CN110020659A - 一种基于二进小波的遥感影像多尺度边缘提取与匹配方法和系统 - Google Patents

Abstract

本发明公开一种基于二进小波的遥感影像多尺度边缘提取与匹配方法和系统，以两张覆盖同一范围的光学遥感影像作为输入，通过影像预处理，消除影像间的旋转、尺度差异以及成像角度不同带来的几何变形，同时去除噪声，增强边缘特征。通过分别对基准影像与目标影像进行多尺度边缘检测、尺度空间与影像空间非极值抑制、有效边缘特征筛选，获得两组有效边缘特征结果。通过分别对两组边缘特征进行二值化表示和附加核线约束的边缘匹配，得到匹配结果，进行粗差剔除后，得到最终的匹配结果。本发明能够实现光学影像的高精度边缘提取与匹配，实践表明该方法可行、有效，具有较高的可靠性和效率。

Description

一种基于二进小波的遥感影像多尺度边缘提取与匹配方法和 系统

技术领域

本发明属于遥感影像处理领域，尤其是涉及基于二进小波的遥感影像多尺度边缘提取与匹配方法和系统。

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，根据匹配基元不同，影像匹配主要可分为两种类型，一种是点特征匹配，通过对影像中的斑点、角点等点特征进行提取与匹配，获取一组同名像点。一种是线特征匹配，通过对影像中的边缘特征进行提取与匹配，获取一组边缘特征匹配结果，其实质也是一组同名像点。点特征匹配对于纹理丰富区域具有较好的效果，但对于弱纹理、重复纹理等区域可靠性不高，边缘特征具有更高的可区别性，对于弱纹理、重复纹理区域具有更好的鲁棒性，可作为点特征匹配的有力补充手段；同时边缘特征也是场景(目标)轮廓的重要表达，在场景恢复、目标识别等应用中具有重要作用。

传统的基于梯度的边缘检测算子，由于模板尺寸与梯度方向的固定，检测到边缘特征往往不够丰富，而二进小波变换可以在多尺度中依次对影像进行边缘特征检测与提取，最后通过在尺度空间与影像空间进行非极值抑制，得到完整、准确的边缘特征，对于遥感影像后续应用具有重要意义。因此，本发明提出了一种基于二进小波的遥感影像多尺度边缘提取与匹配方法。

发明内容

本发明针对遥感影像边缘特征高精度提取与匹配问题，提出了一种基于二进小波的遥感影像多尺度边缘提取与匹配方法，具有提取的边缘特征丰富、匹配可靠性高的特点。

本发明的技术方案为一种基于二进小波的遥感影像多尺度边缘提取与匹配方法，包括如下步骤：

步骤1，对基准影像与目标影像分别进行预处理；

步骤2，对预处理后的两幅影像分别进行多尺度边缘检测；

步骤3，在尺度空间与影像空间进行梯度值非极值抑制，以剔除无效边缘；

步骤4，通过长度阈值和曲率阈值筛选出有效边缘；

步骤5，对有效边缘结果二值化，并通过核线约束进行边缘匹配；

步骤6，利用最小二乘平差方法剔除错误匹配点，获得最终的匹配结果。

进一步的，步骤1中所述预处理包括，利用遥感影像的成像模型参数和已有DEM数据或平均高程数据，将影像从像方空间投影到物方空间来消除影像间的旋转和成像角度差异；通过影像重采样消除影像分辨率不同带来的尺度差异；采用Wallis滤波对影像进行处理，去除影像中的离散噪声，同时突出边缘特征。

