CN103886338A - 一种多光谱影像匹配方法和系统 - Google Patents
一种多光谱影像匹配方法和系统 Download PDFInfo
- Publication number
- CN103886338A CN103886338A CN201410050549.1A CN201410050549A CN103886338A CN 103886338 A CN103886338 A CN 103886338A CN 201410050549 A CN201410050549 A CN 201410050549A CN 103886338 A CN103886338 A CN 103886338A
- Authority
- CN
- China
- Prior art keywords
- centerdot
- pyramid
- image
- layer
- groups
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种多光谱影像匹配方法,该方法包括:S1.将待配准的两幅多光谱影像分别经向下采样生成两组对应的n层金字塔影像,其中,每组金字塔影像的顶层金字塔影像序号为1,底层金字塔影像为原始影像,序号为n;S2.计算两组金字塔顶层影像间的变换参数;S3.依次计算两组金字塔第二层至第n层影像间的变换参数及姿态参数;S4.根据两组金字塔第n层影像间的变换参数,确定待配准的两幅多光谱影像上特征点的对应关系。本发明能够实现多光谱影像的快速准确匹配。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种多光谱影像匹配方法和系统。
背景技术
利用推扫方式大面阵多通道滤光片型多光谱相机可以获取同一目标区不同波段的影像。相机获取的影像序列中,同一地物会在连续的多张影像上出现,且不同影像表示的是同一地物不同波段的影像。为了最终生成多光谱影像,需要进行影像配准,也就是建立两张影像间的几何关系。
两张影像间的关系可以利用投影变换模型进行标示,如图1所示,P为空间物点,它在相邻两张影像的像点分别为a1及a2(同名点),其坐标分别为(x,y)及(u,v)。因此,两张影像的几何关系可以表示为
公式中包括8个未知参数,需要不少于四对的同名点利用平差方法计算出来。为了自动计算几何关系,需要利用自动技术获取多对同名点。特征点配对成同名点时,可以利用试错法。试错法的数学模型为两张影像的独立相对定向模型,公式2为
其中,(Bx、By、Bz)为基线矢量坐标,独立模型相对定向中,以两张影像的投影中心连线为X轴,因此除了Bx外,其他两个分量为0。公式中,(X1,Y1,Z1)及(X2,Y2,Z2)分别为点在左右两张影像的像空间辅助坐标。若两张影像的姿态角分别为构成的旋转矩阵分别为 矩阵中各元素为姿态角的函数,其具体定义可以参考关于摄影测量的文章或书籍。点在左右影像的像空间辅助坐标定义 和 其中f为像主距,其中(x1,y1)和(x2,y2)为同名点名点分别在左右影像上的坐标。
独立相对定向时,ω1=0,因此将独立相对定向模型按泰勒级数展开有如下公式3
公式中F0为利用姿态元素的近似值分别代入定向模型中求得F的近似值。这就是相对定向的误差模型,相对定向时就是利用一组同名点列出误差方程式通过迭代计算的方式就可以计算出两张影像的姿态元素。相对定向时,将两张影像重叠区分为6个区域,如图2所示。图中6个区域的序号分别如此定义,左列由上到下分别为1、2、3,右列从上到下分别为4、5、6。其中每个区域对应着一个姿态参数,也就是说每个区域内的同名像点只与该区域对应的姿态参数相关,该区域中某一特征点对应的同名点的改变只会改变该区域对应的姿态参数,不影响其他姿态参数。
目前利用Hough变换来确定同名点对时,具体操作方法如下所述:首先给定五个姿态参数的初始值,然后依次处理每一个标准区域的点。处理其中标准区域1时,首先建立该区域对应姿态参数统计数组,初始化该数组所有元素为0,且数组每一元素对应着姿态参数的一个值。然后取区域中左影像上某一特征点,将该点与右影像上的所有可能点形成同名点对,形成一个同名点对时利用公式3计算对应姿态参数的值并将其对应统计数组元素加1。处理完该区域所有特征点后,将统计数组中元素值最大对应的参数值作为该区域对应姿态参数的值。按照上述方法处理其他标准区域的点,即可求得其他姿态参数及同名点对。
从以上描述可见,该方法在进行同名点查找及姿态参数计算时,为了获得高精度的结果,参数统计数组长度需要设置交大,另外搜索每一特征点的同名点时,需要在整个影像范围进行搜索,因此效率不高。
