航空影像自动配准技术浅析

时间:2022-05-15 05:46:40

航空影像自动配准技术浅析

摘 要:图像配准技术正在被得到越来越广泛的应用,所涉及到的领域已经包含了遥感、自动目标识别、智能机器人和医学图像处理等等。通过在上述领域中的不断应用,图像配准技术受到了广泛的关注。鉴于此,本文选择航空影像自动配准技术为研究对象,针对相关问题进行了分析与阐释。文章首先分析了待配准影像坐标变换模型,然后阐述了仿射变换参数的最小二乘解,在分析航空影像图像重采样的基础上最后介绍了航空影像图像配准基本方法的步骤。希望本文的研究能够为航空影像自动配准技术的进一步研究和应用提供指导和帮助,同时对于相关领域的其他研究也能起到抛砖引玉的作用。

关键词:航空影像 自动配准技术 坐标变换模型 图像重采样

中图分类号:TN4 文献标识码:A 文章编号:1672-3791(2012)11(b)-0056-01

1 待配准影像坐标变换模型分析

从航空影像图像配准的概念出发来分析问题的话,航空影像图像配准实际上是指如何将两幅待配准影像进行整合,整合到同一个坐标空间的过程。在这个过程中,我们需要实现的就是两幅航空影像待配准影像相对位置的正确解释。这个正确解释的过程需要通过数学模型来进行表达,这种数学模型实际上表达的是一种图像映射关系。

从目前的应用和研究上看,最常用的坐标变换模型主要包含了以下几种。

1.1 投影变换

所谓投影变换,是指假设一幅航空影像图像上的直线经过某种变换后,映射到另一幅航空影像图像上的结果还保持直线的时候,但是打破了原来的相对平行关系,那么这种变换就可以称之为投影变换。从应用上看,航空影像投影变换主要应用于景物平面相对于相平面有一定倾斜的情况。

1.2 仿射变换

所谓仿射变换,是指假设一幅航空影像图像上的直线经过某种变换后,映射到另一幅航空影像图像上的结果还保持直线的时候,但是没有打破原来的相对平行关系,那么这种变换就可以称之为仿射变换。从应用上看,仿射变换还可以分成两种,分别是线性(矩阵)变换和平移变换。

1.3 非线性变换

所谓非线性变换通常也可以称之为弯曲变换。它实际上是指一幅航空影像图像上的直线映射到另一幅航空影像图像上的结果并不是直线,而是曲线的情况。因此,非线性变换可以应用来解决全局形变的图像配准问题,同时对于整体近似刚体但局部有形变的配准情况也可以适用。

1.4 刚换

所谓刚换,是指在变换的过程中一幅航空影像图像中的两点间的距离经刚性变换变换后,在另外航空影像图像中所呈现出来的结果与之前的图像没有发生相对位置上的变化。从应用上看,刚换可以分解成为三种,分别是平移、旋转和反转(镜像)变换。

2 仿射变换参数的最小二乘解

运用仿射变换模型可以建立两幅航空影像待配准图像之间的关系,从而实现了对两图像的配准。但在整个过程中,还需清楚两幅航空影像图像之间的仿射变换的相关参数。这些相关参数可以通过方程的模式来解决,根据以往的研究结果,需要确定的变换参数有四个。而参数的最小二乘解就是使一个点集中的点经过仿射变换后的坐标与另一个点集中对应的点的坐标的欧氏距离的平方和最小的变换参数,利用该原理可以很好的解决上述问题。

3 航空影像图像重采样

通过以上两个过程,可以得出航空影像自动配准仿射变换参数,根据所得参数,可以将一幅图像的坐标转换到另一幅图像的坐标中去,然而待配准航空影像图像中任意像素点的坐标经过坐标变换之后,通常会出现这样的情况:变换后的坐标点不是刚好由原图像的某个网格点变换而来,此时像素点的灰度值就需要根据原图像相应坐标点周围像素的灰度值按照一定的权函数内插得到,这种内插技术被称为图像重采样。

目前常用的插值方法重要包含了以下三种方式,通过实践应用,都表现出了各自的优点和不足。

3.1 最邻近插值法

优点:速度最快,同时在保持最快速度的基础上,对于原始航空影像图像的灰度信息也进行了最大限度的保护。

缺点:在几何精度方面存在一定程度的差异,因此会出现马赛克效应。

3.2 双线性插值法

优点:航空影像图像连续,并保持较高的精度,其相应速度也比较快。

缺点:在应用过程中可能会出现模糊的现象,因为双线性插值具有的低通滤波性质,这种低通滤波性质抑制了高频成分,从而导致了上述问题的发生。

3.3 双三次卷积法

优点:在保持灰度连续的基础上,可以实现对高频信息的有效保留。

缺点:在应用过程中会遇到很多复杂的计算,这样必然会对于速度产生一定程度的影响。

4 航空影像图像配准基本方法的步骤

从目前针对航空影像图像配准基本方法的研究现状上看,航空影像图像配准基本方法主要包括以下的基本步骤。

4.1 特征检测(Feature detection)

特征提取的精度和效率对整个算法的性能有很重要的影响,因此,它是整个图像配准算法的基础。图像特征基本上可分为三类:点特征,常用提取算子有MoraVec算子、Harris算子等;线特征,常用提取算子有Hou曲变换算子等;面特征,主要通过区域分割方法得到。由于特征点是一种稳定、旋转不变、能克服灰度反转的有效特征,因而常被使用,其中常用的特征点是角点,角点特征的提取正是本文研究的重点之一。

4.2 特征匹配(Feature matching)

目前,关于特征点的匹配问题,国内外已经报道了相当多的算法,其中松弛算法是经典算法的代表,它最早由Ranade S.提出,但该算法对存在丢失点或虚假点的情况显得无能为力。后来Jezching和Anil引入匹配矩阵的概念对松弛算法进行了改进,但改进的算法必须保证两个点集中能够存在一半以上的有效点。Z.Zhang和R.Deriche给出了一个较好的基于互相关函数的点特征匹配算法。以上算法采用了不同的相关准则来度量特征点的相似度,通过初始匹配和进一步加上一定约束条件来筛选匹配点对的模式来得到精确的特征点匹配点对。

4.3 变换模型的估计

在得到两幅图像中一定数量的匹配点对后,就可以根据这些匹配点对确定这两幅图像之间映射函数的参数,从而建立起两坐标之间的函数关系式。

4.4 图像重采样和变换

按照上一步骤得到的函数映射模型及参数进行坐标变换,并对变换后的坐标点上的像素值进行插值,插值。

参考文献

[1] 张迁,刘政凯,庞彦伟,等.基于SUSAN算法的航空影像的自动配准[J].测绘学报,2003,32(3):245-250.

[2] 杨常清,王孝通,徐晓刚,等.基于特征空间的航空影像自动配准算法[J].测绘学报,2005,34(3):218-222.

[3] 王志强,程红,孙文邦,等.一种基于梯度最大值相位相关的航空影像自动配准算法[J].地理与地理信息科学,2008,24(6):111-112.

[4] Wang Zhiqiang,Cheng Hong,Sun Wenbang,et al.Based on improved Harris algorithm for image automatic registration algorithm of remote sensing information,2008(6):18-21.

上一篇:浅析矿井通风技术的发展与改进对策 下一篇:对电力企业物资保管与验收相关问题的再探讨