一種基于sift特征點的高空間分辨率遙感影像自動配準方法
【技術領域】
[0001]本發(fā)明涉及一種遙感影像處理領域，具體說是一種基于SIFT特征點的高空間分辨率遙感影像自動配準方法。
【背景技術】
[0002]一個良好的遙感影像配準方法或方案應該具有以下特性:A、穩(wěn)健性強；即算法不受輸入圖像的內(nèi)容和質(zhì)量的影響。B、適應性廣；適應性包括兩方面:一方面是輸入圖像的類型，可以是不同時相的圖像，也可以是不同傳感器的圖像，甚至是圖像與地圖之間的配準；另一方面是幾何變換模型的類型，可以是相似變換、仿射變換或者多項式變換，甚至更復雜的變換形式。C、自動化程度高；算法盡量不需要操作者參與，包括地面控制點、參數(shù)以及算法的選擇。D、計算量較少；這一特性在處理大尺寸遙感圖像時尤為重要。E、配準精度高；目前有許多應用環(huán)境要求子像元精度。然而，到目前為止還沒有一種方案或方法能夠同時具備上述五條特性，大部分的方法都是針對特定應用的。

【發(fā)明內(nèi)容】

[0003]本發(fā)明提供了一種基于SIFT特征點的高空間分辨率遙感影像自動配準方法，利用SIFT特征點對光照、旋轉(zhuǎn)和遮擋等干擾因素的不變特性，通過多次提純，保留完全匹配的同名點，配準精度高，能達到亞像元級。
[0004]為實現(xiàn)本發(fā)明的目標所采用的技術方案是:方法包括以下步驟:
[0005]步驟1:分別對輸入的兩幅待配準遙感影像imagel和image2進行預處理；
[0006]步驟2:分別對影像imagel和image2提取SIFT特征點，得到SIFT特征點集合SIFT_SET1和 SIFT_SET2 ；
[0007]步驟3:利用特征網(wǎng)格方法分別對SIFT特征點集合SIFT_SET1和SIFT_SET2進行提純，得到提純后的SIFT特征點集合REFINED_SIFT_SET1和REFINED_SIFT_SET2 ；
[0008]步驟4:分別對集合 REFINED_SIFT_SET1 和 REFINED_SIFT_SET2 建立 KD 樹，得到KDl 和 KD2 ；
[0009]步驟5:用BBF算法分別在KDl中搜索到KD2的最近鄰和次近鄰節(jié)點以及在KD2中搜索到KDl的最近鄰和次近鄰節(jié)點；
[0010]步驟6:利用雙向的最近鄰/次近鄰的比值提純法對特征匹配對進行提??；
[0011]步驟7:利用特征匹配對計算仿射變換矩陣；
[0012]步驟8:以影像imagel為參照，對影像image2進行仿射變換。
[0013]所述的預處理包括噪聲去除和邊緣增強，采用的方法為通過各向異性熱擴散方程構造遙感影像的非線性尺度空間，其迭代方程如下:
[0014]It+1= I t+A (cNx’yV N(It)+cSx,yV s(It)+cEx,yV E(It)+cffx,yV ff(It))
[0015]其中，I為影像，VN(It)、V s (It)、▽ E(It)和▽ w(It)分別是四個方向的偏導，cNx，y、cSx，y、cEx，y和cWx，y分別是四個方向上的導熱系數(shù)，λ為平滑控制系數(shù)，取值越大，圖像越平滑，越不易保留邊緣。為了更大程度保留邊緣信息，對各個顏色分量分別進行非線性尺度變換，最后再做疊加。
[0016]所述的特征網(wǎng)格方法為:將兩幅待配準遙感影像均勻劃分為兩個層次的網(wǎng)格一一一級特征網(wǎng)格和二級特征網(wǎng)格。一級特征網(wǎng)格是劃分后的最小單元網(wǎng)格，四個相鄰的一級特征組成一個二級特征，分別計算每個一級特征網(wǎng)格的信息熵并進行從大到小排序，保留信息熵排在前25%的一級特征網(wǎng)格，若二級特征中不含保留的一級特征網(wǎng)格，則比較其包含的四個一級特征網(wǎng)格，保留其中信息熵最大的一級特征網(wǎng)格。最后，只提取和計算落在被保留的一級特征網(wǎng)格中的SIFT特征點。
