CN114820737B - 一种基于结构特征的遥感图像配准方法 - Google Patents

一种基于结构特征的遥感图像配准方法 Download PDF

Info

Publication number
CN114820737B
CN114820737B CN202210551178.XA CN202210551178A CN114820737B CN 114820737 B CN114820737 B CN 114820737B CN 202210551178 A CN202210551178 A CN 202210551178A CN 114820737 B CN114820737 B CN 114820737B
Authority
CN
China
Prior art keywords
remote sensing
image
sensing image
points
images
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
Application number
CN202210551178.XA
Other languages
English (en)
Other versions
CN114820737A (zh
Inventor
高鹏东
李凡
齐全
裘初
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Shenghai Yanuo Information Technology Co ltd
Original Assignee
Zhejiang Shenghai Yanuo Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Shenghai Yanuo Information Technology Co ltd filed Critical Zhejiang Shenghai Yanuo Information Technology Co ltd
Priority to CN202210551178.XA priority Critical patent/CN114820737B/zh
Publication of CN114820737A publication Critical patent/CN114820737A/zh
Application granted granted Critical
Publication of CN114820737B publication Critical patent/CN114820737B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Astronomy & Astrophysics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于结构特征的遥感图像配准方法，包含以下数据基础：原始高分辨率遥感图像、DSM数据和地表真实标签数据；其特征在于，采用结构信息生成特征点；利用空间约束筛选匹配点对，通过对相邻的像素点进行连线，使其生成几何结构，让多个图像具备计算机对比的条件，通过对比多个图像中的几何结构，使图像中多个相对位置被标定，有效提高图像处理精度。

