CN109711486B - 基于相位相关的高重叠度遥感影像满度连接点匹配方法 - Google Patents
基于相位相关的高重叠度遥感影像满度连接点匹配方法 Download PDFInfo
- Publication number
- CN109711486B CN109711486B CN201910052644.8A CN201910052644A CN109711486B CN 109711486 B CN109711486 B CN 109711486B CN 201910052644 A CN201910052644 A CN 201910052644A CN 109711486 B CN109711486 B CN 109711486B
- Authority
- CN
- China
- Prior art keywords
- matching
- image
- points
- model
- coordinates
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于相位相关的高重叠度遥感影像满度连接点匹配方法，包括：输入多张重叠影像，构建匹配模型，对基准影像进行分块和特征点提取；基于RPC成像模型和DEM获得特征点的经纬度坐标和高程；以特征点的经纬度坐标为中心进行物方空间重采样；相位相关计算匹配窗口的偏移量获得匹配点对；将匹配点的坐标通过RPC模型反算，计算匹配点对在像方的行列号坐标；剔除粗差点得到最终匹配结果。本发明对基准影像进行分块且只在每个分块中心局部分为提取特征点，减少了计算量且保证了特征点分布的均匀性。将影像块从像方投影到物方进行匹配，克服了影像间的旋转和尺度差异，满足相位相关的计算条件。利用相位相关直接获取特征点在每张影像上的位置，计算速度快，对影像灰度差异不敏感。
Description
技术领域
本发明基于遥感图像技术处理领域，特别涉及一种基于相位相关的高重叠度遥感影像满度连接点匹配方法、系统和介质。
背景技术
影像匹配就是通过一定的匹配算法在两幅或者多幅影像之间识别同名点的过程，它是图像配准、图像融合、目标识别和变化检测的一个重要前期步骤。在遥感领域，连接点匹配用于获取两张或多张具有一定重叠度的影像之间的同名像点，根据像点坐标和一定的数学模型建立平差方程，修正影像的成像模型参数(如RPC模型系数和严格成像模型系数)，实现影像间的配准，提高影像的相对定位精度。
常用的遥感图像连接点匹配方法主要有SIFT匹配和相关系数匹配等，其中SIFT匹配方法是一种基于斑点特征的点特征匹配算法，它对图像的旋转变化和尺度缩放不敏感，由于SIFT匹配需要先对每张图像提取特征点，在多度重叠的影像间进行匹配时，对每张影像都进行特征点提取计算量巨大且难以保证特征点的复现率，最终匹配得到的同名点中只有极少数的满度连接点。相关系数匹配方法一般是通过模版匹配的策略来搜索同名点的，这种搜索策略在影像数量显著增加和搜索范围明显扩大的情况下需要耗费大量的计算资源，效率低下，且当影像间存在辐射差异时，匹配的可靠性也很难保证。
发明内容
本发明为了满足高重叠度影像间满度、均匀连接点的匹配需求，提出了一种基于相位相关的高重叠度遥感影像满度连接点匹配方法，包括以下步骤：
步骤一、输入多张重叠影像，构建匹配模型，对基准影像进行分块和特征点提取；
步骤二、基于RPC成像模型和DEM获得特征点的经纬度坐标和高程；
步骤三、以特征点的经纬度坐标为中心进行物方空间重采样；
步骤四、相位相关计算匹配窗口的偏移量获得匹配点对；
步骤五、将匹配点的坐标通过RPC模型反算，计算匹配点对在像方的行列号坐标；
步骤六、剔除粗差点得到最终匹配结果。
优选的，上述步骤一具体为选取其中一张作为基准影像，其余的影像作为目标影像；对基准影像进行分块，得到N×M个大小相同的影像区域；在每个影像块的中心选取一个S×S的窗口进行特征点提取，保留n个特征点作为候选点。
优选的，上述步骤二具体为：设特征点在基准影像上的行列号坐标为(l,s)，由RPC模型和DEM数据，通过迭代计算可以得到特征点对应于物方的经纬度和高程(B,L,H)；
其中，RPC模型的表示如下：
其中，
NumL(U,V,W)＝a1+a2V+a3U+a4W+a5VU+a6VW+a7UW+a8V2+a9U2+
a10W2+a11UVW+a12V3+a13VU2+a14VW2+a15V2U+a16U3+
a17UW2+a18V2W+a19U2W+a20W3
DenL(U,V,W)＝b1+b2V+b3U+b4W+b5VU+b6VW+b7UW+b8V2+b9U2+
b10W2+b11UVWb12V3+b13VU2+b14VW2+b15V2U+b16U3+
b17UW2+b18V2W+b19U2W+b20W3
NumS(U,V,W)＝c1+c2V+c3U+c4W+c5VU+c6VW+c7UW+c8V2+c9U2+
c10W2+c11UVW+c12V3+c13VU2+c14VW2+c15V2U+c16U3+
c17UW2+c18V2W+c19U2W+c20W3
DenS(U,V,W)＝d1+d2V+d3U+d4W+d5VU+d6VW+d7UW+d8V2+d9U2+
