亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種基于相位一致性相關(guān)的多源遙感影像配準(zhǔn)方法

        2012-08-04 06:34:06范登科葉沅鑫
        關(guān)鍵詞:同名角點(diǎn)金字塔

        范登科,潘 勵(lì),葉沅鑫

        (武漢大學(xué)遙感信息工程學(xué)院,武漢 430079)

        1 概述

        圖像配準(zhǔn)作為一項(xiàng)基礎(chǔ)性的影像幾何處理技術(shù),在醫(yī)學(xué)、計(jì)算機(jī)視覺(jué)等學(xué)科領(lǐng)域中發(fā)揮著重要作用。盡管它在遙感中的研究和應(yīng)用起步較晚,但是由于遙感影像在采集環(huán)境、觀測(cè)角、地形起伏等多方面因素作用下所體現(xiàn)出的復(fù)雜性遠(yuǎn)遠(yuǎn)大于其他圖像,再加上其本身海量及多源異構(gòu)的特性,對(duì)配準(zhǔn)技術(shù)在該領(lǐng)域的研究和應(yīng)用提出新的挑戰(zhàn)。目前,國(guó)內(nèi)外眾多學(xué)者針對(duì)遙感影像匹配問(wèn)題的不同方面,提出了很多具有可行性和研究?jī)r(jià)值的配準(zhǔn)策略和方法,也因此產(chǎn)生了多種將配準(zhǔn)方法進(jìn)行分類的方式,包括基于配準(zhǔn)影像數(shù)據(jù)源類型的分類、基于影像間幾何畸變類型的分類等。最常見(jiàn)的是基于匹配時(shí)所使用影像信息類型的分類方式[1],該方式將配準(zhǔn)分為特征匹配和區(qū)域匹配兩類。

        特征匹配是當(dāng)前配準(zhǔn)技術(shù)研究的熱點(diǎn)方向,它通過(guò)計(jì)算影像的梯度、矩等強(qiáng)度或?qū)ο蟮膸缀涡螒B(tài)信息來(lái)描述局部范圍內(nèi)的顯著性特征,然后選擇適用于該特征匹配的相似性測(cè)度建立同名點(diǎn)的對(duì)應(yīng)關(guān)系,最終完成對(duì)幾何畸變的改正。常見(jiàn)的用于遙感影像配準(zhǔn)的點(diǎn)特征有:Harris、Forsterner、Morovac,線形或邊緣特征有:Canny、Sobel,面狀或區(qū)域特征有Hu不變矩、形狀上下文。SIFT[2]是近幾年圖像配準(zhǔn)研究領(lǐng)域興起的一種具有尺度和旋轉(zhuǎn)不變性描述的特征算子,它以其多尺度、穩(wěn)定的點(diǎn)特征表達(dá)特性贏得許多研究學(xué)者的青睞,并由此衍生出許多基于SIFT的配準(zhǔn)方法,如PCA-SIFT[3]、CSIFT[4]、SR-SIFT[5]等。然而,由于大多數(shù)特征算子都是以圖像梯度的強(qiáng)度和方向?yàn)榛A(chǔ)的,且很少顧及區(qū)域性信息,造成多源異構(gòu)遙感影像配準(zhǔn)的同名點(diǎn)匹配率和糾正精度不能滿足實(shí)際應(yīng)用生產(chǎn)的需要,因此特征匹配方法具有應(yīng)用局限性和問(wèn)題針對(duì)性。

