[发明专利]一种基于粒子群算法的多级分辨率遥感影像自动配准方法

摘要

本发明公开一种基于粒子群算法的多级分辨率遥感影像自动配准方法，包括以下步骤对多级遥感影像重采样为统一的分辨率；采用前期自适应粒子群算法粗略搜索和后期标准粒子群算法精细搜索进行多级分辨率影像的逐级配准；所有相邻级别分辨率影像的空间变换参数作乘积，输出结果即为待配准影像和参考影像的空间变换模型。本发明适用于遥感图像配准的问题，能够实现分辨率差异很大的待配准与参考影像在空间位置上的精确匹配，可以有效解决分辨率差异过大无法选取控制点进行配准的问题。

主权项

一种基于粒子群算法的多级分辨率遥感影像自动配准方法，其特征在于，包括以下步骤：S1：对遥感影像进行预处理，把相邻级别分辨率的影像依次重采样成相同的影像分辨率；S2：对已重采样处理后的最低级别分辨率待配准影像和次低级别分辨率参考影像的空间变换模型进行粗略搜索，初始化自适应粒子群，创建互信息的分布，设定最大的迭代次数Tmax；S3：根据互信息的大小记录全局最优粒子和粒子历史最优位置，据此对每一个粒子的位置进行更新，迭代完成后进行下一步；S4：以粗略搜索得到的空间变换模型初始化标准粒子群进行精细搜索，创建互信息的分布，设定最大的迭代次数Cmax，每一个粒子的搜索步长随迭代次数递减；S5：精细搜索达到迭代次数后得到相邻级别分辨率影像的精准空间变换模型；S6：如果已完成所有相邻分辨率图像的配准，转到S7，否则转到S2，继续取下一相邻级别分辨率的两幅遥感影像进行配准；S7：以S6中获得的所有相邻级别分辨率影像的空间变换参数作乘积，输出结果即为待配准影像和参考影像的空间变换模型；在步骤S3中，当获取目标函数的最大值后，需要对自适应粒子群的所有粒子所在的位置进行更新，每个粒子的移动速度受三个因素的影响：粒子前一个时刻的速度、全局最优粒子的位置和粒子历史最优位置，其移动速度的公式为：Vi(t+1)＝ω·Vi(t)+C1·rand·(pib‑Zi(t))+C2·rand·(pgb‑Zi(t))其中，Vi(t+1)是粒子i在t+1时刻的移动速度，Vi(t)是粒子i在t时刻的移动速度，Zi(t)是粒子i在t时刻的位置，pib是粒子i的历史最优的位置，pgb是全局最优粒子的位置；ω为惯性权重，即下一时刻的速度会在一定程度上受到上一时刻速度的影响；C1和C2分别为自身学习和社会经验的权重，rand为随机干扰因素，取值范围为0到1，ω、C1和C2的计算公式分别为：ω(f)=11+1.5e-2.6f∈[0.4,0.9]]]>Ci=CiC1+C2·4.0,i=1,2]]>其中f为进化因子，是评价全局粒子群的分布紧凑程度的函数，假设dg为全局最优粒子到其余所有粒子位置的欧式距离的平均值，dmin为全局最优粒子到最近粒子的欧式距离，dmax为全局最优粒子到最远粒子的欧式距离，则f可定义为：f=dg-dmindmax-dmin]]>因此，粒子最终的位置更新公式为：Zi(t+1)＝Zi(t)+Vi(t+1)。