[发明专利]一种基于局部轮廓协方差矩阵的遥感图像配准方法

摘要

本发明提出了一种基于局部轮廓协方差矩阵的遥感图像配准方法，将角点特征、局部分割图像和局部边缘轮廓结合起来，共同作为局部特征来实现控制点提取，并将局部轮廓协方差矩阵引入配准处理，利用局部轮廓协方差矩阵来实现旋转缩放因子的自动提取，结合局部窗口自适应选取技术来减小旋转缩放因子对配准处理的影响，提高配准处理的鲁棒性，在无人工参与条件下实现大旋转缩放模式下遥感图像间的精确配准。

主权项

1、一种基于局部轮廓协方差矩阵的遥感图像配准方法，其特征在于，包括如下步骤：步骤一：从各图像通道中同时读入各图像，采用Harris角点检测算法实现图像角点检测，通过统计移动搜索窗口内各点的角响应函数值来判断是否存在角点；如果一点的角响应函数CRF值是局部邻域内的最大值，则将该点设置为备选角点；否则表明该点不是角点；在判断完图像中所有点后，利用门限处理来提取最终角点；步骤二：采用类间方差自动阈值法对参考图像及待配准图像进行局部阈值分割；利用提取得最佳阈值对局部图像进行分割，获得局部二值图像，并依据提取的局部二值图像获得局部边缘轮廓；步骤三：旋转缩放因子的自动提取；采用基于局部轮廓协方差矩阵的旋转缩放因子自动提取方法；利用阈值分割所获得的二值图像，分别计算参考图像与待配准图像的协方差矩阵；依据参考图像与待配准图像的局部结构分布即可提取图像间的旋转因子和缩放因子；步骤四：通过对比分析参考图像和待配准图像中选取窗口尺寸的比值和利用输入图像提取的缩放因子来选取分析窗口尺寸，提取最优窗口；步骤五：利用提取的旋转缩放因子和最优窗口尺寸对步骤一中提取的边缘轮廓进行重采样，减小旋转缩放因子对特征匹配的影响；并对重采样后的边缘特征进行Freeman编码，并通过链码相关技术统计两线段间的相似性；利用点集间的相对位置关系和点集间的相互支持特性剔除错误匹配点；步骤六：当完成特征点匹配后，利用最小二乘法估算仿射模型中的参数；在确定变换参数后，依据仿射参数对输入图像对进行重采样处理，可获得相互匹配的图像对。