[发明专利]基于边缘点特征的高分辨率遥感图像配准方法

说明书

本发明涉及一种基于边缘点特征的高分辨率遥感图像配准方法，包括下列步骤：图像预处理：对参考图像和待配准图像在进行特征提取之前进行小波变换；特征提取：提取小波变换后获得的低频近似参考图像和低频近似待配准图像的边缘点特征；特征点匹配：依据基于角度的特征匹配算法进行特征点匹配；匹配点对筛选：依据初始匹配点的质量进行匹配点对的筛选；仿射变换参数计算：依据行列坐标值对筛选后的匹配点对分区，依据各区质量最优的匹配点对进行仿射变换参数计算，获得相应的仿射变换参数；图像配准步骤：运用仿射变换参数得到配准后的图像。本发明具有较高的配准精度和配准速度，适于高分辨遥感图像及其他图像的配准，配准精度达到亚像素级别。

技术领域

本发明涉及图像处理技术领域，更为具体地，涉及高分辨遥感图像配准方法，尤其是亚米级高分辨率遥感图像的自动特征级配准方法。

背景技术

遥感图像配准是后端多种遥感应用的基础和前提，配准精度直接影响后续应用的效果，配准的自动化处理和配准效率的提高对海量遥感数据分析具有重要意义，也是学者们关注的焦点。SIFT(Scale Invariant Feature Transform)和SURF(Speed Up RobustFeatures)是常用的典型遥感图像配准方法。SIFT具有尺度不变性，在噪声干扰、仿射变换等方面有良好的鲁棒性，但计算量大，耗时长，且采用欧氏距离匹配特征点会产生较多误匹配点对。SURF算法优化了配准时间，在尺度和仿射变换下保持不变性，但配准精度有待提高，匹配率较低。随着遥感图像分辨率的日益提高，遥感图像的尺寸和数据量不断增大，以及随着遥感应用的发展，都对图像配准的性能提出越来越高的要求，特征配准方法克服灰度配准方法的局限，是目前遥感图像配准领域研究的重点。

发明内容

鉴于上述问题，本发明提供一种高分辨率遥感图像配准方法，这种方法适于高分辨率遥感图像配准，且具有较高的配准精度和配准速度。

本发明实现上述目的的技术方案为：

一种基于边缘点特征的高分辨率遥感图像配准方法，包括下列步骤：

图像预处理：对参考图像和待配准图像在进行特征提取之前进行小波变换，以获得的低频近似参考图像(参考图像经过一级Haar小波变换后的低频近似图像)和低频近似待配准图像(待配准图像经过一级Haar小波变换后的低频近似图像)作为特征提取的基础；

特征提取：提取低频近似参考图像和低频近似待配准图像的边缘点特征，获得相应的初始特征点集；

特征点匹配：对初始特征点集中的每一个特征点添加主、辅方向，依据基于角度的特征匹配算法进行特征点匹配，获得初始匹配点对；

匹配点对筛选：依据初始匹配点的质量进行匹配点对的筛选，获得筛选后的匹配点对集；

仿射变换参数计算：依据行列坐标值对筛选后的匹配点对分区，依据各区质量最优的匹配点对进行仿射变换参数计算，获得相应的仿射变换参数。

这种方法还可以包括图像配准步骤：对待配准图像运用仿射变换参数进行双线性插值，得到配准后的图像。

优选的，在图像预处理步骤，所述图像如为SAR遥感图像，先对图像进行滤波预处理，去除图像的斑点噪声，对滤波预处理后的图像进行所述的小波变换，所述滤波预处理优选采用增强的Frost滤波方法。

所述小波变换可以为一级Haar小波变换，将相应图像分解为四副子带图：低频近似图像、水平细节图像、垂直细节图像和对角细节图像。

优选的，对光学遥感图像采用Canny边缘检测算法提取边缘特征，对SAR遥感图像采用ROA(Ratio of Averages)边缘检测算法提取边缘特征，在边缘特征的基础上提取点特征，获得所述的边缘点特征。

所述采用Canny边缘检测算法提取边缘特征的具体方式优选为：