本發明專利技術公開了一種多源多時相高分辨率衛星遙感影像自動匹配方法，包括步驟：步驟一，根據參考影像對待匹配影像進行糾正和初步配準得到立體影像對；步驟二，從立體影像對中截取影像塊，對各影像塊進行如下操作：計算影像塊的梯度從而得到其對應的梯度圖像，并確定所得梯度圖像的邊緣區域；對影像塊梯度圖像中的邊緣區域和非邊緣區域加權，計算加權后影像塊梯度圖像的非線性亮度相關，得到匹配點；對所得匹配點進行粗差剔除，獲取可靠的匹配點；步驟三，根據所得匹配點完成待匹配影像與參考影像的匹配。本方法采用非線性加權相關的方法，考慮了亮度的非線性變化，當影像亮度發生較大非線性變化時，也可以獲得穩健的影像匹配結果。
【技術實現步驟摘要】
本專利技術屬于攝影測量與遙感領域，尤其涉及一種。
技術介紹
地面分辨率高于5米的衛星遙感影像為高分辨率衛星遙感影像，其具有覆蓋范圍廣、成像周期短等優點，近年來在中小比例尺DEM (Digital Elevation Model,數字高程模型)、DOM (Digital Orthophoto Map,數字正射影 像)制作、地形測繪、變化檢測、地圖更新等領域得到了廣泛的應用。而快速、自動、穩定的多源多時相高分辨率衛星遙感影像匹配技術，是實現新影像糾正、對地定位及后繼應用的前提。多源多時相影像匹配的關鍵技術在于能夠克服影像間不同程度的幾何和輻射差異，尤其是非線性差異，獲取可靠的、高精度的匹配點。在攝影測量領域，自最小二乘匹配算法提出以來，影像匹配都以像素亮度的線性相似度(CC, Correlation coefficient)作為匹配測度,更多的工作被集中在影像間幾何關系的使用。在計算機視覺領域，大量的特征提取方法和描述算子被相繼提出用以對影像進行匹配。這些特征提取方法和描述算子致力于發現立體像對在特定幾何變形下的不變量，包括縮放不變、旋轉不變、仿射不變等。如SIFT (Scale-invariant feature transform,尺度不變特征轉換)算法主要考慮立體像對的縮放不變、旋轉不變，并顧及仿射不變；SURF(Speeded-Up Robust Features,快速穩健特征)貝U重點考慮立體像對的縮放不變,顧及旋轉不變。同攝影測量相似，在計算機視覺領域中的影像匹配通常也是認為影像亮度是線性變化的，或僅僅采用輕微的抑制手段，如抑制局部最大?？傊?，無論在攝影測量領域還是計算機視覺領域，目前還未考慮“當影像亮度發生較大非線性變化時，如何獲得穩健的影像匹配結果”這一問題。
技術實現思路
本專利技術的目的在于提供一種考慮了影像亮度非線性變化的、。為達到上述目的，本專利技術的技術方案為，包括步驟步驟一，根據參考影像對待匹配影像進行糾正和初步配準得到立體影像對，所述的立體影像對包括參考影像和待匹配影像；步驟二，從立體影像對中截取影像塊，對各影像塊進行如下操作計算影像塊的梯度從而得到其對應的梯度圖像，并確定所得梯度圖像的邊緣區域；對影像塊梯度圖像中的邊緣區域和非邊緣區域加權，計算加權后影像塊梯度圖像的非線性亮度相關，得到匹配點；對所得匹配點進行粗差剔除，獲取可靠的匹配點；步驟三，根據所得匹配點完成待匹配影像與參考影像的匹配。步驟一中根據參考影像間的幾何關系對待匹配影像進行糾正和初步配準。步驟二中確定影像塊梯度圖像的邊緣區域進一步包括子步驟2-1設定影像塊梯度圖像中邊緣像素占總像素的比例K ；2-2統計影像塊梯度圖像中所有像素的灰度得到像素灰度直方圖；2-3根據預設K值和像素灰度直方圖得到影像塊梯度圖像的邊緣像素閾值g(l ；2-4逐一比較影像塊梯度圖像中各像素的灰度絕對值和邊緣像素閾值g0的大小，灰度絕對值大于邊緣像素閾值go的像素則為邊緣像素，所有邊緣像素的集合即為邊緣區域。K值一般為5 10%。為了增強匹配的穩健性，在確定影像塊梯度圖像的邊緣區域后，還有影像塊梯度圖像預處理步驟，具體為將梯度圖像中的非邊緣區域濾除，將梯度圖像中像素灰度絕對值小于某預設值δ的邊緣像素濾除，對梯度圖像中亮度高于某預設亮度值的邊緣區域，采用“抑制局部最大”的方法進行抑制。作為優選，上述某預設值為0〈δ <5。步驟二中對影像塊梯度圖像的邊緣和非邊緣區域加權，所述的邊緣區域和非邊緣區域的權值為將非邊緣區域的權值衡定為I，邊緣區域的權值為W，W根據關注邊緣區域變化的程度來取值，其取值范圍為10 100，在W的取值范圍內，關注邊緣區域變化程度越高W取值越大。