JP2004516533A - 合成開口レーダーおよび前向き赤外線イメージ重ね合わせ方法 - Google Patents
合成開口レーダーおよび前向き赤外線イメージ重ね合わせ方法 Download PDFInfo
- Publication number
- JP2004516533A JP2004516533A JP2002529716A JP2002529716A JP2004516533A JP 2004516533 A JP2004516533 A JP 2004516533A JP 2002529716 A JP2002529716 A JP 2002529716A JP 2002529716 A JP2002529716 A JP 2002529716A JP 2004516533 A JP2004516533 A JP 2004516533A
- Authority
- JP
- Japan
- Prior art keywords
- flir
- sar
- feature points
- image
- 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.)
- Pending
Links
Images
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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain 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
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/753—Transform-based matching, e.g. Hough transform
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
Description
【発明の属する技術分野】
(発明の分野)
本発明は、2つのイメージの重ね合わせを解く方法に関する。特に、本発明は、合成開口レーダー(SAR)イメージの、および前向き赤外線(FLIR)イメージの重ね合わせを解く2段階方法に関する。
【0002】
【従来の技術および発明が解決しようとする課題】
(先行技術の簡単な記載)
伝統的なイメージ重ね合わせシステムは、多くの修正技術の変形を用いる、灰色レベルの空間的分布において重ね合わすべきイメージの対の間の同様性に頼る。これらのアプローチは、SARおよびFLIRのごときイメージングセンサーによって使用される異なる現象学のため、イメージの空間的灰色レベル分布がイメージの間で変化する場合には働かない。特徴−ベースのイメージ重ね合わせ技術は、2つのイメージからの(点以外の)抽出された特徴の間のいくつかの同様性に頼る。1つのイメージの個々の特徴セグメントは、これらの抽出された特徴を用いてもう1つからのものに対してマッチングさせることができる。しかしながら、これらの種類の特徴はSARおよびFLIR双方には稀にしか存在しないか、あるいは抽出するのが非常に困難である。他方、点−ベースの重ね合わせ技術は、透視変換下でモデルおよびセンサー配置をイメージするのを満足するイメージの点の組の特異的配置を開発する。これは、通常、高計算複雑性を含めた多次元空間においてパラメータの組につきサーチすることを含む。
【0003】
重ね合わせは、対応またはマッチング問題を解くための(空気センサーのごとき)マルチ−センサーシステムで必要である。SARおよびFLIRイメージの対および関連センサーモデルが与えられると、2つのイメージを重ね合わすためには、少なくとも6つの独立したパラメータ値を決定しなければならない。これは、(センサーモデルおよび関連パラメータ、センサー位置および向きを含めた)センサープラットフォームについてのいくつかの先行知識がなければ一般に困難である。理論的には、もし全てのセンサーパラメーターおよびセンサープラットフォーム情報が知られていれば、2つのイメージは重ね合わせることができる。しかしながら、実行においては、技術水準のセンサー技術を持ってさえも、センサーシステムにおける誤差および/またはノイズのため、あるいはその操作の特徴によって、重ね合わせが依然として必要である。SARおよびFLIRイメージ重ね合わせでは、これは特別の挑戦を取る。というのは、2つのイメージを修正するのに容易に用いることができるSARおよびFLIRイメージには数個の特徴があるからである。
【0004】
従って、低い計算複雑性および高い強固性をもって、SARおよびFLIRイメージを重ね合わすことができる方法を提供するのが望ましい。
【0005】
【課題を解決するための手段】
(発明の概要)
本発明は、双方のイメージから検出可能な特徴点に基づき、合成開口レーダー(SAR)イメージの、および前向き赤外線(FLIR)イメージの重ね合わせを解く方法に関する。該方法は2つの段階:初期重ね合わせ段階および残存重ね合わせ段階によって区別される。初期重ね合わせにおいては、FLIRイメージから検出された特徴点をSARイメージ座標に変換する。残存重ね合わせ段階においては、SARからの特徴点の組およびFLIRからのものは一般化されたHough変換(GHT)を受け、それから、マッチング点の最大サブセットが得られ、重ね合わせ変換を得ることができる。本発明における該方法は、第1の段階で用いた方法でもって、第2の段階の残存重ね合わせが、むしろより高い次元において二次元(2−D)GHTでなされることを可能とする。
【0006】
利用可能なセンサーパラメーターおよびセンサー位置の情報を用い、重ね合わせ仕事は5つの工程:(1)SARおよびFLIRイメージ双方からの特徴点を検出し;(2)公知のセンサーパラメーターおよびセンサープラットフォーム情報を用い、特徴点をFLIRイメージからSARイメージに変換し;(3)2−D並進ドメインにおけるSAR特徴点の組および変換されたFLIR特徴点の組につきGHTを実行し、GHTからマッチング特徴点の最大サブセットを選択し;(4)更新された重ね合わせ変換を計算し;次いで、(5)重ね合わせ変換を評価することに分けることができる。その結果、本発明は、SARおよびFLIRを整列させるイメージ重ね合わせ変換、およびSARおよびFLIRイメージの間の対応する点の対の組の双方を提供する。重ね合わせに関与する重ね合わせサーチ空間の減少は6次元から2次元である。この減少の結果は、偽重ね合わせおよびデータ収集の間に導入されるノイズおよび誤差に対する強固な重ね合わせの可能性の実質的減少を含む。また、この方法は、特徴点の組のマッチングが、SARおよびFLIR双方のイメージにおいて全特徴点集団の非常に小さな一部のみを構成し、残りはシーンにおいてランダムクラスターによって引き起こされる場合にも働く。
【0007】
【発明の実施の形態】
(本発明の詳細な記載)
本発明は、双方のイメージから抽出された特徴点を用いることによって、SARイメージおよびFLIRイメージの重ね合わせを解く方法に関する。本発明の方法は、5つの区別される工程を含むプロセスとして以下に記載される。本発明に対して必要な入力は、以下の工程1に記載された特徴点にあり、本発明の出力は1)SARおよびFLIRイメージからの特徴点の対応性;2)FLIRイメージにおけるいずれの点をもSARイメージに変換する重ね合わせ変換を含む。
【0008】
工程1:特徴点の抽出
まず、一定偽−アラーム速度(CFAR)ディテクターのごときよく知られたアルゴリズムの1つを用いることによって、SARおよびFLIRイメージ双方から特徴点を抽出する。本発明で用いるべき特徴点についての要件は、それらはSARおよびFLIR双方からの検出可能なある種の点を表すものでなければならず、双方のイメージにおいて同様に位置することができることである。そのような特徴点の例がシーンにおけるある種の物体の位置である。標的検出/認識適用において、特徴点は、所望により、標的−同様性尺度が付けられたものを有することができる。工程1は、2つのイメージがそれらがカバーする空間において重複を有する、および共通の特徴点を双方のイメージから検出することができることを仮定する。これらの仮定が真実でなければ、重ね合わせは失敗し、状況は工程3または5で検出することができる。ウィンドウサイズwと呼ばれる特徴抽出におけるパラメータがあり、これは、とりわけ、2つの検出された特徴をどのように近く(イメージ画素において測定)することができるかを決定する。ウィンドウサイズは、(物体サイズのごとき)イメージにおける特徴の性質によって決定される。SARについてのw=21のウィンドウサイズは、以下の記載において非限定的例として用いられる。FLIRについての特異的ウィンドウサイズは、本発明を実施するにおいて要求されない。
【0009】
工程2:初期重ね合わせ
初期重ね合わせは、利用可能な(おそらくは、ノイズおよび誤差についての)センサー真実データを用い、FLIRイメージで検出された特徴点をSARイメージの接地面座標フレームに変換するプロセスである。センサー真実データは(限定されるものではないが、SARおよびFLIRについての解およびFLIRについての焦点長さを含めた)センサーパラメーター、センサー位置情報(センサーの位置、+FLIRについての方位角、傾斜角および回転角)を含む。FLIR特徴点をSARに変換するには、均一座標系においてFLIRセンサー−イメージングモデルを作成する:
(数式1)
【0010】
[式中、Pはイメージすべき点を表すカメラ座標フレームにおける三次元(3−D)点であり、(X−Y)はPのイメージであり、uはスケーリングファクターであり、およびFはカメラ焦点長である]。Pは、以下のごとく、参照フレームWにおける座標(x,y,z)lによって表すことができる:
(数式2)
【0011】
[式中、Rr、RdおよびRaは、参照フレームに対するカメラ座標フレームの回転角θr、俯角θdおよび方位角θaを表す3×3正規直交回転行列であり、および(tx,ty,tz)lは参照フレームWにおけるカメラ座標フレームの原点を表す位置ベクトルである]。
【0012】
簡潔にするために、このセクションの残りにおいては、参照フレームは、そのXOY面がSARイメージ接地面と同じ空間を占め、そのXおよびY軸が、各々、XARイメージのXおよびY軸と同じ空間を占め、そのZ軸は上方に向くと仮定する。FLIRカメラの注目する全ての点が、選択された参照フレームにおいてz=hである接地面に存在すると仮定すれば、方程式(1)および(2)はxおよびyについて解くことができ、その結果、イメージ点(X−Y)から3−D点、(x,y,z)への逆投影変換がもたらされる:
【0013】
方程式(3)の逆投影変換を、FLIRイメージにおける各特徴点に適用する。次いで、以下のごとく、これらの逆投影された特徴点を単にSARイメージ座標で評価する:
(数式4)
【0014】
[式中、(x,y)tは参照フレームWにおけるFLIR特徴点の逆投影であり、(xs,ys)はSARイメージにおける逆投影であり、およびcはSARイメージの解を反映する定数である。残りの議論において、「逆投影」としての方程式(3)および(4)双方を含む数学的変換を参照する。{(xsi,ysi)},i=1,…,Nを逆投影されたFLIR特徴点の組とし、{(xri,yri)},i=1…,MをSAR特徴点の組とする。現在、重ね合わせ問題は、{(xsi,ysi)}のサブセットを{(xri,yri)}のサブセットとマッチさせることである。もしセンサー真実の正確な測定が利用できれば、{(xsi,ysi)}のサブセットは{(xri,yri)}の対応するサブセットに正確にマップされ、検出位置は正確であって、前記関連仮定は真実であると仮定する。しかしながら、現実には、センサー真実データは、ノイズおよび測定誤差のためしばしば正確ではない。測定におけるノイズおよび誤差は、SAR特徴点および逆投影されたFLIR特徴点がもしそれらがシーンにおける同一特徴点に対応すれば正確に整列しないように、残存重ね合わせエラーを引き起こし得る。
【0015】
従って、特徴点のそのような2つの組をマッチさせる一般的問題は、少なくとも6つの次元(回転につき3および並進につき3)のパラメータ空間においてサーチして、測定誤差およびノイズを説明することを含む。これは、センサーパラメーター(センサーの解像度および焦点長)は正確に測定することができると仮定する。
【0016】
工程3:残存重ね合わせ
パラメーターサーチ空間減少
方程式(3)は、いずれかのイメージ点を3−D点への逆投影を行う一般式を表す。センサー真実における変化の間の関係およびFLIR特徴点の逆投影の結果(xs,ys)tの詳細な解析は、FLIRカメラからFLIRフィールド−オブ−ビュー(FOV)の中心への距離が、FLIR FOVにおいてカバーされる領域のサイズに対してはるかに大きい場合、残存重ね合わせ誤差は、圧倒的に、俯角θdおよび方位角θaの変化によって引き起こされる。他のセンサー真実値の変化は逆投影における比較的小さな変化を引き起こすに過ぎず、無視することができる。例えば、カメラ回転角θrの小さな変化は得られた逆投影に歪みを引き起こし、カメラ位置の小さな変化は逆投影における並進の小さな変化を引き起こす。さらに、俯角θdおよび方位角θaにおける不正確さによるFLIR特徴点の逆投影の位置の変化は、純粋な並進として近似的にモデル化することができる。換言すれば、同一の物理的特徴点に対応する特徴点の2つのサブセット(1つはSARからのものであり、1つは逆投影の後のFLIRからのものである)は並進により位置が異なるに過ぎないゆえに、特徴点の2つの組の誤重ね合わせを2−Dで解くことができる。
【0017】
この2−D並進を解くためには、特徴点の1つの対が必要なのに過ぎない:SARおよびFLIRイメージからの各々1つ。対応性(SARにおけるいずれの点がFLIRにおけるいずれの点に対応するか)が知られていなければ、この方法は用いることができない。加えて、点のただ1つの対に頼ることは、正確でもないし、または強固でもない。全ての利用可能な特徴点を用いなければならない。特徴点の対応性および残存重ね合わせ誤差を排除する並進は共に見出されなければならない。GHTは同時に双方の問題を解くのを助けることができる。GHT実行において、2−D蓄積アレイは、SAR特徴点および対応する逆−投影されたFLIR特徴点の間の並進を測定するアレイ指標で設定される。SARおよびFLIRからの特徴点の全ての可能な対を数え上げる。各そのような対につき、それらを重ね合わせるのに必要な並進を計算し、指標として並進を用いてGHT蓄積アレイにおいて1つの票を入れる。最後に、(票の数および他の因子を組み合わせる)最高スコアを持つGHT蓄積アレイエレメント(定義については下記参照)は、正しい並進を表し、エレメントにつき投票された特徴点の組は、設定されたマッチング点を形成する。この仕事を達成するようにGHTは選択される。なぜならば、それは非反復形式アプローチであり、実行するのが非常に単純であり、最も重要なことには、ノイズに対して強固であるからである。「ノイズ」は、検出された特徴点、および混乱による望まない特徴点における位置の誤差を共に含み、これは他のイメージにおいて対応性を有しない。
【0018】
GHTの実行を以下により徹底的に記載する。
【0019】
一般化されたHough変換(GHT)
GHT蓄積アレイのサイズ
アレイサイズは、以下の図面に示すように、逆投影されたFLIR特徴点、SAR特徴点のスパンによって決定される。
【0020】
【図X】
【0021】
GHTアレイはサイズ(Xmax−Xmin)/q+1×(Ymax−Ymin)/q+1のものであり、ここに、qは量子化単位である(すなわち、蓄積アレイにおけるセルはサイズq×qの平方を表す)。量子化単位qはウィンドウサイズw(前記参照):q=[w/4]に従って決定され、ここに、[x]はxよりも大きな最小整数である。
【0022】
GHTにおけるメモリー効率を増加させるためには、SAR特徴点および逆投影されたFLIR点の群が相互に離れている場合、(例えば、FLIRから逆投影された)特徴点の1つの組は、2つの組がおおまかに同一空間を占めるように、蓄積アレイを組み立てる前にシフトすることができる。これは、例えば、点の双方の組の重心を計算し、逆投影されたFLIR点をシフトさせることによって、それらを相互に整列させることによってなすことができる。このアプローチは、特徴点の合計スパン、従って、蓄積アレイのサイズを減少させる。しかしながら、現実の並進は残存重ね合わせを解明するにおいて計算する場合、この余分なシフトを考慮しなければならない。これを達成するために逆投影されたFLIRに加えられた合計シフトを(Δxg,Δyg)と表す。
【0023】
GHTアルゴリズム
1.Cを適当なサイズの2−Dアレイとする。Cにおける各エレメントは並進パラメータ空間においてq×qの平方を表し、ここに、qは量子化単位である。Cにおける全てのエレメントをゼロ(0)にセットする。
【0024】
2.{(xsi,ysi)},i=1,…Nを逆投影されたFLIR特徴点の組とし、{(xri,yri)},i=1,….,MをSAR特徴点の組とする。以下の反復を実行する:
各(xsi,ysi),x=1ないしNにつき、
各(xrj,yrj),j=1ないしMにつき、
(dx,dy)←((xsi−xri)/q,(ysi−yri)/q)
(Dx,Dy)← [dx], [dy])
(Dx,Dy)←C(Dx,Dy)+1
(Dx−1,Dy)←C(Dx−1,Dy)+1
(Dx,Dy−1)←C(Dx,Dy−1)+1
(Dx−1,Dy−1)←C(Dx−1,Dy−1)+1
終了
終了
[式中、[x]はxより小さな最大整数である]。この工程において、SARおよびFLIR特徴点の各対は、複数の隣接セルにおいて票を投じる。従って、事実、蓄積セルは重複する範囲を有する。これは、また、得られた蓄積アレイを畳み込むことに同等であり、各対につき1つの票を投じ、2×2の核は全ての1.0を含む。重複セルの使用は、真の並進が2以上のセルの境界または境界近くに位置する状況を防ぐ。この状況は、近くのセルの中で票が割れることを引き起こし、誤った解をもたらす可能性がある。
【0025】
3.Lを、その票のカウントがゼロよりも大きく、その位置の標準偏差σl(後記にて定義)が組閾値Tl未満である蓄積セルのリストとする。リストL中の各セルにつきスコアを計算する。
【0026】
各蓄積セルのスコアはa)票の数;b)共通特徴を持つ物体の組からのものであるセルにつき票を投じる(双方のイメージからの)特徴点の尤度の関数である。本発明では、スコアは、セル中の全ての対のFLIR特徴強度の合計と定義される。FLIR特徴強度は、今度は、そのバックグラウンドに対するFLIR特徴の平均コントラストである。スコアの関数はSARからの特徴強度を含むことができる。この「スコアリング関数」の目的は、GHTの結果をランク付けすることである。位置標準偏差σlは、与えられたセルにおける、票についてのdxおよびdyの標準偏差の幾何平均である;
σl= √σx 2+σy 2
[式中、σxおよびσyは、各々、dxおよびdyの標準偏差である]。位置標準偏差についての閾値はTi=(2/3)qに設定され、ここに、qはセル量子化単位である。定数2/3は、得られた結果において高信頼性を維持するのに用いられる。その結果、位置標準偏差の使用はGHTの結果を効果的にスクリーニングする。
【0027】
4.(dxm,dym)を、最大スコアを持つLにおけるセルについての指標とする。
【0028】
5.もし(dxm,dym)におけるCでの票カウントK、K=C(dxm,dym)が4未満であれば(すなわち、C(dxm、dym)<4)、失敗が報告され終了する。さもなければ成功が報告され、(dmx,dym)におけるセルについて投票された対の組はマッチング解を構成する。
【0029】
工程4:重ね合わせ変換の見積もり
最後の工程におけるGHTの結果、SARおよびFLIRからの特徴点のマッチング対の組が得られる。マッチング点のこの組でもって、重ね合わせ変換を見積もることができ、これを用いて、FLIRイメージにおけるいずれの点(マッチング組における点に限らない)もSARイメージに変換することができる。重ね合わせ変換を見積もるための2つの方向が記載される。
【0030】
最小二乗方法
マッチング特徴点の4以上の対の組において、最小二乗方法を用い、SARおよびFLIRイメージの間の重ね合わせ変換を見積もるのは容易である。方程式(4)を(3)に代入し、係数を正規化し、FLIRイメージ点をSARイメージに変換するための以下の方程式が得られる:
[式中、(X,Y)はFLIR特徴点の座標であり、(xr,yr)は対応するSAR特徴点の座標であり]、および
(数式6)
【0031】
であり、[式中、cおよびAn,N=1,…,8は、各々、方程式(4)および(3)に定義される]。方程式(5)中の項を並べなおした後、以下の結果が得られる。
(数式7)
【0032】
マッチング点の各対は、方程式(7)の形式で2つの同時線形方程式を与える。方程式(7)中の8つのパラメータB1ないしB8を解くためには、マッチング点の少なくとも4つの対が必要である。マッチング点の4以上の対があれば、パラメータB1ないしB8に対する最小二乗解を見出すことができ、これは以下の誤差項を最小化する:
[式中、Kは点対の数であり、exlおよびeylは方程式7)に基づく誤差項である]:
逆ヤコビアン方法
前記で与えられた最小二乗方法は、マッチング点対の組を用い、変換の8つのパラメータを最初から解く。初期重ね合わせ変換は方程式(3)によってすでに与えられているので、GHTで見出されたマッチング点対の組を用いて初期変換を更新することによっても、最終重ね合わせ変換を見出すことができる。工程3における「パラメーターサーチ空間減少」で議論したごとく、残存重ね合わせ誤差は、主として、俯角θdおよび方位角θaにおける誤差によって引き起こされる。従って、残存重ね合わせ誤差および関係する2つの角度の間の関係を確立することができる。以下のヤコビアン行列が定義される:
(数式10)
【0033】
Jは、2つの回転パラメータ、俯角θdおよびθa方位角θdおよびθaに関する方程式(3)における(xr,yr)のヤコビアン行列である。これらの2つのパラメータに対する更新は、以下の:
(数式11)
【0034】
[式中、(Δx,Δy)は残存並進重ね合わせ誤差であり、J−1はヤコビアン行列の逆行列である]
を用いることによって生じる。(Δx,Δy)は、工程3におけるGHTの結果からのセル(dxm,dym)における全ての票につき複数dxおよびdyを平均することによって決定することができる。
(数式12)
【0035】
[式中、K=C(dxm、dym)は(dxm,dym)における蓄積アレイでの票の数であり、dxiおよびdyi,i=1,…,Kは(dxm,dym)における特徴点の対についての並進の成分であり、ΔxgおよびΔygは逆投影されたFLIR点に適用された全体シフトである(第8ページ,13行参照)]
方程式(11)および(12)に従ってセンサー真実データにおけるθdおよびθaを更新した後、方程式(3)中のA1ないしA9とz=h(ここに、hは接地面上昇である)のパラメータを計算することによって、変換パラメータB1ないしB8を再度計算することができる。実験においては、h=0を用いた。しかしながら、hは、イメージされた領域についての公知の範囲の上昇で置き換えるべきである。一旦A1ないしA9が計算されたならば、方程式(5)で説明した変換についての係数B1ないしB8は、方程式(6)に従って誘導することができる。
【0036】
工程5:重ね合わせの確認
重ね合わせ確認工程は2つの目的を有する。1つは、マッチの組(SARおよびFLIR特徴点の対)が事実、幾何学的に可能であることを保障することである。第2は、さらなる可能なマッチをピックアップするか、いくつかの誤ったマッチを捨てることである。確認は、方程式(5)に従って、工程4における新たに見積もられたパラメータB1ないしB8を用いて全てのFLIR特徴点をSARイメージにまず変換することによってなされる。次いで、各変換されたFLIR点につき、XおよびYの両方向における4(画素)の距離内の最も近いSAR特徴点についてサーチがなされる。再度、番号4を好ましくは用いて高い信頼性を維持する。もしそのようなSAR特徴点が見いだされれば、FLIRおよびSARの特徴点の対を新しいマッチした点のリストに加える。
【0037】
一旦確認が成されれば、新しいマッチした点のリストをチェックして、それが4を超える点を含むか否かを判断する。もし是であれば、重ね合わせは完了する。もし否であれば、重ね合わせは失敗である。
【図面の簡単な説明】
【図1】図1は、SARおよびFLIRイメージ重ね合わせ方法についてのシステムダイアグラムを示す模式的ダイアグラムである。
Claims (6)
- 以下の工程:
合成開口レーダー(SAR)および前向き赤外線(FLIR)イメージから特徴点を抽出し;
前期FLIRイメージの初期重ね合わせを生じさせ;
一般化されたHough変換を利用して前期FLIRイメージの二次元残存重ね合わせを生じさせ;
重ね合わせ変換を見積もり;次いで
重ね合わせを確認する;
ことを特徴とするSARおよびFLIRイメージからマッチング特徴点の組を得る方法。 - 抽出工程が:
一定パルス−アラーム速度(CFAR)ディテクターのごときアルゴリズムを用いることを含む請求項1記載のSARおよびFLIRイメージからマッチング特徴点の組を得る方法。 - SARイメージが接地面およびX、YおよびZ軸を有し、ここに、FLIRイメージが接地面およびX、YおよびZ軸を有し、ここに、初期重ね合わせを生じさせる工程が均一座標系:
(数式1)
[式中、Pは原点を有し、イメージすべき点を表すカメラ座標フレーム中の三次元(3−D)点であり、(X,Y)はPのイメージであり、uはスケーリングファクターであり、fはカメラ焦点長である]
を用い;
XOY面を有する参照フレームWにおけるその座標(X,Y,Z)tによって以下のごとくPを表し:
(数式2)
[式中、Rr、RdおよびRaは、参照フレームに対するカメラ座標フレームの回転角θr、俯角θdおよび方位角θaを表す3×3正規直交回転行列であり、および(tx,ty,tz)lは参照フレームWにおけるカメラ座標フレームの原点を表す位置ベクトルである];
参照フレームは、そのXOY面がSARイメージ接地面と同一の空間を占め、そのXおよびY軸は、各々、SARイメージのXおよびY軸と同一の空間を占め、そのZ軸はイメージ接地面に対して上方に向き、およびFLIRイメージにおける全ての点が、参照フレームWに対する接地面上昇を表すz=hを持つ接地面に存在すると仮定し;
xおよびyを解き、その結果、イメージ点(X,Y)から3−Dの点、(x,y,z)への逆投影変換が得られ:
FLIRイメージにおける各特徴点につき方程式(3)の逆投影変換を適用し;
逆投影特徴点を以下のごとくSARイメージ座標に基準化し:
(数式4)
[式中、(x,y)tは参照フレームWにおけるFLIR特徴点の逆投影であり、(xs,ys)はSARイメージにおける逆投影であり、およびcはSARイメージの解を反映する定数である];次いで、
逆投影されたFLIR特徴点の組として{(xsi,ysi)},i=1,...,N、およびSAR特徴点の組としての{(xri,yri)},i=1,...,Mを生じさせる;
ことを含む請求項1記載の前期SARおよびFLIRイメージからの特徴点をマッチングさせる方法。 - 二次元残存重ね合わせを生じさせるために一般化されたHough変換を用いる請求項3記載のSARおよびFLIRイメージからの特徴点をマッチングさせる方法であって、前期生じさせる工程が:
逆投影されたFLIR特徴点およびSAR特徴点のスパンからアレイサイズを決定し;
サイズ(Xmax−Xmin)/q+1×(Ymax−Ymin)/q+1(式中、qは量子化単位を表す)の一般化されたHough変換アレイを有し;
ウィンドウサイズw:q=[w/4]に従って量子化単位qを決定し、ここに、[x]はxよりも大きい最小整数であり;次いで、
5工程の一般化されたHough変換(GHT)を用いて、二次元残存重ね合わせリストを生じさせる;
ことを含む前期方法。 - 前期見積もる工程が:
最小二乗方法、あるいは逆ヤコビアン(Jacobian)方法を用い;次いで、逆ヤコビアン方法を用いて前期重ね合わせを更新する;
ことを含む請求項1記載のSARおよびFLIRイメージからの特徴点をマッチングさせる方法。 - SARイメージは、各々、複数の特徴点を含み、各特徴点は画素よりなり、各画素はxおよびy座標によって表され、ここに、FLIRイメージは、各々、複数の特徴点を含み、各特徴点は画素よりなり、各画素はxおよびy座標によって表され、ここに、前期確認工程が:
最小二乗方法あるいは逆ヤコビアン方法を用いてFLIR特徴点の全てをSAR座標に変換して、新たに見積もられたパラメータB1ないしB8の組を生じさせ;
xおよびy両座標において4画素の距離内の各変換されたFlIR特徴点に対して最も近いSAR特徴点につきサーチを行い;
もしかかるSAR特徴点が見出されれば、FLIRおよびSAR特徴点の対を二次元残存重ねあわせに加え;次いで、
二次元残存重ね合わせをチェックし、次いで、それが4を超える点を含む場合に重ね合わせは完了したと判断する;
ことを含む請求項1記載のSARおよびFILRイメージからの特徴点をマッチングさせる方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/668,657 US6795590B1 (en) | 2000-09-22 | 2000-09-22 | SAR and FLIR image registration method |
PCT/US2001/029877 WO2002025592A2 (en) | 2000-09-22 | 2001-09-22 | Sar and flir image registration method |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2004516533A true JP2004516533A (ja) | 2004-06-03 |
Family
ID=24683228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2002529716A Pending JP2004516533A (ja) | 2000-09-22 | 2001-09-22 | 合成開口レーダーおよび前向き赤外線イメージ重ね合わせ方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US6795590B1 (ja) |
EP (1) | EP1319216A2 (ja) |
JP (1) | JP2004516533A (ja) |
AU (1) | AU2001294679A1 (ja) |
WO (1) | WO2002025592A2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840517A (zh) * | 2010-04-27 | 2010-09-22 | 武汉大学 | 一种基于影像配准的控制点影像库匹配方法及其装置 |
JP2010236970A (ja) * | 2009-03-31 | 2010-10-21 | Mitsubishi Space Software Kk | SAR(SyntheticApertureRadar)重畳データ生成装置、SAR重畳データ再生装置、SAR重畳データ生成プログラム、SAR重畳データ再生プログラム、SAR重畳データ生成方法およびSAR重畳データ再生方法 |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10120536C2 (de) * | 2001-04-26 | 2003-12-24 | Eads Deutschland Gmbh | Radarsystem zur aktiven Hinderniswarnung und Abbildung der Erdoberfläche |
DE10120537C2 (de) * | 2001-04-26 | 2003-12-18 | Eads Deutschland Gmbh | Verfahren zur Erkennung und Identifizierung von Objekten mittels mehrerer in einem Flugzeug vorhandener Sensoren |
US7310440B1 (en) * | 2001-07-13 | 2007-12-18 | Bae Systems Information And Electronic Systems Integration Inc. | Replacement sensor model for optimal image exploitation |
US7298866B2 (en) | 2001-10-15 | 2007-11-20 | Lockheed Martin Corporation | Two dimensional autonomous isotropic detection technique |
US7751651B2 (en) * | 2004-04-02 | 2010-07-06 | The Boeing Company | Processing architecture for automatic image registration |
US20060215935A1 (en) * | 2004-04-02 | 2006-09-28 | The Boeing Company | System and architecture for automatic image registration |
US7773799B2 (en) * | 2004-04-02 | 2010-08-10 | The Boeing Company | Method for automatic stereo measurement of a point of interest in a scene |
US8055100B2 (en) * | 2004-04-02 | 2011-11-08 | The Boeing Company | Method and system for image registration quality confirmation and improvement |
US7006031B1 (en) * | 2004-10-19 | 2006-02-28 | Raytheon Company | Interrupt SAR image restoration using linear prediction and Range Migration Algorithm (RMA) processing |
US7873240B2 (en) * | 2005-07-01 | 2011-01-18 | The Boeing Company | Method for analyzing geographic location and elevation data and geocoding an image with the data |
US7580591B2 (en) * | 2005-07-01 | 2009-08-25 | The Boeing Company | Method for generating a synthetic perspective image |
US7606420B1 (en) * | 2005-10-31 | 2009-10-20 | Adobe Systems, Incorporated | Method and apparatus for improving the speed of belief propagation |
WO2007071113A1 (fr) * | 2005-12-22 | 2007-06-28 | Qifeng Yu | Procede interferometrique de correlation d'isolignes en trois images pour la generation d'un interferogramme de radar |
WO2008075061A2 (en) * | 2006-12-20 | 2008-06-26 | Mitsubishi Electric Information Technology Centre Europe B.V. | Multiple image registration apparatus and method |
GB0625455D0 (en) * | 2006-12-20 | 2007-01-31 | Mitsubishi Electric Inf Tech | Graph-based multiple panorama extraction from unordered image sets |
US20090027417A1 (en) * | 2007-07-24 | 2009-01-29 | Horsfall Joseph B | Method and apparatus for registration and overlay of sensor imagery onto synthetic terrain |
US8155433B2 (en) | 2008-07-10 | 2012-04-10 | Goodrich Corporation | Method of object location in airborne imagery using recursive quad space image processing |
CN101561865B (zh) * | 2009-05-22 | 2012-03-28 | 西安电子科技大学 | 基于多参数谱特征的合成孔径雷达图像目标识别方法 |
CN101923711B (zh) * | 2010-07-16 | 2012-06-20 | 西安电子科技大学 | 基于邻域相似性及掩模增强的sar图像变化检测方法 |
CN102323570B (zh) * | 2011-05-24 | 2013-03-13 | 中国人民解放军国防科学技术大学 | 一种雷达目标回波信号模拟器的幅相特性估计方法 |
CN102903075B (zh) * | 2012-10-15 | 2015-04-08 | 西安电子科技大学 | 基于图像特征点全局校正的鲁棒水印方法 |
US9210417B2 (en) * | 2013-07-17 | 2015-12-08 | Microsoft Technology Licensing, Llc | Real-time registration of a stereo depth camera array |
CN103593669B (zh) * | 2013-11-22 | 2016-08-24 | 中国电子科技集团公司第五十四研究所 | 一种极化合成孔径雷达影像四分量分解的方法 |
CN103971362B (zh) * | 2013-12-24 | 2017-03-29 | 西安电子科技大学 | 基于直方图和精英遗传聚类算法的sar图像变化检测 |
CN104268574A (zh) * | 2014-09-25 | 2015-01-07 | 西安电子科技大学 | 一种基于遗传核模糊聚类的sar图像变化检测方法 |
CN105184801B (zh) * | 2015-09-28 | 2018-01-23 | 武汉大学 | 一种基于多层次策略的光学与sar影像高精度配准方法 |
US10339662B2 (en) | 2016-05-23 | 2019-07-02 | Microsoft Technology Licensing, Llc | Registering cameras with virtual fiducials |
US10326979B2 (en) | 2016-05-23 | 2019-06-18 | Microsoft Technology Licensing, Llc | Imaging system comprising real-time image registration |
US10027954B2 (en) | 2016-05-23 | 2018-07-17 | Microsoft Technology Licensing, Llc | Registering cameras in a multi-camera imager |
JP7152131B2 (ja) * | 2016-09-21 | 2022-10-12 | 日本電気株式会社 | 画像処理装置、画像処理方法及びプログラム |
CN108469612B (zh) * | 2018-03-20 | 2020-06-05 | 西安电子科技大学 | 基于等效斜距的双基时变加速度前视sar成像方法 |
CN108510531A (zh) * | 2018-03-26 | 2018-09-07 | 西安电子科技大学 | 基于pcncc和邻域信息的sar图像配准方法 |
CN109816724B (zh) * | 2018-12-04 | 2021-07-23 | 中国科学院自动化研究所 | 基于机器视觉的三维特征提取方法及装置 |
CN109615584B (zh) * | 2018-12-17 | 2022-12-06 | 辽宁工程技术大学 | 一种基于单应性约束的sar图像序列map超分辨率重建方法 |
CN109934860B (zh) * | 2019-03-21 | 2022-10-18 | 大连海事大学 | 一种基于sift-flann与误匹配点剔除的图像配准方法 |
CN110929598B (zh) * | 2019-11-07 | 2023-04-18 | 西安电子科技大学 | 基于轮廓特征的无人机载sar图像匹配方法 |
CN111060910B (zh) * | 2019-12-11 | 2023-08-29 | 西安电子科技大学 | 一种基于地形-影像匹配的InSAR载体反定位 |
CN112419380B (zh) * | 2020-11-25 | 2023-08-15 | 湖北工业大学 | 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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0424773A (ja) * | 1990-05-15 | 1992-01-28 | Nippon Telegr & Teleph Corp <Ntt> | パターンマッチング方法 |
JPH0690415A (ja) * | 1990-09-18 | 1994-03-29 | Texas Instr Inc <Ti> | 多数のソースからのビデオ画像をリアルタイムで合成するためのシステムおよび方法 |
JPH09145829A (ja) * | 1995-11-28 | 1997-06-06 | Mitsubishi Electric Corp | レーダ信号処理装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2967672B2 (ja) * | 1993-07-28 | 1999-10-25 | 三菱電機株式会社 | レーダ信号処理装置 |
US5963653A (en) * | 1997-06-19 | 1999-10-05 | Raytheon Company | Hierarchical information fusion object recognition system and method |
SE510844C2 (sv) * | 1997-11-03 | 1999-06-28 | Celsiustech Syst Ab | Automatisk kompensering av systematiska fel vid målföljning med flera sensorer |
-
2000
- 2000-09-22 US US09/668,657 patent/US6795590B1/en not_active Expired - Fee Related
-
2001
- 2001-09-22 WO PCT/US2001/029877 patent/WO2002025592A2/en not_active Application Discontinuation
- 2001-09-22 EP EP01975344A patent/EP1319216A2/en not_active Withdrawn
- 2001-09-22 JP JP2002529716A patent/JP2004516533A/ja active Pending
- 2001-09-22 AU AU2001294679A patent/AU2001294679A1/en not_active Abandoned
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0424773A (ja) * | 1990-05-15 | 1992-01-28 | Nippon Telegr & Teleph Corp <Ntt> | パターンマッチング方法 |
JPH0690415A (ja) * | 1990-09-18 | 1994-03-29 | Texas Instr Inc <Ti> | 多数のソースからのビデオ画像をリアルタイムで合成するためのシステムおよび方法 |
JPH09145829A (ja) * | 1995-11-28 | 1997-06-06 | Mitsubishi Electric Corp | レーダ信号処理装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010236970A (ja) * | 2009-03-31 | 2010-10-21 | Mitsubishi Space Software Kk | SAR(SyntheticApertureRadar)重畳データ生成装置、SAR重畳データ再生装置、SAR重畳データ生成プログラム、SAR重畳データ再生プログラム、SAR重畳データ生成方法およびSAR重畳データ再生方法 |
CN101840517A (zh) * | 2010-04-27 | 2010-09-22 | 武汉大学 | 一种基于影像配准的控制点影像库匹配方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
US6795590B1 (en) | 2004-09-21 |
EP1319216A2 (en) | 2003-06-18 |
WO2002025592A3 (en) | 2003-01-09 |
AU2001294679A1 (en) | 2002-04-02 |
WO2002025592A2 (en) | 2002-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2004516533A (ja) | 合成開口レーダーおよび前向き赤外線イメージ重ね合わせ方法 | |
CN108562274B (zh) | 一种基于标志器的非合作目标位姿测量方法 | |
CN111784770B (zh) | 基于shot和icp算法的无序抓取中的三维姿态估计方法 | |
CN107122705B (zh) | 基于三维人脸模型的人脸关键点检测方法 | |
CN106651752B (zh) | 三维点云数据配准方法及拼接方法 | |
CN101488187B (zh) | 可变形对象识别系统和方法 | |
CN107063228B (zh) | 基于双目视觉的目标姿态解算方法 | |
Rothwell et al. | Planar object recognition using projective shape representation | |
CN109064516B (zh) | 一种基于绝对二次曲线像的相机自标定方法 | |
Haehnel et al. | An extension of the ICP algorithm for modeling nonrigid objects with mobile robots | |
David et al. | Softposit: Simultaneous pose and correspondence determination | |
Pizarro et al. | Relative Pose Estimation for Instrumented, Calibrated Imaging Platforms. | |
US20060188131A1 (en) | System and method for camera tracking and pose estimation | |
CN112200203B (zh) | 斜视场下弱相关散斑图像的匹配方法 | |
CN101147159A (zh) | 利用统计模板匹配进行对象检测的快速方法 | |
CN106595702B (zh) | 一种基于天文标定的多传感器空间配准方法 | |
CN111145232A (zh) | 一种基于特征信息变化度的三维点云自动配准方法 | |
US20100092073A1 (en) | System and method for object recognition and classification using a three-dimensional system with adaptive feature detectors | |
CN110084743B (zh) | 基于多航带起始航迹约束的图像拼接与定位方法 | |
CN108960267A (zh) | 用于模型调整的系统和方法 | |
KR101941878B1 (ko) | 무인항공기 영상 자동 기하보정을 위한 처리시스템 | |
CN113516693B (zh) | 一种快速通用的图像配准方法 | |
Förstner | Optimal vanishing point detection and rotation estimation of single images from a legoland scene | |
US20230086983A1 (en) | Method for acquiring distance from moving body to at least one object located in any direction of moving body by utilizing camera-view depth map and image processing device using the same | |
CN113012271B (zh) | 一种基于uv贴图的手指三维模型纹理映射方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080922 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081030 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110209 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110215 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20110712 |