像及待配准图像进行局部阈值分割；利用提取得最佳阈值对局部图像进行分割，获得局部二值图像，并依据提取的局部二值图像获得局部边缘轮廓。