        區(qū)域匹配作為一種早期發(fā)展成熟的、方便易用的圖像配準(zhǔn)方法,被廣泛應(yīng)用于各類商業(yè)化圖像處理軟件中。它通過(guò)統(tǒng)計(jì)運(yùn)算的方式對(duì)特定區(qū)域內(nèi)的圖像信息進(jìn)行描述,并借助相關(guān)關(guān)系模型度量彼此間的相似程度,相對(duì)于特征匹配需要穩(wěn)定且充足的特征作為配準(zhǔn)前提條件來(lái)說(shuō),區(qū)域匹配具有很強(qiáng)的通用性。目前研究和應(yīng)用最多的區(qū)域匹配方法有相關(guān)系數(shù)和互信息,它們分別是基于影像原始灰度和信息熵進(jìn)行計(jì)算和匹配的。Gao使用相關(guān)系數(shù)作為匹配策略[6],借助影像金字塔和二次多項(xiàng)式實(shí)現(xiàn)對(duì)Landsat GeoCover數(shù)據(jù)子像素精度的自動(dòng)配準(zhǔn);Peter[7]同樣以相關(guān)系數(shù)為核心匹配手段,完成對(duì)HyMap、AIRSAR等24組同源和非同源影像對(duì)的幾何校正;Sahil[8]通過(guò)迭代計(jì)算TerraSAR-X和Ikonos影像間的互信息,研究分析了城鎮(zhèn)區(qū)域異構(gòu)圖像配準(zhǔn)的精度。由于非同源異構(gòu)影像間在原始灰度上通常是非線性變化的,且信息熵的計(jì)算量比較大,導(dǎo)致區(qū)域匹配方法的推廣應(yīng)用受到一定的制約。

        本文綜合特征匹配和區(qū)域匹配的優(yōu)勢(shì),提出一種適用于非同源異構(gòu)遙感影像的配準(zhǔn)方法,該方法以不同濾波尺度下位置穩(wěn)定不變的角點(diǎn)作為控制點(diǎn),借助金字塔分層映射搜索策略,通過(guò)計(jì)算領(lǐng)域和搜索區(qū)域內(nèi)的相位一致性,引入相關(guān)系數(shù)作為相似性測(cè)度實(shí)現(xiàn)同名點(diǎn)的匹配。并最終給出利用可見(jiàn)光、近紅外及SAR影像對(duì)該方法進(jìn)行配準(zhǔn)實(shí)驗(yàn)的驗(yàn)證和分析。

        2 配準(zhǔn)方法

        2.1 控制點(diǎn)提取

        為了保證提取足夠多且位置相對(duì)穩(wěn)定的控制點(diǎn)進(jìn)行匹配和模型參數(shù)估計(jì),需要使用通用性強(qiáng)、可靠性高的角點(diǎn)特征提取算子在待配準(zhǔn)的輸入影像上執(zhí)行計(jì)算和檢測(cè)。當(dāng)前,Harris[9]和 FAST[10]被證明具有較高的角點(diǎn)提取重復(fù)率,適用于各類光譜組成結(jié)構(gòu)的影像。本文選擇Harris算子在輸入影像上提取特征控制點(diǎn),Harris通過(guò)局部圖像信息的自相關(guān)方式,在各個(gè)方向都計(jì)算了灰度變化,其角點(diǎn)提取的原理是:首先使用標(biāo)準(zhǔn)偏離差為σ的高斯濾波模板與原始灰度影像I進(jìn)行卷積運(yùn)算,得到平滑后的影像ˉI,然后計(jì)算ˉI的一階梯度矩陣M,公式為

        其中k為介于0.04~0.06的常數(shù),如果2個(gè)特征值都比較大,說(shuō)明在該點(diǎn)處沿任意方向運(yùn)動(dòng)會(huì)引起判別函數(shù)R的急劇變化,判斷為具有強(qiáng)響應(yīng)的角點(diǎn),否則為弱邊緣或平滑域點(diǎn),在使用閾值T對(duì)該值進(jìn)行局部非最大抑制后,可以獲得穩(wěn)定的特征點(diǎn)。

        由于使用不同標(biāo)準(zhǔn)偏差σ的高斯卷積模板會(huì)使平滑處理后的影像ˉI變模糊,在特定濾波器尺度下檢測(cè)的角點(diǎn)可能會(huì)在其他尺度的濾波影像中發(fā)生位置偏移甚至消失。為了提取不受高斯濾波尺度影響的穩(wěn)定角點(diǎn),需要使用臨近尺度的高斯模板重新提取角點(diǎn)進(jìn)行檢測(cè)和判斷。假設(shè)角點(diǎn)(x0,y0)是使用尺度(標(biāo)準(zhǔn)偏差值)為σ0的高斯濾波模板所提取的Harris特征點(diǎn),構(gòu)造尺度為 σ1=σ0-δ×σ0和 σ2=σ0+δ×σ0的高斯濾波模板對(duì)原始影像I進(jìn)行卷積運(yùn)算,提取的角點(diǎn)分別為(x1,y1)和(x2,y2),當(dāng)提取的角點(diǎn)滿足條件

