[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

说明书

技术领域

本发明属于图像处理技术领域，涉及遥感图像配准，可用于图像融合、图像的变化检测，计算机视觉与模式识别、遥感数据分析，目标跟踪等技术领域中。

背景技术

图像配准是图像处理过程中的一个重要步骤。图像配准技术是将不同时间、不同传感器或不同视角下获取的同一场景的两幅进行匹配的图像处理过程，是图像处理的一个基本问题。同一场景的图像会存在很多差异，这些差异可以表现为：不同的分辨率、不同的灰度属性、不同的位置(平移和旋转)、不同的比例尺度、不同的非线性变形等等。目前图像之间的差异主要来自于不同的成像条件，要使具有差异性的两幅图像几何坐标对齐，就要获得参考图像和待配准图像之间的坐标变换关系。通过这一变换可以把一个图像数据集中的任意一点的坐标变换到另一个数据集中的对应位置坐标。对于图像配准问题，研究者已经提出了很多方法，但是由于图像种类多、数据量大、变化多的特点，以及不同应用要求等的限制，迄今为止还没有一种图像配准的方法适合于所有的情况。其中基于特征的和基于灰度信息的配准方法，是图像配准领域的研究热点，并且得到了广泛的应用。

目前，配准作为一种重要的图像预处理过程已在许多图像处理领域被广泛关注，而遥感图像受其自身特有的属性，如相干斑噪声，白噪声，灰度特征不明显等的影响，配准比一般的自然图像难度要高的多，因此是近年来配准的主要研究的对象。目前的图像配准多采取基于特征点的配准方法和最大互信息的配准方法，但这两种方法各自都有一定的优缺点：

其一在基于特征点方法中，特征点的数量、位置的选择及特征点匹配的精度起着重要的作用，它直接影响着配准的精确性。这是因为在完成控制点的匹配后，剩余的工作仅仅是插值或逼近。直接基于特征点的方法发展历史较长，比较灵活，运算量也相对较小，但从整体上来说精度不是太高。针对这些问题，一些研究者们不断改进特征点的提取算法，以期获得较为理想的配准结果，比如：H.等人提出的将图像分割与sift特征结合起来对遥感图像进行配准来提高获取的配准变换参数的精度，参见：H.L.Corte-Real,and J.A.“Automatic image registration through image segmentation and SIFT,”IEEE Trans.Geosci.Remote Sens.,vol.49,no.7,pp.2589–2600,Jul.2011。

其二最大互信息的配准方法不需要对图像灰度间关系的性质作任何假设，也不需要对图像作分割、特征提取等预处理，几乎可以用在任何不同模式图像的配准，并且具有较强的鲁棒性，特别是当其中一个图像的数据部分缺损时也能得到很好的配准效果。但是最大互信息法也存在一些缺点，如计算量大、配准时间长、互信息函数存在很多局部极值、传统的优化算法比较容易陷入局部最优中、没有考虑到图像的空间信息等。所以目前最大互信息法的研究的重点主要集中在怎样提高配准的精确度、鲁棒性和速度，包括互信息函数的精度和平滑性、多分辨率方法、配准优化算法、互信息与空间信息的结合、互信息与其他相似性测度的结合等方面的研究。比如：P.W.Plumi等人提出了将互信息和图像的梯度信息结合起来，对图像进行配准，参见：P.W.Plumi，J.B.Antoine Maintz and Max A.Viergever,“Image Registration by Maximization of Combined Mutual Information and Gradient,”Medical Image Computing and Computer-Assisted Intervention–MICCAI 2000,Lecture Notes in Computer Science Volume 1935,2000,pp 452-461。

尽管国内外目前在图像的配准方面已开展了许多研究工作，提出了种类繁多的图像配准方法，但目前的图像配准研究仍存在着不少难点，这些难点主要有以下几个方面：

(1)自动配准算法的实现。自动配准是指不需要人工干预，计算机可根据既定的程序自动完成多源图像的配准。但在目前的研究中，很多方法还需要人工干预，不能实现自动配准。

(2)快速图像配准算法的实现。在建立实时/准实时图像融合系统时，必须拥有快速的图像配准算法作为保障。如何提高配准处理速度，达到快速和实时的要求也是图像配准的一大难题。