[发明专利]基于多特征点的遥感图像配准方法

说明书

本发明公开了一种基于多特征点的遥感图像配准方法，主要解决传统多源和多光谱遥感图像配准精度低的缺点。其实现步骤为：1.输入两幅遥感图像；2.构造输入图像的各向异性尺度空间；3.在输入图像的各向异性尺度空间中分别使用Harris和Hessian算子进行特征点检测；4.分别将输入图像的两种特征点检测结果结合并生成特征向量；5.将输入图像的特征向量进行匹配，删除错误匹配的特征点对，输出配准结果。本发明具有配准精度高的优点，可用于多源遥感图像和多光谱遥感图像的配准。

技术领域

本发明属于图像处理技术领域，涉及遥感图像配准，可应用于多源、多光谱遥感图像的配准。

背景技术

图像配准是图像处理中非常关键的一个步骤，它是指将不同时刻、不同视角或者是不同传感器获取的同一场景的两幅或者多幅图像进行叠加对准的过程。图像配准技术已经被广泛地用于图像变化检测、图像拼接、医学领域以及模式识别领域。图像配准的方法大致可以分为两类：基于灰度信息的图像配准方法和基于特征信息的图像配准方法。

基于灰度的图像配准是以整幅图像像素间的灰度信息为依据，建立待配准图像和参考图像之间的相似性度量函数，利用某一种搜索算法，寻找出使得相似性度量函数达到最优值的变换模型参数。这种算法容易实现，在配准之前不用提取图像的特征，只需要获取其灰度信息，但是其应用范围较窄，不能直接用于校正图像的非线性形变，且在最优变换的搜索过程中需要巨大的计算量。

基于特征的图像配准方法是目前图像配准最常用的方法之一，其最大的优点在于能够将对整个图像进行的各种分析转化为对图像特征信息，即特征点、特征曲线、边缘、较小的区域的分析，从而大大减小了图像处理过程的运算量，而且对灰度变化、图像变形以及遮挡等都有较好的适应能力，以及能够实现在复杂成像条件下图像的快速、精确配准。经典的特征点提取算子有：Harris算子，Hessian算子等，但是Harris算子主要针对角点特征检测，对于纹理特征较多的图像检测效果不佳导致图像配准不精确，Hessian算子主要针对纹理特征检测，对于角点信息较多的图像配准结果不准确。

发明内容

本发明的目的在于针对已有技术的不足，提出一种基于多特征点的遥感图像配准方法，以提高配准效果，满足多传感器和多光谱图像的配准要求。

为实现上述目的，本发明的技术方案包括如下：

(1)输入参考遥感图像I₁和待配准遥感图像I₂；

(2)构造参考遥感图像I₁和待配准遥感图像I₂的各向异性尺度空间图像：

(2a)计算各向异性尺度空间各层的尺度值；

其中，σ_i表示各向异性尺度空间的第i层图像尺度值，σ₀表示尺度参数的初始基准值，i＝0,1,2,...,L-1，i表示各向异性尺度空间层的序号，L表示各向异性尺度空间层的总数；

(2b)将尺度空间值转换到时间度量值；

(2c)对输入图像采用标准差为σ₀的高斯滤波，得到参考遥感图像I₁和待配准遥感图像I₂各向异性尺度空间第0层图像；

(2d)将各向异性尺度空间层的序号i从零开始；

(2e)计算参考遥感图像I₁和待配准遥感图像I₂各向异性尺度空间的第i层图像的扩散系数矩阵；

(2f)计算参考遥感图像I₁和待配准遥感图像I₂各向异性尺度空间的第i+1层图像：