遥感图像配准与镶嵌

《遥感图像配准与镶嵌》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、遥感图像处理-遥感图像配准与镶嵌内容概要遥感图像配准遥感图像镶嵌1、遥感图像配准图像配准（一）图像配准是指依据一些相似性度量决定图像间的变换参数使从不同传感器不同视角不同时间获取的同一场景的两幅或多幅图像变换到同一坐标系下在像素层上得到最佳匹配的过程。待配准图像相对于参考图像的配准可定义为两幅图像在空间和亮度上的映射两幅图像可定义为两个二维数组分别用I1(x,y)和I2(x,y)表示它们分别是两幅图像的亮度值(或其他度量值)则两幅图像间的映射可表示为：其中：f为二维空间坐标变换（如仿射变换），g为一维

2、亮度或其他度量值变换。最佳空间变换是图像配准问题的关键。当需配准多幅图像时选取其中某一幅图像作为参考图像，其余图像分别相对参考图像进行配准。图像配准（二）图像配准的意义由于各传感器通过的光路不同，或成像体制不同等原因，图像间可能出现相对平移、旋转、比例缩放等，影像镶嵌或融合不能直接进行，而必须进行图像配准。多源图像配准与单传感器图像配准相比，技术难度更大，特别是要实现波段相距较远的图像自动配准，由于图像间相关性小，则更加困难。多传感器图像配准可以看作是以下集中要素的结合：特征空间：从参考影像和输入影像

3、中提取的特征集；搜索空间：在输入特征与参考特征之间建立对应关系的可能的变换集合；搜索策略：选择可以用于计算的变换模型，在处理过程中使得匹配逐步达到精度要求；近似性度量标准：用来评估从搜索空间中获得的一个给定的变换所定义的输入数据与参考数据之间的匹配。常用的图像配准方法---基于图像灰度的配准方法基于图像灰度的配准方法通常直接利用局部图像的灰度信息建立两幅图像之间的相似性度量，然后采用某种搜索方法寻找使相似性度量值最大或最小的变换模型的参数值。常用的相似性度量有：1）图像灰度的差平方和2）图像灰度的相关

4、系数3）图像灰度差的绝对值和4）图像灰度的协方差等基于图像灰度的配准方法不需要对图像做特征提取，而是直接利用全部可用的图像灰度信息，因此能提高估计的精度和鲁棒性；但由于在基于图像灰度的算法(如互相关算法)中把匹配点周围区域的点的灰度都考虑进来进行计算，因此其计算量很大，速度较慢。差平方和（差矢量模）若S2（c0,r0）

5、0为搜索区影像相对于目标区影像的位移参数。对于一维相关应有q0。差绝对值和（差矢量分量绝对值和）离散灰度数据差绝对值和的计算公式为若S（c0,r0）

6、,q0）＞R（p,q）（pp0，qq0），则p0,q0为搜索区影像相对于目标区影像的位移参数。对于一维相关应有q0。常用的图像配准方法---基于图像特征的配准方法由于多传感器获取各类图像灰度特征往往不一致，因此很难运用基于图像灰度的方法。基于图像特征方法提取各类图像中保持不变特征如边缘点闭区域的中心等作为两幅图像配准的参考信息。特征匹配的应用领域当待匹配的点位于低反差区内，其匹配的成功率不高。目的只需要配准某些点线或面在城市中，被处理的对象主要是人工建筑物，灰度匹配难以适应基于图像特征的配准方法

7、包括特征提取、特征匹配、选取变换模型及求取参数坐标变换与插值四个主要组成部分。特征提取是指分别提取两幅图像中共有的图像特征。这种特征是出现在两幅图像中对比例、旋转、平移等变换保持一致性的特征，如线交叉点、物体边缘角点、虚圆闭区域的中心等可提取的特征。特征包括：点、线和面三类。点特征是最常采用的一种图像特征，包括物体边缘点、角点、线交叉点等；根据各特征点的兴趣值将特征点分成几个等级。对不同的目的，特征点的提取应有所不同。线特征是图像中明显的线段特征，如道路河流的边缘，目标的轮廓线等。线特征的提取一般分两

8、步进行：首先采用某种算法提取出图像中明显的线段信息，然后利用限制条件筛选出满足条件的线段作为线特征；面特征是指利用图像中明显的区域信息作为特征。在实际的应用中最后可能也是利用区域的重心或圆的圆心点等作为特征。特征提取特征匹配是指建立两幅图像中特征点之间对应关系的过程。用数学语言可以描述为两幅图像A和B中分别有m和n个特征点(m和n常常是不相等的)其中有k对点是两幅图像中共同拥有的，则如何确定两幅图像中k对相对应的点对即为特征匹配要解决的问题。特征匹配可分