CN106408600B - 一种用于太阳高分辨率图像中图像配准的方法 - Google Patents
一种用于太阳高分辨率图像中图像配准的方法 Download PDFInfo
- Publication number
- CN106408600B CN106408600B CN201610808433.9A CN201610808433A CN106408600B CN 106408600 B CN106408600 B CN 106408600B CN 201610808433 A CN201610808433 A CN 201610808433A CN 106408600 B CN106408600 B CN 106408600B
- Authority
- CN
- China
- Prior art keywords
- full
- image surface
- time image
- resolution
- thick
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及用于太阳高分辨率图像中图像配准的方法,属天文技术和图像处理领域。本发明先对图像进行预处理,初步匹配高分辨率像在全日面像中的位置;其次,采用最大块方向角法计算方向角差,得到粗转角度;根据粗转角度,在初始匹配的基础上进行粗转;接着,再对数‑极空间测量精细旋转量,得到细转角度,根据细转角度,在粗转的基础上进行细转;然后,采用互相关法计算模板图像和搜索窗口之间的互相关值,得到匹配点的转换矩阵,计算旋转角和比例尺,在细转的基础上进行配准;最终得到配准之后的图像。本发明在互相关法和Fourier‑Mellin方法的基础上,采用粗匹配加细匹配加点匹配的方法,有效地提高了配准的精度。
Description
技术领域
本发明涉及一种用于太阳高分辨率图像中图像配准的方法,特别涉及一种结合互相关法和Fourier-Mellin方法的太阳高分辨率像的图像配准方法,适用于图像之间存在缩放、旋转和平移变换关系的图像,属于天文技术和图像处理领域。
背景技术
太阳图像中存在着各种不同的活动,因此,为了能够更准确的获得它们的位置和关系,在进行太阳图像的研究时,往往需要拍摄大量的高分辨率图像和全日面像进行图像配准。
目前,根据不同的图像信息间的区别,图像配准的方法分为两个主要的类别,一类是基于灰度信息的图像配准方法,另一类是基于特征的图像配准方法。互相关法属于典型的基于灰度信息的图像配准方法,它是一种匹配度量,通过计算模板图像和搜索窗口之间的互相关值来确定匹配的程度。Fourier-Mellin属于典型的基于变换域信息的图像配准方法,该方法通过计算两幅图像功率谱的反Fourier变换所对应的峰值位置求取它们的相对平移,通过对图像幅度谱进行对数-极坐标变换,在对数-极空间计算出相对旋转角度和尺度缩放因子,从而实现满足缩放、旋转和平移变换关系的图像之间的配准。太阳图像中的各种活动现象都是非刚性运动,并且由于拍摄太阳图像的设备以及拍摄过程中的不确定性,得到的太阳图像存在旋转、缩放和平移现象,由于太阳图像的特殊性,拍摄得到的太阳图像存在特征不明显,不存在明显的角点等特征信息,因此,传统的图像配准方法在处理太阳图像的配准时存在明显缺陷。
本发明正是为了解决这些问题提出了一种用于存在旋转、缩放和平移变换关系的太阳高分辨率图像和全日面像的配准方法,该方法在基于灰度信息配准的基础上,结合互相关法和Fourier-Mellin方法,采用粗角度匹配加细角度匹配加点匹配方法,精确地对存在缩放、旋转和平移变换的太阳图像进行配准,解决了传统的配准方法在配准太阳图像不精确的问题。
发明内容
本发明提供了一种用于存在旋转、缩放和平移变换关系的太阳高分辨率图像和全日面像的配准方法,该方法在基于灰度信息配准的基础上,结合互相关法和Fourier-Mellin方法,采用粗角度匹配加细角度匹配加点匹配方法,精确地对存在缩放、旋转和平移变换的太阳图像进行配准,解决了传统的配准方法在配准太阳图像过程中配准精度不精确的问题。