d10W2+d11UVW+d12V3+d13VU2+d14VW2+d15V2U+d16U3+
d17UW2+d18V2W+d19U2W+d20W3
其中，ai,bi,ci,di(i＝1,2…20)为有理多项式系数,LineOff,SampleOff,LonOff,LatOff,HeiOff,LineScale,SampleScale,LonScale,LatScale,HeiScale为模型已知的重心化系数。
优选的，上述步骤三根据所述步骤二得到特征点在物方空间中的经纬度坐标(B，L)，对于每一幅输入的目标影像，由该目标影像与基准影像的最低分辨率及匹配窗口大小确定物方的经纬度范围BL，BR，LT，LB，由四个角点的经纬度坐标内插得到匹配窗口内每一个点的经纬度坐标，结合DEM和RPC模型计算匹配窗口每一个点的像方坐标，通过双线性内插获取匹配窗口像素的灰度。
优选的，上述步骤四具体包括：
步骤4.1，对匹配窗口图像做加窗处理，公式如下：
其中，u和v分别是窗口内每一点到窗口中心的行列数，H和W为匹配窗口的高度和宽度；以Wh为权函数对匹配窗口内每个像素作加权处理得到加窗后的匹配窗口图像；
步骤4.2，对加窗后的匹配窗口做相位相关。对于两幅只有平移的图像，其分别在频率域的表达只存在一个线性的相位角差，对于匹配影像块f(x,y)和g(x,y)，如果g(x,y)相对于f(x,y)的平移是(a,b)，即：
g(x,y)＝f(x-a,y-b)
那么对上式进行傅里叶变换可得：
G(u,v)＝F(u,v)e-i(au+bv)
其中，F(u，v)为傅里叶变换；
对上式进行变形，得到影像对间的互功率谱函数Q(u,v)
然后对互功率谱函数做反傅里叶变换得到二维Dirichlet函数，该函数在(a,b)处具有明显峰值；对峰值点所在的局部进行曲面拟合，获得子像素级的峰值位置。
优选的，上述步骤五中基准影像上匹配点的行列号坐标即相应特征点的行列号坐标，在所述步骤一的特征点提取中直接得到，目标影像上的匹配点坐标通过目标影像的RPC模型和第四步得到的峰值点位置的经纬度高程直接求得。
优选的，上述步骤六在每两张影像间构建仿射变换模型，如下式所示：
x'＝ax+by+c
y'＝dx+ey+f
其中(x,y),(x',y')分别是匹配点对在基准影像和目标影像上的坐标；
通过RANSAC方法来剔除残差大于3个像元的匹配点，只要一个点在任意一张影像上的残差大于阈值，这个点在所有影像上的匹配点都被剔除；最终保留下来的匹配点对认为是正确的匹配点，用于后续的平差处理。
一种基于多目标模因优化算法的遥感影像空谱非监督分类系统，包括：
模型匹配单元，用于输入多张重叠影像，构建匹配模型，对基准影像进行分块和特征点提取；
特征点计算单元，用于基于RPC成像模型和DEM获得特征点的经纬度坐标和高程；
重采样单元，用于以特征点的经纬度坐标为中心进行物方空间重采样；
相位匹配单元，用于相位相关计算匹配窗口的偏移量获得匹配点对；
匹配点坐标计算单元，用于将匹配点的坐标通过RPC模型反算，计算匹配点对在像方的行列号坐标；
粗差点剔除单元，用于剔除粗差点得到最终匹配结果。
优选的，上述模型匹配单元通过以下方式实现：
选取其中一张作为基准影像，其余的影像作为目标影像。对基准影像进行分块，得到N×M个大小相同的影像区域；在每个影像块的中心选取一个S×S的窗口进行特征点提取，保留n个特征点作为候选点；
所述特征点计算单元通过以下方式实现：
设特征点在基准影像上的行列号坐标为(l,s)，由RPC模型和DEM数据，通过迭代计算可以得到特征点对应于物方的经纬度和高程(B,L,H)；
其中，RPC模型的表示如下：
其中，
NumL(U,V,W)＝a1+a2V+a3U+a4W+a5VU+a6VW+a7UW+a8V2+a9U2+
a10W2+a11UVW+a12V3+a13VU2+a14VW2+a15V2U+a16U3+
a17UW2+a18V2W+a19U2W+a20W3
DenL(U,V,W)＝b1+b2V+b3U+b4W+b5VU+b6VW+b7UW+b8V2+b9U2+
b10W2+b11UVWb12V3+b13VU2+b14VW2+b15V2U+b16U3+
b17UW2+b18V2W+b19U2W+b20W3
NumS(U,V,W)＝c1+c2V+c3U+c4W+c5VU+c6VW+c7UW+c8V2+c9U2+
c10W2+c11UVW+c12V3+c13VU2+c14VW2+c15V2U+c16U3+
c17UW2+c18V2W+c19U2W+c20W3
DenS(U,V,W)＝d1+d2V+d3U+d4W+d5VU+d6VW+d7UW+d8V2+d9U2+
d10W2+d11UVW+d12V3+d13VU2+d14VW2+d15V2U+d16U3+
d17UW2+d18V2W+d19U2W+d20W3
其中，ai,bi,ci,di(i＝1,2…20)为有理多项式系数，LineOff,SampleOff,LonOff,LatOff,HeiOff,LineScale,SampleScale,LonScale,LatScale,HeiScale为模型已知的重心化系数；
所述相位匹配单元通过以下方式实现：
