[发明专利]多波束与侧扫声纳图像的多尺度迭代自适应配准方法

说明书

多波束与侧扫声纳图像的多尺度迭代自适应配准方法，属于多波束与侧扫声纳数据融合研究领域。本发明主要针对目前多波束与侧扫声纳图像配准方法未顾及图像形变细节信息，存在局部纹理失真的问题，提出了结合小波变换、仿射变换和Demons配准算法的多尺度迭代自适应配准方法。利用小波变换提取侧扫声纳图像低频信息并重构图像，先后采用仿射变换和Demons算法将重构图像与多波束图像进行迭代自适应配准，获取配准变换模型，利用该模型对侧扫声纳原图像进行整体配准变换，获得多波束图像地理坐标约束的侧扫声纳图像。

技术领域

本发明属于多波束与侧扫声纳数据融合研究领域，尤其涉及多波束与侧扫声纳图像配准方面。

背景技术

多波束测深系统(MBES)通过精确测量声波往返的时间和到达角度，可以得到高精度的海底位置和深度信息，同时获得海底声强图像。然而，受成像原理的限制，多波束声图的分辨率较低，图像质量较差，难以反映海底地貌的纹理信息。侧扫声纳系统(SSS)通过接收海底反向散射的时序回波信号，可以绘制高分辨率、高质量的海底回波图像。但是，为了提高探测的分辨率并减弱船体噪声的影响，侧扫声纳通常采用拖曳式安装，导致侧扫图像位置信息不准确。基于此，将多波束和侧扫声纳图像配准融合，可获取位置信息准确且纹理信息丰富的声纳图像，有助于提高海底地形地貌及障碍物的探测精度及海底底质分类能力。

对于多波束与侧扫声纳图像的配准，由于其成像原理的差异性以及海洋环境的复杂性，其配准方法较为复杂。国内外专家学者大多采用基于特征的图像配准方法。虽然这些方法很大程度上实现了多波束和侧扫声纳图像的配准，但存在特征点对要求高、图像变换形式简单以及未顾及图像细节差异等问题。

为了顾及声纳图像的细节信息，王达等利用改进的非刚性变换算法(Demons算法)对声纳图像进行配准，该配准方法属于基于物理模型的配准方法，能够实现图像的自适应配准。但该算法未考虑多波束图像与侧扫图像之间的分辨率差异，若直接利用Demons算法将侧扫声纳图像配准到多波束图像上，会损失侧扫图像的细节信息，降低融合声纳图像的质量。

因此，亟需开展考虑多波束与侧扫声纳图像纹理细节的图像配准方法研究，从而进一步提高二者数据融合的质量。

发明内容

本发明主要针对目前多波束与侧扫声纳图像配准方法未顾及图像形变细节信息，存在局部纹理失真的问题，提出了结合小波变换、仿射变换和Demons配准算法的多尺度迭代自适应配准方法。利用小波变换提取侧扫声纳图像低频信息并重构图像，先后采用仿射变换和Demons算法将重构图像与多波束图像进行迭代自适应配准，获取配准变换模型，利用该模型对侧扫声纳原图像进行整体配准变换，获得多波束图像地理坐标约束的侧扫声纳图像。

为了达到上述目的，本发明的技术方案为：

多波束与侧扫声纳图像的多尺度迭代自适应配准方法，具体包括以下步骤：

第一步，对侧扫声纳图像进行小波变换

利用小波变换对侧扫声纳图像进行多尺度分解，所述的小波变换为PWT算法，每一次小波变换，将图像分解成4个相同尺寸的小波分解图像，分别表示：低频信息LL、水平方向高频信息HL、竖直方向高频信息LH、对角方向的高频信息HH；然后将侧扫声纳图像小波分解后得到的低频信息LL进行重构，得到与原始的侧扫声纳图像尺寸相同的大尺度图像，即侧扫声纳低频图像；

第二步，利用仿射变换对侧扫声纳低频图像和多波束声纳图像进行粗配准

首先提取多波束声纳图像与侧扫声纳图像的匹配特征点对后，利用仿射变换得到粗配准的旋转变换矩阵；将旋转变换矩阵作用在第一步得到的侧扫声纳低频图像上，得到粗配准侧扫声纳低频图像；

第三步，对粗配准侧扫声纳低频图像进行精配准