进一步的，步骤2中利用二进小波变换实现遥感影像的多尺度边缘检测，所述二进小波滤波器的表达式为，

其中h为低通滤波器，g为高通滤波器，通过高通滤波器分别在x方向(水平方向)与y方向(竖直方向)卷积获得影像的高频信息，即梯度值。

进一步的，步骤4的具体实现方式如下，

1)长度阈值筛选：边缘长度满足阈值，判定有效，反之，判定无效；

2)曲率阈值筛选：为保留接近直线或圆的易于匹配的边缘特征，采用双阈值判定，曲率大于较大阈值的认为是接近直线的边缘特征，曲率小于较小阈值的认为是接近圆的边缘特征；

同时满足以上两条准则的边缘，判定为有效边缘。

进一步的，步骤5的具体实现方式如下，

首先从基准影像与目标影像提取两组有效边缘特征结果，将有效边缘特征进行二值化表示，边缘点值设为1，非边缘点值设为0；

然后根据影像的初始定位信息计算基准影像每个边缘点在预纠正目标影像上的坐标，根据影像初始定位精度确定一个大概的搜索半径，然后引入核线约束，将匹配搜索方向由二维搜索限制为一维搜索，通过在一定搜索范围内，进行逐像素移动，分别计算两组边缘特征的响应值，具有最大响应值的匹配结果即认为是正确匹配结果；其中，响应值采用逻辑运算中的“与”运算，即若基准影像上一像素点与当前对应的目标影像上一点均为边缘点，响应值为1，否则为0。

进一步的，步骤6的具体实现方式如下，

在基准影像与目标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，a,b,c,d,e,f为仿射变换参数，然后通过最小二乘平差方法来剔除残差大于粗差阈值的匹配点，最终保留下来的匹配点对认为是正确的匹配点。

本发明还提供一种基于二进小波的遥感影像多尺度边缘提取与匹配系统，包括如下模块：

预处理模块，用于对基准影像与目标影像分别进行预处理；

多尺度边缘检测模块，用于对预处理后的两幅影像分别进行多尺度边缘检测；

非极值抑制模块，用于在尺度空间与影像空间进行梯度值非极值抑制，以剔除无效边缘；

有效边缘筛选模块，用于通过长度阈值和曲率阈值筛选出有效边缘；

边缘匹配模块，用于对有效边缘结果二值化，并通过核线约束进行边缘匹配；

粗差点剔除模块，用于利用最小二乘平差方法剔除错误匹配点，获得最终的匹配结果。

进一步的，有效边缘筛选模块的具体实现方式如下，

1)长度阈值筛选：边缘长度满足阈值，判定有效，反之，判定无效；

2)曲率阈值筛选：为保留接近直线或圆的易于匹配的边缘特征，采用双阈值判定，曲率大于较大阈值的认为是接近直线的边缘特征，曲率小于较小阈值的认为是接近圆的边缘特征；

同时满足以上两条准则的边缘，判定为有效边缘。

进一步的，边缘匹配模块的具体实现方式如下，

首先从基准影像与目标影像提取两组有效边缘特征结果，将有效边缘特征进行二值化表示，边缘点值设为1，非边缘点值设为0；

然后根据影像的初始定位信息计算基准影像每个边缘点在预纠正目标影像上的坐标，根据影像初始定位精度确定一个大概的搜索半径，然后引入核线约束，将匹配搜索方向由二维搜索限制为一维搜索，通过在一定搜索范围内，进行逐像素移动，分别计算两组边缘特征的响应值，具有最大响应值的匹配结果即认为是正确匹配结果；其中，响应值采用逻辑运算中的“与”运算，即若基准影像上一像素点与当前对应的目标影像上一点均为边缘点，响应值为1，否则为0。

进一步的，粗差点剔除模块的具体实现方式如下，

在基准影像与目标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，a,b,c,d,e,f为仿射变换参数，然后通过最小二乘平差方法来剔除残差大于粗差阈值的匹配点，最终保留下来的匹配点对认为是正确的匹配点。