根据所述特征点计算单元得到特征点在物方空间中的经纬度坐标(B，L)，对于每一幅输入的目标影像，由该目标影像与基准影像的最低分辨率及匹配窗口大小确定物方的经纬度范围BL，BR，LT，LB，由四个角点的经纬度坐标内插得到匹配窗口内每一个点的经纬度坐标，结合DEM和RPC模型计算匹配窗口每一个点的像方坐标，通过双线性内插获取匹配窗口像素的灰度；
相位匹配单元通过以下方式实现：
对匹配窗口图像做加窗处理，公式如下：
其中，u和v分别是窗口内每一点到窗口中心的行列数，H和W为匹配窗口的高度和宽度；以Wh为权函数对匹配窗口内每个像素作加权处理得到加窗后的匹配窗口图像；
对加窗后的匹配窗口做相位相关；对于两幅只有平移的图像，其分别在频率域的表达只存在一个线性的相位角差，对于匹配影像块f(x,y)和g(x,y)，如果g(x,y)相对于f(x,y)的平移是(a,b)，即：
g(x,y)＝f(x-a,y-b)
那么对上式进行傅里叶变换可得：
G(u,v)＝F(u,v)e-i(au+bv)
对上式进行变形，得到影像对间的互功率谱函数Q(u,v)
然后对互功率谱函数做反傅里叶变换得到二维Dirichlet函数，该函数在(a,b)处具有明显峰值；对峰值点所在的局部进行曲面拟合，获得子像素级的峰值位置。
所述匹配点坐标计算单元通过以下方式来实现：
基准影像上匹配点的行列号坐标即相应特征点的行列号坐标，在所述模型匹配单元的特征点提取中直接得到，目标影像上的匹配点坐标通过目标影像的RPC模型和第四步得到的峰值点位置的经纬度高程直接求得；
粗差点剔除单元通过以下方式来实现：
在每两张影像间构建仿射变换模型，如下式所示：
x'＝ax+by+c
y'＝dx+ey+f
其中(x,y),(x',y')分别是匹配点对在基准影像和目标影像上的坐标；
通过RANSAC方法来剔除残差大于3个像元的匹配点，只要一个点在任意一张影像上的残差大于阈值，这个点在所有影像上的匹配点都被剔除；最终保留下来的匹配点对认为是正确的匹配点，用于后续的平差处理。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
与现有技术相比，本发明具有以下优势：
1、只对基准影像进行特征点提取，减少了计算量，而且不会因为特征点复现率的问题导致在部分影像上无法获取同名像点。
2、对基准影像进行分块且只在每个分块中心局部分为提取特征点，减少了计算量且保证了特征点分布的均匀性。
3、将影像块从像方投影到物方进行匹配，克服了影像间的旋转和尺度差异，满足相位相关的计算条件。
4、利用相位相关直接获取特征点在每张影像上的位置，计算速度快，对影像灰度差异不敏感。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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示出了本发明提供的基于相位相关的高重叠度遥感影像满度连接点匹配方法流程图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
如图1所示，本实施例提供一种基于相位相关的高重叠度遥感影像满度连接点匹配方法，包括：
步骤一、输入多张重叠影像，构建匹配模型，对基准影像进行分块和特征点提取；
步骤二、基于RPC成像模型和DEM获得特征点的经纬度坐标和高程；
步骤三、以特征点的经纬度坐标为中心进行物方空间重采样；
步骤四、相位相关计算匹配窗口的偏移量获得匹配点对；
步骤五、将匹配点的坐标通过RPC模型反算，计算匹配点对在像方的行列号坐标；
步骤六、剔除粗差点得到最终匹配结果。
在一实施例中，步骤一选取其中一张作为基准影像，其余的影像作为目标影像；对基准影像进行分块，得到N×M个大小相同的影像区域；在每个影像块的中心选取一个S×S的窗口进行特征点提取，保留n个特征点作为候选点。
在一实施例中，步骤二设特征点在基准影像上的行列号坐标为(l,s)，由RPC模型和DEM数据，通过迭代计算可以得到特征点对应于物方的经纬度和高程(B,L,H)；
其中，RPC模型的表示如下：
其中，
NumL(U,V,W)＝a1+a2V+a3U+a4W+a5VU+a6VW+a7UW+a8V2+a9U2+
a10W2+a11UVW+a12V3+a13VU2+a14VW2+a15V2U+a16U3+
a17UW2+a18V2W+a19U2W+a20W3
DenL(U,V,W)＝b1+b2V+b3U+b4W+b5VU+b6VW+b7UW+b8V2+b9U2+
b10W2+b11UVWb12V3+b13VU2+b14VW2+b15V2U+b16U3+
b17UW2+b18V2W+b19U2W+b20W3
NumS(U,V,W)＝c1+c2V+c3U+c4W+c5VU+c6VW+c7UW+c8V2+c9U2+
c10W2+c11UVW+c12V3+c13VU2+c14VW2+c15V2U+c16U3+
c17UW2+c18V2W+c19U2W+c20W3
DenS(U,V,W)＝d1+d2V+d3U+d4W+d5VU+d6VW+d7UW+d8V2+d9U2+
d10W2+d11UVW+d12V3+d13VU2+d14VW2+d15V2U+d16U3+
