[发明专利]一种多源高空间分辨率影像的自动几何配准方法

说明书

一种多源高空间分辨率影像的自动几何配准方法，步骤(1)、使用参考影像对待配准影像进行重采样处理；步骤(2)、对处理后的待配准影像划分网格；步骤(3)、计算每个网格内的待配准影像和零矩阵影像之间的互信息量，互信息量最小值所对应的区域作为待配准影像中的特征匹配区域；步骤(4)、使用特征匹配区域遍历参考影像，计算每个网格内的特征匹配区域和参考影像之间的归一化互信息量，将归一化互信息量最大值所对应的区域作为参考影像匹配区域；步骤(5)、提取特征匹配区域和参考影像匹配区域的中心点坐标，计算出最终的转换参数；步骤(6)待配准影像使用最终的转换参数，得到影像配准后的结果。同名点分布均匀、配准精度高、速度快。

技术领域

本发明涉及测绘地理信息技术领域，特别涉及一种多源高空间分辨率影像的自动几何配准方法。

背景技术

随着遥感技术的发展，不同时间、空间和光谱分辨率的遥感数据被广泛应用于各行各业，为我国的城市规划、城市建设、城市管理和生态文明等提供了重要的数据源。不同数据的几何配准是实现多源遥感影像综合应用的前提和关键步骤。当前，遥感影像配准方法主要包括人工配准和自动配准两种。

人工配准是在专业软件中导入待配准影像和参考影像，基于人工识别方式寻找影像之间的同名点，利用四参数模型计算待配准影像坐标信息来实现影像的配准，该方法工作量大、费时费力，且配准的精度会因人工选点的准确度而产生一定影响。

自动配准方法是利用算法程序，自动识别待配准影像和参考影像的特征区域来确定两景影像的同名点，并通过同名点计算四参数模型来实现影像的配准。目前常用的自动配准方法包括基于特征和基于灰度的自动配准方法，基于特征的自动配准方法是通过提取边缘、纹理和区域等特征信息进行图像之间的匹配，常见的有Moravec、Forstner、Harris、SIFT等算法，该类方法适用于匹配区域较小的图像，当匹配区域较大时，则这类方法的匹配效率明显降低，且对于特征不明显的区域，误匹配会明显增多，配准精度受到影响；基于灰度的自动配准方法主要依赖图像上的灰度统计信息，现有的方法会因不同传感器影像的灰度特征差异而导致配准精度不高，且基于全局的灰度统计也会让大区域影像的匹配效率不高。因此，对于高空间分辨率影像，匹配区域通常较大，需要一种既能保证配准精度，又能快速完成的自动几何配准方法。

发明内容

本发明所要解决的技术问题是针对现有技术的现状，提供一种配准精度高、同名点分布均匀和配准速度快的多源高空间分辨率影像的自动几何配准方法。

本发明解决上述技术问题所采用的技术方案为：一种多源高空间分辨率影像的自动几何配准方法，其特征在于：包括以下步骤：

步骤(1)、输入待配准影像和参考影像，使用参考影像对待配准影像进行重采样处理，得到N×M待配准影像；

步骤(2)、对处理后得到的N×M待配准影像划分网格，划分成为k×k的网格，其中，单个网格矩阵为INT(N/k)×INT(M/k)，网格数为k²；其中，k为正整数，k≥2，INT()函数为取整函数；

步骤(3)、使用j×j的零矩阵影像遍历步骤(2)中的每个网格内对应的待配准影像，分别计算每个网格内j×j区域的待配准影像和零矩阵影像之间的互信息量，将每个网格内j×j区域的互信息量最小值所对应的区域作为该网格内的待配准影像中的特征匹配区域；其中j为正整数，j×j区域远小于单个网格的INT(N/k)×INT(M/k)区域；

步骤(4)、分别使用每个网格内待配准影像的特征匹配区域遍历参考影像，并分别计算每个网格内待配准影像的特征匹配区域和参考影像之间的归一化互信息量，将归一化互信息量的最大值所对应的区域作为该网格内待配准影像的特征匹配区域相对应的参考影像匹配区域；

步骤(5)、提取每个网格内的待配准影像中的特征匹配区域的中心点坐标和相对应的参考影像匹配区域的中心点坐标，形成k²对坐标点对，计算出满足残差要求的转换参数，作为最终的转换参数；