CN112446908A - 一种基于几何纹理的热红外影像控制点提取方法 - Google Patents

Abstract

本发明公开一种基于几何纹理的热红外影像控制点提取方法，该方法步骤为：(1)基于局部灰度差提取小尺寸热红外影像块；(2)采用互相关技术获取参考影像对应区域，实现控制点粗匹配；(3)根据粗匹配结果，采用边缘提取，对比度增强及自适应滤波等算法提取几何纹理；(4)针对纹理图像，通过对数极坐标变换和统计方法构建几何纹理描述符；(5)计算粗匹配对中描述符的匹配位数量及位匹配误差，满足阈值要求时匹配成功；(6)采用互匹配约束及随机抽样一致算法剔除误匹配，实现控制点高精度提取。本发明利用遥感影像的几何纹理信息构建特征描述符，避免了传统算法的复杂计算对实时性的影响，精度高，鲁棒性强，且能获取更多数量的控制点。

Description

一种基于几何纹理的热红外影像控制点提取方法

技术领域

本发明属于遥感影像应用技术领域，尤其涉及一种基于几何纹理的热红外影像控制点提取方法。

背景技术

高精度地面控制点提取方法是实现遥感相机几何定位模型在轨标定的重要技术保障。随着天基载荷应用目标的提高，像元级的控制点提取精度已难以满足实际要求。目前，遥感影像地面控制点提取方法主要包括两类：一是基于灰度的控制点提取方法，通过计算影像局部区域的灰度差，寻找灰度变化较大的子区域，然后通过一维或二维滑动模板实现控制点区域的匹配，进而提取控制点。受影像尺寸及灰度处理算法的影响，该类方法一般计算量大，速度较慢，难以满足实时性要求，且精度一般。二是基于特征的控制点提取方法，通过阈值及梯度算法等在原始影像中提取点，线，边缘，轮廓，区域等显著特征构建特征描述符，然后通过特征匹配实现控制点提取。该类方法计算量小，运算速度快，但受影像分辨率影响较大且存在误匹配。综上，目前的控制点提取方法难以满足实时高精度几何定位模型解算的要求，尤其是对热红外等低分辨影像。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于几何纹理的热红外影像控制点提取方法，解决热红外遥感影像控制点提取的精度问题。

本发明解决其技术问题是采用以下技术方案实现的：

1.一种基于几何纹理的热红外影像控制点提取方法，其特征在于包括以下步骤:

1)基于局部灰度差提取小尺寸热红外影像块，对输入影像，采用莫拉维克(Moravec)算法检测局部灰度差较大的区域，并以获取的角点为中心提取65×65子区域作为初步控制点影像块；

2)根据提取的影像块，采用互相关匹配技术获取参考影像的对应区域，实现控制点区域粗匹配；

3)针对粗匹配结果，采用边缘提取，对比度增强及自适应滤波等算法提取几何纹理；具体步骤为：

3-1)采用索贝尔(Sobel)算子计算粗匹配的输入和参考影像块的梯度图，并采用最值法进行归一化处理；

3-2)通过伽玛(Gamma)变换增强低灰度影像区域的对比度；

3-3)采用自适应均值滤波消除边缘噪声及冗余细节；

3-4)采用二值化及形态学腐蚀方法获取影像块的几何纹理图像；

4)对几何纹理图像，选取11×11子窗口，采用对数极坐标(Log-polar)变换和统计方法构建几何纹理描述符，遍历整个图像块获取其描述符数据集；具体步骤为：

4-1)在几何纹理图像中，从左上角开始沿行列方向依次选取11×11子窗口，并按以下规则判断是否存在关键点keypoints：

其中，g(x+i,y+j)为二值化几何纹理图像在位置(x+i,y+j)处的值，i,j＝-1,0,1；

4-2)采用对数极坐标变换将存在关键点的子窗口转换到对数极坐标空间；具体方法如下：

4-3)在对数极坐标空间，将2π范围的角度坐标轴均分为36份网格，统计每一网格内非0像元个数，并记为该位的特征值descriptor，表示如下：

descriptor＝[d₁,d₂,…,d_i,…,d₃₅,d₃₆] (3)