发明内容
针对现有技术的不足,本发明提供一种多光谱影像特征点匹配方法和系统,能够实现多光谱影像的快速准确匹配。
为实现上述目的,本发明通过以下技术方案予以实现:
一种多光谱影像匹配方法,该方法包括:
S1.将待配准的两幅多光谱影像分别经向下采样生成两组对应的n层金字塔影像,其中,每组金字塔影像的顶层金字塔影像序号为1,底层金字塔影像为原始影像,序号为n;
S2.计算两组金字塔顶层影像间的变换参数;
S3.依次计算两组金字塔第二层至第n层影像间的变换参数及姿态参数;
S4.根据两组金字塔第n层影像间的变换参数,确定待配准的两幅多光谱影像上特征点的对应关系。
较佳地,所述步骤S2包括:
S21.利用基于特征的匹配算法对两组金字塔顶层影像进行匹配,得到第一组金字塔顶层影像上特征点和第二组金字塔顶层影像上特征点的对应关系;
S22.根据两组金字塔顶层影像上特征点的对应关系,利用公式
估计两组顶层影像间的变换参数a1,b1、c1、d1、e1、f1、g1、h1,其中,x,y为第一组金字塔顶层影像上的特征点;u,v是第二组金字塔顶层影像上对应的特征点。
较佳地,所述步骤S3包括:
S31.根据两组金字塔顶层影像上特征点的对应关系,利用独立相对定向模型泰勒级数展开公式:
S32.依次计算第二层至第n层金字塔影像间的变换参数:
设当前处理层的序号为i,i≥2,判断当前处理层的序号i是否大于n,若大于,则结束处理;否则,执行步骤S321-S327;
S321.按照下面的方式计算两组金字塔第i层影像间的变换参数:
ai=ai-1,bi=bi-1,ci=m·ci-1,di=di-1,ei=ei-1,fi=m·fi-1,gi=gi-1,hi=hi-1,其中m为金字塔影像向下采样的倍数;
S323.利用特征点提取算法提取两组金字塔第i层影像重叠区域的特征点,并将特征点分为上面所述6个标准区域,每一个标准区域对应一个所述姿态参数;
S324.对于第一标准区域,以对应的姿态参数为中心,确定姿态参数的取值范围再以Iti为间隔,将姿态参数的取值范围分为多个区间,同时建立一个元素个数与所分区间个数相等的统计数组Sta,该统计数组第i个元素对应的区间为i,即
S325.对于第一标准区域中的每一个点,如点利用当前层的变换参数ai,bi,ci,di,ei,fi,gi,hi和公式
计算此时姿态参数的值,判断该值落入上述哪个区间内,若值该落入区间b中,将统计数组中对应区间b的某元素值加1;按照相同的方式将第一标准区域的所有点都处理完后,查找统计数组中值最大的元素并记录元素序号l,同时更新姿态参数的当前值并记录对应的配对点;
S326.按照相同的方式处理2、3、4、6标准区域,得到其他姿态参数的当前层值,并利用所有记录的配对点,结合公式
计算当前层影像间的变换参数;
S327.令i值加1,执行S32。
较佳地,所述步骤S4包括:
两组金字塔第n层影像间的变换参数an,bn,cn,dn,en,fn,gn,hn即为待配准的两幅多光谱影像间的变换参数,因此利用公式
确定待配准的两幅多光谱影像上特征点的对应关系。
一种多光谱影像匹配系统,该系统包括:
金字塔影像生成模块,用于将待配准的两幅多光谱影像分别经向下采样生成两组对应的n层金字塔影像,其中,每组金字塔影像的顶层金字塔影像序号为1,底层金字塔影像为原始影像,序号为n;
金字塔顶层影像变换参数确定模块,用于计算两组金字塔顶层影像间的变换参数;
金字塔底层影像变换参数确定模块,用于依次计算两组金字塔第二层至第n层影像间的变换参数;
特征点匹配关系确定模块,用于根据两组金字塔第n层影像间的变换参数,确定待配准的两幅多光谱影像上特征点的对应关系。
较佳地,所述金字塔顶层影像变换参数确定模块包括:
顶层影像特征点对应关系确定单元,用于利用基于特征的匹配算法对两组金字塔顶层影像进行匹配,得到第一组金字塔顶层影像上特征点和第二组金字塔顶层影像上特征点的对应关系;
顶层影像变换参数确定单元,用于根据两组金字塔顶层影像上特征点的对应关系,利用公式
估计两组顶层影像间的变换参数a1,b1、c1、d1、e1、f1、g1、h1,其中,x,y为第一组金字塔顶层影像上的特征点;u,v是第二组金字塔顶层影像上对应的特征点。
较佳地,所述金字塔底层影像变换参数确定模块包括:
顶层影像姿态参数确定单元,用于根据两组金字塔顶层影像上特征点的对应关系,利用公式
第二层至第n层影像变换参数确定单元,用于依次计算第二层至第n层金字塔影像间的变换参数。