        并且

        時(shí),認(rèn)為(x0,y0)是一個(gè)不受卷積尺度影響的穩(wěn)定角點(diǎn),選為控制點(diǎn),否則被排除。公式(3)、(4)中D代表歐式距離,即以角點(diǎn)(x1,y1)和(x2,y2)相對(duì)于(x0,y0)的位置偏移作為特征點(diǎn)的判定依據(jù)。圖1展示了分別使用原始Harris算子和多尺度高斯濾波后Harris提取的特征點(diǎn)分布情況,可以看出,在加入了公式(3)、(4)的判別后,位于道路邊緣和開(kāi)闊地中心的點(diǎn)受平滑尺度變化的影響,位置變化顯著,被判斷為不穩(wěn)定的特征點(diǎn)排除,保留的點(diǎn)為穩(wěn)定的不受平滑濾波干擾的特征點(diǎn)。

        2.2 同名點(diǎn)匹配

        圖1 Harris算子提取特征點(diǎn)分布示意

        由于Harris特征算子提取的控制點(diǎn)為梯度變化顯著的角點(diǎn),因此在其領(lǐng)域內(nèi)影像的紋理信息比較豐富,灰度變化顯著,相關(guān)系數(shù)在小范圍內(nèi)容易形成變化劇烈的極值,可以選擇作為同名點(diǎn)的匹配測(cè)度。然而,非同源異構(gòu)遙感影像間的光譜組成存在明顯差異,在灰度強(qiáng)度上呈現(xiàn)非線性變化,導(dǎo)致相關(guān)系數(shù)不能穩(wěn)定描述相似度高的同名區(qū)域。針對(duì)這一問(wèn)題,本文引入相位一致性對(duì)影像進(jìn)行轉(zhuǎn)換,得到相關(guān)性程度高的特征圖像。

        相位一致性是一種使用傅里葉諧波分量描述信號(hào)局部強(qiáng)度的特征,它利用特定方向θ不同尺度s的Log Gabor濾波器,將信號(hào)分解為頻率域下與θ和s相對(duì)應(yīng)的傅里葉諧波分量,通過(guò)加權(quán)疊合不同尺度的分量,獲得具有原始信號(hào)強(qiáng)弱特性描述的響應(yīng)。Morrone證明了相位一致性在描述圖像特征信息上與人類神經(jīng)視覺(jué)具有相一致的敏感度[11]。Wong指出,相位一致性特征具有抵抗圖像對(duì)比度和亮度變化的能力,并利用其構(gòu)造的最小和最大距特征,分別實(shí)現(xiàn)了遙感影像特征點(diǎn)的提取和同名點(diǎn)的匹配[12]。應(yīng)用于圖像二維離散信號(hào),相位一致性的計(jì)算公式為

        式中,PC(x,y)為點(diǎn)(x,y)處的相位一致性,θ為濾波方向,在區(qū)間[0,π]之間以固定步長(zhǎng)變化,n為濾波器尺度s的最大值,Wθ(x,y)為頻率擴(kuò)展的權(quán)重系數(shù),As,θ(x,y)代表使用沿 θ方向尺度為 s的 Log Gabor濾波器進(jìn)行分解后諧波分量的振幅值,」表示僅取正值的運(yùn)算,負(fù)值全部賦為0,T為噪聲閾值,ε是一個(gè)避免除零的常數(shù),Δφs,θ(x,y)可由分解后諧波分量的相位角計(jì)算獲得,公式為