其中，d_i为第i位网格中的非零像元数，依次统计每一网格，生成36位几何纹理特征描述符；

5)针对粗匹配影像块的描述符数据集，计算描述符之间的匹配位数量及位匹配误差，满足阈值要求时匹配成功；具体步骤如下：

5-1)设

和

分别为参考影像块和匹配影像块的描述符数据集，

为D_p中的第i个描述符，

为D_q中的第j个描述符，M，N分别表示各数据集描述符数量，计算描述符之间的匹配位数量如下：

其中，α表示两个描述符的位匹配数量，α_i表示第i位的位匹配结果，

表示集合D_p中的第i个描述符的第i位，

表示集合D_q中的第j个描述符的第i位；

5-2)对描述符

循环向左移位，每左移一位按照步骤5-1)再次计算位匹配数量，循环移动结束后，选取最大的位匹配数作为最终两个描述符的位匹配位数；

5-3)获取最大位匹配数量后，计算描述符的位匹配误差如下：

其中，β为最大位匹配数下的位匹配误差，β_i表示第i位的匹配误差；

5-4)描述符之间的匹配位数量和位匹配误差满足：α≥T_α,β≤T_β时，其中T_α＝34，T_β＝30为匹配阈值，匹配成功；

6)根据匹配成功的控制点集合，采用随机抽样一致(RANSAC)算法剔除误匹配点对，实现控制点高精度提取。

本发明的优点和积极效果是：

1.本发明提出了一种基于几何纹理的遥感影像地面控制点提取方法，根据遥感影像本身大量的几何纹理信息构建特征描述符，有效避免了传统的基于图像特征的控制点提取算法对图像尺度和梯度的依赖，克服了复杂的梯度处理对算法实时性的影响，显著提高了遥感影像地面控制点提取精度，对热红外等低分辨率影像，控制点提取精度可达0.3像元。

2.本发明设计合理，具有精度高、鲁棒性强，使用方便等特点，可以在低分辨率遥感影像，尤其是对比度较低的热红外影像中应用推广。

附图说明

图1为本发明的总体流程图。

图2为遥感图像几何纹理提取示意图，其中图(1)为输入图像，图(2)为原始影像块，图(3)为对比度增强后梯度图，图(4)为二值化几何纹理图，图(5)为形态学处理后几何纹理图。

图3为几何纹理描述符构建示意图。

具体实施方式

下面以某幅热红外遥感影像为例，结合附图对本发明的实施方式作进一步详述：

本发明是通过遥感影像本身的几何纹理信息构建控制点描述符数据库，并以其为参考计算匹配位数和位匹配误差，以此实现热红外影像地面控制点高精度提取。主要包括以下步骤:

1.基于局部灰度差提取小尺寸热红外影像块，对输入影像，采用莫拉维克算法检测局部灰度差较大的区域，并以获取的角点为中心提取65×65子区域作为初步控制点影像块；

2.根据提取的影像块，采用互相关匹配技术获取参考影像的对应区域，实现控制点区域粗匹配；

3.针对粗匹配结果，采用索贝尔算子计算粗匹配的输入和参考影像块的梯度图，并采用最值法进行归一化处理，然后，通过伽玛变换增强低灰度区域影像的对比度；并采用自适应均值滤波消除边缘噪声及冗余细节，最后，采用二值化方法及形态学腐蚀方法获取影像块的几何纹理图像，如图2所示；

4.基于获取的几何纹理图像，选取11×11子窗口，采用对数极坐标变换和统计方法构建几何纹理描述符，遍历整个图像块获取其描述符数据集；具体步骤为：

1)在几何纹理图像中，从左上角开始沿行列方向依次选取11×11子窗口，并按以下规则判断是否存在关键点keypoints：

其中，g(x+i,y+j)为二值化后的几何纹理图像在位置(x+i,y+j)处的值，i,j＝-1,0,1；

2)采用对数极坐标变换将存在关键点的子窗口转换到对数极坐标空间；具体方法如下：

3)在对数极坐标空间，将2π范围的角度坐标轴均分为36份网格，统计每一网格内非0像元个数，并记为该位的特征值descriptor，表示如下：

descriptor＝[d₁,d₂,…,d_i,…,d₃₅,d₃₆] (3)

