基于自適應(yīng)尺度的遙感影像漸進(jìn)配準(zhǔn)

《基于自適應(yīng)尺度的遙感影像漸進(jìn)配準(zhǔn)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、中國(guó)科學(xué):信息科學(xué)2011年第41卷增刊:55{65www.scichina.cominfo.scichina.com論文基于自適應(yīng)尺度的遙感影像漸進(jìn)配準(zhǔn)孫業(yè)超¤,李杏朝,呂江安中國(guó)資源衛(wèi)星應(yīng)用中心,北京100094*通信作者.E-mail:sycgis@163.com收稿日期:2011{06{03;接受日期:2011{08{16國(guó)家發(fā)改委自然資源和地理空間基礎(chǔ)信息庫(kù)資助項(xiàng)目摘要圖像配準(zhǔn)是遙感圖像處理中的基本問(wèn)題.本文針對(duì)多源多時(shí)相遙感影像的特點(diǎn),提出了一種基于自適應(yīng)尺度的漸進(jìn)配準(zhǔn)方法,在從粗到細(xì)的迭代配準(zhǔn)過(guò)

2、程中,可以通過(guò)上一次配準(zhǔn)結(jié)果的幾何定位誤差來(lái)確定本次匹配的尺度,并按該尺度提取特征角點(diǎn)和特征鄰域進(jìn)行匹配,與常規(guī)金字塔漸進(jìn)配準(zhǔn)方法相比,減少了匹配次數(shù),提高了配準(zhǔn)效率.另外,特征提取和匹配過(guò)程中提出一種基于Harris-Laplace算法和相位相關(guān)算法的遙感影像配準(zhǔn)算法,利用Harris-Laplace角點(diǎn)代替原始圖像,能夠綜合區(qū)域和特征的優(yōu)點(diǎn),對(duì)亞像元偏移、旋轉(zhuǎn)、尺度變化具有不變性,同時(shí)對(duì)對(duì)比度和灰度的變化不敏感,具有很強(qiáng)的抗噪性.在特征檢測(cè)和匹配的過(guò)程中采用限定搜索區(qū)域、抽稀角點(diǎn)等多種優(yōu)化策略來(lái)提高算法的

3、性能.實(shí)驗(yàn)證明,算法具有很好的精度,對(duì)幾何攻擊具有很好的魯棒性,該算法已經(jīng)應(yīng)用于CBERS-02B星3級(jí)數(shù)據(jù)的批量自動(dòng)化生產(chǎn),具有很好的應(yīng)用效果.關(guān)鍵詞自適應(yīng)尺度Harris-Laplace算子相位相關(guān)影像配準(zhǔn)1引言圖像配準(zhǔn)是將不同時(shí)間、不同角度或通過(guò)不同傳感器得到的兩幅或多幅圖像校準(zhǔn)的過(guò)程.在涉及需要結(jié)合多個(gè)圖像數(shù)據(jù)源的圖像分析中如圖像鑲嵌、變化檢測(cè)、圖像融合等圖像配準(zhǔn)都是關(guān)鍵的一步.目前在圖像的配準(zhǔn)方面已開(kāi)展了許多研究工作,提出了很多種自動(dòng)圖像配準(zhǔn)的方法[1].根據(jù)不同的標(biāo)準(zhǔn),圖像配準(zhǔn)算法有很多分類方法,

4、但總的來(lái)說(shuō),可以大致分為3類:1)基于區(qū)域灰度的配準(zhǔn)方法:主要通過(guò)像元灰度的相似性來(lái)計(jì)算兩幅圖像之間的關(guān)系.互相關(guān)法[2;3]是基于灰度統(tǒng)計(jì)的最基本圖像配準(zhǔn)方法,相位相關(guān)法是尋求兩幅影像在頻率域中的對(duì)應(yīng)矢量,主要利用了Fourier變換的良好性質(zhì)[4?9],具有很好的抗噪性.互信息法是近年出現(xiàn)的一種比較先進(jìn)的影像配準(zhǔn)方法[10].2)基于特征的配準(zhǔn)方法:基于圖像特征的配準(zhǔn)方法是目前最常用的一種.這些方法主要是提取圖像的顯著特征,特征元素主要包括點(diǎn)、線、面.面特征主要是一些區(qū)域或特定地物(比如路、建筑、河流等)