        圖2 Landsat 5 TM影像及其相位一致性特征圖像

        從圖2可以看出,邊緣和角點(diǎn)處的相位一致性明顯大于平坦開(kāi)闊地區(qū),通常在角點(diǎn)處取得極值。同時(shí),相位一致性特征影像反映的并不是二值化的邊緣,而代表的是不同尺度和方向頻率域卷積運(yùn)算下傅里葉諧波分量的累積值。因此,以特征點(diǎn)為中心的窗口發(fā)生位置改變時(shí),不會(huì)引起相關(guān)系數(shù)的劇烈變化,且由于角點(diǎn)處相位一致性的顯著特征,使得極值比較容易獲得。經(jīng)計(jì)算對(duì)應(yīng)圖像的相關(guān)系數(shù),圖2中(a)與(c)之間的相關(guān)系數(shù)為-0.045,而(b)與(d)達(dá)到0.605,可見(jiàn)采用相位一致性特征度量影像間的相關(guān)性明顯優(yōu)于原始灰度。

        遙感影像在采集過(guò)程中一般表現(xiàn)出大視角、寬視場(chǎng)的特性,成像的圖幅范圍大,使全局匹配的效率降低,計(jì)算復(fù)雜度增大,需要使用特定的搜索策略優(yōu)化同名點(diǎn)匹配過(guò)程?;诮鹱炙Y(jié)構(gòu)的同名區(qū)域預(yù)測(cè)與分層索引映射是目前最受歡迎的、應(yīng)用于遙感影像匹配中的搜索策略,方法是以一定比例逐級(jí)降低圖像空間分辨率,縮小圖幅范圍。首先,在輸入影像的頂層金字塔圖像上提取特征點(diǎn),并搜索參考影像對(duì)應(yīng)尺度的金字塔,找出相關(guān)系數(shù)大的窗口中心作為匹配點(diǎn),使用簡(jiǎn)單的二維平面轉(zhuǎn)換關(guān)系模擬初始的幾何變形,根據(jù)最小二乘準(zhǔn)則刪除殘差大的誤匹配點(diǎn)對(duì);而后,利用不同尺度金字塔圖像的映射關(guān)系,在下一層更高分辨率尺度的金字塔圖像上獲取同名區(qū)域,執(zhí)行與上述一致的精確匹配,直到達(dá)到底層即原始分辨率影像為止。兩層金字塔結(jié)構(gòu)的同名區(qū)域映射關(guān)系及幾何變換模型估計(jì)如圖3所示。

        2.3 模型參數(shù)估計(jì)與重采樣

        利用匹配獲取的同名點(diǎn)對(duì),依據(jù)最小二乘原理估計(jì)幾何畸變模型的參數(shù),剔除殘差大的同名點(diǎn)對(duì)以保證模型估計(jì)精度在可接受的范圍內(nèi),最終使用特定的插值方法實(shí)現(xiàn)對(duì)輸入影像的重采樣處理,輸出在地理位置上與參照影像配準(zhǔn)的校正影像。在這一過(guò)程中,全局性幾何畸變模型的選擇顯得十分重要。

        圖3 基于金字塔結(jié)構(gòu)的遙感影像同名區(qū)域索引和搜索策略

        由于傳感器姿態(tài)和側(cè)視角的差異,采集獲得的多源異構(gòu)遙感影像在全局幾何畸變上表現(xiàn)出不同形式。中分辨率光學(xué)影像的成像方式為推掃式,其傳感器所處軌道高度及線陣掃描方式?jīng)Q定了影像幾乎不受側(cè)視角和地形起伏的影響,在全局影像上僅存在平移、旋轉(zhuǎn)和尺度畸變,因此可以使用仿射模型描述待配準(zhǔn)光學(xué)影像間的幾何變形關(guān)系。仿射變換模型公式為

        式中,(x,y)和(X,Y)分別為對(duì)應(yīng)同名點(diǎn)在輸入影像和參考影像的圖像坐標(biāo),λ代表尺度縮放因子,θ表示影像的相對(duì)旋轉(zhuǎn)角,(c,r)是圖像在二維平面的相對(duì)平移量。因此僅需要兩對(duì)同名點(diǎn)即可以求解該模型參數(shù)。而同分辨率SAR影像的采集使用主動(dòng)傳感方式,雖然軌道高度避免了地形起伏的影響,但是其成像圖幅范圍較小,并且存在一定的側(cè)視角,因此對(duì)于光學(xué)影像與SAR影像以及不同時(shí)相SAR影像間的幾何畸變,通常采用投影變形模型來(lái)描述,一次項(xiàng)投影模型公式為