较佳地,所述第二层至第n层影像变换参数确定单元包括:
循环控制子单元,用于初始化i值和控制i值的增长,当i值超过n时,停止继续执行其他子单元并输出第i层影像最终变换参数计算子单元计算出的第n层影像变换参数;
第i层影像初始变换参数计算子单元,用于按照下面的方式计算两组金字塔第i层影像间的初始变换参数:
ai=ai-1,bi=bi-1,ci=m·ci-1,di=di-1,ei=ei-1,fi=m·fi-1,gi=gi-1,hi=hi-1,其中m为金字塔影像向下采样的倍数;
特征点提取子单元,用于利用特征点提取算法提取两组金字塔第i层影像重叠区域的特征点并将特征点分为上面所述6个标准区域,每一个标准区域对应一个所述姿态参数;
第i层影像最终变换参数计算子单元,用于对于第i层影像的第一标准区域,以对应的初始姿态参数为中心,确定姿态参数的取值范围以Iti为间隔,将姿态参数的取值范围分为多个区间,同时建立一个元素个数与所分区间个数相等的统计数组Sta,该数组Sta第i个元素对应的区间为i,即
计算此时姿态参数的值并判断该值落入上述哪个区间内,若值该落入区间n中,将统计数组中对应区间n的某元素值加1;按照相同的方式将第一标准区域的所有点都处理完后,查找统计数组中值最大的元素并记录元素序号l,同时更新姿态参数的当前值并记录对应的配对点;按照相同的方式处理2、3、4、6标准区域,得到其他姿态参数的当前层值,并利用所有记录的配对点,结合公式
计算当前层影像间的变换参数。
较佳地,所述特征点匹配关系确定模块用于将两组金字塔第n层影像间的变换参数an,bn,cn,dn,en,fn,gn,hn作为待配准的两幅多光谱影像间的变换参数,利用公式
确定待配准的两幅多光谱影像上特征点的对应关系。
本发明至少具有如下的有益效果:
在本发明中,首先将原始影像生成金字塔影像,然后对顶层金字塔影像采用某种匹配算法进行粗略匹配,得到顶层金字塔影像间的变换参数,接着再依次由粗到精不断计算不同层次影像间的变换参数,在每个精度上计算变换参数时,利用前一精度下计算得到的变换参数约束特征点间的配对关系,从而提高了算法的计算效率和可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是两幅影像投影关系示意图;
图2是两幅影像重叠部分标准区域及对应姿态参数;
图3是本发明实施例2中所述搜索区示意图;
图4是本发明实施例1中多光谱影像匹配方法实现过程流程图;
图5是本发明实施例2中多光谱影像匹配方法实现过程流程图;
图6、7、8、9是本发明实施例3中多光谱影像匹配系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本发明实施例1提出了一种多光谱影像匹配方法,参见图4,包括如下步骤:
步骤401:将待配准的两幅多光谱影像分别经向下采样生成两组对应的n层金字塔影像,其中,每组金字塔影像的顶层金字塔影像序号为1,底层金字塔影像为原始影像,序号为n。
步骤402:计算两组金字塔顶层影像间的变换参数。
步骤403:依次计算两组金字塔第二层至第n层影像间的变换参数及姿态参数。
步骤404:根据两组金字塔第n层影像间的变换参数,确定待配准的两幅多光谱影像上特征点的对应关系。
可见,在本发明实施例中,首先将原始影像生成金字塔影像,然后对顶层金字塔影像采用某种匹配算法进行粗略匹配,得到顶层金字塔影像间的变换参数,接着再依次由粗到精不断计算不同层次影像间的变换参数,在每个精度上计算变换参数时,利用前一精度下计算得到的变换参数约束特征点间的配对关系,从而提高了算法的计算效率和可靠性。
实施例2
下面通过实施例2来更为详细的说明本发明提出的一种多光谱影像匹配方法的具体实现过程。参见图5,该发明方法的实现过程包括如下步骤:
步骤501:将待配准的两幅多光谱影像分别经向下采样生成两组对应的n层金字塔影像,其中,每组金字塔影像的顶层金字塔影像序号为1,底层金字塔影像为原始影像,序号为n。
在本步骤中,例如可以利用高斯算子将待配准的两幅多光谱影像经下采样生成3×3的金字塔影像,顶层金字塔影像序号为0,底层金字塔影像为原始影像,序号为3。
步骤502:计算两组金字塔顶层影像间的变换参数和姿态参数。
在本步骤中,利用基于特征的匹配算法对两组金字塔顶层影像进行匹配,例如使用基于SIFT的特征点匹配算法得到第一组金字塔顶层影像上特征点和第二组金字塔顶层影像上特征点的对应关系后,利用RANSAC稳健估计法,基于公式