d17UW2+d18V2W+d19U2W+d20W3
其中，ai,bi,ci,di(i＝1,2…20)为有理多项式系数，LineOff,SampleOff,LonOff,LatOff,HeiOff,LineScale,SampleScale,LonScale,LatScale,HeiScale为模型已知的重心化系数。
在一实施例中，步骤三根据步骤二得到特征点在物方空间中的经纬度坐标(B，L)，对于每一幅输入的目标影像，由该目标影像与基准影像的最低分辨率及匹配窗口大小确定物方的经纬度范围BL，BR，LT，LB，由四个角点的经纬度坐标内插得到匹配窗口内每一个点的经纬度坐标，结合DEM和RPC模型计算匹配窗口每一个点的像方坐标，通过双线性内插获取匹配窗口像素的灰度。
在一实施例中，步骤四具体包括：
步骤4.1，对匹配窗口图像做加窗处理，公式如下：
其中，u和v分别是窗口内每一点到窗口中心的行列数，H和W为匹配窗口的高度和宽度；以Wh为权函数对匹配窗口内每个像素作加权处理得到加窗后的匹配窗口图像；
步骤4.2，对加窗后的匹配窗口做相位相关。对于两幅只有平移的图像，其分别在频率域的表达只存在一个线性的相位角差，对于匹配影像块f(x,y)和g(x,y)，如果g(x,y)相对于f(x,y)的平移是(a,b)，即：
g(x,y)＝f(x-a,y-b)
那么对上式进行傅里叶变换可得：
G(u,v)＝F(u,v)e-i(au+bv)
其中，F(u，v)为傅里叶变换；
对上式进行变形，得到影像对间的互功率谱函数Q(u,v)
然后对互功率谱函数做反傅里叶变换得到二维Dirichlet函数，该函数在(a,b)处具有明显峰值；对峰值点所在的局部进行曲面拟合，获得子像素级的峰值位置。
在一实施例中，步骤五中基准影像上匹配点的行列号坐标即相应特征点的行列号坐标，在所述步骤一的特征点提取中直接得到，目标影像上的匹配点坐标通过目标影像的RPC模型和第四步得到的峰值点位置的经纬度高程直接求得。
在一实施例中，步骤六在每两张影像间构建仿射变换模型，如下式所示：
x'＝ax+by+c
y'＝dx+ey+f
其中(x,y),(x',y')分别是匹配点对在基准影像和目标影像上的坐标；
通过RANSAC方法来剔除残差大于3个像元的匹配点，只要一个点在任意一张影像上的残差大于阈值，这个点在所有影像上的匹配点都被剔除；最终保留下来的匹配点对认为是正确的匹配点，用于后续的平差处理。
本发明还提供了一种基于多目标模因优化算法的遥感影像空谱非监督分类系统的实施例，包括：
模型匹配单元，用于输入多张重叠影像，构建匹配模型，对基准影像进行分块和特征点提取；
特征点计算单元，用于基于RPC成像模型和DEM获得特征点的经纬度坐标和高程；
重采样单元，用于以特征点的经纬度坐标为中心进行物方空间重采样；
相位匹配单元，用于相位相关计算匹配窗口的偏移量获得匹配点对；
匹配点坐标计算单元，用于将匹配点的坐标通过RPC模型反算，计算匹配点对在像方的行列号坐标；
粗差点剔除单元，用于剔除粗差点得到最终匹配结果。
在一实施例中，模型匹配单元通过以下方式实现：
选取其中一张作为基准影像，其余的影像作为目标影像。对基准影像进行分块，得到N×M个大小相同的影像区域；在每个影像块的中心选取一个S×S的窗口进行特征点提取，保留n个特征点作为候选点；
特征点计算单元通过以下方式实现：
设特征点在基准影像上的行列号坐标为(l,s)，由RPC模型和DEM数据，通过迭代计算可以得到特征点对应于物方的经纬度和高程(B,L,H)；
其中，RPC模型的表示如下：
其中，
NumL(U,V,W)＝a1+a2V+a3U+a4W+a5VU+a6VW+a7UW+a8V2+a9U2+
a10W2+a11UVW+a12V3+a13VU2+a14VW2+a15V2U+a16U3+
a17UW2+a18V2W+a19U2W+a20W3
DenL(U,V,W)＝b1+b2V+b3U+b4W+b5VU+b6VW+b7UW+b8V2+b9U2+
b10W2+b11UVWb12V3+b13VU2+b14VW2+b15V2U+b16U3+
b17UW2+b18V2W+b19U2W+b20W3
NumS(U,V,W)＝c1+c2V+c3U+c4W+c5VU+c6VW+c7UW+c8V2+c9U2+
c10W2+c11UVW+c12V3+c13VU2+c14VW2+c15V2U+c16U3+
c17UW2+c18V2W+c19U2W+c20W3
DenS(U,V,W)＝d1+d2V+d3U+d4W+d5VU+d6VW+d7UW+d8V2+d9U2+
d10W2+d11UVW+d12V3+d13VU2+d14VW2+d15V2U+d16U3+
d17UW2+d18V2W+d19U2W+d20W3
其中，ai,bi,ci,di(i＝1,2…20)为有理多项式系数，LineOff,SampleOff,LonOff,LatOff,HeiOff,LineScale,SampleScale,LonScale,LatScale,HeiScale为模型已知的重心化系数；
相位匹配单元通过以下方式实现：