        式中包括a~h總計(jì)8個(gè)模型參數(shù),需要4對(duì)同名點(diǎn)進(jìn)行求解,分母部分描述了成像平面的傾斜變形。在最小二乘原理基礎(chǔ)上對(duì)模型參數(shù)進(jìn)行估計(jì)后,使用參考影像中的控制點(diǎn)坐標(biāo)反算輸入影像控制點(diǎn)的模型坐標(biāo),并與真實(shí)坐標(biāo)求差后計(jì)算均方根誤差RMSE,RMSE值的大小代表了該同名點(diǎn)對(duì)偏離模型估計(jì)的程度,刪除RMSE值最大的多個(gè)點(diǎn)對(duì),重新估計(jì)模型參數(shù),迭代執(zhí)行這一過(guò)程直到同名點(diǎn)對(duì)集合中最大的RMSE值小于預(yù)先設(shè)定的閾值,以獲得滿足糾正精度要求的模型參數(shù)。最終,雙線性插值方法被用于重采樣過(guò)程輸出配準(zhǔn)結(jié)果。

        2.4 總體配準(zhǔn)策略

        本文提出的基于相位一致性相關(guān)的多源遙感影像配準(zhǔn)方法可概括為以下7個(gè)步驟:(1)根據(jù)影像大小,設(shè)定特定的分辨率比例,分別構(gòu)建輸入和參考影像的多級(jí)金字塔圖像;(2)在輸入影像的頂層金字塔上使用多尺度Harris提取控制點(diǎn),并計(jì)算其領(lǐng)域內(nèi)窗口的相位一致性;(3)計(jì)算參照影像頂層金字塔的相位一致性特征圖像,使用相關(guān)系數(shù)作為匹配測(cè)度全局搜索最大相關(guān)的窗口,以其中心作為匹配同名點(diǎn);(4)用簡(jiǎn)單二維平面變換模型估計(jì)畸變改正關(guān)系,預(yù)測(cè)下一級(jí)金字塔圖像的同名區(qū)域;(5)在下級(jí)金字塔圖像的子區(qū)域內(nèi)迭代執(zhí)行步驟(2)~(4),直到完成原始分辨率影像上同名點(diǎn)的匹配;(6)根據(jù)待配準(zhǔn)影像的類型確定全局幾何變換模型,采用最小二乘原理迭代解算和修正模型精度;(7)重采樣輸出配準(zhǔn)后的結(jié)果影像。圖4展示了配準(zhǔn)策略的完整流程。

        圖4 配準(zhǔn)方法流程

        3 實(shí)驗(yàn)與分析

        3.1 實(shí)驗(yàn)背景和數(shù)據(jù)

        實(shí)驗(yàn)以Windows XP系統(tǒng)為平臺(tái),在Visual C++2008集成開(kāi)發(fā)環(huán)境中設(shè)計(jì)開(kāi)發(fā)程序?qū)崿F(xiàn)上述配準(zhǔn)方法,程序運(yùn)行的硬件環(huán)境為Inter Core2 CPU 2.66 GHz,2 GB內(nèi)存。實(shí)驗(yàn)數(shù)據(jù)選用3組遙感影像,每一組中輸入影像和參考影像分別采集自異構(gòu)光譜范圍或不同傳感器。前2組數(shù)據(jù)均由光學(xué)遙感影像組成,采集的區(qū)域?yàn)楹笔〈髺|湖和梁子湖水域,其中第1組數(shù)據(jù)來(lái)自于同一傳感器,為了體現(xiàn)空間位置上的差異性,手工對(duì)輸入影像旋轉(zhuǎn)10°,第2組數(shù)據(jù)來(lái)自不同傳感器,存在微小旋轉(zhuǎn)及10~20像素的平移變形。第3組數(shù)據(jù)為光學(xué)影像與SAR影像之間的配準(zhǔn),為了正確計(jì)算相關(guān)系數(shù),對(duì)SAR影像進(jìn)行重采樣,確保其與光學(xué)影像的分辨率一致。3組實(shí)驗(yàn)數(shù)據(jù)的詳細(xì)信息如表1所示。