估计两组顶层影像间的变换参数a1,b1、c1、d1、e1、f1、g1、h1,其中,x,y为第一组金字塔顶层影像上的特征点;u,v是第二组金字塔顶层影像上对应的特征点。
根据两组金字塔顶层影像上特征点的对应关系,利用独立相对定向模型泰勒级数展开公式:
计算姿态参数,以计算出来的值作为姿态参数的初始值。
步骤503:判断当前处理层序号i是否大于阈值n,若大于,则执行步骤510;否则执行步骤504。
步骤504:计算当前层影像间的变换参数。
在本步骤中,计算当前层影像间的变换参数,计算方式为:ai=ai-1,bi=bi-1,ci=m·ci-1,di=di-1,ei=ei-1,fi=m·fi-1,gi=gi-1,hi=hi-1,其中m为金字塔影像向下采样的倍数。
步骤505:设置初始姿态参数。
步骤506:提取特征点,并将特征点分区。
在本步骤中,例如可以利用Harris算子,提取当前层两幅影像的特征点,并将特征点按照图2所示分为6个标准区域,然后按照步骤507依次处理第1、2、3、4、6区域中的特征点。
步骤507:选取某一标准区域,处理其特征点。
在本步骤中,例如对于第四标准区域,以对应的姿态参数为中心,确定姿态参数的取值范围再以Iti为间隔,将姿态参数的取值范围分为多个区间,同时建立一个元素个数与所分区间个数相等的统计数组Sta,该统计数组第i个元素对应的区间为i,即
计算此时姿态参数的值,判断该值落入上述哪个区间内,若值该落入区间b中,将统计数组中对应区间b的某元素值加1;按照相同的方式将第四标准区域的所有点都处理完后,查找统计数组中值最大的元素并记录元素序号l,同时更新姿态参数的当前值并记录对应的配对点;
步骤508:处理当前层的所有标准区域的特征点。
在本步骤中,按照步骤507相同的方式处理2、3、4、6标准区域,得到当前层其他姿态参数的值,并记录所有的配对点。
步骤509:处理完当前层的所有标准区域的特征点后,计算当前层的影像间的变换参数,并将当前层序号加1,即i=i+1,执行503。
在本步骤中,利用所有记录的配对点,结合公式
计算当前层影像间的变换参数;并将当前层序号加1,即i=i+1,然后执行503。
步骤510:根据两组金字塔第n层影像间的变换参数,确定待配准的两幅多光谱影像上特征点的对应关系。
在本步骤中,将当前层的影像间变换参数an,bn,cn,dn,en,fn,gn,hn作为两幅待配准多光谱影像间的变换参数,根据公式
从而确定待配准的两幅多光谱影像上特征点的对应关系。
可见,在本发明中,借助金字塔影像,在最顶层上进行利用SIFT算子提取特征点然后进行影像匹配,并利用匹配的同名点基于公式计算姿态参数,以计算出来的值作为姿态参数的初始值。
在采用姿态参数统计数组记录每一参数对应的同名点对个数时,由于每个数组元素对应的是一个离散化的参数值,相邻两个元素对应参数之差为参数离散化间隔,间隔的大小与精度成反比,与计算效率成反比。为解决这一矛盾,本发明采用多层次的由粗到精的策略,在处理过程中分几个层次来计算姿态参数及搜索同名点对。初始层次中确定一个大的参数范围及姿态参数离散间隔,利用基于SIFT的同名点配对方法得到一组粗略的姿态参数。在接下来的层次中,以上一层次获得参数确定当前参数范围(以上一层次参数离散间隔及最大同名点组对应参数值确定),然后确定一个小的参数间隔来搜索同名点对及当前层对应的姿态参数,依次类推处理所有层,从而提高了算法的精度和速度。
另外,对于左影像上的每个特征点,如果将右影像上所有的特征点都与其配对,时间效率较低。鉴于已经有了初始变换参数,因此可以利用这些参数计算出左影像上特征点在右影像上的近似位置,以此位置确定一合适大小的窗口,只将该窗口内的特征点与之进行配对。如图3所示,利用变换参数,计算出左影像上特征点l对应在右影像上的位置为i,以i为中心定义一个矩形框,确定为点l的搜索区域,配对时只将搜索区域内的点与之配对,这样提高了搜索速度,因此可以提高匹配效率。
实施例3
本发明实施例3还提出了一种多光谱影像匹配系统,参见图6,该系统包括:
金字塔影像生成模块601,用于将待配准的两幅多光谱影像分别经向下采样生成两组对应的n层金字塔影像,其中,每组金字塔影像的顶层金字塔影像序号为1,底层金字塔影像为原始影像,序号为n;
金字塔顶层影像变换参数确定模块602,用于计算两组金字塔顶层影像间的变换参数;
金字塔底层影像变换参数确定模块603,用于依次计算两组金字塔第二层至第n层影像间的变换参数;
特征点匹配关系确定模块604,用于根据两组金字塔第n层影像间的变换参数,确定待配准的两幅多光谱影像上特征点的对应关系。
其中,所述金字塔顶层影像变换参数确定模块602包括:
顶层影像特征点对应关系确定单元6020,用于利用基于特征的匹配算法对两组金字塔顶层影像进行匹配,得到第一组金字塔顶层影像上特征点和第二组金字塔顶层影像上特征点的对应关系;
顶层影像变换参数确定单元6021,用于根据两组金字塔顶层影像上特征点的对应关系,利用公式
估计两组顶层影像间的变换参数a1,b1、c1、d1、e1、f1、g1、h1,其中,x,y为第一组金字塔顶层影像上的特征点;u,v是第二组金字塔顶层影像上对应的特征点。
其中,所述金字塔底层影像变换参数确定模块603包括:
顶层影像姿态参数确定单元6030,用于根据两组金字塔顶层影像上特征点的对应关系,利用公式
第二层至第n层影像变换参数确定单元6031,用于依次计算第二层至第n层金字塔影像间的变换参数。
其中,所述第二层至第n层影像变换参数确定单元6031包括:
循环控制子单元60310,用于初始化i值和控制i值的增长,当i值超过阈值n时,停止继续执行其他子单元并控制第i层影像最终变换参数计算子单元60314输出第n层影像变换参数;
第i层影像初始变换参数计算子单元60311,用于按照下面的方式计算两组金字塔第i层影像间的初始变换参数:
ai=ai-1,bi=bi-1,ci=m·ci-1,di=di-1,ei=ei-1,fi=m·fi-1,gi=gi-1,hi=hi-1,其中m为金字塔影像向下采样的倍数;
特征点提取子单元60313,用于利用特征点提取算法提取两组金字塔第i层影像重叠区域的特征点并将特征点分为上面所述6个标准区域,每一个标准区域对应一个所述姿态参数;
第i层影像最终变换参数计算子单元60314,用于对于第i层影像的第一标准区域,以对应的初始姿态参数为中心,确定姿态参数的取值范围[以Iti为间隔,将姿态参数的取值范围分为多个区间,同时建立一个元素个数与所分区间个数相等的统计数组Sta,该数组Sta第i个元素对应的区间为i,即
对于第一标准区域中的某个点,如点利用当前层的初始变换参数ai,bi,ci,di,ei,fi,gi,hi和公式
计算此时姿态参数的值并判断该值落入上述哪个区间内,若值该落入区间n中,将统计数组中对应区间n的某元素值加1;按照相同的方式将第一标准区域的所有点都处理完后,查找统计数组中值最大的元素并记录元素序号l,同时更新姿态参数的当前值并记录对应的配对点;按照相同的方式处理2、3、4、6标准区域,得到其他姿态参数的当前层值,并利用所有记录的配对点,结合公式
计算当前层影像间的变换参数。
其中,所述特征点匹配关系确定模块604用于将两组金字塔第n层影像间的变换参数an,bn,cn,dn,en,fn,gn,hn作为待配准的两幅多光谱影像间的变换参数,利用公式
确定待配准的两幅多光谱影像上特征点的对应关系。
以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种多光谱影像匹配方法,其特征在于,该方法包括:
S1.将待配准的两幅多光谱影像分别经向下采样生成两组对应的n层金字塔影像,其中,每组金字塔影像的顶层金字塔影像序号为1,底层金字塔影像为原始影像,序号为n;
S2.计算两组金字塔顶层影像间的变换参数;
S3.依次计算两组金字塔第二层至第n层影像间的变换参数及姿态参数;
S4.根据两组金字塔第n层影像间的变换参数,确定待配准的两幅多光谱影像上特征点的对应关系。
2.根据权利要求1所述的方法,其特征在于,所述步骤S2包括:
S21.利用基于特征的匹配算法对两组金字塔顶层影像进行匹配,得到第一组金字塔顶层影像上特征点和第二组金字塔顶层影像上特征点的对应关系;
S22.根据两组金字塔顶层影像上特征点的对应关系,利用公式
估计两组顶层影像间的变换参数a1,b1、c1、d1、e1、f1、g1、h1,其中,x,y为第一组金字塔顶层影像上的特征点;u,v是第二组金字塔顶层影像上对应的特征点。
3.根据权利要求2所述的方法,其特征在于,所述步骤S3包括:
S31.根据两组金字塔顶层影像上特征点的对应关系,利用独立相对定向模型泰勒级数展开公式:
S32.依次计算第二层至第n层金字塔影像间的变换参数及姿态参数:
设当前处理层的序号为i,i≥2,判断当前处理层的序号i是否大于n,若大于,则结束处理;否则,执行步骤S321-S327;
S321.按照下面的方式计算两组金字塔第i层影像间的变换参数:
ai=ai-1,bi=bi-1,ci=m·ci-1,di=di-1,ei=ei-1,fi=m·fi-1,gi=gi-1,hi=hi-1,其中m为金字塔影像向下采样的倍数;