根据特征点计算单元得到特征点在物方空间中的经纬度坐标(B，L)，对于每一幅输入的目标影像，由该目标影像与基准影像的最低分辨率及匹配窗口大小确定物方的经纬度范围BL，BR，LT，LB，由四个角点的经纬度坐标内插得到匹配窗口内每一个点的经纬度坐标，结合DEM和RPC模型计算匹配窗口每一个点的像方坐标，通过双线性内插获取匹配窗口像素的灰度；
相位匹配单元通过以下方式实现：
对匹配窗口图像做加窗处理，公式如下：
其中，u和v分别是窗口内每一点到窗口中心的行列数，H和W为匹配窗口的高度和宽度；以Wh为权函数对匹配窗口内每个像素作加权处理得到加窗后的匹配窗口图像；
对加窗后的匹配窗口做相位相关；对于两幅只有平移的图像，其分别在频率域的表达只存在一个线性的相位角差，对于匹配影像块f(x,y)和g(x,y)，如果g(x,y)相对于f(x,y)的平移是(a,b)，即：
g(x,y)＝f(x-a,y-b)
那么对上式进行傅里叶变换可得：
G(u,v)＝F(u,v)e-i(au+bv)
对上式进行变形，得到影像对间的互功率谱函数Q(u,v)
然后对互功率谱函数做反傅里叶变换得到二维Dirichlet函数，该函数在(a,b)处具有明显峰值；对峰值点所在的局部进行曲面拟合，获得子像素级的峰值位置。
匹配点坐标计算单元通过以下方式来实现：
基准影像上匹配点的行列号坐标即相应特征点的行列号坐标，在所述模型匹配单元的特征点提取中直接得到，目标影像上的匹配点坐标通过目标影像的RPC模型和第四步得到的峰值点位置的经纬度高程直接求得；
粗差点剔除单元通过以下方式来实现：
在每两张影像间构建仿射变换模型，如下式所示：
x'＝ax+by+c
y'＝dx+ey+f
其中(x,y),(x',y')分别是匹配点对在基准影像和目标影像上的坐标；
通过RANSAC方法来剔除残差大于3个像元的匹配点，只要一个点在任意一张影像上的残差大于阈值，这个点在所有影像上的匹配点都被剔除；最终保留下来的匹配点对认为是正确的匹配点，用于后续的平差处理。。
此外，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
此外，还可以提供一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。
与现有技术相比，本发明具有以下优势：
1、只对基准影像进行特征点提取，减少了计算量，而且不会因为特征点复现率的问题导致在部分影像上无法获取同名像点。
2、对基准影像进行分块且只在每个分块中心局部分为提取特征点，减少了计算量且保证了特征点分布的均匀性。
3、将影像块从像方投影到物方进行匹配，克服了影像间的旋转和尺度差异，满足相位相关的计算条件。
4、利用相位相关直接获取特征点在每张影像上的位置，计算速度快，对影像灰度差异不敏感。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (3)
1.一种基于相位相关的高重叠度遥感影像满度连接点匹配方法，其特征在于所述方法包括：
步骤一、输入多张重叠影像，构建匹配模型，对基准影像进行分块和特征点提取；
步骤二、基于RPC成像模型和DEM获得特征点的经纬度坐标和高程；
步骤三、以特征点的经纬度坐标为中心进行物方空间重采样；
步骤四、相位相关计算匹配窗口的偏移量获得匹配点对；
步骤五、将匹配点的坐标通过RPC模型反算，计算匹配点对在像方的行列号坐标；
步骤六、剔除粗差点得到最终匹配结果；
其中，所述步骤一具体为选取其中一张作为基准影像，其余的影像作为目标影像；对基准影像进行分块，得到N×M个大小相同的影像区域；在每个影像块的中心选取一个S×S的窗口进行特征点提取，保留n个特征点作为候选点；
其中，所述步骤二具体为：设特征点在基准影像上的行列号坐标为(l,s)，由RPC模型和DEM数据，通过迭代计算可以得到特征点对应于物方的经纬度和高程(B,L,H)；
其中，RPC模型的表示如下：
其中，
NumL(U,V,W)＝a1+a2V+a3U+a4W+a5VU+a6VW+a7UW+a8V2+a9U2+a10W2+a11UVW+a12V3+a13VU2+a14VW2+a15V2U+a16U3+a17UW2+a18V2W+a19U2W+a20W3
DenL(U,V,W)＝b1+b2V+b3U+b4W+b5VU+b6VW+b7UW+b8V2+b9U2+b10W2+b11UVWb12V3+b13VU2+b14VW2+b15V2U+b16U3+b17UW2+b18V2W+b19U2W+b20W3
NumS(U,V,W)＝c1+c2V+c3U+c4W+c5VU+c6VW+c7UW+c8V2+c9U2+c10W2+c11UVW+c12V3+c13VU2+c14VW2+c15V2U+c16U3+c17UW2+c18V2W+c19U2W+c20W3
DenS(U,V,W)＝d1+d2V+d3U+d4W+d5VU+d6VW+d7UW+d8V2+d9U2+d10W2+d11UVW+d12V3+d13VU2+d14VW2+d15V2U+d16U3+d17UW2+d18V2W+d19U2W+d20W3
其中，ai,bi,ci,di(i＝1,2…20)为有理多项式系数,LineOff,SampleOff,LonOff,LatOff,HeiOff,LineScale,SampleScale,LonScale,LatScale,HeiScale为模型已知的重心化系数；