本发明一种用于存在旋转、缩放和平移变换关系的太阳高分辨率图像和全日面像的配准方法是这样实现的:首先,分别对需要进行配准的高分辨率图像和全日面像做预处理,读取两幅图像的基础数据,根据初始预估值对基础数据进行处理;接着,将全日面像分块,采用互相关法搜索高分辨率像在全日面像中的位置;其次,采用最大块方向角法,选取目标中最大黑子,进行二值化后计算方向角,得到全日面像和高分辨率图像的方向角之差作为粗转角度;然后,根据得到的粗转角度,对全日面像从进行过初期旋转后的像的基础上进行粗转操作;接着,采用互相关法重新搜索高分辨率像在全日面像中的位置;然后,采用Fourier-Mellin法,转换到对数-极空间测量精细旋转量;接着,根据测量得到的精细旋转量,对全日面像从进行粗转的像的基础上进行细转操作;接着,采用互相关法搜索高分辨率像在全日面像中的位置。最后,采用互相关法计算模板图像和搜索窗口之间的互相关值,得到匹配点,用匹配点产生转换矩阵,得到旋转角和比例尺;接着,根据计算得到的精细旋转量,累计旋转角,对全日面像从进行细转的像的基础上进行旋转操作;然后,搜索高分辨率像在全日面像中的位置。最终,叠加全日面像和高分辨率太阳图像,将全日面像固定,旋转高分辨率太阳图像。最终得到经过配准之后的图像。
所述用于太阳高分辨率图像中图像配准的方法的具体步骤如下:
步骤1:预估初始数据:对需要进行配准的太阳高分辨率图像和全日面像进行预处理,根据对太阳高分辨率图像和全日面像估计,得到高分辨率图像预估的旋转角度、象元比例尺、近似坐标,同时,读取全日面像的基础数据,包括日心坐标和象元比例尺;
步骤2:根据预估的旋转角度对全日面像做初始旋转并计算旋转后的坐标值,旋转完成后扣除临边昏暗;同时,对太阳高分辨率图像扣除图像边界,根据两幅图像的象元比例尺比例,将高分辨率图像缩小到与全日面像相同的比例尺;
步骤3:初始匹配:将全日面像进行分块,采用互相关法搜索太阳高分辨率像在全日面像中的位置,得到对应的全日面像子块和高分辨率小像;
步骤4:计算最大块方向角:对全日面像子块和高分辨率小像进行二值化,二值化后采用最大块方向角法,计算两幅图像最大块黑子椭圆区域长轴和短轴的夹角并计算夹角的差值,此角度即为粗转角度;
步骤5:粗角度匹配:对全日面像在初始旋转的基础上根据粗转角度进行粗转,采用互相关法搜索太阳高分辨率小像在全日面像子图中的位置,扣取高分辨率小像的对应SDO子块;
步骤6:测量精细旋转量:采用Fourier-Mellin方法,将全日面像转换至对数-极空间测量精细旋转量,得到精细旋转量,累计粗转和精细旋转量,此角度即为细转角度;
步骤7:细角度匹配:对全日面像在粗转的基础上根据细转角度进行细转,采用互相关法搜索太阳高分辨率小像在全日面像子图中的位置,扣取高分辨率小像的对应SDO子块;
步骤8:计算互相关值:对高分辨率像进行高斯滤波,调整高分辨率像的清晰度至全日面像水平,然后计算高分辨率小像和全日面像子块的互相关值,得到对应的匹配点;
步骤9:计算旋转角和比例尺:通过匹配点产生转换矩阵,从转换矩阵计算得到旋转角和比例尺,累计旋转角;
步骤10:点匹配:对全日面像在细转的基础上根据累计旋转角进行旋转,采用互相关法搜索太阳高分辨率像在全日面像图中的位置,扣取高分辨率小像的对应SDO子块,进行中值均衡;
步骤11:旋转、叠加配准图像:叠加高分辨率小像至全日面像上,固定全日面像,旋转高分辨率像,调整象元对应位置,最终得到经过配准后的图像。
本发明的有益效果是:
采用结合互相关法和Fourier-Mellin方法的太阳高分辨率像的图像配准方法对太阳高分辨率像和全日面像进行配准,较为精确地对两幅太阳图像进行了配准,解决了传统的图像配准方法在进行太阳图像配准时不够精确的问题。
附图说明
图1是本发明太阳高分辨率图像中高分辨率像和全日面像的图像配准方法的总体流程图;
图2是本发明中采用SDO卫星上HMI观测设备于2013年7月15日采集到的全日面像;
图3是本发明中采用SDO卫星上HMI观测设备于2013年7月15日采集到的太阳局部高分辨率图像;
图4是本发明中经过初始匹配后得到的一组图像;
图5是本发明中对图4经计算最大块方向角后进行粗转的一组图像;
