[發明專利]多特征多級別的可見光全色與多光譜高精度配準方法

有效

• 申請號: 201210251487.1
• 申請日: 2012-07-19
• 公開（公告）號: CN102800098A
• 公開（公告）日: 2012-11-28
• 發明（設計）人: 霍春雷;江碧濤;潘春洪;樊彬;張秀玲;杜鵑
• 申請（專利權）人: 中國科學院自動化研究所;北京市遙感信息研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 宋焰琴

1.一種可見光全色圖像與多光譜圖像的配準方法，其特征在于，包括如下步驟：

步驟S1、對全色圖像和多光譜圖像進行多尺度分解，生成低分辨率的全色圖像和多光譜圖像；

步驟S2、在所述低分辨率圖像對上提取、匹配SIFT特征并去除外點，利用匹配的SIFT特征對和迭代重加權最小二乘法得到初始變換模型；

步驟S3、在原始圖像對上利用所述初始變換模型據提供的幾何約束，進行基于圖像塊對的SIFT特征提取、匹配及外點去除，并在所有的SIFT特征對集合上選擇最優的變換類型并利用迭代重加權最小二乘法求得變換參數；

步驟S4、根據所述變換模型對多光譜圖像進行變換，得到變換后的多光譜圖像。

2.如權利要求1所述的可見光全色圖像與多光譜圖像的配準方法，其特征在于，所述步驟S1包括：

步驟S11：若已知圖像經緯度信息，根據經緯度信息取出全色圖像和多光譜圖像的重疊區域；若沒有圖像經緯度信息，利用兩幅圖像的整幅圖像信息進行配準；

步驟S12：根據多光譜圖像的尺寸確定多光譜圖像的多尺度分解層數n₁，根據全色圖像尺寸及其與多光譜圖像的空間分辨率差異確定全色圖像的多尺度分解層數n₂；

步驟S13：對全色圖像和多光譜圖像進行降采樣，全色圖像降采樣倍數為多光譜圖像降采樣倍數為

3.如權利要求1所述的可見光全色圖像與多光譜圖像的配準方法，其特征在于，所述步驟S2包括：

S21、在低分辨率全色圖像和低分辨率多光譜圖像上分別提取SIFT特征，得到兩個SIFT特征集合；

S22、基于SIFT特征描述向量的歐式距離和最近鄰比值法對兩個SIFT特征集合進行匹配：

S23、將低分辨率下的全色圖像和多光譜圖像之間的變換類型視為仿射變換，利用RANSAC算法去除外點，得到可信度高的SIFT特征對；

S24、利用所述可信度高的SIFT特征對通過迭代重加權最小二乘法求取仿射變換參數，所述仿射變換模型作為精配準步驟的初始變換模型。

4.如權利要求3所述的可見光全色圖像與多光譜圖像的配準方法，其特征在于，步驟S2的提取SIFT特征的步驟包括：

步驟S21’、構建圖像的DOG金字塔；

步驟S22’、在DOG金字塔的每層上提取極值點，所謂極值點是指在局部鄰域內D(x，y，kσ)取值最大的點；

步驟S23’、對于所提取的極值點，去除局部曲率不對稱的極值點；

步驟S24’、計算SIFT特征的亞像素級別的空間位置、尺度，SIFT特征指的是保留下來的極值點；

步驟S25’、確定所述SIFT特征主方向，所謂主方向是指與以SIFT特征為中心的鄰域內的梯度方向直方圖的峰值對應的梯度方向；

步驟S26’、為SIFT特征構造描述向量，所謂描述向量是指用于刻畫該SIFT特征周圍圖像塊統計特征的、由梯度方向直方圖構成的向量。

5.如權利要求3所述的可見光全色圖像與多光譜圖像的配準方法，其特征在于，所述步驟S2的迭代重加權最小二乘法求取初始變換參數的步驟包括：

步驟S21”、根據步驟S23的可信度高的SIFT特征對利用最小二乘法求得仿射變換模型θ^pq，采用ICP(Iterative?Closest?Point)方法通過前向匹配和后向后向匹配得到新的SIFT特征對；

步驟S22”、根據當前匹配的SIFT特征對利用迭代重加權最小二乘法重新估計前向和后向變換參數；通過ICP和參數估計的交替迭代，確定最優變換參數和最優的匹配；