其中，所述步骤三根据所述步骤二得到特征点在物方空间中的经纬度坐标(B，L)，对于每一幅输入的目标影像，由该目标影像与基准影像的最低分辨率及匹配窗口大小确定物方的经纬度范围BL，BR，LT，LB，由四个角点的经纬度坐标内插得到匹配窗口内每一个点的经纬度坐标，结合DEM和RPC模型计算匹配窗口每一个点的像方坐标，通过双线性内插获取匹配窗口像素的灰度。
2.一种基于相位相关的高重叠度遥感影像满度连接点匹配系统，包括：
模型匹配单元，用于输入多张重叠影像，构建匹配模型，对基准影像进行分块和特征点提取；
特征点计算单元，用于基于RPC成像模型和DEM获得特征点的经纬度坐标和高程；
重采样单元，用于以特征点的经纬度坐标为中心进行物方空间重采样；
相位匹配单元，用于相位相关计算匹配窗口的偏移量获得匹配点对；
匹配点坐标计算单元，用于将匹配点的坐标通过RPC模型反算，计算匹配点对在像方的行列号坐标；
粗差点剔除单元，用于剔除粗差点得到最终匹配结果；
其中，所述模型匹配单元选取其中一张作为基准影像，其余的影像作为目标影像；对基准影像进行分块，得到N×M个大小相同的影像区域；在每个影像块的中心选取一个S×S的窗口进行特征点提取，保留n个特征点作为候选点；
所述特征点计算单元设特征点在基准影像上的行列号坐标为(l,s)，由RPC模型和DEM数据，通过迭代计算可以得到特征点对应于物方的经纬度和高程(B,L,H)；
其中，RPC模型的表示如下：
其中，
NumL(U,V,W)＝a1+a2V+a3U+a4W+a5VU+a6VW+a7UW+a8V2+a9U2+a10W2+a11UVW+a12V3+a13VU2+a14VW2+a15V2U+a16U3+a17UW2+a18V2W+a19U2W+a20W3
DenL(U,V,W)＝b1+b2V+b3U+b4W+b5VU+b6VW+b7UW+b8V2+b9U2+b10W2+b11UVWb12V3+b13VU2+b14VW2+b15V2U+b16U3+b17UW2+b18V2W+b19U2W+b20W3
NumS(U,V,W)＝c1+c2V+c3U+c4W+c5VU+c6VW+c7UW+c8V2+c9U2+c10W2+c11UVW+c12V3+c13VU2+c14VW2+c15V2U+c16U3+c17UW2+c18V2W+c19U2W+c20W3
DenS(U,V,W)＝d1+d2V+d3U+d4W+d5VU+d6VW+d7UW+d8V2+d9U2+d10W2+d11UVW+d12V3+d13VU2+d14VW2+d15V2U+d16U3+d17UW2+d18V2W+d19U2W+d20W3
其中，ai,bi,ci,di(i＝1,2…20)为有理多项式系数,LineOff,SampleOff,LonOff,LatOff,HeiOff,LineScale,SampleScale,LonScale,LatScale,HeiScale为模型已知的重心化系数；
所述重采样单元根据所述步骤二得到特征点在物方空间中的经纬度坐标(B，L)，对于每一幅输入的目标影像，由该目标影像与基准影像的最低分辨率及匹配窗口大小确定物方的经纬度范围BL，BR，LT，LB，由四个角点的经纬度坐标内插得到匹配窗口内每一个点的经纬度坐标，结合DEM和RPC模型计算匹配窗口每一个点的像方坐标，通过双线性内插获取匹配窗口像素的灰度。
3.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910052644.8A CN109711486B (zh) | 2019-01-21 | 2019-01-21 | 基于相位相关的高重叠度遥感影像满度连接点匹配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910052644.8A CN109711486B (zh) | 2019-01-21 | 2019-01-21 | 基于相位相关的高重叠度遥感影像满度连接点匹配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109711486A CN109711486A (zh) | 2019-05-03 |
| CN109711486B true CN109711486B (zh) | 2020-09-01 |
Family
ID=66262563
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910052644.8A Expired - Fee Related CN109711486B (zh) | 2019-01-21 | 2019-01-21 | 基于相位相关的高重叠度遥感影像满度连接点匹配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109711486B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111121789B (zh) * | 2019-12-12 | 2022-02-22 | 上海航天控制技术研究所 | 一种基于图像的遥感卫星多模式自主定轨方法 |