Description

一种基于结构特征的遥感图像配准方法
技术领域
本发明涉及一种图像处理方法，具体是一种基于结构特征的遥感图像配准方法。
背景技术
图像配准是将不同时间、不同角度或不同传感器拍摄的同一景物的两幅或多幅图像进行对准叠加的过程。给定参考图像和待配准图像，由于图像成像条件不同，图像在光照、对比度、尺度、旋转、灰度变化等方面可能都有很大差异，导致图像配准不准确。
发明内容
针对上述现有技术存在的问题，本发明提供一种基于结构特征的遥感图像配准方法，可以有效增加正确匹配点对数，提高遥感图像配准的精度，解决了现有技术对遥感图像配准时效果不好的问题。
为了实现上述目的，本发明通过以下技术方案实现：一种基于结构特征的遥感图像配准方法，包含以下数据基础：原始高分辨率遥感图像、DSM数据和地表真实标签数据；采用结构信息生成特征点；利用空间约束筛选匹配点对；该方法具体步骤包括如下：
(步骤1)读取数据：
选择多副不同时间的遥感图像，一幅遥感图像作为基准图像，其他作为参照图像；将多幅图像进行对比；
(步骤2)检测特征点：
通过对图像中的所有像素点进行标记，对临近的同色像素点进行连线，形成结构线，每幅图中重复出现频率最高的结构线即为相似特征点；
(步骤3)对特征点进行比对确认其结构共性：
1、利用SAR-Harris尺度空间公式，分别生成参考遥感图像和待配准遥感图像SAR-Harris 尺度空间中的幅值图像，对(2)中每幅图的相似特征点进行除错，筛选掉相似度不高的；
2、利用阈值比较法，分别检测参考遥感图像和待配准遥感图像的SAR-Harris尺度空间幅值图像上的特征点；
(步骤4)采用结构特征进行图像比对：
将多幅图像中的特征点进行对比，每幅图中匹配相似度最高结构特征点作为基准点，通过调整参数，得最优遥感图像识别模型；
(步骤5)通过比对后的基准点进行图像配准：
采用随机抽样一致性算法，计算参考遥感图像和待配准遥感图像之间的变换结构，得到待配准遥感图像的几何形变参数，利用得到的几何形变参数，将待配准遥感图像进行几何变换，得到配准结果。
步骤(步骤3)1、中所述的SAR-Harris尺度空间公式如下：
R＝det(C)-0.04·tr(C)
其中，R表示一幅遥感图像的SAR-Harris尺度空间，det表示矩阵的行列式操作，C表示一幅遥感图像的SAR-Harris矩阵，tr表示对矩阵主对角线元素的求和操作。
步骤(步骤3)2、中所述的阈值比较法的步骤如下：
第一步，在SAR-Harris尺度空间幅值图像中选取一个像素点，以所选取的像素点为中心，取3x3邻域，得到8个邻域点；
第二步，重复第一步，依次从SAR-Harris尺度空间幅值图像选择像素点，直到得到所有像素点的8个邻域点；
第三步，比较SAR-Harris尺度空间幅值图像中每个像素点与其相邻8个像素点的灰度值；
第四步，将中心点的灰度值大于其周围8个邻域点的灰度值的点作为极值点；
第五步，将所得到的极值点中灰度值大于0.8的像素点作为特征点。
遥感图像分辨率不低于2400*2400，分辨率过低会导致结构线数量不足，影响配准结果过。
结构线长度不超过五十个像素，长度过长会导致结构线交叉，影响配准结果过。
结构线不可合并。
基准图像应为成像条件最好且形变最少的，便于作为基准进行参考。
借由上述方案，本发明至少具有以下优点：通过对相邻的像素点进行连线，使其生成几何结构，让多个图像具备计算机对比的条件，通过对比多个图像中的几何结构，使图像中多个相对位置被标定，有效提高图像处理精度。
具体实施方式
下对本发明作进一步说明。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本一种基于结构特征的遥感图像配准方法，包含以下数据基础：原始高分辨率遥感图像、 DSM数据和地表真实标签数据；采用结构信息生成特征点；利用空间约束筛选匹配点对；该方法具体步骤包括如下：
(步骤1)读取数据：
选择多副不同时间的遥感图像，选择其中一幅遥感图像作为基准图像，其他作为参照图像；将多幅图像通过像素点进行对比；
(步骤2)检测特征点：
通过对图像中的所有像素点进行标记，对临近的同色像素点进行连线，形成结构线，每幅图中重复出现频率最高的结构线即为相似特征点；
(步骤3)对特征点进行比对确认其结构共性：
1、利用SAR-Harris尺度空间公式，分别生成参考遥感图像和待配准遥感图像SAR-Harris 尺度空间中的幅值图像，对(步骤2)中每幅图的相似特征点根据相似度进行除错，筛选掉相似度不高的；
2、利用阈值比较法，分别检测参考遥感图像和待配准遥感图像的SAR-Harris尺度空间幅值图像上的特征点；
(步骤4)采用结构特征进行图像比对：
将多幅图像中的特征点进行对比，取每幅图中匹配相似度最高的结构特征点作为基准点，通过调整参数，得到最优遥感图像识别模型；
(步骤5)通过比对后的基准点进行图像配准：
采用随机抽样一致性算法，计算参考遥感图像和待配准遥感图像之间的变换结构，得到待配准遥感图像的几何形变参数，利用得到的几何形变参数，将待配准遥感图像进行几何变换，得到配准结果。
步骤(步骤3)1、中所述的SAR-Harris尺度空间公式如下：
R＝det(C)-0.04·tr(C)
其中，R表示一幅遥感图像的SAR-Harris尺度空间，det表示矩阵的行列式操作，C表示一幅遥感图像的SAR-Harris矩阵，tr表示对矩阵主对角线元素的求和操作。
步骤(步骤3)2、中所述的阈值比较法的步骤如下：
第一步，在SAR-Harris尺度空间幅值图像中选取一个像素点，以所选取的像素点为中心，取3x3邻域，得到8个邻域点；
第二步，重复第一步，依次从SAR-Harris尺度空间幅值图像选择像素点，直到得到所有像素点的8个邻域点；
第三步，比较SAR-Harris尺度空间幅值图像中每个像素点与其相邻8个像素点的灰度值；
第四步，将中心点的灰度值大于其周围8个邻域点的灰度值的点作为极值点；
第五步，将所得到的极值点中灰度值大于0.8的像素点作为特征点。
遥感图像分辨率不低于2400*2400，分辨率过低会导致结构线数量不足，影响配准结果过。
结构线长度不超过五十个像素，长度过长会导致结构线交叉，影响配准结果过。
结构线不可合并。
基准图像应为成像条件最好且形变最少的，便于作为基准进行参考。
有益效果：通过对相邻的像素点进行连线，使其生成几何结构，让多个图像具备计算机对比的条件，通过对比多个图像中的几何结构，使图像中多个相对位置被标定，有效提高图像处理精度。

