【技術實現步驟摘要】
本專利技術屬于圖像處理領域，涉及一種圖像配準方法，具體涉及。
技術介紹
圖像配準作為圖像分析中一項重要的預處理技術，廣泛地應用于圖像融合、計算機視覺和目標識別等領域。圖像配準的步驟主要包括:特征提取、特征匹配、變換模型參數估計、圖像重采樣以及反變換。其中，特征匹配的目的是保證待配準的圖像特征之間形成一個可靠的映射關系，是圖像配準中的一個關鍵步驟。由于遙感圖像的特殊性，遙感圖像在配準過程具有較多的干擾因素。首先，遙感圖像來源豐富，當待配準的遙感圖像為異源圖像時，由于成像機理不同，同一場景在異源圖像中呈現不同的灰度特性；其次，遙感圖像通常是遠距離、大視場下成像所得，不同時刻獲取的遙感圖像之間存在較大仿射變換，并且場景中具有相似圖案的可能性較大。現有圖像特征點匹配的方法主要有基于灰度特征和基于空間結構兩大類方法。基于灰度特征的方法利用灰度特征的相關性進行特征匹配，例如SIFT (Scale-1nvariantFeature Transform,尺度不變特征轉換)算法。目前大部分特征提取方法在待配準的圖像之間存在較大仿射變換時不具有穩定性。另外，由于異源圖像灰度不相關、場景中有相似圖案，造成基于灰度特征的匹配方法精確度降低。基于空間結構的配準方法主要是利用空間結構上的特性進行特征匹配，例如RANSAC算法，但是由于RANSAN算法在判斷誤配點時有較強的約束條件，造成較多的誤配點無法剔除，從而降低了配準精度。綜上所述，針對遙感圖像存在較大仿射變換、異源圖像、場景中存在相似圖案三方面的問題，現有的圖像配準方法很難實現高精度的配準。
技術實現思路
本專利技術的目的在于提出...
【技術保護點】
一種基于雙向鄰域過濾策略的遙感圖像配準方法，其特征在于，包括以下步驟：步驟1：采用SIFT算子提取待配準圖像中所有的SIFT特征點及其各自對應的SIFT特征向量，通過SIFT特征向量之間的歐式距離比較，為一個圖像中的每一點選擇其在另一個圖像中具有最大歐式距離的點進行對應，從而在這兩個點之間形成初始匹配點對，進而獲得待配準圖像中所有初始匹配點對的集合；步驟2：為所有初始匹配點對構造雙向鄰域結構，并根據對應構造的雙向鄰域差異矩陣來剔除差異最大的點對作為候選誤配點對，通過迭代形成具有相同雙向鄰域結構的匹配點對集合；步驟3：根據雙向鄰域過濾策略重新檢查所有剔除的候選誤配點對，判斷是否有需要恢復的候選誤配點對，有需要恢復的候選誤配點對則轉向步驟2；無則迭代結束，將剩余的匹配點對作為最終匹配點對；步驟4：采用最小二乘法根據最終匹配點對估算仿射變換參數，將待配準的圖像進行仿射反變換，獲得相互匹配的圖像。
【技術特征摘要】
1.一種基于雙向鄰域過濾策略的遙感圖像配準方法，其特征在于，包括以下步驟: 步驟1:采用SIFT算子提取待配準圖像中所有的SIFT特征點及其各自對應的SIFT特征向量，通過SIFT特征向量之間的歐式距離比較，為一個圖像中的每一點選擇其在另一個圖像中具有最大歐式距離的點進行對應，從而在這兩個點之間形成初始匹配點對，進而獲得待配準圖像中所有初始匹配點對的集合； 步驟2:為所有初始匹配點對構造雙向鄰域結構，并根據對應構造的雙向鄰域差異矩陣來剔除差異最大的點對作為候選誤配點對，通過迭代形成具有相同雙向鄰域結構的匹配點對集合； 步驟3:根據雙向鄰域過濾策略重新檢查所有剔除的候選誤配點對，判斷是否有需要恢復的候選誤配點對，有需要恢復的候選誤配點對則轉向步驟2 ;無則迭代結束，將剩余的匹配點對作為最終匹配點對； 步驟4:采用最小二乘法根據最終匹配點對估算仿射變換參數，將待配準的圖像進行仿射反變換，獲得相互匹配的圖像。2.根據權利要求1所述的一種基于雙向鄰域過濾策略的遙感圖像配準方法，其特征在于:所述步驟2中，構造雙向鄰域結構的過程是:分別在每個待配準的圖像中，將距離各點最近的前K個點作為K近鄰點,建立從各點到其各自的K近鄰點的有向邊,則任意一點的雙向鄰域結構是由與該點相連的有向邊和該點的K近鄰點共同構成。3.根據權利要求2所述的一種基于雙向鄰域過濾策略的遙感圖像配準方法，其特征在于:所述步驟2中，具有相同雙向鄰域結構的匹配點對集合形成的過程如下: 步驟2-1，分別構造各個匹配點對集合在雙向鄰域矩陣中的前向鄰域矩陣FKOTi和后向鄰域矩陣BKWH ；...
【專利技術屬性】
技術研發人員：趙明，安博文，吳泳澎，許曉彥，陳元林，
申請(專利權)人：上海海事大學，
類型：發明
國別省市：上海;31
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。