        在進(jìn)行影像配準(zhǔn)運(yùn)算處理過(guò)程中,需要對(duì)相關(guān)參數(shù)進(jìn)行初始化,具體項(xiàng)目及其初始值為:金字塔各級(jí)比例1∶3,金字塔級(jí)數(shù)3,原始分辨率下搜索區(qū)域大小200像素,相關(guān)系數(shù)閾值0.75,相關(guān)系數(shù)計(jì)算窗口大小13像素,RMSE閾值1.5。

        3.2 配準(zhǔn)精度分析

        使用以上3組數(shù)據(jù)對(duì)本文配準(zhǔn)方法進(jìn)行實(shí)驗(yàn)驗(yàn)證,并對(duì)該方法的適用性和精度進(jìn)行評(píng)價(jià)。表2列出了經(jīng)實(shí)驗(yàn)獲得的配準(zhǔn)評(píng)價(jià)結(jié)果。

        由表2可以看出,在配準(zhǔn)精度方面,第3組數(shù)據(jù)的效果最好,最大殘差和總體均方根誤差指標(biāo)都控制在1個(gè)像素以內(nèi),然而同名點(diǎn)對(duì)的誤匹配率卻達(dá)到了95%以上,僅有5對(duì)正確匹配的同名點(diǎn)用于模型參數(shù)估計(jì),且它們分布集中于圖5(e)、(f)中左下角的島嶼海岸線上,占影像中主體的陸地范圍內(nèi)并沒(méi)有正確匹配的同名點(diǎn)對(duì),這是因?yàn)榇箨懼械匚镱愋拓S富而海島內(nèi)單一,SAR影像之于前者表現(xiàn)出更多的噪聲,而相位一致性的計(jì)算結(jié)果對(duì)噪聲十分敏感,造成陸地中相位一致性的相關(guān)程度并不是十分顯著;反之,海島在SAR影像中紋理結(jié)構(gòu)簡(jiǎn)單,海岸線輪廓特征明顯,有利于相位一致性穩(wěn)定描述局部圖像信息。

        表1 實(shí)驗(yàn)數(shù)據(jù)信息概覽

        表2 配準(zhǔn)方法的實(shí)驗(yàn)評(píng)價(jià)結(jié)果

        圖5 3組實(shí)驗(yàn)數(shù)據(jù)影像及同名點(diǎn)分布情況

        前2組實(shí)驗(yàn)數(shù)據(jù)的配準(zhǔn)結(jié)果在精度和誤匹配率上達(dá)到一致水平,盡管第2組數(shù)據(jù)的總體均方根中誤差略微偏高,但其匹配得到的同名點(diǎn)對(duì)數(shù)目是第1組的3倍,是因?yàn)榈?組數(shù)據(jù)的影像對(duì)均由近紅外波段構(gòu)成,相對(duì)于第1組的可見(jiàn)光-近紅外組合,相關(guān)程度更高。然而,在匹配獲得大量同名點(diǎn)對(duì)的同時(shí),發(fā)生誤匹配的點(diǎn)對(duì)數(shù)目也相應(yīng)提升,且從2組數(shù)據(jù)對(duì)比情況來(lái)看,這一比例水平并不受光譜組成結(jié)構(gòu)的影響,因此要進(jìn)一步降低誤匹配率,仍需要對(duì)匹配方法和策略進(jìn)行改進(jìn)。另一方面,由于第2組影像采集自不同時(shí)間,地物變化也會(huì)造成同名點(diǎn)的誤匹配。從圖5(a)~(d)中可以看出,正確匹配的同名點(diǎn)均勻分布于整個(gè)圖幅范圍內(nèi),且在對(duì)比度高的局部區(qū)域內(nèi)相對(duì)集中,符合相位一致性描述亮度和對(duì)比度差異的不變特征。