[0017]本發(fā)明的有益效果是:解決了高空間分辨率遙感影像配準誤差大的問題，能夠?qū)崿F(xiàn)配準的高精度和自動化，在遙感影像的變化檢測領域具有廣泛的應用價值。
【附圖說明】
[0018]圖1是本發(fā)明的總體處理流程圖。
【具體實施方式】
[0019]下面結合附圖詳細描述本發(fā)明的【具體實施方式】。
[0020]在步驟101，輸入待配準的兩幅遙感影像imagel和image2均為Quick bird的多光譜影像。
[0021]在步驟102，為了保證在去除噪聲的同時保留邊緣信息采用各向異性熱擴散方程構造遙感影像的非線性尺度空間，其迭代方程如下:
[0022]It+1= I ,+ λ (cNx’yV N(It)+cSx’yV s(It)+cEx,yV E(It)+cffx,yV ff(It))
[0023]其中，1為影像，~(1,)、~(1,)、~(1,)和^?(1,)分別是四個方向的偏導，cNx，y、(^〃、(^^和…吣分別是四個方向上的導熱系數(shù)，λ為平滑控制系數(shù)，取值為50。為了更大程度保留邊緣信息，對兩幅待配準遙感影像imagel和image2的三個波段分別進行非線性尺度變換，最后再做疊加。
[0024]在步驟103，分別對影像image I和image2提取SIFT特征點，分別記為SIFT_SETl和SIFT_SET2，SIFT參數(shù)采用Lowe在其文章中提出的默認參數(shù)，詳見“D G Lowe.Distinctive Image Features from Scale—Invariant Key points.1nternat1nalJournal of Computer Vis1n, 60:91 - 110, 2004.”0
[0025]在步驟104，為了減少特征數(shù)量并使其分布更均勻，采用特征網(wǎng)格方法將兩幅待配準遙感影像imagel和image2均勾劃分為兩個層次的網(wǎng)格--一級特征網(wǎng)格和二級特征網(wǎng)格。一級特征網(wǎng)格是劃分后的最小單元網(wǎng)格，四個相鄰的一級特征組成一個二級特征，分別計算每個一級特征網(wǎng)格的信息熵并進行從大到小排序，保留信息熵排在前25%的一級特征網(wǎng)格，若二級特征中不含保留的一級特征網(wǎng)格，則比較其包含的四個一級特征網(wǎng)格，保留其中信息熵最大的一級特征網(wǎng)格。最后，只提取和計算由步驟103中產(chǎn)生的SIFT_SET1和SIFT_SET2中落在被保留的一級特征網(wǎng)格中的SIFT特征點，分別記為REFINED_SIFT_SET1和 REFINED_SIFT_SET2。
[0026]在步驟105，為了更高效地進行SIFT特征的搜索，分別對步驟104中產(chǎn)生的REFINED_SIFT_SET1 和 REFINED_SIFT_SET2 建立 KD 樹搜索空間，分別記為 KDl 和 KD2。
[0027]在步驟106，搜索特征匹配對，【具體實施方式】為:用BBF算法分別在KDl中搜索到KD2的最近鄰和次近鄰節(jié)點以及在KD2中搜索到KDl的最近鄰和次近鄰節(jié)點，若兩個方向(KDl — KD2和KD2 — KDl)的最近鄰和次近鄰之比均大于0.6，則將此兩個節(jié)點作為特征匹配對。
[0028]在步驟107，根據(jù)步驟106提取的特征匹配對計算仿射變換矩陣。
