[发明专利]一种鲁棒SURF无人机彩色遥感图像配准方法

摘要

本发明涉及一种鲁棒SURF无人机彩色遥感图像配准方法，即在特征点描述阶段，对特征点自身进行颜色空间变换，得到特征点自身的彩色信息，随后在描述算子中进行表述。匹配效果良好，图像没有出现交叉线。

主权项

一种鲁棒SURF无人机彩色遥感图像配准方法，其特征在于步骤如下：步骤1：对获取的无人机彩色遥感参考图像image1、待配准图像image2进行灰度处理变为灰度图像，对灰度图像进行高斯平滑处理完成尺度空间构建，采用特征检测算子Hessian矩阵的行列式进行特征点提取，获取image1、image2的所有特征点分别记为目标集{pi},i＝1,2,……,n和基准集{qj},j＝1,2,……,m；步骤2：对于得到的目标集{pi}和基准集{qj}，以每个特征点为中心确定边长为20s的正方形区域，其中s表示不同尺度空间下的采样间隔，将其周围邻域信息分成4×4个子区域，每个小区域又分为5×5个采样点，最后用Harr小波计算每个小区域垂直和水平方向的响应及模值dx,|dx|,dy,|dy|，并统计5×5个采样点的总响应Σdx,∑|dx|,∑dy,∑|dy|，可得到特征点的64维SURF特征描述符：V＝(∑dx,∑|dx|,∑dy,∑|dy|)则特征点的SURF描述符在水平或垂直方向上定义为：Vgray＝(V1,V2,V3,V4,...,V16)其中，Vi,i＝1,2,3,...,15,16表示16个子区域所对应的描述向量；由此可得目标集{pi}和基准集{qj}中所有的特征点的64维SURF特征描述符；步骤3：对于坐标为(x,y)特征点，其在RGB颜色空间表示为R(x,y)、G(x,y)、B(x,y)，将其进行颜色空间转换，转换到YIQ颜色空间为Y(x,y)、I(x,y)、Q(x,y)；RGB颜色空间变换到YIQ颜色空间表示为：YIQ=0.2290.5870.1140.596-0.274-0.3220.211-0.5230.312RGB]]>将其增加到原始算法描述符中，得到新的彩色描述符如下：Vcolor=(i1,i2,i3,i4,...,i64,Y(x0,y0),I(x0,y0),Q(x0,y0))]]>对上式进行归一化处理：V‾color=(i1|Vcolor|,i2|Vcolor|,i3|Vcolor|,i4|Vcolor|,...,i64|Vcolor|,Y(x0,y0)|Vcolor|,I(x0,y0)|Vcolor|,Q(x0,y0)|Vcolor|)]]>|Vcolor|=Σk=164ik2+Y2(x0,y0)+I2(x0,y0)+Q2(x0,y0)]]>其中ik,k＝1,2,3,...,63,64代表经典SURF算法中特征点的64维描述向量；由此可得目标集{pi}和基准集{qj}中各个特征点的67维描述向量；步骤4：特征点双向匹配步骤4a：使用欧氏距离公式计算参考图像image1中的特征点p1在image1中正向的最近欧式距离dnt和次近欧式距离dsnt；使用欧氏距离公式计算参考图像image1中的特征点p1在image2中正向的最近欧式距离d1nt和次近欧式距离d1snt的特征点分别为p2nt和p2snt；步骤4b：计算最近距离d1nt和次最近距离d1snt的比率T1，即T1=d1ntd1snt]]>将T1与判断阈值T进行比较：如果T1＜T，随之进行步骤4c，否则，自动跳出；步骤4c：对于p2nt对应特征点，使用欧氏距离公式计算在image1中反向的最近距离d2nt和次最近距离d2snt的特征点分别为p1nt和p1snt；步骤4d：计算最近距离和次最近距离的比率T2T2=d2ntd2snt]]>将T1与判断阈值T进行比较：如果T2＜T，同时p1nt所寻找的特征点和原始特征点p1是同一个特征点，则认为是正确匹配点对，否则返回步骤4a对参考图像image1中的其它特征点进行新的特征点判断；依次遍历参考图像目标集中所有特征点，最终实现双向匹配提纯；步骤5：采用RANSAC算法实现变换矩阵参数求取步骤5a：寻找步骤4完成后的双向匹配提纯后的特征点对mi'←→mi，i＝1,2,......n；步骤5b：从匹配点对集合中，任意选取4对匹配点对，使用这4对匹配点对的坐标值，求得变换矩阵H；步骤5c：以欧氏距离为依据，在匹配点对集合中寻找符合d(Himi,mi')<t条件的点对，其中，Himi表示对image2中特征点进行矩阵变换映射到image1中的位置坐标，mi'表示mi在image1中对应特征点的位置坐标，d(Himi,mi')表示两个坐标向量的欧氏距离，将符合条件的点对作为最终的内点，并记录满足Hi约束的内点数量；步骤5d：重复5b和5c两步n次，记录每一次的内点数量；步骤5e：选取对应内点数量最大的Hbest，寻找所有符合d(Hbestmi,mi')<t条件的匹配点对，将它们作为最终的内点，即正确的匹配点对，不符合d(Hbestmi,mi')<t条件的错误匹配点对，即为外点，予以剔除；步骤5f：根据随机抽样一致性算法求得N个匹配点对，对这个2N个由x1,y1,x2,y2所构成的矩阵进行标记，记作A，对其进行SVD奇异值分解得A＝UDVT，U和V中分别是A的奇异向量，D为对角线上的奇异值按降序排列，V的最后一列重构为3*3矩阵即为所求的透视变换矩阵参数估计；步骤6：双三次插值实现配准若参考图像image1上任意一点坐标为(x,y)，其灰度值为g(x,y)，该点在待配准图像image2上的对应点坐标为(u,v)，其灰度值为f(u,v)，[·]表示取整数，待配准图像中对应点4*4邻域内16个像素点组成的矩阵为B：B=f([u]-1,[v]-1)f([u]-1,[v])f([u]-1,[v]+1)f([u]-1,[v]+2)f([u],[v]-1)f([u],[v])f([u],[v]+1)f([u],[v]+2)f([u]+1,[v]-1)f([u]+1,[v])f([u]+1,[v]+1)f([u]+1,[v]+2)f([u]+2,[v]-1)f([u]+2,[v])f([u]+2,[v]+1)f([u]+2,[v]+2)]]>矩阵B中元素中函数f(u+i,v+j),i＝‑1,0,1,2；j＝‑1,0,1,2,定义为在待配准图像上的对应点坐标为(u+i,v+j)时的灰度值；则参考图像中待插值点的灰度值计算公式如下：g(x,y)＝f(u,v)＝ABC其中：a=u-[u]b=v-[v]C=s(1+a)s(a)s(1-a)s(2-a)TA=s(1+b)s(b)s(1-b)s(2-b)]]>s(w)=1-2|w|2+|w|3,|w|<14-8|w|+5|w|2-|w|3,1≤|w|<20,|w|≥2]]>s(w)为双三次插值的基函数，是对sin(x*π)/x的逼近，通过双三次插值，将image2图像插值到参考图像image1中，实现最终的高精度配准。