S323.利用特征点提取算法提取两组金字塔第i层影像重叠区域的特征点,并将特征点分为上面所述6个标准区域,每一个标准区域对应一个所述姿态参数;
S324.对于第一标准区域,以对应的姿态参数为中心,确定姿态参数的取值范围再以Iti为间隔,将姿态参数的取值范围分为多个区间,同时建立一个元素个数与所分区间个数相等的统计数组Sta,该统计数组第i个元素对应的区间为i,即
S325.对于第一标准区域中的每一个点,如点利用当前层的变换参数ai,bi,ci,di,ei,fi,gi,hi和公式
计算此时姿态参数的值,判断该值落入上述哪个区间内,若值该落入区间b中,将统计数组中对应区间b的某元素值加1;按照相同的方式将第一标准区域的所有点都处理完后,查找统计数组中值最大的元素并记录元素序号l,同时更新姿态参数的当前值并记录对应的配对点;
S326.按照相同的方式处理2、3、4、6标准区域,得到其他姿态参数的当前层值,并利用所有记录的配对点,结合公式
计算当前层影像间的变换参数;
S327.令i值加1,执行S32。
4.根据权利要求3所述的方法,其特征在于,所述步骤S4包括:
两组金字塔第n层影像间的变换参数an,bn,cn,dn,en,fn,gn,hn即为待配准的两幅多光谱影像间的变换参数,因此利用公式
确定待配准的两幅多光谱影像上特征点的对应关系。
5.一种多光谱影像匹配系统,其特征在于,该系统包括:
金字塔影像生成模块,用于将待配准的两幅多光谱影像分别经向下采样生成两组对应的n层金字塔影像,其中,每组金字塔影像的顶层金字塔影像序号为1,底层金字塔影像为原始影像,序号为n;
金字塔顶层影像变换参数确定模块,用于计算两组金字塔顶层影像间的变换参数;
金字塔底层影像变换参数确定模块,用于依次计算两组金字塔第二层至第n层影像间的变换参数;
特征点匹配关系确定模块,用于根据两组金字塔第n层影像间的变换参数,确定待配准的两幅多光谱影像上特征点的对应关系。
6.根据权利要求5所述的系统,其特征在于,所述金字塔顶层影像变换参数确定模块包括:
顶层影像特征点对应关系确定单元,用于利用基于特征的匹配算法对两组金字塔顶层影像进行匹配,得到第一组金字塔顶层影像上特征点和第二组金字塔顶层影像上特征点的对应关系;
顶层影像变换参数确定单元,用于根据两组金字塔顶层影像上特征点的对应关系,利用公式
估计两组顶层影像间的变换参数a1,b1、c1、d1、e1、f1、g1、h1,其中,x,y为第一组金字塔顶层影像上的特征点;u,v是第二组金字塔顶层影像上对应的特征点。
8.根据权利要求7所述的系统,其特征在于,所述第二层至第n层影像变换参数确定单元包括:
循环控制子单元,用于初始化i值和控制i值的增长,当i值超过n时,停止继续执行其他子单元并输出第i层影像最终变换参数计算子单元计算出的第n层影像变换参数;
第i层影像初始变换参数计算子单元,用于按照下面的方式计算两组金字塔第i层影像间的初始变换参数:
ai=ai-1,bi=bi-1,ci=m·ci-1,di=di-1,ei=ei-1,fi=m·fi-1,gi=gi-1,hi=hi-1,其中m为金字塔影像向下采样的倍数;
特征点提取子单元,用于利用特征点提取算法提取两组金字塔第i层影像重叠区域的特征点并将特征点分为上面所述6个标准区域,每一个标准区域对应一个所述姿态参数;
第i层影像最终变换参数计算子单元,用于对于第i层影像的第一标准区域,以对应的初始姿态参数为中心,确定姿态参数的取值范围以Iti为间隔,将姿态参数的取值范围分为多个区间,同时建立一个元素个数与所分区间个数相等的统计数组Sta,该数组Sta第i个元素对应的区间为i,即
计算此时姿态参数的值并判断该值落入上述哪个区间内,若值该落入区间n中,将统计数组中对应区间n的某元素值加1;按照相同的方式将第一标准区域的所有点都处理完后,查找统计数组中值最大的元素并记录元素序号l,同时更新姿态参数的当前值并记录对应的配对点;按照相同的方式处理2、3、4、6标准区域,得到其他姿态参数的当前层值,并利用所有记录的配对点,结合公式
计算当前层影像间的变换参数。
9.根据权利要求8所述的系统,其特征在于,所述特征点匹配关系确定模块用于将两组金字塔第n层影像间的变换参数an,bn,cn,dn,en,fn,gn,hn作为待配准的两幅多光谱影像间的变换参数,利用公式