图6是本发明中对图5经Fourier-Mellin方法计算精细旋转量进行细转的一组图像;
图7是本发明中对图6经互相关法计算高分辨率像和全日面像子块匹配的测量结果图;
图8是本发明中对图7运动矢量测量结果图;
图9是本发明中对图7经互相关法计算匹配点进行旋转后的一组图像;
图10是本发明中对图2和图3经旋转、叠加完成的最终配准结果图。
具体实施方式
实施例1:如图1-10所示,一种用于太阳高分辨率图像中图像配准的方法,首先,分别对高分辨率图像和全日面像做预处理,根据初始预估数据对图像进行预处理操作,采用分块方法,将全日面像分块,初步匹配高分辨率图像在全日面像中的位置;其次,采用最大块方向角法计算方向角差,得到粗转角度;根据得到的粗转角度,对全日面像从进行过初始旋转后的图像的基础上进行粗转操作;接着,通过Fourier-Mellin方法,将全日面像转换到对数-极空间测量精细旋转量,得到细转角度,根据测量得到的精细旋转量,对全日面像从进行粗转的图像的基础上进行细转操作;然后,采用互相关法计算模板图像和搜索窗口之间的互相关值,得到匹配点,用匹配点产生转换矩阵,得到旋转角和比例尺,累计旋转角,对全日面像从进行细转的图像的基础上进行旋转、叠加操作;最终得到经过配准之后的图像。
所述用于太阳高分辨率图像中图像配准的方法的具体步骤如下:
步骤1:预估初始数据:对需要进行配准的太阳高分辨率图像和全日面像进行预处理,根据对太阳高分辨率图像和全日面像估计,得到高分辨率图像预估的旋转角度、象元比例尺、近似坐标,同时,读取全日面像的基础数据,包括日心坐标和象元比例尺;
步骤2:根据预估的旋转角度对全日面像做初始旋转并计算旋转后的坐标值,旋转完成后扣除临边昏暗;同时,对太阳高分辨率图像扣除图像边界,根据两幅图像的象元比例尺比例,将高分辨率图像缩小到与全日面像相同的比例尺;
步骤3:初始匹配:将全日面像进行分块,采用互相关法搜索太阳高分辨率像在全日面像中的位置,得到对应的全日面像子块和高分辨率小像;
步骤4:计算最大块方向角:对全日面像子块和高分辨率小像进行二值化,二值化后采用最大块方向角法,计算两幅图像最大块黑子椭圆区域长轴和短轴的夹角并计算夹角的差值,此角度即为粗转角度;
步骤5:粗角度匹配:对全日面像在初始旋转的基础上根据粗转角度进行粗转,采用互相关法搜索太阳高分辨率小像在全日面像子图中的位置,扣取高分辨率小像的对应SDO子块;
步骤6:测量精细旋转量:采用Fourier-Mellin方法,将全日面像转换至对数-极空间测量精细旋转量,得到精细旋转量,累计粗转和精细旋转量,此角度即为细转角度;
步骤7:细角度匹配:对全日面像在粗转的基础上根据细转角度进行细转,采用互相关法搜索太阳高分辨率小像在全日面像子图中的位置,扣取高分辨率小像的对应SDO子块;
步骤8:计算互相关值:对高分辨率像进行高斯滤波,调整高分辨率像的清晰度至全日面像水平,然后计算高分辨率小像和全日面像子块的互相关值,得到对应的匹配点;
步骤9:计算旋转角和比例尺:通过匹配点产生转换矩阵,从转换矩阵计算得到旋转角和比例尺,累计旋转角;
步骤10:点匹配:对全日面像在细转的基础上根据累计旋转角进行旋转,采用互相关法搜索太阳高分辨率像在全日面像图中的位置,扣取高分辨率小像的对应SDO子块,进行中值均衡;
步骤11:旋转、叠加配准图像:叠加高分辨率小像至全日面像上,固定全日面像,旋转高分辨率像,调整象元对应位置,最终得到经过配准后的图像。
实施例2:如图1-10所示,一种用于太阳高分辨率图像中图像配准的方法是这样实现的:首先,分别对需要进行配准的太阳高分辨率图像和全日面像进行预处理,读取两幅图像的基础数据,根据初始预估值对基础数据进行处理;接着,将全日面像分块,采用互相关法搜索高分辨率像在全日面像中的位置;其次,采用最大块方向角法,选取目标中最大黑子,进行二值化后计算方向角,得到全日面像和高分辨率图像的方向角之差作为粗转角度;然后,根据得到的粗转角度,对全日面像从进行过初期旋转后的像的基础上进行粗转操作;接着,采用互相关法重新搜索高分辨率像在全日面像中的位置;然后,采用Fourier-Mellin法,转换到对数-极空间测量精细旋转量;接着,根据测量得到的精细旋转量,对全日面像从进行粗转的像的基础上进行细转操作;接着,采用互相关法搜索高分辨率像在全日面像中的位置。最后,采用互相关法计算模板图像和搜索窗口之间的互相关值,得到匹配点,用匹配点产生转换矩阵,得到旋转角和比例尺;接着,根据计算得到的精细旋转量,累计旋转角,对全日面像从进行细转的像的基础上进行旋转操作;然后,搜索高分辨率像在全日面像中的位置。最终,叠加全日面像和高分辨率太阳图像,将全日面像固定,旋转高分辨率太阳图像。最终得到经过配准之后的图像。