本发明的优点在于：

1.采用二进小波变换，实现遥感影像的多尺度边缘特征检测，提高边缘特征检测的完整性与可靠性。

2.通过尺度空间与影像空间进行非极值抑制，实现边缘特征的精确选择与定位，提高边缘特征检测的准确性。

3.将有效边缘特征进行二值化表示，采用逻辑运算中的“与”运算，计算匹配测度，明显提升匹配效率。

4.引入核线约束，将二维搜索缩小为一维搜索，在大幅降低匹配耗时的同时，还可以提高匹配结果的可靠性。

附图说明

图1为本发明实施例的流程示意图。

具体实施方式

以下结合附图和实施例详细说明本发明具体实施方式。参见图1，实施例的流程可以分为六个步骤，每个步骤实施的具体方法、公式以及流程如下：

1.对基准影像与目标影像进行预处理。

基准影像与目标影像覆盖同一范围，预处理的主要目的是消除影像间的旋转、尺度差异以及成像角度带来的显著几何畸变，同时进行滤波处理，达到去除噪声，增强特征的目的。

利用遥感影像的成像模型参数和已有DEM数据或平均高程数据，将影像从像方空间投影到物方空间来消除影像间的旋转和成像角度差异，通过影像重采样消除影像分辨率不同带来的尺度差异。

采用Wallis滤波对影像进行处理，去除影像中的离散噪声，同时突出边缘特征。

2.对基准影像与目标影像进行多尺度边缘检测。

这里选择二进小波变换实现影像边缘特征检测。其算法原理如下：

本方法采用下式中的二进小波滤波器

其中h为低通滤波器，g为高通滤波器。通过高通滤波器分别在x方向(水平方向)与y方向(竖直方向)卷积获得影像的高频信息，即梯度值。

多尺度边缘提取过程中，其原始尺度上参与运算的像素范围与尺度关系如下表：

尺度	0	1	2	3
					单元长	1	4	10	22
单元重叠	0	2	6	14
					两组间前后重叠	2	6	14	30
总长	6	14	30	62
					梯度间隔范围	0	1	3	7

已知每一尺度下共6个有效元素，其中两个有效元素重叠。因此，总长＝单元长*6-单元重叠*5；两组间前后重叠＝单元长*2-单元重叠

由梯度间隔范围随尺度变化情况可看出，随着尺度的增加，当前尺度的边缘检测相当于在上一尺度的2倍尺度上进行边缘检测，这种机制保证了多尺度边缘检测的实现。

3.尺度空间与影像空间非极值抑制。

通过同时在尺度空间与影像空间进行梯度值非极值抑制，保证检测到边缘特征的有效性，其中尺度空间抑制范围为整个尺度空间，即当前点的影像空间坐标对应的所有尺度；影像空间抑制范围为以当前点为中心点的3*3邻域。

4.有效边缘筛选。

有效边缘筛选采用两种准则：

3)长度阈值筛选：边缘长度满足阈值(本方法中设为20)，判定有效，反之，判定无效。

4)曲率阈值筛选：为保留接近直线或圆的易于匹配的边缘特征，采用双阈值判定，曲率大于较大阈值(本方法中设为0.5)的认为是接近直线的边缘特征，曲率小于较小阈值(本方法中设为0.05)的认为是接近圆的边缘特征。

同时满足以上两条准则的边缘，判定为有效边缘。

5.边缘匹配。

边缘匹配包括有效边缘结果二值化和核线约束的边缘匹配。

1)有效边缘结果二值化。

通过上述步骤，分别得到从基准影像与目标影像提取的两组有效边缘特征结果，将该结果进行二值化，即边缘点值设为1，非边缘点值设为0。

2)核线约束的边缘匹配。

核线约束是摄影测量与遥感中常用的处理手段，即基准影像中某点p在目标影像中的对应像点q，必然位于p点在目标影像中的核线上。根据影像的初始定位信息(初始定位信息由遥感影像的rpc参数得到)计算基准影像每个边缘点在预纠正目标影像上的坐标，然后根据影像初始定位精度确定一个大概的搜索半径，然后引入核线约束，将匹配搜索方向由二维搜索限制为一维搜索，通过在一定搜索范围内，进行逐像素移动，分别计算两组边缘特征的响应值，具有最大响应值的匹配结果即认为是正确匹配结果。响应值采用逻辑运算中的“与”运算，即若基准影像上一像素点与当前对应的目标影像上一点均为边缘点，响应值为1，否则为0，响应值最大的点即为同名点，核线约束计算速度快，内存消耗少。6.粗差点剔除。