确定待配准的两幅多光谱影像上特征点的对应关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410050549.1A CN103886338B (zh) | 2014-02-13 | 2014-02-13 | 一种多光谱影像匹配方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410050549.1A CN103886338B (zh) | 2014-02-13 | 2014-02-13 | 一种多光谱影像匹配方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103886338A true CN103886338A (zh) | 2014-06-25 |
CN103886338B CN103886338B (zh) | 2018-03-27 |
Family
ID=50955221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410050549.1A Active CN103886338B (zh) | 2014-02-13 | 2014-02-13 | 一种多光谱影像匹配方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886338B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101562150B1 (ko) | 2014-12-23 | 2015-10-22 | 연세대학교 산학협력단 | 멀티 스펙트럼 이미지간 매칭 방법 및 장치 |
CN109801334A (zh) * | 2018-12-29 | 2019-05-24 | 歌尔股份有限公司 | 工件定位方法、标准点确定方法、装置及设备 |
CN110046623A (zh) * | 2019-03-04 | 2019-07-23 | 青岛小鸟看看科技有限公司 | 一种图像特征点提取方法和相机 |
CN111932592A (zh) * | 2020-03-26 | 2020-11-13 | 中国科学院空天信息创新研究院 | 一种分视场滤光片型多光谱影像数据的处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030065654A1 (en) * | 2001-09-28 | 2003-04-03 | Yasuhisa Ikushima | Pattern matching method using a pyramid structure search, image detecting device, and computer-readable medium |
CN101840517A (zh) * | 2010-04-27 | 2010-09-22 | 武汉大学 | 一种基于影像配准的控制点影像库匹配方法及其装置 |
CN103077527A (zh) * | 2013-02-05 | 2013-05-01 | 湖北工业大学 | 一种稳健的多源卫星遥感影像配准方法 |
CN103115614A (zh) * | 2013-01-21 | 2013-05-22 | 武汉大学 | 多源多轨长条带卫星遥感影像联合并行匹配方法 |
-
2014
- 2014-02-13 CN CN201410050549.1A patent/CN103886338B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030065654A1 (en) * | 2001-09-28 | 2003-04-03 | Yasuhisa Ikushima | Pattern matching method using a pyramid structure search, image detecting device, and computer-readable medium |
CN101840517A (zh) * | 2010-04-27 | 2010-09-22 | 武汉大学 | 一种基于影像配准的控制点影像库匹配方法及其装置 |
CN103115614A (zh) * | 2013-01-21 | 2013-05-22 | 武汉大学 | 多源多轨长条带卫星遥感影像联合并行匹配方法 |
CN103077527A (zh) * | 2013-02-05 | 2013-05-01 | 湖北工业大学 | 一种稳健的多源卫星遥感影像配准方法 |
Non-Patent Citations (1)