Claims (7)

1.一种基于结构特征的遥感图像配准方法，包含以下数据基础：原始高分辨率遥感图像、DSM数据和地表真实标签数据；其特征在于，采用结构信息生成特征点；利用空间约束筛选匹配点对；该方法具体步骤包括如下：
步骤1读取数据：
选择多副不同时间的遥感图像，一幅遥感图像作为基准图像，其他作为参照图像；将多幅图像进行对比；
步骤2检测特征点：
通过对图像中的所有像素点进行标记，对临近的同色像素点进行连线，形成结构线，每幅图中重复出现频率最高的结构线即为相似特征点；
步骤3对特征点进行比对确认其结构共性：
1、利用SAR-Harris尺度空间公式，分别生成参考遥感图像和待配准遥感图像SAR-Harris尺度空间中的幅值图像，对步骤2中每幅图的相似特征点进行除错，筛选掉相似度不高的；
2、利用阈值比较法，分别检测参考遥感图像和待配准遥感图像的SAR-Harris尺度空间幅值图像上的特征点；
步骤4采用结构特征进行图像比对：
将多幅图像中的特征点进行对比，每幅图中匹配相似度最高结构特征点作为基准点，通过调整参数，得最优遥感图像识别模型；
步骤5通过比对后的基准点进行图像配准：
采用随机抽样一致性算法，计算参考遥感图像和待配准遥感图像之间的变换结构，得到待配准遥感图像的几何形变参数，利用得到的几何形变参数，将待配准遥感图像进行几何变换，得到配准结果。
2.根据权利要求1所述的一种基于结构特征的遥感图像配准方法，其特征在于，步骤3中所述的SAR-Harris尺度空间公式如下：
R＝det(C)-0.04·tr(C)
其中，R表示一幅遥感图像的SAR-Harris尺度空间，det表示矩阵的行列式操作，C表示一幅遥感图像的SAR-Harris矩阵，tr表示对矩阵主对角线元素的求和操作。
3.根据权利要求1所述的一种基于结构特征的遥感图像配准方法，其特征在于，步骤3中所述的阈值比较法的步骤如下：
第一步，在SAR-Harris尺度空间幅值图像中选取一个像素点，以所选取的像素点为中心，取3x3邻域，得到8个邻域点；
第二步，重复第一步，依次从SAR-Harris尺度空间幅值图像选择像素点，直到得到所有像素点的8个邻域点；
第三步，比较SAR-Harris尺度空间幅值图像中每个像素点与其相邻8个像素点的灰度值；
第四步，将中心点的灰度值大于其周围8个邻域点的灰度值的点作为极值点；
第五步，将所得到的极值点中灰度值大于0.8的像素点作为特征点。
4.根据权利要求1所述的一种基于结构特征的遥感图像配准方法，其特征在于，遥感图像分辨率不低于2400*2400。
5.根据权利要求1所述的一种基于结构特征的遥感图像配准方法，其特征在于，结构线长度不超过五十个像素。
6.根据权利要求1所述的一种基于结构特征的遥感图像配准方法，其特征在于，结构线不可合并。
7.根据权利要求1所述的一种基于结构特征的遥感图像配准方法，其特征在于，基准图像应为成像条件最好且形变最少的。
CN202210551178.XA 2022-05-18 2022-05-18 一种基于结构特征的遥感图像配准方法 Active CN114820737B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210551178.XA CN114820737B (zh) 2022-05-18 2022-05-18 一种基于结构特征的遥感图像配准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210551178.XA CN114820737B (zh) 2022-05-18 2022-05-18 一种基于结构特征的遥感图像配准方法

Publications (2)

Publication Number Publication Date
CN114820737A CN114820737A (zh) 2022-07-29
CN114820737B true CN114820737B (zh) 2024-05-07

Family

ID=82518027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210551178.XA Active CN114820737B (zh) 2022-05-18 2022-05-18 一种基于结构特征的遥感图像配准方法

Country Status (1)