在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，a,b,c,d,e,f为仿射变换参数。然后通过最小二乘平差方法来剔除残差大于粗差阈值(本方法中设为1)的匹配点，最终保留下来的匹配点对认为是正确的匹配点。

本发明还提供一种基于二进小波的遥感影像多尺度边缘提取与匹配系统，包括如下模块：

预处理模块，用于对基准影像与目标影像分别进行预处理；

多尺度边缘检测模块，用于对预处理后的两幅影像分别进行多尺度边缘检测；

非极值抑制模块，用于在尺度空间与影像空间进行梯度值非极值抑制，以剔除无效边缘；

有效边缘筛选模块，用于通过长度阈值和曲率阈值筛选出有效边缘，具体实现为：

1)长度阈值筛选：边缘长度满足阈值，判定有效，反之，判定无效；

2)曲率阈值筛选：为保留接近直线或圆的易于匹配的边缘特征，采用双阈值判定，曲率大于较大阈值的认为是接近直线的边缘特征，曲率小于较小阈值的认为是接近圆的边缘特征；

同时满足以上两条准则的边缘，判定为有效边缘。

边缘匹配模块，用于对有效边缘结果二值化，并通过核线约束进行边缘匹配，具体实现为：

首先从基准影像与目标影像提取两组有效边缘特征结果，将有效边缘特征进行二值化表示，边缘点值设为1，非边缘点值设为0；

然后根据影像的初始定位信息计算基准影像每个边缘点在预纠正目标影像上的坐标，根据影像初始定位精度确定一个大概的搜索半径，然后引入核线约束，将匹配搜索方向由二维搜索限制为一维搜索，通过在一定搜索范围内，进行逐像素移动，分别计算两组边缘特征的响应值，具有最大响应值的匹配结果即认为是正确匹配结果；其中，响应值采用逻辑运算中的“与”运算，即若基准影像上一像素点与当前对应的目标影像上一点均为边缘点，响应值为1，否则为0。

粗差点剔除模块，用于利用最小二乘平差方法剔除错误匹配点，获得最终的匹配结果，具体实现为：

在基准影像与目标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，a,b,c,d,e,f为仿射变换参数，然后通过最小二乘平差方法来剔除残差大于粗差阈值的匹配点，最终保留下来的匹配点对认为是正确的匹配点。

各模块的具体实现和各步骤相应，本发明不予撰述。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种基于二进小波的遥感影像多尺度边缘提取与匹配方法，其特征在于，包括如下步骤：

步骤1，对基准影像与目标影像分别进行预处理；

步骤2，对预处理后的两幅影像分别进行多尺度边缘检测；

步骤3，在尺度空间与影像空间进行梯度值非极值抑制，以剔除无效边缘；

步骤4，通过长度阈值和曲率阈值筛选出有效边缘；

步骤5，对有效边缘结果二值化，并通过核线约束进行边缘匹配；

步骤6，利用最小二乘平差方法剔除错误匹配点，获得最终的匹配结果。

2.如权利要求1所述的一种基于二进小波的遥感影像多尺度边缘提取与匹配方法，其特征在于：步骤1中所述预处理包括，利用遥感影像的成像模型参数和已有DEM数据或平均高程数据，将影像从像方空间投影到物方空间来消除影像间的旋转和成像角度差异；通过影像重采样消除影像分辨率不同带来的尺度差异；采用Wallis滤波对影像进行处理，去除影像中的离散噪声，同时突出边缘特征。

3.如权利要求1所述的一种基于二进小波的遥感影像多尺度边缘提取与匹配方法，其特征在于：步骤2中利用二进小波变换实现遥感影像的多尺度边缘检测，所述二进小波滤波器的表达式为，