步骤1:预估初始数据:对需要进行配准的太阳高分辨率图像和全日面像进行预处理,根据对太阳高分辨率图像和全日面像估计,得到高分辨率像预估的旋转角度、象元比例尺、近似坐标。同时,读取全日面像的基础数据,包括日心坐标和象元比例尺;
步骤2:计算初始数据:根据预估的旋转角度对全日面像做初始旋转并计算旋转后的坐标值,旋转完成后扣除临边昏暗。同时,对太阳高分辨率图像扣除图像边界。根据两幅图像的象元比例尺比例,将高分辨率图像缩小到与全日面像相同的比例尺;
步骤3:初始匹配:将全日面像进行分块,采用互相关法搜索太阳高分辨率像在全日面像中的位置,得到对应的全日面像子块和高分辨率小像;
步骤4:计算最大块方向角:对全日面像子块和高分辨率小像进行二值化,二值化后采用最大块方向角法,计算两幅图像最大块黑子椭圆区域长轴和短轴的夹角并计算夹角的差值,此角度即为粗转角度;
步骤5:粗角度匹配:对全日面像在初始旋转的基础上根据粗转角度进行粗转。采用互相关法搜索太阳高分辨率小像在全日面像子图中的位置,扣取高分辨率小像的对应SDO子块;
步骤6:测量精细旋转量:采用Fourier-Mellin方法,将图像转换至对数-极空间测量精细旋转量,得到精细旋转量,累计粗转和精细旋转量,此角度即为细转角度;
步骤7:细角度匹配:对全日面像在粗转的基础上根据细转角度进行细转。采用互相关法搜索太阳高分辨率小像在全日面像子图中的位置,扣取高分辨率小像的对应SDO子块;
步骤8:计算互相关值:对高分辨率像进行高斯滤波,调整高分辨率像的清晰度至全日面像水平。然后计算高分辨率小像和全日面像子块的互相关值,得到对应的匹配点;
步骤9:计算旋转角和比例尺:通过匹配点产生转换矩阵,从转换矩阵计算得到旋转角和比例尺,累计旋转角;
步骤10:点匹配:对全日面像在细转的基础上根据累计旋转角进行旋转。采用互相关法搜索太阳高分辨率像在全日面像图中的位置,扣取高分辨率小像的对应SDO子块,进行中值均衡;
步骤11:旋转、叠加配准图像:叠加高分辨率小像至全日面像上,固定全日面像,旋转高分辨率像,调整象元对应位置,最终得到经过配准后的图像。
实施例3:如图1-10所示,一种用于太阳高分辨率图像中图像配准的方法是这样实现的:首先,分别对需要进行配准的太阳高分辨率图像和全日面像进行预处理,读取两幅图像的基础数据,根据初始预估值对基础数据进行处理;接着,将全日面像分块,采用互相关法搜索高分辨率像在全日面像中的位置;其次,采用最大块方向角法,选取目标中最大黑子,进行二值化后计算方向角,得到全日面像和高分辨率图像的方向角之差作为粗转角度;然后,根据得到的粗转角度,对全日面像从进行过初期旋转后的像的基础上进行粗转操作;接着,采用互相关法重新搜索高分辨率像在全日面像中的位置;然后,采用Fourier-Mellin法,转换到对数-极空间测量精细旋转量;接着,根据测量得到的精细旋转量,对全日面像从进行粗转的像的基础上进行细转操作;接着,采用互相关法搜索高分辨率像在全日面像中的位置。最后,采用互相关法计算模板图像和搜索窗口之间的互相关值,得到匹配点,用匹配点产生转换矩阵,得到旋转角和比例尺;接着,根据计算得到的精细旋转量,累计旋转角,对全日面像从进行细转的像的基础上进行旋转操作;然后,搜索高分辨率像在全日面像中的位置。最终,叠加全日面像和高分辨率太阳图像,将全日面像固定,旋转高分辨率太阳图像。最终得到经过配准之后的图像。
所述用于存在旋转、缩放和平移变换关系的太阳高分辨率图像和全日面像的配准方法的具体步骤如下:
步骤1:预估初始数据:本实施例中采用如图2所示的SDO卫星上HMI观测设备于2013年7月15日采集到的全日面像,以及如图3所示的SDO卫星上HMI观测设备于2013年7月15日采集到的太阳局部高分辨率图像,对需要进行配准的太阳高分辨率图像和全日面像进行预处理,根据对太阳高分辨率图像和全日面像估计,得到高分辨率像预估的旋转角度、象元比例尺、近似坐标。同时,读取全日面像的基础数据,包括日心坐标和象元比例尺;
步骤2:计算初始数据:根据预估的旋转角度对全日面像做初始旋转并计算旋转后的坐标值,旋转完成后扣除临边昏暗。同时,对太阳高分辨率图像扣除图像边界。根据两幅图像的象元比例尺比例,将高分辨率图像缩小到与全日面像相同的比例尺;
步骤3:初始匹配:将全日面像进行分块,采用互相关法搜索太阳高分辨率像在全日面像中的位置,得到对应的全日面像子块和高分辨率小像,如图4所示,图4右图为和高分辨率小像,左图为经过初始匹配的全日面像子块。
具体地,待匹配图像I的像素大小为M×N,模板T的像素大小为m×n。图像I中任意一块像素大小为m×n的子图Ix,y,其左上角在图像I中的坐标为(x,y),子图Ix,y和模板T的归一化互相关值R(x,y)定义为,
式中,(i,j)为像素在模板中的坐标,为子图Ix,y的像素平均值;为模板T的像素平均值。
最后,对分块区域用归一化互相关函数,获取全局最优子图;
步骤4:计计算最大块方向角:对全日面像子块和高分辨率小像进行二值化,二值化后采用最大块方向角法,计算两幅图像最大块黑子椭圆区域长轴和短轴的夹角并计算夹角的差值,此角度即为粗转角度。采用如下公式计算最大块黑子方向角,
θ即为椭圆的长轴与x轴的夹角,即为最大块黑子的方向角。其中,a、b、c为椭圆方程ax2+cxy+by2=1的系数。需要根据a和b的大小来判断长轴和短轴;
步骤5:粗角度匹配:对全日面像在初始旋转的基础上进行根据粗转角度进行粗转。采用互相关法搜索太阳高分辨率小像在全日面像子图中的位置,扣取高分辨率小像的对应SDO子块,SDO子块即全日面像子块;如图5所示,图5右图为高分辨率小像,左图为经过粗角度匹配的全日面像子块。
首先,待匹配图像I的像素大小为M×N,模板T的像素大小为m×n。图像I中任意一块像素大小为m×n的子图Ix,y,其左上角在图像I中的坐标为(x,y),子图Ix,y和模板T的归一化互相关值R(x,y)定义为,
式中,(i,j)为像素在模板中的坐标,为子图Ix,y的像素平均值;为模板T的像素平均值。
最后,对分块区域用归一化互相关函数,获取全局最优子图;
步骤6:测量精细旋转量:采用Fourier-Mellin方法,将图像转换至对数-极空间测量精细旋转量,得到精细旋转量,累计粗转和精细旋转量,此角度即为细转角度;
首先,配准的两幅图像s(x,y)和r(x,y),其中s(x,y)是r(x,y)经过平移、旋转和尺度缩放变换后的图像,即
s(x,y)=r[(σ(xcosα+ysinα)-x0,σ(-xsinα+ycosα)-y0)]
可通过图像幅度谱求出旋转角度α和缩放因子σ,
sp(θ,logρ)=rp(θ-α,logρ-logσ)
其中,rp和sp分别是r和s在对数-极坐标系(θ,logρ)中的幅度谱;对数的底取为e,那么σ=ex。
最后,可求出旋转角度α和缩放因子σ。
步骤7:细角度匹配:对全日面像在粗转的基础上根据细转角度进行细转。采用互相关法搜索太阳高分辨率小像在全日面像子图中的位置,扣取高分辨率小像的对应SDO子块,扣取高分辨率小像的对应全日面像子块。如图6所示,图6右图为高分辨率小像,左图为经过细角度匹配的全日面像子块。
具体地,待匹配图像I的像素大小为M×N,模板T的像素大小为m×n。图像I中任意一块像素大小为m×n的子图Ix,y,其左上角在图像I中的坐标为(x,y),子图Ix,y和模板T的归一化互相关值R(x,y)定义为,
式中,(i,j)为像素在模板中的坐标,为子图Ix,y的像素平均值;为模板T的像素平均值。
最后,对分块区域用归一化互相关函数,获取全局最优子图;
步骤8:计算互相关值:对高分辨率像进行高斯滤波,调整高分辨率像的清晰度至全日面像水平。采用公式如下,
然后计算高分辨率小像和全日面像子块的互相关值,得到对应的匹配点;如图7所示,经过计算得到的高分辨率小像和全日面像子块的互相关值相对应的匹配点,图7中,采用圆圈表示高分辨率小像的对应点,采用十字表示全日面像子块的对应点。
