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

        ?

        中低分辨率遙感影像控制點對自動提取方法

        2014-02-23 07:06:00唐小英
        關(guān)鍵詞:特征區(qū)域方法

        夏 英,唐小英

        (重慶郵電大學(xué)空間信息系統(tǒng)研究所,重慶 400065)

        0 引言

        遙感圖像配準(zhǔn)是指對來自不同時間、不同傳感器或者不同視角的2幅或者多幅圖像進行匹配的過程,它是圖像處理領(lǐng)域的一個關(guān)鍵步驟,在空間信息處理領(lǐng)域具有廣泛的應(yīng)用。與高分辨率遙感影像相比,中低分辨率遙感影像具有累積時間長、數(shù)據(jù)量大、分辨率低等特點,在土地監(jiān)測、山區(qū)植被調(diào)查等領(lǐng)域得到廣泛應(yīng)用。這些應(yīng)用都涉及了自動配準(zhǔn)技術(shù),因此,對中低分辨率遙感影像自動配準(zhǔn)技術(shù)的研究具有重要意義。

        圖像配準(zhǔn)大致分為兩類[1],即基于區(qū)域灰度的配準(zhǔn)方法與基于圖像特征的配準(zhǔn)方法?;趨^(qū)域灰度的配準(zhǔn)具有簡單、易懂等優(yōu)點,但計算量大并且對圖像的光照、旋轉(zhuǎn)和尺度的變化敏感;基于圖像特征的配準(zhǔn)是最常用的圖像配準(zhǔn)方法,它把圖像間的關(guān)系轉(zhuǎn)換為圖像間的特征點、線或者面的關(guān)系,大大減少了計算量,對圖像的遮擋和畸變等也具有一定的魯棒性。

        本文基于圖像特征的配準(zhǔn)方法,重點分析中低分辨率遙感影像特征點的提取、描述和匹配過程?;趫D像特征的圖像配準(zhǔn)一般包含特征檢測、特征匹配、變換模型參數(shù)估計、圖像的重采樣和插值等4個步驟。該方法大多采用諸如Moravec算子、Harris算子、Forstner算子、Canny算子、SUSAN算子、SIFT算法等提取圖像特征。其中,SIFT算法對圖像幾何變形、光照變化、分辨率差異、模糊、旋轉(zhuǎn)和圖像壓縮等情況都表現(xiàn)出良好的性能[2-3]。李曉明等[4]將SIFT算法引入了遙感影像配準(zhǔn)領(lǐng)域,并利用RANSAC算法剔除匹配錯誤的特征點對。劉毅[5]通過一致性隨機采樣算法剔除錯誤的匹配,從而提高圖像配準(zhǔn)的精度。倪希亮等[6]提出了一種均勻化的SIFT影像配準(zhǔn)改進算法,對大數(shù)量影像進行均勻分塊以及局部搜索同名點的方法使得2幅影像的匹配點能夠均勻分布,明顯提高了影像配準(zhǔn)的速度。韓舸等[7]把SIFT算法和靜態(tài)小波變換結(jié)合起來,形成了一種有效的遙感影像配準(zhǔn)控制點自動提取方法。

        SIFT算法能夠在較小范圍的圖像中提取到大量的特征點,這些特征點具有尺度、旋轉(zhuǎn)不變性。但由于不同傳感器導(dǎo)致光照程度、分辨率的不一致等原因,對于中低分辨率遙感影像,SIFT算法難以確定相關(guān)參數(shù)值,只能提取到少量的特征點且分布不均勻。而Harris[8]能提取出覆蓋全圖的大量的角點,但這些角點對旋轉(zhuǎn)、尺度變化敏感。為充分利用SIFT和Harris的優(yōu)勢,本文針對中低分辨率遙感影像配準(zhǔn)問題,提出 HSIFT(Harris&scale invariant feature transformation)方法,目的是在參考影像與待配準(zhǔn)影像之間尋找精度高且分布均勻的控制點對。