5、,線特征主要利用邊緣檢測(cè)算子進(jìn)行邊緣提取,點(diǎn)特征是最為常用且效率較高的方法,經(jīng)典的算法主要有Moravec算法[11]、Forstner算法[12]、Harris算法[13]、MIC算法[14]、SUSAN算法[15]、SIFT[16;17]算法等.引用格式:孫業(yè)超,李杏朝,呂江安.基于自適應(yīng)尺度的遙感影像漸進(jìn)配準(zhǔn).中國(guó)科學(xué):信息科學(xué),2011,41(增刊):55{65孫業(yè)超等:基于自適應(yīng)尺度的遙感影像漸進(jìn)配準(zhǔn)3)基于對(duì)圖像的理解和解釋的配準(zhǔn)方法:一幅數(shù)字圖像可以理解為一個(gè)連續(xù)的物理模型采樣,基于物理模型的配

6、準(zhǔn)方法可以很好地解決圖像復(fù)雜變形問(wèn)題.1981年,Briot首次將彈性模型引入醫(yī)學(xué)圖像配準(zhǔn),在此基礎(chǔ)上,發(fā)展了多分辨率彈性體匹配模型、混合彈性模型[18]、有限元法[19]以及基于活動(dòng)表面的迭代算法等多種彈性模型算法.光流場(chǎng)模型也是最新發(fā)展的一種配準(zhǔn)算法[20;21].除了以上算法,眾多文獻(xiàn)都將金字塔分解[22;23]和小波變換[24;25]等多尺度分析方法引入圖像的配準(zhǔn)工作中,形成多尺度的從粗到細(xì)的漸進(jìn)配準(zhǔn)方法.基于多尺度漸進(jìn)配準(zhǔn)的方法與直接用原始影像配準(zhǔn)相比,由于限制了匹配搜索區(qū)域,減少了誤配率,提高了配

7、準(zhǔn)精度.在遙感影像批量化幾何精校正過(guò)程中,我們發(fā)現(xiàn),由于星歷和姿態(tài)數(shù)據(jù)采樣頻率不夠,造成同一傳感器采集的多景遙感影像標(biāo)準(zhǔn)初級(jí)產(chǎn)品(即2級(jí)產(chǎn)品)的定位誤差差異明顯,即使是同一軌道,各景的定位精度也不盡相同,誤差像元數(shù)從幾個(gè)到幾百個(gè)不等.金字塔漸進(jìn)配準(zhǔn)的思想是根據(jù)影像大小進(jìn)P行N+1層分解,然后每層都進(jìn)行一次匹配,定義金字塔漸進(jìn)配準(zhǔn)總的時(shí)間T=ti,其中i為配準(zhǔn)次數(shù),ti為每層配準(zhǔn)的時(shí)間,低分辨率層級(jí)的配準(zhǔn)結(jié)果,可以限制高分辨層級(jí)的搜索區(qū)域,從而減少高分辨率層級(jí)的配準(zhǔn)時(shí)間,但在每一層上都進(jìn)行配準(zhǔn),總的配準(zhǔn)時(shí)間依然

8、有可優(yōu)化的空間.遙感影像配準(zhǔn)主要是要通過(guò)參考影像糾正配準(zhǔn)影像的圖像變形,而目前遙感影像的多源多時(shí)相特性使得影像的圖像變形十分復(fù)雜.由不同時(shí)間獲取的影像由于光照、大氣以及地物本身的變化會(huì)造成圖像在對(duì)比度和亮度上的差異,包括全局的以及局部不規(guī)則的灰度變化;不同衛(wèi)星及傳感器獲取的影像由于軌道高度、相機(jī)視角、成像模式的不同會(huì)造成圖像在幾何上的形變,包括全局仿射變換(平移、旋轉(zhuǎn)、尺度變化)、局部幾何失真、剪切