步骤9:计算旋转角和比例尺:通过匹配点产生转换矩阵,从转换矩阵得到旋转角和比例尺,累计旋转角;如图8所示,采用箭头表示高分辨率小像和全日面像子块的相对运动结果,箭头短说明该区域运动幅度较小,箭头长则表示该区域运动幅度较大,箭头的旋转程度说明该区域旋转角度的变化情况。
步骤10:点匹配:对全日面像在细转的基础上根据累计旋转角进行旋转。采用互相关法搜索太阳高分辨率像在全日面像图中的位置,扣取高分辨率小像的对应SDO子块,进行中值均衡,如图9所示,图9左图为全日面像子块,右图为经过点匹配后的高分辨率小像。
具体地,待匹配图像I的像素大小为M×N,模板T的像素大小为m×n。图像I中任意一块像素大小为m×n的子图Ix,y,其左上角在图像I中的坐标为(x,y),子图Ix,y和模板T的归一化互相关值R(x,y)定义为,
式中,(i,j)为像素在模板中的坐标,为子图Ix,y的像素平均值;为模板T的像素平均值;
最后,对分块区域用归一化互相关函数,获取全局最优子图;
步骤11:旋转、叠加配准图像:叠加高分辨率小像至全日面像上,固定全日面像,旋转高分辨率像,调整象元对应位置,最终得到经过配准后的图像。如图10所示,图10为经过粗匹配、细匹配和点匹配后旋转、叠加完成的最终配准结果图。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (1)
1.一种用于太阳高分辨率图像中图像配准的方法,其特征在于:首先,分别对高分辨率图像和全日面像做预处理,根据初始预估数据对图像进行预处理操作,采用分块方法,将全日面像分块,初步匹配高分辨率图像在全日面像中的位置;其次,采用最大块方向角法计算方向角差,得到粗转角度;根据得到的粗转角度,对全日面像从进行过初始旋转的图像的基础上进行粗转操作;接着,通过Fourier-Mellin方法,将全日面像转换到对数-极空间测量精细旋转量,得到细转角度,根据测量得到的精细旋转量,对全日面像从进行粗转的图像的基础上进行细转操作;然后,采用互相关法计算模板图像和搜索窗口之间的互相关值,得到匹配点,用匹配点产生转换矩阵,得到旋转角和比例尺,累计旋转角,对全日面像从进行细转的图像的基础上进行旋转、叠加操作;最终得到经过配准之后的图像;
所述用于太阳高分辨率图像中图像配准的方法的具体步骤如下:
步骤1:预估初始数据:对需要进行配准的太阳高分辨率图像和全日面像进行预处理,根据对太阳高分辨率图像和全日面像估计,得到高分辨率图像预估的旋转角度、像元比例尺、近似坐标,同时,读取全日面像的基础数据,包括日心坐标和像元比例尺;
步骤2:根据预估的旋转角度对全日面像做初始旋转并计算旋转后的坐标值,旋转完成后扣除临边昏暗;同时,对太阳高分辨率图像扣除图像边界,根据两幅图像的像元比例尺,将高分辨率图像缩小到与全日面像相同的比例尺;
步骤3:初始匹配:将全日面像进行分块,采用互相关法搜索太阳高分辨率图像在全日面像中的位置,得到对应的全日面像子块和高分辨率小像;
步骤4:计算最大块方向角:对全日面像子块和高分辨率小像进行二值化,二值化后采用最大块方向角法,计算两幅图像最大块黑子椭圆区域长轴和短轴的夹角并计算夹角的差值,此角度即为粗转角度;
步骤5:粗角度匹配:对全日面像在初始旋转的基础上根据粗转角度进行粗转,采用互相关法搜索太阳高分辨率小像在全日面像子图中的位置,扣取高分辨率小像的对应全日面像子块;
步骤6:测量精细旋转量:采用Fourier-Mellin方法,将全日面像转换至对数-极空间测量精细旋转量,得到精细旋转量,累计粗转和精细旋转量,此角度即为细转角度;
步骤7:细角度匹配:对全日面像在粗转的基础上根据细转角度进行细转,采用互相关法搜索太阳高分辨率小像在全日面像子图中的位置,扣取高分辨率小像的对应全日面像子块;
步骤8:计算互相关值:对高分辨率图像进行高斯滤波,调整高分辨率图像的清晰度至全日面像水平,然后计算高分辨率小像和全日面像子块的互相关值,得到对应的匹配点;
步骤9:计算旋转角和比例尺:通过匹配点产生转换矩阵,从转换矩阵计算得到旋转角和比例尺,累计旋转角;
