[发明专利]一种遥感图像自动配准点错误匹配消除方法

说明书

技术领域

本发明属遥感图像处理领域，具体涉及一种遥感图像自动配准点错误匹配消除方法。

背景技术

在多源遥感图像中同名地物的地理位置在大多数情况下并不相同，导致这种现象的原因主要有二个：一是由于在传感器在获取图像瞬间，传感器的位置、姿态存在显著差异；二是由于研究区的地形起伏差异较大。由于这两个因素的存在，使得对多源遥感图像的配准存在一定的困难。目前主要的解决方法是，首先利用研究区的DEM数据对遥感图像正进行正射校正，之后在两景不同传感器或不同时相的遥感图像中选取同名地物点，最后利用选取的同名地物点建立图像变换方程，完成图像变换。但是对于高空间分辨率的遥感图像，难于获取与其分辨率相近的DEM数据，因此对其正射校正存在较大误差，对之后的图像同名点的提取和匹配造成了很大因难。

目前自动提取多源遥感图像同名点地物点的技术发展迅速，提出了多种同点地物点提取算法，目前比较有效的方法是实现图像基本配准之后，以一定尺寸的窗口进行移动计算两景遥感图像的相关系数，但是对于在地形起伏较大地区的高空间分辨率遥感图像，由于同名地物相距较远，往往超过几百个像素，如果搜索范围太大，则计算时间程几何倍数增长，最终导致无法计算。

另一类方法是特征点提取与匹配算法，其中以SIFT(Scale Invariant Feature Transform)和 SURF(Speed up Robust Features)特征点提取算法应用最为广泛，在2000╳2000的图像中这两种算法可以提取得到几千个特征点，但是由于遥感图像中存在大量的相似地物，如植被、房屋等，使得在之后的特征点匹配过程中易出现大量的错误匹配点对，所以必须对错误匹配点对进行消除，目前比较有效的方法为RANSAC(Random Sample Consensus)方法，这种方法可以有效的解决地形地伏较小区的误匹配点消除，但是在地形起伏较大地区，由于无法建立准确的数学模型，因此这种方法难于发挥作用，因此本专利提出了更为有效的算法。

发明内容

本发明的目的是为了克服现有技术的缺陷，提供一种可以消除误匹配特征点对的图像特征点误匹配消除方法。

为了实现上述目的，本发明的技术方案为：一种遥感图像自动配准点错误匹配消除方法，包括以下步骤：

步骤1，图像获取：利用Quick Bird或IKONOS传感器获取不同时相的高空间分辨率图像A与图像B；

步骤2，提取特征点，建立最初匹配关系：提取图像A与图像B中的特征点，得到特征点集合{PixA_h|h＝1，2，…M}和{PixB_j|j＝1，2，…N}，利用FlannBasedMatcher方法进行特征点匹配，得到初始同名点集合U_relation＝{PixA_o，PixB_o|o＝1，2，…min(M，N)}；则U_relation中的特征点由A图像中的特征点集合U_A＝{PixA_o|o＝1，2，…min(M，N)}，和B图像中的特征点集合U_B＝{PixB_o|o＝1，2，…min(M，N)}组成；

步骤3，任意选取U_relation中一对同名特征点{PixA_o，PixB_o}，对于特征点PixA_o，利用欧式空间距离方法在集合U_A中搜索距离其最近 的K个特征点，K为小于50的自然数，得到U_Asub＝{PixA_o|o＝1…K}，同理搜索距离PixB_o最近的K个特征点，得到U_Bsub＝{PixB_o|o＝1…K}；根据U_relation判断U_Asub与U_Bsub中同名点的个数n：若n<3，令K＝K+10，重复本步骤；若K>30并且n<3，则认为{PixA_o，PixB_o}为错误同名点，将其加入U_wrong集合；若n≥3，则得到U_Asub与U_Bsub中n个同名点对集合U_rs＝{PixA_i，PixB_i|i＝1，2…n}；