| CN111967365B (zh) * | 2020-08-11 | 2023-09-15 | 中国人民解放军国防科技大学 | 影像连接点的提取方法和装置 |
| CN112070810B (zh) * | 2020-08-31 | 2024-03-22 | 安徽爱观视觉科技有限公司 | 定位方法、可移动设备及计算机可读存储介质 |
| CN113589340B (zh) * | 2021-06-15 | 2022-12-23 | 北京道达天际科技股份有限公司 | 一种基准网辅助的卫星影像高精度定位方法和装置 |
| CN114863145B (zh) * | 2022-04-21 | 2023-03-17 | 武汉大学 | 一种夜光影像稀疏灯光连接点匹配方法 |
| CN116128935B (zh) * | 2022-12-30 | 2023-11-28 | 华中科技大学 | 空中机群红外序列配准方法、多尺度目标测谱方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6856698B1 (en) * | 1997-11-26 | 2005-02-15 | Cognex Corporation | Fast high-accuracy multi-dimensional pattern localization |
| CN103822616A (zh) * | 2014-03-18 | 2014-05-28 | 武汉大学 | 一种图分割与地形起伏约束相结合的遥感影像匹配方法 |
| CN105913435A (zh) * | 2016-04-13 | 2016-08-31 | 西安航天天绘数据技术有限公司 | 一种适用于大区域的多尺度遥感影像匹配方法及系统 |
| CN108376249A (zh) * | 2018-02-23 | 2018-08-07 | 中国科学院电子学研究所 | 基于单物方-多像方观测的无控定位精度提升方法 |
| CN108876826A (zh) * | 2017-05-10 | 2018-11-23 | 深圳先进技术研究院 | 一种图像匹配方法及系统 |
| CN109029379A (zh) * | 2018-06-08 | 2018-12-18 | 北京空间机电研究所 | 一种高精度小基高比立体测绘方法 |
| CN109166143A (zh) * | 2018-07-06 | 2019-01-08 | 航天星图科技（北京）有限公司 | 一种大区域网立体测绘卫星影像匹配方法 |
-
2019
- 2019-01-21 CN CN201910052644.8A patent/CN109711486B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6856698B1 (en) * | 1997-11-26 | 2005-02-15 | Cognex Corporation | Fast high-accuracy multi-dimensional pattern localization |
| CN103822616A (zh) * | 2014-03-18 | 2014-05-28 | 武汉大学 | 一种图分割与地形起伏约束相结合的遥感影像匹配方法 |
| CN105913435A (zh) * | 2016-04-13 | 2016-08-31 | 西安航天天绘数据技术有限公司 | 一种适用于大区域的多尺度遥感影像匹配方法及系统 |
| CN108876826A (zh) * | 2017-05-10 | 2018-11-23 | 深圳先进技术研究院 | 一种图像匹配方法及系统 |
| CN108376249A (zh) * | 2018-02-23 | 2018-08-07 | 中国科学院电子学研究所 | 基于单物方-多像方观测的无控定位精度提升方法 |
| CN109029379A (zh) * | 2018-06-08 | 2018-12-18 | 北京空间机电研究所 | 一种高精度小基高比立体测绘方法 |
| CN109166143A (zh) * | 2018-07-06 | 2019-01-08 | 航天星图科技（北京）有限公司 | 一种大区域网立体测绘卫星影像匹配方法 |
Non-Patent Citations (4)
| Title |
|---|
| 一种改进的相位相关的影像配准方法;韦春桃 等;《测绘通报》;20111231(第4期);第19-22页 * |
| 一种综合利用像方和物方信息的多影像匹配方法;袁修孝 等;《测绘学报》;20090630;第38卷(第3期);第216-222页 * |
| 局部相位相关法在密集匹配中的应用及精度分析;邹进贵 等;《测绘通报》;20181231(第5期);第25-28页 * |
