卫星影像几何检校中不同分辨率遥感影像匹配方法的研究

【前言】卫星影像几何检校中不同分辨率遥感影像匹配方法的研究由文秘帮小编整理而成，但愿对你的学习工作带来帮助。1.引言： 在卫星影像的预处理过程中，几何检校的精确度是保证影像精度的先决条件，在几何检校中，如何获取精确的而又分布良好的同名像点是几何检校精确与否的关键，这就需要适当且高精度的影像匹配策略。 影像匹配是高分辨率卫星遥感影像处理技术的重要内容，是计算机...

摘要：影像匹配是卫星影像几何检校中的关键问题，是获取匹配像对同名像点的技术手段。本文将影像匹配的方法分为两类：基于灰度和像素几何关系的空间域匹配，基于相位的频率域匹配，分析两种匹配的异同之处，总结两种方式适应性和优缺点。空间域以典型的Harris算法为例，频率域以傅里叶-梅林变换为例，研究两种算法的特点，综合分析其在几何检校中应用的前景，提出一种适合几何检校中影像匹配应用的匹配策略。

关键字：几何检校 影像匹配Harris算子 傅里叶梅林变换

Abstract: the image matching is the satellite image of key problems, geometric calibration, is the same as for matching of like some technical means. In this paper the method of image matching is divided into two categories: based on gray level and the pixel space domain of the geometric relationships between the matching, based on phase frequency domain to match, the analysis of two match the similarities and differences between, summarizes the two ways of adaptability and advantages and disadvantages. Space domain to typical Harris algorithm as an example, the frequency domain to Fourier-merlin transformation for example, study the characteristics of the two algorithms, comprehensive analysis in the geometric calibration of the prospect of application, this paper puts forward a suitable for geometric calibration of image matching the matching strategy application.

Key word: geometric calibration image matching Harris operator Fourier merlin transformation

中图分类号：P237文献标识码：A 文章编号：

1.引言：

在卫星影像的预处理过程中，几何检校的精确度是保证影像精度的先决条件，在几何检校中，如何获取精确的而又分布良好的同名像点是几何检校精确与否的关键，这就需要适当且高精度的影像匹配策略。

影像匹配是高分辨率卫星遥感影像处理技术的重要内容，是计算机视觉和数字摄影测量的核心技术，其实质是给定参考影像上面的一个点,在另一张影像上面寻找一个相应的同名点,使得这些点投影到物空间的同一个物理点。但由于影像匹配是一个不适定问题，存在诸多不确定性因素，而不同分辨率下的影像匹配又带来了新的问题，通常的处理方法就是通过引入先验知识的约束，得到满足这些约束的解或者解集。本文中比较研究基于Harris算子的空间域算法和以傅里叶梅林变换为变换域的相位相关频率域匹配方法，提出一种满足几何检校要求的匹配策略。

2.基于Harris算子的空间域匹配

Harris算子是一种基于信号的点特征提取算子，其思想是将特征点提取中梯度运算转换到与其自相关系数联系的矩阵M中，矩阵M的特征值就是自相关系数的一阶曲率，如果两个曲率都高，那么就认为该点是影像的点状特征，在提取特征点时需给定阈值，目前很多学者提出了不同的改进算法，将以前的人工给定阈值发展为自适应迭代的阈值确定方法；由于该算法基于对自相关系数一阶曲率的计算，因此简单而稳定性高，对图像旋转、亮度变化、视角变化有很好的鲁棒性，其改进算子定位精度能达到子像素级，而且便于实现大量均匀同名像点的提取，有利于于几何检校。

本文在研究过程中利用harris算子提取点特征，高斯窗口宽度为5，高斯函数方差为0.8，阈值设置为1500，获取点特征，这些特征点往往集中在灰度变换明显的区域，如图：

将获取的特征点根据相关系数法进行匹配，获取同名像对，实验图像共获得110个同名像点，根据同名像点的分布情况以及精度的要求，选取合适的相关系数阈值，得到匹配像对点的结果以及相关系数表。

3，基于傅里叶梅林变换的频率域匹配

频率域匹配方法由于涉及到空间域与频率域的转换，因此比较复杂。本文所做研究并不是两张影像的配准，而是在获取粗配准的同名像点上利用频率域的方法，获取更精确的同名像点。基于相位的频率域图像匹配方法的思路是通过傅里叶变换将空间域的相关运算变换成频谱上的复数乘法运算，是一种非线性的频域相关技术，可检测两幅影像之间的平移、旋转，根据频域信息快速获得最佳匹配位置，匹配精度较高。这些技术和方法从不同侧面为改进影像匹配结果的精度和可靠性以及匹配速度等方面发挥了积极的作用，并在不同的领域中得到了应用。

本文首先在粗匹配过的同名影响对上获取同名像点，在针对两张影像上的同名点周边区域进行频率域匹配,首先利用笛卡尔坐标到对数极坐的转换求出比例因子和旋转角度,按此值对欲配图像变换后,再利用互能量谱与反变换计算求出移量,最后进行相应的变换就可得到配准好的图像.具体的基于傅里叶梅林变换的图像匹配过程如下：

1)对原图像进行傅立叶变换,并求出各自的能量.

2)高通滤波.

H(ε,η) = (1-X(ε,η))(2-X(ε,η))

X(ε,η) = cos(πε)cos(πη)

-0・5≤ε,η≤0・5

3)将滤波后的各图像转换为对数极坐标的形式,并求其互能量谱,从而得到比例系数和旋转角度.

4)将欲配准的图像旋转、比例放大后再与原图像计算互能量谱,从而得到平移量.

功率谱的计算结果如图：

傅里叶梅林变换在粗配准的基础上在用频率域的方法计算同名像点的平移旋转指数，从而提高同名像点的精度。

结论：

传统的空间域匹配方法原理简单，获取的同名像点粗差较多，需要进行归一化处理，改进的harris算子精度可达子像素级，但需要两张影像的灰度情况基本一致；

基于相位的频率域匹配方法需要影像的空间域和频率域的转换，在提高匹配精度的同时需要提前获取粗匹配的结果，在搜索方式的选择较为复杂，但获取精度高，对影像的旋转平移较为敏感。

将两种匹配策略综合考虑，使用点特征提取的方法获取同名像点的初值，用最小二乘法或相关系数法进行匹配优化，在利用傅里叶梅林频率域匹配的方法来进一步提高几何检校中影像匹配的精度，以满足几何检校的需要。

参考文献

剃晓龙，李英成．基于多源遥感影像融合的影像匹配技术[J]。测绘科学，2007，32(3)：59―6l

熊兴华等遗传算法与最小二乘法相结合的遥感图像子像素匹配测绘学报V01．30 No．1 2001

注：文章内所有公式及图表请以PDF形式查看。