        1 HSIFT方法的基本思想

        為能提取出精度高且均勻分布的中低分辨率遙感參考影像和待配準(zhǔn)影像的控制點對,HSIFT方法的基本思想如下。

        1 )首先確定2幅影像的共同區(qū)域,并對共同區(qū)域進行網(wǎng)格劃分和編號,使得2幅影像相同地理范圍的區(qū)域編號相同。這是因為不在同一個地理范圍的影像一般不存在正確匹配的控制點對,并且一般參考影像與待配準(zhǔn)影像的地理范圍可能存在差異。為了減少計算量,首先對參考影像和待配準(zhǔn)影像進行共同區(qū)域的截取,然后對2幅影像共同區(qū)域進行網(wǎng)格劃分并且編號,以便后續(xù)的區(qū)域匹配,并有利于降低算法時間復(fù)雜度。

        2 )選取相同的編號,建立對應(yīng)的多尺度空間,對每個影像區(qū)域先采用引入了多尺度空間理論的Harris角點檢測方法檢測特征點,然后利用SIFT特征描述符生成特征點的特征向量。這樣,區(qū)域塊中就可以提取到比較多的特征點,并且這些特征點具有尺度、旋轉(zhuǎn)不變性,從而增加特征點的數(shù)量,提高特征點的魯棒性。

        3 )匹配特征點。采用區(qū)域匹配策略,在2幅影像對應(yīng)區(qū)域塊中進行特征點匹配,借鑒SIFT算法的特征點匹配方法,選取最近鄰與次近鄰的比值小于某個閾值所對應(yīng)的匹配點對作為控制點對,其中閾值取值為0.4~0.8,閾值越小,提取的控制點對數(shù)目越少,但更加穩(wěn)定。

        HSIFT方法的處理流程如圖1所示,主要包括影像網(wǎng)格劃分、多尺度Harris角點檢測、特征點描述與區(qū)域特征點匹配等過程,圖1中Ri和Qi分別表示劃分參考影像R后編號為i的影像塊與劃分待配準(zhǔn)影像Q后編號為i的影像塊。

        2 技術(shù)實現(xiàn)

        2.1 影像網(wǎng)格劃分

        首先可以通過參考影像與待配準(zhǔn)影像經(jīng)緯度信息判斷2幅影像是否有公共區(qū)域,如果有,則對公共區(qū)域進行網(wǎng)格劃分,以便后續(xù)的區(qū)域匹配。假設(shè)分塊數(shù)目為m×n,對于大小為M×N的影像則會產(chǎn)生(M/m)×(N/n)塊。對每一分塊進行編號,使得具有相似地理范圍的影像塊具有同樣的編號,如2幅影像中對應(yīng)的第i塊分別記為Ri和Qi。

        2.2 多尺度Harris角點檢測

        2.2.1 建立多尺度空間

        Harris算法能夠提取到影像中大量的角點,但這些角點不能適應(yīng)尺度變化,因此,將多尺度空間理論[9]引入到Harris角點檢測。

        尺度空間理論最早出現(xiàn)于計算機視覺領(lǐng)域,其目的是對圖像數(shù)據(jù)的多尺度特征進行模擬,從而表達出圖像的多尺度及其各個尺度間的關(guān)系。高斯金字塔[2]能有效地表達多尺度結(jié)構(gòu)。高斯金字塔中多張圖像合稱為一組(octave),組內(nèi)的每一張圖像稱為一層(interval),第1組的第1層圖像為原圖像,上一組圖像的第1幅圖像是由前一組圖像的倒數(shù)第3張圖像降采樣得到,組內(nèi)的多張圖像通過高斯卷積得到,即利用高斯函數(shù)與圖像進行卷積,如(1)式所示,這樣就可以構(gòu)建出高斯金字塔,如圖2所示。

        (1)式中:*表示卷積操作;σ為尺度因子;(x,y)代表圖像上的點;I(x,y)為輸入圖像;L(x,y,σ)表示在尺度因子σ下的圖像;G(x,y,σ)表示高斯函數(shù),其具體定義為

        σ越小,對應(yīng)的是圖像的細(xì)節(jié)特征,σ越大,對應(yīng)的是圖像的概貌特征,σ按照與常數(shù)因子k的積進行變化,其中,k=21/s,s是每一組的總層數(shù)。