| 无人机影像物方多视匹配算法;于英 等;《中国图象图形学报》;20170131;第22卷(第1期);第108-114页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109711486A (zh) | 2019-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109711486B (zh) | 基于相位相关的高重叠度遥感影像满度连接点匹配方法 | |
| CN104574347B (zh) | 基于多源遥感数据的在轨卫星图像几何定位精度评价方法 | |
| EP2132708B1 (en) | System and method for image registration based on variable region of interest | |
| US10553020B1 (en) | Shadow mask generation using elevation data | |
| CN110930453A (zh) | 目标物体定位方法、装置及可读存储介质 | |
| CN109118533B (zh) | 深度信息处理方法、装置和设备 | |
| US20120237134A1 (en) | Image descriptor quantization | |
| El Akkad et al. | Reconstruction of 3D scenes by camera self-calibration and using genetic algorithms | |
| CN114463503A (zh) | 三维模型和地理信息系统的融合方法及装置 | |
| CN111552751B (zh) | 三维地标控制点生成及应用方法、生成及应用装置 | |
| CN114519681A (zh) | 自动标定方法及装置、计算机可读存储介质、终端 | |
| Li et al. | Subpixel image registration algorithm based on pyramid phase correlation and upsampling | |
| CN117058008A (zh) | 遥感影像几何与辐射一体化校正方法、装置、设备及介质 | |
| CN107480710B (zh) | 特征点匹配结果处理方法和装置 | |
| Skytt et al. | Deconfliction and surface generation from bathymetry data using LR B-splines | |
| CN110717969A (zh) | 一种阴影生成方法和装置 | |
| US11403815B2 (en) | Gridding global data into a minimally distorted global raster | |
| Kim et al. | A high quality depth map upsampling method robust to misalignment of depth and color boundaries | |
| CN112037258B (zh) | 目标跟踪方法、装置、设备和存储介质 | |
| CN112560868B (zh) | 一种基于特征点库的多进程大区域网影像匹配方法及装置 | |
| García-Moreno | Towards Robust Methodology in Large-Scale Urban Reconstruction | |
| RU2821377C1 (ru) | Способ отслеживания объектов на видео | |
| CN111626305B (zh) | 目标检测方法、装置和设备 | |
| CN114419116B (zh) | 一种基于网匹配的遥感影像配准方法及其系统 | |
| CN115953440B (zh) | 医学图像的配准方法和装置、存储介质及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 430071 No. 27 Justice Road, Wuchang District, Wuhan City, Hubei Province Patentee after: Hubei Provincial Institute of land and resources (real estate registration center of Hubei Provincial Department of land and resources) Address before: 430071 No. 27 Justice Road, Wuchang District, Wuhan City, Hubei Province Patentee before: HUBEI PROVINCIAL INSTITUTE OF LAND AND RESOURCES |
|
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200901 Termination date: 20220121 |