        綜合分析3組實(shí)驗(yàn)數(shù)據(jù)的配準(zhǔn)結(jié)果,本文方法更適用于對(duì)非同源異構(gòu)的兩景光學(xué)影像進(jìn)行配準(zhǔn),對(duì)于光學(xué)與SAR影像的配準(zhǔn)有一定局限性和區(qū)域選擇性,同時(shí)將相關(guān)系數(shù)作為匹配測(cè)度引入到該方法中,對(duì)于全局仿射和投影變形有一定的抵抗能力。

        3.3 對(duì)比驗(yàn)證

        為了進(jìn)一步驗(yàn)證本文方法的配準(zhǔn)效果,引入傳統(tǒng)基于灰度的相關(guān)系數(shù)(NCC)、尺度不變特征(SIFT)、改進(jìn)尺度不變特征(SR-SIFT)3種方法分別對(duì)3組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行配準(zhǔn)實(shí)驗(yàn),統(tǒng)計(jì)各項(xiàng)實(shí)驗(yàn)結(jié)果的誤匹配率和均方根中誤差(RMSE),得到的對(duì)比情況如表3所示。

        表3 3種常用方法實(shí)驗(yàn)結(jié)果對(duì)比(“—”表示配準(zhǔn)失敗)

        實(shí)驗(yàn)過(guò)程中設(shè)定RMSE閾值為1.0像素,以保證幾何校正模型參數(shù)估計(jì)的準(zhǔn)確性和一致性。當(dāng)3種方法達(dá)到相同精度水平時(shí),結(jié)果顯示實(shí)驗(yàn)2的誤匹配率最低,原因是兩景近紅外影像間灰度相關(guān)性程度最高,且與特征表述相關(guān)的梯度強(qiáng)度和方向變化較為穩(wěn)定,與此同時(shí),NCC和SR-SIFT方法的誤匹配率明顯低于本文方法。相反,3種方法對(duì)實(shí)驗(yàn)1數(shù)據(jù)進(jìn)行配準(zhǔn)的誤匹配率高于或接近本文方法,可見(jiàn),對(duì)于光譜組成差異越顯著的影像來(lái)說(shuō),本文方法的適用性更強(qiáng),效果更好。3種方法不能完成對(duì)實(shí)驗(yàn)3數(shù)據(jù)配準(zhǔn)的事實(shí)更進(jìn)一步驗(yàn)證了這一結(jié)論。因此,與3種配準(zhǔn)方法進(jìn)行對(duì)比分析得出的結(jié)論是,基于相位一致性相關(guān)的配準(zhǔn)方法可以應(yīng)對(duì)傳統(tǒng)方法所不能解決的異構(gòu)遙感影像間難以配準(zhǔn)的問(wèn)題。

        4 結(jié)語(yǔ)

        本文提出一種基于相位一致性相關(guān)的多源遙感影像配準(zhǔn)方法,該方法以多級(jí)圖像金字塔結(jié)構(gòu)為索引和搜索策略,首先使用多尺度高斯濾波判別和遴選穩(wěn)定的Harris特征點(diǎn),在控制點(diǎn)領(lǐng)域和相關(guān)系數(shù)極值搜索區(qū)域內(nèi),引入相位一致性特征進(jìn)行相似性度量,在降低誤匹配概率的同時(shí)獲得更多精確匹配的同名點(diǎn)對(duì)。經(jīng)實(shí)驗(yàn)分析和對(duì)比驗(yàn)證,該方法適用于中分辨率多源異構(gòu)光學(xué)-光學(xué)、光學(xué)-SAR遙感影像間的配準(zhǔn),精度滿足實(shí)際生產(chǎn)過(guò)程中影像幾何校正處理的需要,且高于其他基于區(qū)域匹配的配準(zhǔn)方法。下一步的研究工作將專注于提高運(yùn)算效率,改進(jìn)算法以降低誤匹配率,并適用于不同分辨率、地形起伏等復(fù)雜條件下的多源遙感影像配準(zhǔn)。同時(shí)希望本文方法能為圖像配準(zhǔn)領(lǐng)域的學(xué)者提供研究基礎(chǔ)和借鑒。

        [1]Zitová B,F(xiàn)lusser J.Image registration methods:A survey[J].Image and Vision Computing,2003,21(11):977-1000.

