CN112446908A - 一种基于几何纹理的热红外影像控制点提取方法 - Google Patents
一种基于几何纹理的热红外影像控制点提取方法 Download PDFInfo
- Publication number
- CN112446908A CN112446908A CN202011290272.1A CN202011290272A CN112446908A CN 112446908 A CN112446908 A CN 112446908A CN 202011290272 A CN202011290272 A CN 202011290272A CN 112446908 A CN112446908 A CN 112446908A
- Authority
- CN
- China
- Prior art keywords
- matching
- bit
- descriptor
- image
- adopting
- 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.)
- Pending
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 238000007619 statistical method Methods 0.000 claims abstract description 4
- 230000003044 adaptive effect Effects 0.000 claims abstract description 3
- 238000005070 sampling Methods 0.000 claims abstract description 3
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000011426 transformation method Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10048—Infrared image
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
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,…,di,…,d35,d36] (3)
其中,di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:
5-3)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,βi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≥Tα,β≤Tβ时,其中Tα=34,Tβ=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,…,di,…,d35,d36] (3)
其中,di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:
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,βi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≥Tα,β≤Tβ时,其中Tα=34,Tβ=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,…,di,…,d35,d36] (2)
其中,di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:
5-3)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,βi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≥Tα,β≤Tβ时,其中Tα=34,Tβ=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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011290272.1A CN112446908A (zh) | 2020-11-18 | 2020-11-18 | 一种基于几何纹理的热红外影像控制点提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011290272.1A CN112446908A (zh) | 2020-11-18 | 2020-11-18 | 一种基于几何纹理的热红外影像控制点提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112446908A true CN112446908A (zh) | 2021-03-05 |
Family
ID=74738198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011290272.1A Pending CN112446908A (zh) | 2020-11-18 | 2020-11-18 | 一种基于几何纹理的热红外影像控制点提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112446908A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020945A (zh) * | 2011-09-21 | 2013-04-03 | 中国科学院电子学研究所 | 一种多源传感器的遥感图像配准方法 |
CN103383773A (zh) * | 2013-03-26 | 2013-11-06 | 中国科学院遥感与数字地球研究所 | 一种动态提取图像控制点的遥感卫星图像自动正射纠正的框架和方法 |
CN106651772A (zh) * | 2016-11-25 | 2017-05-10 | 宁波大学 | 一种卫星云图的超分辨率重建方法 |
CN109376750A (zh) * | 2018-06-15 | 2019-02-22 | 武汉大学 | 一种融合中波红外与可见光的遥感影像分类方法 |
US20190108396A1 (en) * | 2017-10-11 | 2019-04-11 | Aquifi, Inc. | Systems and methods for object identification |
CN110097093A (zh) * | 2019-04-15 | 2019-08-06 | 河海大学 | 一种异源图像精确匹配方法 |
CN111539429A (zh) * | 2020-06-19 | 2020-08-14 | 天津施格机器人科技有限公司 | 一种基于图像几何特征的周转箱自动定位方法 |
WO2020208494A1 (en) * | 2019-04-10 | 2020-10-15 | Eyeware Tech Sa | Method and system for estimating eye-related geometric parameters of a user |
-
2020
- 2020-11-18 CN CN202011290272.1A patent/CN112446908A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020945A (zh) * | 2011-09-21 | 2013-04-03 | 中国科学院电子学研究所 | 一种多源传感器的遥感图像配准方法 |
CN103383773A (zh) * | 2013-03-26 | 2013-11-06 | 中国科学院遥感与数字地球研究所 | 一种动态提取图像控制点的遥感卫星图像自动正射纠正的框架和方法 |
CN106651772A (zh) * | 2016-11-25 | 2017-05-10 | 宁波大学 | 一种卫星云图的超分辨率重建方法 |
US20190108396A1 (en) * | 2017-10-11 | 2019-04-11 | Aquifi, Inc. | Systems and methods for object identification |
CN109376750A (zh) * | 2018-06-15 | 2019-02-22 | 武汉大学 | 一种融合中波红外与可见光的遥感影像分类方法 |
WO2020208494A1 (en) * | 2019-04-10 | 2020-10-15 | Eyeware Tech Sa | Method and system for estimating eye-related geometric parameters of a user |
CN110097093A (zh) * | 2019-04-15 | 2019-08-06 | 河海大学 | 一种异源图像精确匹配方法 |
CN111539429A (zh) * | 2020-06-19 | 2020-08-14 | 天津施格机器人科技有限公司 | 一种基于图像几何特征的周转箱自动定位方法 |
Non-Patent Citations (4)
Title |
---|
N.MERKLE,S.AUER: "Exploring the potential of conditional adversarial networks for optical and SAR image matching", 《IEEE J.SEL.TOPICS APPL.EARTH OBSERV. REMOTE SENS.》 * |
XIAOYAN LI,ZHUOYUE HU,LINYI JIANG,LAN YANG,FANSHENG CHEN: "GCPs Extraction With Geometric Texture Pattern for Thermal Infrared Remote Sensing Images", 《IEEE》 * |
李刘林: "细化参数的自相关图像纹理特征提取算法", 《万方》 * |
蔡萍,李潇雁,苏晓峰,胡亭亮 ,陈凡胜: "天基红外探测载荷自适应调节方法研究", 《红外与激光工程》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358260B (zh) | 一种基于表面波cnn的多光谱图像分类方法 | |
CN108428220B (zh) | 静止轨道卫星序列遥感影像海岛礁区域自动几何校正方法 | |
CN109903319B (zh) | 一种基于多分辨率的快速迭代最近点配准算法 | |
CN106778823A (zh) | 一种指针式仪表读数自动识别方法 | |
CN105354841B (zh) | 一种快速遥感影像匹配方法及系统 | |
CN106408597A (zh) | 基于邻域熵和一致性检测的sar图像配准方法 | |
CN104834931A (zh) | 一种基于小波变换的改进的尺度不变特征匹配算法 | |
CN102446356A (zh) | 一种获取均匀分布匹配点的遥感影像并行自适应匹配方法 | |
CN116758126A (zh) | 一种基于相似三角形的误匹配剔除的快速点云配准方法 | |
CN115471682A (zh) | 一种基于SIFT融合ResNet50的图像匹配方法 | |
CN115601407A (zh) | 一种红外与可见光图像配准方法 | |
CN110246165B (zh) | 提高可见光图像与sar图像配准速度的方法及系统 | |
CN114358166B (zh) | 一种基于自适应k均值聚类的多目标定位方法 | |
CN112734818B (zh) | 基于残差网络和sift的多源高分辨率遥感图像自动配准方法 | |
CN113409332B (zh) | 一种基于三维点云的建筑物平面分割方法 | |
CN113435479A (zh) | 基于区域特征表达约束的特征点匹配方法与系统 | |
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 | |
CN114998630B (zh) | 一种从粗到精的地对空图像配准方法 | |
CN112446908A (zh) | 一种基于几何纹理的热红外影像控制点提取方法 | |
CN112183596B (zh) | 结合局部网格约束和几何约束的直线段匹配方法与系统 | |
Feng et al. | A feature detection and matching algorithm based on Harris Algorithm | |
CN114463534A (zh) | 一种目标关键点检测方法、装置、设备及存储介质 | |
CN114596343A (zh) | 面向复杂地面场景的跨模态遥感图像智能多尺度配准方法 | |
CN110059719B (zh) | 一种基于沃尔什变换的图像矩的目标识别方法 | |
CN111160433A (zh) | 一种高分辨率图像特征点的高速匹配方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210305 |