[0029]在步驟108，以影像imagel為參照，對影像image2進行仿射變換。
[0030]在步驟109，輸出配準結果。
【主權項】
1.一種基于SIFT特征點的高空間分辨率遙感影像自動配準方法，其特征在于包括以下步驟: 步驟1:分別對輸入的兩幅待配準遙感影像imagel和image2進行預處理； 步驟2:分別對影像imagel和image2提取SIFT特征點，得到SIFT特征點集合SIFT_SETl和 SIFT_SET2 ； 步驟3:利用特征網(wǎng)格方法分別對SIFT特征點集合SIFT_SET1和SIFT_SET2進行提純，得到提純后的 SIFT 特征點集合 REFINED_SIFT_SET1 和 REFINED_SIFT_SET2 ； 步驟4:分別對集合REFINED_SIFT_SET1和REFINED_SIFT_SET2建立KD樹，得到KDl和KD2 ； 步驟5:用BBF算法分別在KDl中搜索到KD2的最近鄰和次近鄰節(jié)點以及在KD2中搜索到KDl的最近鄰和次近鄰節(jié)點； 步驟6:利用雙向的最近鄰/次近鄰的比值提純法對特征匹配對進行提取； 步驟7:利用特征匹配對計算仿射變換矩陣； 步驟8:以影像imagel為參照，對影像image2進行仿射變換。
2.根據(jù)權利要求1所述的一種基于SIFT特征點的高空間分辨率遙感影像自動配準方法，其特征在于預處理包括噪聲去除和邊緣增強，采用的方法為通過各向異性熱擴散方程構造遙感影像的非線性尺度空間，其迭代方程如下:It+1= It+A (cNx,yV N(It)+cSx,yV s(It)+cEx,yV E(It)+cffx,yV ff(It)) 其中，I為影像，VN(It)、Vs(It)、VE(It)和Vw(It)分別是四個方向的偏導，cNx，y、cSx，y、cEx，y和cWx，y分別是四個方向上的導熱系數(shù)，λ為平滑控制系數(shù)，取值越大，圖像越平滑，越不易保留邊緣。為了更大程度保留邊緣信息，對各個顏色分量分別進行非線性尺度變換，最后再疊加。
3.根據(jù)權利要求1所述的一種基于SIFT特征點的高空間分辨率遙感影像自動配準方法，其特征在于特征網(wǎng)格方法為:將兩幅待配準遙感影像均勻劃分為兩個層次的網(wǎng)格一一一級特征網(wǎng)格和二級特征網(wǎng)格。一級特征網(wǎng)格是劃分后的最小單元網(wǎng)格，四個相鄰的一級特征組成一個二級特征，分別計算每個一級特征網(wǎng)格的信息熵并進行從大到小排序，保留信息熵排在前25%的一級特征網(wǎng)格，若二級特征中不含保留的一級特征網(wǎng)格，則比較其包含的四個一級特征網(wǎng)格，保留其中信息熵最大的一級特征網(wǎng)格。最后，只提取和計算落在被保留的一級特征網(wǎng)格中的SIFT特征點。
【專利摘要】本發(fā)明涉及一種基于SIFT特征點的高空間分辨率遙感影像自動配準方法。包括如下步驟：步驟1，預處理；步驟2，提取SIFT特征點；步驟3，對SIFT特征點進行提純；步驟4，建立KD樹；步驟5，搜索到最近鄰和次近鄰節(jié)點；步驟6，提取特征匹配對；步驟7，計算仿射變換矩陣；步驟8，進行仿射變換。利用SIFT特征點的不變特性，解決了高空間分辨率遙感影像配準誤差大的問題，能夠?qū)崿F(xiàn)配準的高精度和自動化，在遙感影像的變化檢測領域具有廣泛的應用價值。
【IPC分類】G06T3-00
【公開號】CN104794678
【申請?zhí)枴緾N201510221025
【發(fā)明人】施文灶
【申請人】福建師范大學
【公開日】2015年7月22日
【申請日】2015年5月4日