其中，d_i为第i位网格中的非零像元数，依次统计每一网格，生成36位几何纹理特征描述符，如图3所示；

5.针对粗匹配影像块的描述符数据集，计算描述符之间的匹配位数量及位匹配误差，满足阈值要求时匹配成功；具体步骤如下：

1)设

和

分别为参考影像块和匹配影像块的描述符数据集，

为D_p中的第i个描述符，

为D_q中的第j个描述符，M，N分别表示各数据集描述符数量，计算描述符之间的匹配位数量如下：

其中，α表示两个描述符的位匹配数量，α_i表示第i位的位匹配结果，

表示集合D_p中的第i个描述符的第i位，

表示集合D_q中的第j个描述符的第i位；

2)对描述符

循环向左移位，每左移一位按照步骤5-1)再次计算位匹配数量，循环移动结束后，选取最大的位匹配数作为最终两个描述符的位匹配位数；

3)获取最大位匹配数量后，计算描述符的位匹配误差如下：

其中，β为最大位匹配数下的位匹配误差，β_i表示第i位的匹配误差；

4)描述符之间的匹配位数量和位匹配误差满足：α≥T_α,β≤T_β时，其中T_α＝34，T_β＝30为匹配阈值，匹配成功；

6.根据匹配成功的控制点集合，采用随机抽样一致算法剔除误匹配点对，实现地面控制点的高精度提取。

通过以上方法，即可实现基于几何纹理的热红外等低分辨率遥感影像高精度控制点提取，适当提高匹配过程的阈值约束条件可进一步提升控制点提取精度。

Claims (1)

1.一种基于几何纹理的热红外影像控制点提取方法，其特征在于包括以下步骤:

1)基于局部灰度差提取小尺寸热红外影像块，对输入影像，采用莫拉维克算法检测局部灰度差较大的区域，并以获取的角点为中心提取65×65子区域作为初步控制点影像块；

2)根据提取的影像块，采用互相关匹配技术获取参考影像的对应区域，实现控制点区域粗匹配；

3)针对粗匹配结果，采用边缘提取，对比度增强及自适应滤波等算法提取几何纹理；具体步骤为：

3-1)采用索贝尔算子计算粗匹配的输入和参考影像块的梯度图，并采用最值法进行归一化处理；

3-2)通过伽玛变换增强低灰度影像区域的对比度；

3-3)采用自适应均值滤波消除边缘噪声及冗余细节；

3-4)采用二值化及形态学腐蚀方法获取影像块的几何纹理图像；

4)对几何纹理图像，选取11×11子窗口，采用对数极坐标变换和统计方法构建几何纹理描述符，遍历整个图像块获取其描述符数据集；具体步骤为：

4-1)在几何纹理图像中，从左上角开始沿行列方向依次选取11×11子窗口，并按以下规则判断是否存在关键点keypoints：

其中，g(x+i,y+j)为二值化几何纹理图像在位置(x+i,y+j)处的值，i,j＝-1,0,1；

4-2)采用对数极坐标变换将存在关键点的子窗口转换到对数极坐标空间；

4-3)在对数极坐标空间，将2π范围的角度坐标轴均分为36份网格，统计每一网格内非0像元个数，并记为该位的特征值descriptor，表示如下：

descriptor＝[d₁,d₂,…,d_i,…,d₃₅,d₃₆] (2)

其中，d_i为第i位网格中的非零像元数，依次统计每一网格，生成36位几何纹理特征描述符；

5)针对粗匹配影像块的描述符数据集，计算描述符之间的匹配位数量及位匹配误差，满足阈值要求时匹配成功；具体步骤如下：

5-1)设

和

分别为参考影像块和匹配影像块的描述符数据集，

为D_p中的第i个描述符，

为D_q中的第j个描述符，M，N分别表示各数据集描述符数量，计算描述符之间的匹配位数量如下：

其中，α表示两个描述符的位匹配数量，α_i表示第i位的位匹配结果，

表示集合D_p中的第i个描述符的第i位，

表示集合D_q中的第j个描述符的第i位；

5-2)对描述符

循环向左移位，每左移一位按照步骤5-1)再次计算位匹配数量，循环移动结束后，选取最大的位匹配数作为最终两个描述符的位匹配位数；

5-3)获取最大位匹配数量后，计算描述符的位匹配误差如下：

其中，β为最大位匹配数下的位匹配误差，β_i表示第i位的匹配误差；

5-4)描述符之间的匹配位数量和位匹配误差满足：α≥T_α,β≤T_β时，其中T_α＝34，T_β＝30为匹配阈值，匹配成功；

6)根据匹配成功的控制点集合，采用随机抽样一致算法剔除误匹配点对，实现控制点高精度提取。

Images