步驟二中計算加權后影像塊梯度圖像的非線性亮度相關，具體為對影像塊梯度圖像進行加權，得到非線性亮度相關P : P =ki P x+k2 P y+k3 P _x+k4 P _y，其中kp k2、k3、k4為歸一化常數，kp k2的比值根據參考影像塊梯度和的比值來確定，權利要求1.一種，其特征在于，包括步驟 步驟一，根據參考影像對待匹配影像進行糾正和初步配準得到立體影像對，所述的立體影像對包括參考影像和待匹配影像； 步驟二，從立體影像對中截取影像塊，對各影像塊進行如下操作 計算影像塊的梯度從而得到其對應的梯度圖像，并確定所得梯度圖像的邊緣區域； 對影像塊梯度圖像中的邊緣區域和非邊緣區域加權，計算加權后影像塊梯度圖像的非線性亮度相關，得到匹配點； 對所得匹配點進行粗差剔除，獲取可靠的匹配點； 步驟三，根據所得匹配點完成待匹配影像與參考影像的匹配。2.根據權利要求I所述的，其特征在于 所述的糾正和初步配準是根據參考影像間的幾何關系進行。3.根據權利要求I所述的，其特征在于 所述的確定影像塊梯度圖像的邊緣區域進一步包括子步驟 2-1設定影像塊梯度圖像中邊緣像素占總像素的比例K ； 2-2統計影像塊梯度圖像中所有像素的灰度得到像素灰度直方圖； 2-3根據預設K值和像素灰度直方圖得到影像塊梯度圖像的邊緣像素閾值g(l ； 2-4逐一比較影像塊梯度圖像中各像素的灰度絕對值和邊緣像素閾值g(l的大小，灰度絕對值大于邊緣像素閾值&的像素則為邊緣像素，所有邊緣像素的集合即為邊緣區域。4.根據權利要求3所述的，其特征在于 所述的影像塊梯度圖像中邊緣像素占總像素的比例K值為5 10%。5.根據權利要求I所述的，其特征在于 所述的確定影像塊梯度圖像的邊緣區域之后，還有影像塊梯度圖像預處理步驟，具體為將梯度圖像中的非邊緣區域濾除，將梯度圖像中像素灰度絕對值小于某預設值S的邊緣像素濾除，對梯度圖像中亮度高于某預設亮度值的邊緣區域，采用“抑制局部最大”的方法進行抑制。6.根據權利要求5所述的，其特征在于 所述的某預設值δ為0〈δ <5。7.根據權利要求I所述的，其特征在于 所述的邊緣區域和非邊緣區域的權值為 非邊緣區域的權值衡定為1，邊緣區域的權值為W，W根據關注邊緣區域變化的程度來取值，其取值范圍為10 100，在W的取值范圍內，關注邊緣區域變化程度越高W取值越大。8.根據權利要求I所述的，其特征在于所述的計算加權后影像塊梯度圖像的非線性亮度相關，具體為 對影像塊梯度圖像進行加權，得到非線性亮度相關P : P =^p x+k2 P y+k3 P _x+k4 p _y， 其中 kp k2、k3、k4為歸一化常數，kp k2的比值根據參考影像塊梯度和的比值來確定，9.根據權利要求I所述的，其特征在于 所述的對所得匹配點進行粗差剔除根據是否已知待匹配影像的定向參數來自動選擇粗差剔除幾何模型。10.根據權利要求9所述的，其特征在于 所述的根據是否已知待匹配影像的定向參數來自動選擇粗差剔除幾何模型具體為若不知待匹配影像的定向參數，則自動選擇采用二次多項式進行粗差剔除；若已知待匹配影像的定向參數，則根據有理多項式參數進行粗差剔除。全文摘要本專利技術公開了一種，包括步驟步驟一，根據參考影像對待匹配影像進行糾正和初步配準得到立體影像對；步驟二，從立體影像對中截取影像塊，對各影像塊進行如下操作計算影像塊的梯度從而得到其對應的梯度圖像，并確定所得梯度圖像的邊緣區域；對影像塊梯本文檔來自技高網...
【技術保護點】
一種多源多時相高分辨率衛星遙感影像自動匹配方法，其特征在于，包括步驟：步驟一，根據參考影像對待匹配影像進行糾正和初步配準得到立體影像對，所述的立體影像對包括參考影像和待匹配影像；步驟二，從立體影像對中截取影像塊，對各影像塊進行如下操作：計算影像塊的梯度從而得到其對應的梯度圖像，并確定所得梯度圖像的邊緣區域；對影像塊梯度圖像中的邊緣區域和非邊緣區域加權，計算加權后影像塊梯度圖像的非線性亮度相關，得到匹配點；對所得匹配點進行粗差剔除，獲取可靠的匹配點；步驟三，根據所得匹配點完成待匹配影像與參考影像的匹配。
【技術特征摘要】
【專利技術屬性】
技術研發人員：季順平，張彤，李均力，
申請(專利權)人：武漢大學，中國科學院新疆生態與地理研究所，武漢方寸科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。