Title |
---|
范登科 等: "一种基于相位一致性相关的多源遥感影像配准方法", 《铁道标准设计》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101562150B1 (ko) | 2014-12-23 | 2015-10-22 | 연세대학교 산학협력단 | 멀티 스펙트럼 이미지간 매칭 방법 및 장치 |
CN109801334A (zh) * | 2018-12-29 | 2019-05-24 | 歌尔股份有限公司 | 工件定位方法、标准点确定方法、装置及设备 |
CN109801334B (zh) * | 2018-12-29 | 2023-09-01 | 歌尔股份有限公司 | 工件定位方法、标准点确定方法、装置及设备 |
CN110046623A (zh) * | 2019-03-04 | 2019-07-23 | 青岛小鸟看看科技有限公司 | 一种图像特征点提取方法和相机 |
CN110046623B (zh) * | 2019-03-04 | 2021-09-10 | 青岛小鸟看看科技有限公司 | 一种图像特征点提取方法和相机 |
CN111932592A (zh) * | 2020-03-26 | 2020-11-13 | 中国科学院空天信息创新研究院 | 一种分视场滤光片型多光谱影像数据的处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103886338B (zh) | 2018-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111028277B (zh) | 基于伪孪生卷积神经网络的sar和光学遥感图像配准方法 | |
CN105354841B (zh) | 一种快速遥感影像匹配方法及系统 | |
CN103886569A (zh) | 连续帧多特征点无人机侦察图像并行与匹配精度约束的拼接方法 | |
CN112802124B (zh) | 多台立体相机的标定方法及装置、电子设备及存储介质 | |
CN103198477B (zh) | 一种采用苹果套袋机器人进行视觉定位的方法 | |
CN103886338A (zh) | 一种多光谱影像匹配方法和系统 | |
CN105389774A (zh) | 对齐图像的方法和装置 | |
CN111145232A (zh) | 一种基于特征信息变化度的三维点云自动配准方法 | |
CN107818598B (zh) | 一种基于视觉矫正的三维点云地图融合方法 | |
CN104200463A (zh) | 基于傅立叶梅林变换和最大互信息理论的图像配准方法 | |
CN1987896A (zh) | 高分辨率sar影像配准处理方法及系统 | |
CN103335648B (zh) | 一种自主星图识别方法 | |
CN104121902A (zh) | 基于Xtion摄像机的室内机器人视觉里程计实现方法 | |
CN104966063A (zh) | 基于gpu与cpu协同计算的矿井多摄像机视频融合方法 | |
CN103727930A (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN112183171A (zh) | 一种基于视觉信标建立信标地图方法、装置 | |
CN107862319B (zh) | 一种基于邻域投票的异源高分光学影像匹配误差剔除方法 | |
CN112700501A (zh) | 一种水下单目亚像素相对位姿估计方法 | |
CN104134208A (zh) | 利用几何结构特征从粗到精的红外与可见光图像配准方法 | |
CN104715487A (zh) | 一种基于伪Zernike矩的亚像素边缘检测方法 | |
CN103226831A (zh) | 利用分块布尔运算的图像匹配方法 | |
CN105913435A (zh) | 一种适用于大区域的多尺度遥感影像匹配方法及系统 | |
CN105869141A (zh) | 图像配准方法及装置 | |
CN101754038B (zh) | 一种视差提取方法 | |
Stucker et al. | ResDepth: Learned residual stereo reconstruction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |