资源描述：
《基于小面元的多源遥感影像高精度配准方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、基于小面元的多源遥感影像高精度配准方法 文章编号:1009-427X(2003)02-0124-05基于小面元的多源遥感影像高精度配准方法邢帅,谭兵,李建胜,徐青,耿则勋(信息工程大学测绘学院,河南郑州 450052)摘要:基于几种高精度的匹配方法,引入了小面元微分纠正的思想,设计出一种高精度影像相对配准方法。实验结果表明,该方法对多种遥感影像有很强的适应性,相对配准精度高,尤其适用于变形明显或山区多源影像间的高精度配准。关 键 词:多源遥感影像;高精度配准;匹配;小面元纠正中图分类号:TP751 文献标识码:A 多源遥感卫星影
2、像是指从不同的电磁波段、不同的时相、不同的入射角、不同的成像机理、不同的空间分辨率获取关于同一区域地物不同的、但可以相互补充的信息[1]。我们正是要利用其信息互补、合作的特点,通过一定的处理方法,如融合、分类、变化检测、识别等,从中提取有用的或我们感兴趣的信息,影像配准则是应用这些方法的前提和基础。特别是高精度的配准已经成为从影像获取准确信息的必要条件,同时,高精度影像配准还是时间变化检测、立体匹配、运动分析以及图像序列分析等方面应用的基础[2]。1 影像配准算法综述目前影像配准的方法主要分为空间域与频率域两大类。空间域方法仅从影像的
3、几何变形与灰度差角度入手,简单直观易实现,对一般的可见光影像及部分近红外影像、雷达影像均可以处理,同时还有精度高、速度快等优点。在大多数文献中提出的方法均属于这一类,如相关函数法、动态规划法、整体法、最小二乘法[3],以及TonJezching,JainAK提出的确定两图像区域间对应关系的点匹配方法[4],周杰等提出的基于方向小波特征的匹配方法[5]等。频率域方法由于涉及到空间域与频率域的转换,因此比较复杂。虽然也可以达到较高精度,但其对两影像间的几何变形与辐射畸变都有较高的要求,应用范围较窄,大多用于研究工作。有一些文献应用了该类方
4、法,如HaroldSStone提出的用预滤波与基于傅立叶变换检测的方法达到可见光影像与近红外影像的配准[6],HassanShekarforoush等通过对影像交叉功率谱的多相分解的估计达到子像素级配准[2]。不断出现的各种配准方法使得配准的精度越来越高,从像素级到亚像素级,一直到子像素级。但其中始终存在着一个问题,就是某一种方法仅对几组或几种图像可以取得好的效果,但却不适应其它类型的数据,所以我们一直希望找到一个自动化程度高、适应能力强的高精度配准处理方法[7]。经过研究发现,一些传统的方法尽管有一定的局限性,但具有很强的适应性,如
5、相关函数法无论对可见光影像还是雷达影像均可以处理。因此,我们引用几种传统的匹配方法与影像金字塔匹配策略,并引入小三角形面元微分纠正的原理,设计了一种新的多源遥感影像高精度配准的方法。2 基于小面元的遥感影像间高精度配准方法的提出该方法的主要思想是,在参考影像上提取特征点作为配准控制点(RegistrationControlPoint,RCP),通过匹配获得同名点对,再基于小面元微分纠正得到精确配准的影像。该方法的基本过程是:在参考影像金字塔的最高层上按照一定的准则提取稀疏的特征点作为RCP,逐层匹配传递至最底层(原始影像层)作为基本控
6、制点;然后在最底层上提取密集的RCP进行相关系数法匹配,在目标影像(即待配准影像)上获得对应的同名像点;接着剔除一些误差明显的点对,并对可靠性不好的点对进行整体松弛法匹配,再对所有的点对进行一次最小二乘法匹配以提高精度;最后由这些同名点对构成密集的三收稿日期:2002-11-25;修回日期:2003-03-11 作者简介:邢帅(1979-),男,河南信阳人,硕士生,研究方向为摄影测量与遥感。第20卷第2期2003年6月测绘学院学报JournalofInstituteofSurveyingandMappingVol.20No.2J
7、un.2003角网,在对应的三角网中,进行逐个小面元的微分纠正,以实现影像精确配准。该方法的逻辑流程见图1。图1 高精度配准方法的逻辑流程图这里的影像预处理主要包括两个方面:一是辐射校正,如灰度拉伸、直方图调整、色阶调整、亮度和对比度的调整等。由于特征点的匹配主要还是根据某点的峰值及其周围点的灰度分布,在对应影像上找到一个峰值及其周围点的灰度分布与前者相一致的点,认为该点就是前者的同名点。因此,影像辐射特性的差异会导致同名点之间灰度特性的差异,进而引起误匹配。二是几何校正,如图像的旋转、平移、比例尺的缩放等。两点之间的相关度是以窗口为
8、单位进行的,而保证同样大小的两个窗口内包含的目标区域范围相同是非常必要的,否则就失去了可比性,相关也就无从谈起。该方法主要具有以下4个特点:1)高可靠性。文中采用特征点作为RCP,是考虑到特征点具有与周围点灰度的差异性,
