[发明专利]基于互信息图像选块和sift特征的遥感图像配准方法

权利要求书

1.一种基于互信息的图像选块和sift特征的遥感图像配准方法，包括如下步骤：

步骤1，输入参考图像和待配准的图像；

步骤2，随机选取子图像对，计算每对图像的互信息；

设定迭代次数为I，迭代次数越多，选取的子图像对就越多，获得最相似的子图像对的可能性就越大，相应地，计算量也越大；

子图像块的尺寸Ms越大，计算量越大，图像对中相互匹配的点也就越多；子图像块的尺寸Ms越小，计算量也越小，相应地，相互匹配的点也越少，因此要选取合适的Ms，在减少运算量的同时，保证有足够的匹配点；

每次迭代按如下步骤进行：

2a)从参考图像和待配准图像中分别随机选取一子图像块，子图像块的大小Ms；

2b)计算这两个子图像块的互信息，并保存随机选取的子图像块在原图像中的位置坐标；

步骤3，按照互信息值对获得的子图像对进行降序排列，并使得子图像对与原图像位置坐标保持一致；

步骤4，选取互信息最大的前n个子图像对；

步骤5，对每一对子图像对进行sift特征提取，进行粗匹配，得到匹配点对的个数M；

5a)分别对子图像块进行sift特征提取；

5b)对参考子图像块的每一个sift特征描述子进行转置运算，并计算其与待配准子图像块的所有的sift特征描述子的点积，进行反余弦计算并对结果进行排序；

5c)检验结果，仅仅保留那些最小的矢量角与次小的矢量角之间的比值小于阈值disRation的匹配点对；

步骤6，若匹配点数M>500,则对这些匹配点对，剔除错误的匹配点，进行细匹配，否则返回步骤5；

细匹配的过程为：

6a)输入粗匹配获得参考图像的特征点集合{R}和待配准图像的特征点集合{S}；

6b)分别计算参考图像块中的特征点R_i和待配准图像块中的特征点R_j之间的距离以及与之对应的匹配点S_i和S_j之间的距离其距离比为：

6c)计算所有的可能的组合的D_ij，采用统计的方法生成一个尺度直方图；

6d)对直方图有贡献的点对，则认为是正确的匹配点，分散的则认为是错误的匹配点，并将其剔除，删除的过程按如下步骤进行：

1)首先剔除最有可能的错误匹配点，并计算剩余的匹配点对的均方误差RMSE；

2)若均方误差RMSE大于等于1或者达到最大的迭代次数，则终止剔除过程，并计算出配准参数和互信息值，否则返回步骤1)；

步骤7，采用随机一致抽样(RANSAC)算法和PV插值法分别计算出配准参数和互信息值；

其中计算配准参数用RANSAC算法，按如下步骤进行：

7a)输入匹配点对集；

7b)随机选择3个匹配点对，计算变换参数集P并对计数器C清零；

7c)在余下点对集中选择匹配点对(V_i，V_i^·)，计算V_i经P映射后的特征点V_i^*，如果|V_i^*-V_i^·|<d，就认为V_i满足误差为d的参数集P，计数器C加1；

7d)如果计数器C大于某一个阈值N，则算法终止；否则转(7c)中继续执行；

7e)如果所有的匹配点对都被计算完计数器的值仍没有超出预先设定的阈值N，则选择其中计数器最大时所对应的参数集P作为最终配准参数集；

步骤8，选取互信值最大的子图像块的配准参数作为最终的配准结果，并将该子图像块的配准结果图输出。

2.根据权利要求1所述的遥感图像配准方法，其特征在于，所述参考子图像块的每一个sift特征描述子是128维向量，包含sift特征点的邻域划分成4x4子区域的8个方向信息。

3.根据权利要求1所述的遥感图像配准方法，其特征在于该方法在matlab中计算，在matlab中计算单位向量的点积比计算欧氏距离的计算成本低，更有效，并且对于小角度来说，角度比是欧氏距离比的一个近似。

4.根据权利要求1所述的遥感图像配准方法，其特征在于阈值disRation设为0.7-0.9之间。