        [2]Lowe D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,60(2):91-110.

        [3]Ke Y,Sukthankar R.PCA-SIFT:A more distinctive representation for local image descriptors[C].Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2004:506-513.

        [4]Abdel-Hakim A E,F(xiàn)arag A A.CSIFT:A SIFT descriptor with color invariant characteristics[C].Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2006:1978-1983.

        [5]Yi Z,Zhiguo C,Yang X.Multi-spectral remote image registration based on SIFT[J].Electronics Letters,2008,44(2):107-108.

        [6]Gao F,Masek J,Wolfe R E.Automated registration and orthorectification package for Landsat and Landsat-like data processing[J].Journal of Applied Remote Sensing,2009,3(1).

        [7]Bunting P,Labrosse F,Lucas R.A multi-resolution area-based technique for automatic multi-modal image registration[J].Image and Vision Computing,2010,28(8):1203-1219.

        [8]Suri S,Reinartz P.Mutual-information-based registration of Terra-SAR-X and Ikonos imagery in urban area[J].IEEE Transactions on Geoscience and Remote Sensing,2010,48(2):939-949.

        [9]Harris C,Stephens M K.A combined corner and edge detector[C].Proc.Alvey Vision Conf.,1988:147-152.

        [10]Rosten E,Drummond T.Machine learning for high-speed corner detection[C].Proceedings of the European Conference on Computer Vision,2006:430-443.

        [11]Morrone M C,Owens R A.Feature detection from local energy[J].Pattern Recognition Letters,1987,6(5):303-313.

        [12]Wong A,Clausi D A.AISIR:Automated inter-sensor/inter-band satellite image registration using robust complex wavelet feature representations[J].Pattern Recognition Letters,2010,31(10):1160-1167.

        猜你喜歡
        同名角點(diǎn)金字塔
        “金字塔”
        同名
        西江月(2021年3期)2021-12-21 06:34:14
        A Study of the Pit-Aided Construction of Egyptian Pyramids
        海上有座“金字塔”
        基于FAST角點(diǎn)檢測(cè)算法上對(duì)Y型與X型角點(diǎn)的檢測(cè)
        神秘金字塔
        童話世界(2017年11期)2017-05-17 05:28:25
        基于邊緣的角點(diǎn)分類和描述算法
        電子科技(2016年12期)2016-12-26 02:25:49
        三 人 行
        基于圓環(huán)模板的改進(jìn)Harris角點(diǎn)檢測(cè)算法
        集成成像同名像點(diǎn)三維形貌獲取方法
        精品一区二区久久久久久久网站| 伊人青青草综合在线视频免费播放 | 欧美肥妇毛多水多bbxx水蜜桃| 在线不卡av片免费观看| 欧美在线观看一区二区| 蜜桃视频在线免费观看完整版| 日韩亚洲无吗av一区二区| 少妇高潮流白浆在线观看| 久久精品中文字幕第23页| 亚洲国产精品第一区二区三区 | 亚洲精品中文字幕一区二区| 97夜夜澡人人双人人人喊| 国产高清无码在线| 国产在线视频网站不卡| 中文字幕日韩人妻少妇毛片| 色偷偷av男人的天堂| 亚洲欧洲精品成人久久曰不卡| 少妇性l交大片免费快色| 久久精品国产亚洲av精东| 婷婷久久久亚洲欧洲日产国码av | 91熟女av一区二区在线| 人妻丰满熟妇无码区免费| 国产女在线| 中文字幕亚洲日本va| 日韩中文字幕版区一区二区三区| 免费无码一区二区三区蜜桃大| 1精品啪国产在线观看免费牛牛| 成年男女免费视频网站点播| 无码av中文一区二区三区| 天天爽天天爽天天爽| 久久亚洲一级av一片| 国产人妻熟女呻吟在线观看| 天堂国精产品2023年| 91孕妇精品一区二区三区| 一区二区三区日韩蜜桃| 山外人精品影院| 国产91网址| 亚洲av色香蕉一区二区三区软件| 亚洲成a人v欧美综合天堂| 国产精品久久久久免费a∨| 午夜精品一区二区三区av免费|