[发明专利]一种基于中分辨率影像的同名云点快速匹配算法

说明书

本发明公开一种基于中分辨率影像的同名云点快速匹配算法，匹配算法如下：设定左影像坐标变量为(x₁,y₁)，右影像坐标变量为(x₂,y₂)，分别对连续观测的三种遥感影像按观测时间设为AN、AF和AA影像，对AN影像、AF影像和AA影像进行云雪检测；以AN影像、AF影像和AA影像中的任意一个影像为左影像，其他影像为右影像，以左影像对右影像进行匹配，给定云雪区的起始匹配位置和左右视差值,设定相关系数阈值和左影像待匹配点的步长step；由左右视差值预测出左影像上的目标点在右影像上的位置。本发明匹配算法以匹配速度较快、正确率较高的相关系数法作为主要匹配手段，针对云移动和云阴影影响导致的匹配密度较低的情况，提出了云雪检测方法，消除云阴影的影响。

技术领域

本发明涉及一种数字图像数据信息提取方法，是一种基于中分辨率影像的同名云点快速匹配算法。

背景技术

在地球大气能量收支平衡中，云具有特别显著的调节作用，是影响天气变化的一个重要因子。云顶高度和云移动速度是云的基本宏观参数和天气预报的重要资料，准确的云顶高度能够提高强对流天气的监测和预报准确度、保障航空飞行安全，尤其对于局地灾害性天气的云团结构和高度分析，如强风暴、热带气旋等、云团三维空间模拟和移动监测等具有重要意义。

NASA(美国宇航局)利用三个角度的MISR(探测卫星)影像，通过重投影技术、影像匹配方法和几何方法解算获得云顶高度和云移动速度。因此，影像几何校正精度和同名云点匹配精度是制约云顶高度和云移动速度估算精度的主要因素。三影像的同名云点的匹配是云顶高度和云移动速度解算的基础，其匹配的精度直接影响结果的精度。

同名云点匹配和云检测上，众多学者先后利用动态阈值法、Logistic回归模型(一种广义线性回归分析模型)、SIFT(尺度不变特征变换)、最小二乘法和相关系数法进行了云检测和同名云点匹配，取得了一定的效果。

然而，用于云检测的影像多为中分辨率影像，无法精细表达地貌和云状，加上扫描角度不同、云自身移动变形产生不同云的阴影以及云的高反射率，使得同名云点匹配精度较低，尤其是针对三联像对同名云点匹配，研究几乎没有。

发明内容

本发明的目的在于提供一种基于中分辨率影像的同名云点快速匹配算法，以匹配速度较快、正确率较高的相关系数法作为主要匹配手段，针对云移动和云阴影影响导致的匹配密度较低的情况，提出了云雪检测方法，消除云阴影的影响，同时减少了地面点匹配量；针对反射率变化较小地区，采用图像增强方式进行同名云点匹配加密，通过实验，该算法匹配速度快，匹配成功率和覆盖率能达到100％。

本发明的目的可以通过以下技术方案实现：

一种基于中分辨率影像的同名云点快速匹配算法，所述匹配算法如下：

连续拍摄的三张不同角度的中分辨率遥感影像，三张影像按时间顺序分别为AN影像、AF影像和AA影像，对拍摄的遥感影像进行同名云点匹配。

所述同名云点匹配算法包括如下步骤：

S1、设定左影像坐标变量为(x₁,y₁)，右影像坐标变量为(x₂,y₂)，分别对AN影像、AF影像和AA影像进行云雪检测。

S2、对云雪区进行相关系数法匹配

以AN影像、AF影像和AA影像中的任意一个影像为左影像，其他影像为右影像，以左影像对右影像进行匹配，给定云雪区的起始匹配位置和左右视差值,设定相关系数阈值和左影像待匹配点的步长step。

S3、由左右视差值预测出S2中左影像上的目标点在右影像上的位置。