其中h为低通滤波器，g为高通滤波器，通过高通滤波器分别在x方向(水平方向)与y方向(竖直方向)卷积获得影像的高频信息，即梯度值。

4.如权利要求1所述的一种基于二进小波的遥感影像多尺度边缘提取与匹配方法，其特征在于：步骤4的具体实现方式如下，

1)长度阈值筛选：边缘长度满足阈值，判定有效，反之，判定无效；

2)曲率阈值筛选：为保留接近直线或圆的易于匹配的边缘特征，采用双阈值判定，曲率大于较大阈值的认为是接近直线的边缘特征，曲率小于较小阈值的认为是接近圆的边缘特征；

同时满足以上两条准则的边缘，判定为有效边缘。

5.如权利要求1所述的一种基于二进小波的遥感影像多尺度边缘提取与匹配方法，其特征在于：步骤5的具体实现方式如下，

首先从基准影像与目标影像提取两组有效边缘特征结果，将有效边缘特征进行二值化表示，边缘点值设为1，非边缘点值设为0；

然后根据影像的初始定位信息计算基准影像每个边缘点在预纠正目标影像上的坐标，根据影像初始定位精度确定一个大概的搜索半径，然后引入核线约束，将匹配搜索方向由二维搜索限制为一维搜索，通过在一定搜索范围内，进行逐像素移动，分别计算两组边缘特征的响应值，具有最大响应值的匹配结果即认为是正确匹配结果；其中，响应值采用逻辑运算中的“与”运算，即若基准影像上一像素点与当前对应的目标影像上一点均为边缘点，响应值为1，否则为0。

6.如权利要求1所述的一种基于二进小波的遥感影像多尺度边缘提取与匹配方法，其特征在于：步骤6的具体实现方式如下，

在基准影像与目标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，a,b,c,d,e,f为仿射变换参数，然后通过最小二乘平差方法来剔除残差大于粗差阈值的匹配点，最终保留下来的匹配点对认为是正确的匹配点。

7.一种基于二进小波的遥感影像多尺度边缘提取与匹配系统，其特征在于，包括如下模块：

预处理模块，用于对基准影像与目标影像分别进行预处理；

多尺度边缘检测模块，用于对预处理后的两幅影像分别进行多尺度边缘检测；

非极值抑制模块，用于在尺度空间与影像空间进行梯度值非极值抑制，以剔除无效边缘；

有效边缘筛选模块，用于通过长度阈值和曲率阈值筛选出有效边缘；

边缘匹配模块，用于对有效边缘结果二值化，并通过核线约束进行边缘匹配；

粗差点剔除模块，用于利用最小二乘平差方法剔除错误匹配点，获得最终的匹配结果。

8.如权利要求7所述的一种基于二进小波的遥感影像多尺度边缘提取与匹配系统，其特征在于：有效边缘筛选模块的具体实现方式如下，

1)长度阈值筛选：边缘长度满足阈值，判定有效，反之，判定无效；

2)曲率阈值筛选：为保留接近直线或圆的易于匹配的边缘特征，采用双阈值判定，曲率大于较大阈值的认为是接近直线的边缘特征，曲率小于较小阈值的认为是接近圆的边缘特征；

同时满足以上两条准则的边缘，判定为有效边缘。

9.如权利要求7所述的一种基于二进小波的遥感影像多尺度边缘提取与匹配系统，其特征在于：边缘匹配模块的具体实现方式如下，

首先从基准影像与目标影像提取两组有效边缘特征结果，将有效边缘特征进行二值化表示，边缘点值设为1，非边缘点值设为0；

然后根据影像的初始定位信息计算基准影像每个边缘点在预纠正目标影像上的坐标，根据影像初始定位精度确定一个大概的搜索半径，然后引入核线约束，将匹配搜索方向由二维搜索限制为一维搜索，通过在一定搜索范围内，进行逐像素移动，分别计算两组边缘特征的响应值，具有最大响应值的匹配结果即认为是正确匹配结果；其中，响应值采用逻辑运算中的“与”运算，即若基准影像上一像素点与当前对应的目标影像上一点均为边缘点，响应值为1，否则为0。

10.如权利要求7所述的一种基于二进小波的遥感影像多尺度边缘提取与匹配系统，其特征在于：粗差点剔除模块的具体实现方式如下，

在基准影像与目标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，a,b,c,d,e,f为仿射变换参数，然后通过最小二乘平差方法来剔除残差大于粗差阈值的匹配点，最终保留下来的匹配点对认为是正确的匹配点。