[发明专利]一种控制点自适应分布的高分辨率遥感影像配准方法

说明书

技术领域

本发明涉及一种控制点自适应分布的高分辨率遥感影像配准方法属于，遥感影像配准技术领域。

背景技术

1图像配准的基本框架

随着高分辨率遥感影像的广泛应用，针对高分辨率遥感影像的图像配准研究成为遥感应用研究领域的一个重要课题。图像配准的基本框架主要包含以下几个方面的内容：

(1)特征空间，是指在参考影像与待配准影像中提取的图像特征，主要包括灰度特征、点特征、边缘特征以及不变矩结构特征等。

(2)搜索空间，是指图像配准在几何较正时变换的范围及采用的方式。其中，变换范围包括全局、局部以及位移场三种类型。变换方式分为线性变和非线性变换，线性变换又可分为刚体变换、投影变换以及仿射变换三种类型。

(3)相似性度量，用于对变换结果的优劣进行评价的准则。常见的相似性度量有互信息、归一化互信息、欧氏距离、联合熵、梯度互相关性等。通常认为特征提取与相似性度量直接决定了配准算法的鲁棒性。

(4)搜索策略，用于在搜索空间中寻找最优的配准参数，并以相似性度量作为评判的依据。常见的搜索策略包括蚁群算法、遗传算法、抛物线法、Powell法、牛顿法等。

2图像配准的分类

目前图像配准方法还没有统一的分类规则，通常情况下主要可分为基于灰度的图像配准以及基于特征的图像配准。

基于灰度的配准方法直接利用影像的灰度值建立参考影像与待配准影像的空间变换关系，其基本思想为：首先对待配准影像进行几何变换，而后建立参考影像与待配准影像之间的相似性度量，即在统计影像灰度信息的基础上定义一个目标函数。将该目标函数作为评价配准结果优劣的判别准则以及几何配准参数最优化的目标函数，使得影像配准问题转化为求该目标函数的极值问题。最后，采用一系列最优化方法确定最优配准参数。

尽管基于灰度的配准方法直观而且易于实现，但计算相似性度量时通常以模板所在位置为中心，因而形成的峰面较为平缓，难以获得精确的配准结果。另一方面，由于存在光照条件变化、传感器类型不同等因素，多时相高分辨率遥感影像配准中常存在较大的灰度、旋转等差异，基于灰度的配准方法对这些干扰因素的鲁棒性较差。而基于特征的配准方法能够有效克服这些问题，因此目前高分辨率遥感影像配准主要采用基于特征的配准方法。

基于特征的配准方法利用图像的特征作为配准的依据，这些特征应具有对灰度变换及空间变换不敏感的特点，从而使方法具有更好的可重复性与稳定性，常见的特征包括角点、边缘特征等。基于特征的配准方法基本步骤为：

(1)对图像进行预处理，以降低或消除参考影像与待配准影像之间的几何形变以及灰度偏差，减少对配准过程的影响。

(2)选择或定义合适的特征，还可以采用SIFT等特征提取算子实现特征自动提取。若采用角点特征(控制点)进行匹配，还应使控制点在影像中标识出明显的地形地物，并保证一定的数量及合理的分布。

(3)选择或定义合适的匹配策略，将满足条件的控制点对作为一对同名点，获得所需的同名点集。

(4)根据同名点集建立参考影像与待配准影像间的映射关系，并根据坐标及参考影像对待配准影像进行重采样，获得最终的配准结果。

在多种基于特征的配准方法中，基于点特征的配准方法应用及研究最为广泛。其基本思想为首先提取图像中的控制点，进而基于控制点的局部灰度、梯度等特征以及控制点之间的几何关系获得同名点对的集合，从而实现图像间的完全配准。其优点在于只对控制点进行匹配，从而与计算所有像素相比能够显著减少计算量；控制点在提取过程中能够有效减少灰度差异、几何形变、噪声以及其他干扰因素的影响，因而具有很好的鲁棒性；基于控制点的相似性度量对位置变化敏感，能有效提高配准精度；同名点集可以直接用于计算参考影像与待配准影像间的空间变换关系。基于这些优点，基于点特征的影像配准方法通常能够实现快速准确的高精度图像配准，同时具有广泛的适用性，是目前主流的图像配准方法，同时也代表了图像配准技术的发展方向。

3存在问题