[发明专利]一种异源遥感影像配准方法

说明书

技术领域

本发明属于遥感影像处理技术领域，涉及一种异源遥感影像配准方法，尤其是涉及一种基于迭代的线特征和联合Voronoi图与谱图点匹配的异源遥感影像配准方法。

背景技术

图像配准技术是将相同地区，在不同时刻、不同视角、不同传感器或不同光照条件下拍摄的图像进行空间对准的过程。其中，异源遥感图像的自动配准一直是遥感图像处理领域需要解决的难题，因为不同传感器的影像能够反映地物的不同特征，如光学图像反映了地物在可见光和近红外波长范围内的反射光谱特性，SAR图像反映了地物对电磁波的后向散射特性，红外影像反映了地物的热辐射特性，使得异源遥感影像所反映的地物信息往往具有一定的互补性，因而对这些异源数据根据应用需求进行数据融合，可以为决策者们提供更加准确、全面和丰富的信息，其中高精度的影像配准是数据融合的重要前提。然而，由于异源遥感影像的成像机理不同，影像间往往存在着较大的辐射和几何差异，甚至遭受严重的噪声干扰，同一场景在异源影像上可能呈现完全不同的图像，这些差异导致传统的图像配准方法一般无法直接应用在异源图像的配准。

目前异源遥感影像的配准方法大致可分为两类：基于区域的配准方法和基于特征的配准方法。

（1）基于区域的配准方法：

通常选择图像的某一区域或者整幅图像作为一种特殊的图像特征，其核心是匹配相似度的度量。常用的匹配相似度量包括：归一化互相关方法（normalized cross correlation coefficient methods）、傅立叶方法（Fourier methods）、互信息方法（mutual information methods）、交叉累积剩余熵（cross-cumulative residual entropy）。基于区域的配准方法大多利用影像的灰度信息，然而异源遥感影像的不同成像机理，使得同一地物灰度可能完全不同，因此大多基于区域的配准方法难以获得较好的配准结果，甚至有学者断言，基于区域配准方法不可能直接应用于异源遥感影像的配准（Zitova,2003;Inglada,2004;Hel-Or,2011）,且一般寻求相似度最大的过程是一个庞大的搜索过程，计算效率一般较慢。

（2）基于特征的配准方法：

通常先分别从两幅图像中提取一些几何特征作为配准基元，然后对配准基元进行匹配。由于基于特征的匹配方法利用特征对象进行匹配，并不直接对图像的灰度信息进行操作，受光照、噪声、几何形变等影响较小，算法稳健性更强，因而更适用于异源遥感影像间的配准。

常用的三种特征为：点、线和面。

点特征一般包括角点、高曲率点等，通常采用各种角点检测算法提取。然而点特征不易精确定位，且点特征含有的信息有限，匹配困难。线特征和面特征含有更多信息，但是图像中并不一定能够提取足够的面特征，如城区影像，且SAR影像受噪声影响、红外影像对比度不明显等导致难以找到稳定的面特征，同时由于分割原因即使存在面特征也很难获得满意的特征，因而基于面特征的方法具有一定的局限性；而影像中的线特征通常比较丰富，采用线特征作为配准基元将是一个不错的选择。

根据特征描述的不同，线特征可以分为以下三类：曲线特征、边缘特征和直线段特征。然而，线特征在提取过程中容易出现断裂、提取不完整等问题，直接使用线特征不利于后续匹配。例如，轮廓分明、未断裂的曲线或边缘很难在SAR影像和红外影像上提取，而在光学影像上通常可以提取完整的曲线和边缘；另外，由于受光照影响、视角和成像方式的不同，SAR影像、红外影像和光学影像上提取的直线段特征通常在位置、长度、数量等方面也存在着较大差异，在这些情况下很难定义一种相似性测度来度量两个特征集间的相似性。然而，尽管提取的直线段特征是断裂的，位置不同，长度也不尽相同，但同名直线段是在同一条直线上的。因此，可以将直线段特征转化为直线交点作为匹配基元，它不需要产生交点的两对同名直线在两幅图像上处于同一位置。

基于直线交点匹配的关键是如何找到正确的匹配点对。基于谱图的点集匹配方法被认为是最有效的方法之一。然而，传统的谱图点集匹配方法存在两个问题：（1）对噪声敏感：噪声通常来源于影像获取和特征提取过程中，它会给点的位置带来偏差；（2）对局外点敏感：局外点的存在容易干扰正确匹配关系的判断。传统谱图方法是从整体出发，对点集结构和空间分布进行分析，加入点集的局部约束可以提高点集匹配精度。

同时，几乎所有的基于特征的配准方法很大程度上依赖于特征提取算法：特征匹配结果受特征提取的影响。虽然存在成功的异源影像匹配算法，但它们通常是对特定的影像有效，很难成为通用的方法。因此，多次特征提取与匹配的策略是需要的。