[发明专利]一种遥感图像自动几何纠正的系统框架和方法

权利要求书

1.一种基于区域级参考图像对遥感卫星图像自动纠正的框架和方法。其特征在于包括以下步骤：

(1)包含一个区域级参考图像集，参考数据集主要包括两类数据：有准确地理编码的遥感图像和同区域的DEM数据，数据的范围可以是局部区域或全球范围的数据，至少包括待纠正图像的区域；地理编码的遥感图像通常选用任何已经经过正射纠正，认为几何精度满足要求可作为基准图像的图像组成；

(2)控制图像，即参考图像集中感兴趣区域(ROI)的提取。待纠正图像是经过系统纠正的图像，系统待纠正图像的四个角点坐标是包含了系统校正误差的地理坐标，以此为参考，加上系统误差的估算值，＝可将对应于待纠正图像的参考图像和DEM(或DTM)提取出来作为控制影像，称为感兴趣区域(ROI)图像；

(3)图像自动匹配。将控制图像与待纠正图像进行自动匹配，获得控制点；

(4)图像纠正。基于控制点建立待纠正图像和控制图像之间的纠正模型，继而利用纠正模型对待纠正图像进行纠正。

2.根据权利要求1所述的图像自动匹配方法，其特征在于：所述的控制图像与待纠正图像的自动匹配包括四个处理步骤：

(1)利用待纠正图像和控制图像的空间分辨率信息调整待纠正图像的空间分辨率，使待纠正图像的空间分辨率与控制图像的空间分辨率相等；依据待纠正图像的定向信息对图像重新定向使其与控制图像具有相同或相似的定向；

(2)利用兴趣算子在待纠正图像和参考图像上提取特征点；

(3)采用模板匹配方法对于步骤(2)获得的特征点进行匹配；

(4)从步骤(3)的匹配结果中剔除误匹配点；

(5)将控制点进行均匀化处理，使控制点的分布比较均匀。

3.根据权利要求2步骤(1)所述的图像分辨率调整方法和图像重新定向方法，其特征在于：采用图像重采样方法实现。

4.根据权利要求2步骤(2)所述的利用兴趣算子提取特征点的方法，其特征在于：可用的兴趣算子包括：Moravec算子、算子、Harris算子、sift算子。

5.根据权利要求2步骤(3)所述的模板匹配方法，其特征在于：模板匹配分别以待纠正图像和参考图像上的特征点为中心，在两幅图像中提取模板窗口和搜索窗口，然后将模板窗口在搜索窗口中逐点移动，计算模板和其重叠区域相似度或匹配度，找到相似度最大的位置，如果相似度大于设定的阈值，就认为找到了一个匹配点。

6.根据权利要求2步骤(4)所述的误匹配点的剔除方法，其特征在于：采用RANSAC算法剔除。

7.根据权利要求2步骤(5)所述的控制点均匀化方法，其特征在于：结合网格剖分进行控制点均匀化：首先将输入的待纠正的图像进行网格剖分，网格大小为M×M，M值可以依据图像的宽、高确定，也可以由预期控制点总数估算得出；然后考察每个网格内的控制点数。如果网格内仅有一个控制点，则保留该控制点；如果网格内控制点数目大于1，则保留匹配度最高的控制点。

8.根据权利要求5所述的计算模板和其重叠区域相似度或匹配度的方法，其特征在于：将归一化相关系数作为相似性判断准则。

9.根据权利要求8所述的计算归一化相关系数的方法，其特征在于：采用NCC快速算法计算归一化相关系数。