步骤10:点匹配:对全日面像在细转的基础上根据累计旋转角进行旋转,采用互相关法搜索太阳高分辨率图像在全日面像中的位置,扣取高分辨率小像的对应全日面像子块,进行中值均衡;
步骤11:旋转、叠加配准图像:叠加高分辨率小像至全日面像上,固定全日面像,旋转高分辨率图像,调整像元对应位置,最终得到经过配准后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610808433.9A CN106408600B (zh) | 2016-09-08 | 2016-09-08 | 一种用于太阳高分辨率图像中图像配准的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610808433.9A CN106408600B (zh) | 2016-09-08 | 2016-09-08 | 一种用于太阳高分辨率图像中图像配准的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106408600A CN106408600A (zh) | 2017-02-15 |
CN106408600B true CN106408600B (zh) | 2019-02-05 |
Family
ID=57998916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610808433.9A Active CN106408600B (zh) | 2016-09-08 | 2016-09-08 | 一种用于太阳高分辨率图像中图像配准的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106408600B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785371A (zh) * | 2018-12-19 | 2019-05-21 | 昆明理工大学 | 一种基于归一化互相关和sift的太阳图像配准方法 |
CN110310312B (zh) * | 2019-07-09 | 2021-08-31 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN110310309B (zh) * | 2019-07-09 | 2021-08-31 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN116309749A (zh) * | 2023-03-15 | 2023-06-23 | 西安工程大学 | 一种基于地面-空间图像联合的多波段太阳图像配准方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537680A (zh) * | 2015-01-21 | 2015-04-22 | 北京联合大学 | 基于边缘显著度的efmt异源图像配准方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2007249105B2 (en) * | 2007-12-18 | 2010-02-18 | Canon Kabushiki Kaisha | Alpha-masked RST image registration |
US8611692B2 (en) * | 2011-09-26 | 2013-12-17 | Northrop Grumman Systems Corporation | Automated image registration with varied amounts of a priori information using a minimum entropy method |
-
2016
