[发明专利]基于MCD度量和VTM的多模态遥感图像配准方法

说明书

本发明公开了一种基于MCD度量和VTM的多模态遥感图像配准方法，其方案是：1.选取参考图像并进行分块特征点检测；2.构造参考图像的梯度主方向特征图；3.选取待配准图像并构造其梯度主方向特征图；4.对所有参考图像特征模板和对应的待匹配特征模板进行MCD度量和VTM，得到所有精确匹配点对；5.根据匹配点对估计空间变换参数；6.根据空间变换参数，对待配准图像进行空间变换，得到最终配准图像。本发明能够有效提高图像配准效率，提高对于非线性强度差异的鲁棒性，可用于多模态遥感图像配准中，实现快速鲁棒的配准。

技术领域

本发明属于图像处理技术领域，更进一步涉及遥感图像配准技术领域中的一种基于平均差余弦MCD(Mean of Cosine difference)度量和变模板匹配VTM(VariableTemplate Matching)的多模态遥感图像配准方法，本发明可应用于对可见光图像、红外图像、激光深度图像和合成孔径雷达图像至少两幅图像的特征点进行精确配准，以实现对不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的至少两幅图像进行匹配。

背景技术

随着地理空间信息技术的快速发展，越来越多的多模态遥感数据被获取得到，例如可见光图像、红外图像、激光深度图像和合成孔径雷达(synthetic aperture radar,SAR)图像等。这些多模态图像为观测场景提供了互补特征信息，因此被广泛用于各种遥感应用当中。而实现这些应用的关键步骤就是多模态图像配准。

随着现代高精度遥感传感器的发展，多模态图像可以利用地理参考信息进行预配准。在预配准图像中，几乎所有的全局畸变(明显的旋转和尺度差异)都被消除掉，但得到的多模态图像对仍然有数个到数十个像素点的偏差。这使得在局部有限搜索区域内精确匹配并控制某点成为了可能。然而，多模态图像之间存在的显著非线性差异仍会给配准工作带来很大的困难。由于多模态图像之间存在着显著的非线性辐射差异和纹理差异，导致多模态图像的特征检测重复率比较低，严重影响了图像匹配的性能。同时，许多基于区域的匹配方法对像素强度有较大的敏感性，无法有效应对多模态图像间存在的非线性强度差异，从而对多模态图像配准失效，并且大多数基于区域匹配的方法耗时较长，无法应对处理大量遥感数据的应用需求。

杨勇，胡思茹等人在其发表的论文“基于模板匹配约束下的光学与SAR图像配准”中将模板匹配与基于感兴趣区域特征的符合不变矩匹配相结合，提出了逐步求精的光学与SAR图像配准方法。该方法的模板匹配结果只与区域内部信息有关，以边缘图像作为模板匹配特征空间，能有效避免灰度差异大的不良干扰，而基于感兴趣区域的精准匹配仅利用图像结构信息，进一步确保算法精度。但是，该方法仍然存在的不足之处是，采用时域迭代、逐步求精的方法获取空间变换参数，耗时较长，并且采用传统固定模板匹配方法，没有有效利用参考模板特征信息，配准精度较低。

Y.Ye,L.Bruzzone,J.Shan,F.Bovolo,Q.Zhu等在论文“Fast and RobustMatching for Multimodal Remote Sensing Image Registration”中提出了密集像素级通道方向梯度特征，利用密集采样的梯度方向直方图表征图像局部结构特征信息，提高了特征点匹配的精确性，然后通过快速傅里叶变换将相似性度量转化到频域实现，加快了匹配速度。但是，其仍然存在的不足之处是，该论文中以梯度直方图信息作为特征描述符，无法完全避免多模态图像之间非线性强度差异的影响。

西北工业大学在其申请的专利文献“基于Gaussian-Hermite矩的多时相/多模态遥感图像配准方法”(专利申请号：CN201310241337.7，申请公开号：CN103310456A)中公开一种方法。该方法利用Gaussian-Hermite矩特征的平移和旋转不变性，对不同尺度下的参考图像和待配准图像进行Harris角点检测，对每个特征点提取对应的5阶18个矩特征，作为特征描述符。然后通过基于距离的相似性度量实现特征点的匹配，得到匹配点集，最后估计空间变换矩阵，得到配准结果。该方法存在的不足之处是，需要构造多个尺度的高斯差分图像，在提取特征点的特征描述符阶段计算复杂度高，使得配准过程的计算量大。