Country Link
CN (1) CN114820737B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1780672A1 (en) * 2005-10-25 2007-05-02 Bracco Imaging, S.P.A. Method of registering images, algorithm for carrying out the method of registering images, a program for registering images using the said algorithm and a method of treating biomedical images to reduce imaging artefacts caused by object movement
WO2012058902A1 (zh) * 2010-11-02 2012-05-10 中兴通讯股份有限公司 全景图合成方法及装置
CN108346162A (zh) * 2018-03-26 2018-07-31 西安电子科技大学 基于结构信息和空间约束的遥感图像配准方法
CN110349086A (zh) * 2019-07-03 2019-10-18 重庆邮电大学 一种非同心成像条件的图像拼接方法
CN111223133A (zh) * 2020-01-07 2020-06-02 上海交通大学 一种异源图像的配准方法
CN113313659A (zh) * 2021-04-25 2021-08-27 中国人民解放军火箭军工程大学 一种多机协同约束下高精度图像拼接方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1780672A1 (en) * 2005-10-25 2007-05-02 Bracco Imaging, S.P.A. Method of registering images, algorithm for carrying out the method of registering images, a program for registering images using the said algorithm and a method of treating biomedical images to reduce imaging artefacts caused by object movement
WO2012058902A1 (zh) * 2010-11-02 2012-05-10 中兴通讯股份有限公司 全景图合成方法及装置
CN108346162A (zh) * 2018-03-26 2018-07-31 西安电子科技大学 基于结构信息和空间约束的遥感图像配准方法
CN110349086A (zh) * 2019-07-03 2019-10-18 重庆邮电大学 一种非同心成像条件的图像拼接方法
CN111223133A (zh) * 2020-01-07 2020-06-02 上海交通大学 一种异源图像的配准方法
CN113313659A (zh) * 2021-04-25 2021-08-27 中国人民解放军火箭军工程大学 一种多机协同约束下高精度图像拼接方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于Canny边缘的红外与可见光图像配准算法;周锋飞;陈卫东;李良福;;应用光学;20090715(第04期);全文 *
结合不同光学影像结构信息的SIFT特征配准法;王瑞瑞;马建文;陈雪;;计算机工程与应用;20100811(第23期);全文 *

Also Published As

Publication number Publication date
CN114820737A (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN111340701B (zh) 一种基于聚类法筛选匹配点的电路板图像拼接方法
CN111383194A (zh) 一种基于极坐标的相机畸变图像校正方法
CN112419380B (zh) 一种基于云掩膜的静止轨道卫星序列影像高精度配准方法
CN111932504B (zh) 一种基于边缘轮廓信息的亚像素定位方法及装置
CN113642463B (zh) 一种视频监控和遥感图像的天地多视图对齐方法
US20160307062A1 (en) Method and device for determining regions to be detected on display motherboard
CN114529613A (zh) 一种圆阵列标定板的特征点高精度坐标提取方法
CN113569647A (zh) 一种基于ais的船舶高精度坐标映射方法
CN112598747A (zh) 一种单目相机与投影仪的联合标定方法
CN115100158A (zh) 一种实现图像精准匹配的印刷检测方法
CN114820737B (zh) 一种基于结构特征的遥感图像配准方法
CN113850868A (zh) 一种波浪爬高图像识别方法
CN117635421A (zh) 图像拼接融合的方法及装置
CN115564808B (zh) 基于公共空-谱子空间的多分辨率高光谱/sar影像配准方法
CN117557478A (zh) 一种线扫描图像去畸变的方法
CN117253062A (zh) 一种任意姿态下的继电器触点图像特征快速匹配方法
CN116958983A (zh) 一种基于机器视觉的指针式压力表自动校验仪示值读数方法
CN115546266B (zh) 基于局部法向相关的多条带机载激光点云配准方法
CN108335320A (zh) 多源遥感影像的空间配准方法及空间配准系统
CN114638805B (zh) 一种轨道板裂缝检测方法、系统及存储介质
CN114001674B (zh) 一种自由视角下的线束弯曲半径机器视觉测量方法
CN115631227A (zh) 一种物体表面旋转角高精度测量方法及其系统
CN112884676A (zh) 一种基于分空间渐进控制的大范围航空遥感影像调色方法
CN112907639A (zh) 一种电力设备x射线影像配准方法
CN113947543B (zh) 一种曲线光条中心无偏校正方法

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