- 2016-09-08 CN CN201610808433.9A patent/CN106408600B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537680A (zh) * | 2015-01-21 | 2015-04-22 | 北京联合大学 | 基于边缘显著度的efmt异源图像配准方法及系统 |
Non-Patent Citations (2)
Title |
---|
Image Registration Using Log-polar Transform and Phase Correlation;Jignesh N Sarvaiya et al.;《TENCON 2009 - 2009 IEEE Region 10 Conference》;20090123;第1-5页 |
一种从粗到精的红外和可见光卫星图像配准方法;胡永利 等;《光谱学与光谱分析》;20131130;第33卷(第11期);第2969-2971页 |
Also Published As
Publication number | Publication date |
---|---|
CN106408600A (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109059895B (zh) | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 | |
CN107067415B (zh) | 一种基于图像匹配的目标定位方法 | |
CN104704384B (zh) | 具体用于装置的基于视觉的定位的图像处理方法 | |
CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN109903313B (zh) | 一种基于目标三维模型的实时位姿跟踪方法 | |
CN106408600B (zh) | 一种用于太阳高分辨率图像中图像配准的方法 | |
CN105354531B (zh) | 一种面部关键点的标注方法 | |
CN105976353A (zh) | 基于模型和点云全局匹配的空间非合作目标位姿估计方法 | |
CN103559711B (zh) | 基于三维视觉系统图像特征和三维信息的运动估计方法 | |
CN107516322B (zh) | 一种基于对数极空间的图像物体大小和旋转估计计算方法 | |
CN104484868B (zh) | 一种结合模板匹配和图像轮廓的运动目标航拍跟踪方法 | |
CN107796391A (zh) | 一种捷联惯性导航系统/视觉里程计组合导航方法 | |
CN101826157B (zh) | 一种地面静止目标实时识别跟踪方法 | |
CN103438826B (zh) | 激光与视觉相结合的钢板的三维测量系统及方法 | |
CN104869387A (zh) | 基于光流法的双目图像最大视差获取方法 | |
CN109087394A (zh) | 一种基于低成本rgb-d传感器的实时室内三维重建方法 | |
CN108470356A (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN104281148A (zh) | 基于双目立体视觉的移动机器人自主导航方法 | |
CN106295512A (zh) | 基于标识的多纠正线室内视觉数据库构建方法以及室内定位方法 | |
CN106127145A (zh) | 瞳孔定位及跟踪方法 | |
CN104268880A (zh) | 基于特征和区域匹配相结合的深度信息获取方法 | |
CN109724586B (zh) | 一种融合深度图和点云的航天器相对位姿测量方法 | |
CN112163588A (zh) | 基于智能进化的异源图像目标检测方法、存储介质及设备 | |
CN109214254B (zh) | 一种确定机器人位移的方法及装置 | |
CN108960190A (zh) | 基于fcn图像序列模型的sar视频目标检测方法 |
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 |