        圖2 高斯金字塔Fig.2 Gauss pyramid

        2.2.2 具有尺度不變性的Harris角點檢測

        多尺度Harris角點檢測方法首先通過上述方法建立影像的多尺度圖像及其相互關(guān)系,接著采用Harris算子對每一個尺度圖像進行角點檢測。在尺度為σi的圖像上,特征點的響應(yīng)函數(shù)R(σi)定義為

        步驟1 采用(1)式建立參考影像和待配準(zhǔn)影像的多尺度圖像。

        步驟2 采用(3)式計算出尺度為的圖像上的Harris角點。

        步驟3 在尺度空間中,濾除偽角點。即比較當(dāng)前尺度與小一尺度的影像上是否均存在該角點,如果存在,則保留此點;否則,刪除此點。

        2.3 SIFT特征描述符描述Harris角點

        為保證特征點的旋轉(zhuǎn)不變性,采用SIFT特征描述符對Harris角點進行描述。首先根據(jù)(4)式和(5)式,計算每一個尺度空間中像素點(x,y)的梯度模值 m(x,y)和方向 θ(x,y)分別為

        計算以角點為中心的采樣窗口的梯度方向直方圖,選取直方圖的峰值為該角點的方向,在對角點進行描述之前,將坐標(biāo)軸旋轉(zhuǎn)為角點的方向,這樣,就可以達到旋轉(zhuǎn)不變性。接著選取以角點為中心的N×N的采樣窗口,將該窗口劃分為n×n的(N/n)2個小窗口,計算第1個小窗口8個方向(00,450,900,…,3600)的梯度直方圖,得到8個梯度值,按照方向排序后,8個梯度值作為該角點特征向量的第1到第8個元素;然后計算第2個小窗口8個方向的梯度值,按照方向排序后作為第9到16個元素;依次下去(N/n)2個小窗口就構(gòu)成了(N/n)2×8維的特征向量,一般N=16,n=4,則形成了128維的向量。

        2.4 區(qū)域匹配策略

        經(jīng)典的SIFT特征匹配算法采用的是歐式距離法,利用待配準(zhǔn)影像與參考影像的最近鄰特征點和次近鄰特征點的距離比值是否超過一定的閾值來確定最終的控制點對,SIFT算法中,閾值取值0.8。在計算時,需要遍歷整幅圖像的特征點,而正確的控制點對一定會存在于相同的地理區(qū)域范圍中,為減少遍歷影像所有特征點的計算量,本文采用區(qū)域匹配策略,局部搜索參考影像與待配準(zhǔn)影像中的特征點。具體步驟如下。

        步驟1 將特征點的搜索范圍限定在對應(yīng)的區(qū)域塊中,即 Ri和 Qi。

        步驟2 計算Ri區(qū)域中每個特征點到Qi區(qū)域中所有特征點的最近鄰和次近鄰比值Di,其中,最近鄰表示特征向量間歐式距離的最小值,次近鄰表示特征向量間歐式距離的次小值。

        步驟3 若Di小于某個閾值,則接受所對應(yīng)的匹配點對作為控制點對,其中,閾值取值為0.4~0.8,閾值越小,提取的控制點對數(shù)目越少,但更加穩(wěn)定。

        3 實驗與分析

        多數(shù)文獻通過目視的方式給出配準(zhǔn)前后的遙感影像對比圖,如文獻[5-6],本文則重點對配準(zhǔn)過程中的控制點提取方面進行實驗,分別利用文獻[4]中的算法與本文提出的改進方法HSIFT對低、中分辨率2組遙感影像進行控制點對提取實驗,并分析比較結(jié)果。實驗環(huán)境如下:Microsoft Visual Studio 2010,Intel(R)Pentium(R)CPU 1.87 GHz,內(nèi)存大小2.00 GByte,Windows 7旗艦版。表1和表2中選取最近鄰和次近鄰的比值小于0.7,所對應(yīng)的特征點對為匹配點對,若出現(xiàn)重復(fù)匹配、多對一匹配,則是誤匹配,否則,是正確的匹配,匹配率為正確匹配點總數(shù)與匹配點總數(shù)的比值。

        表1 HSIFT與文獻[4]算法匹配結(jié)果對比Tab.1 Comparison of registration results between HSIFT and algorithm in reference[4]for low resolution remote sensing image

        表2 HSIFT與文獻[4]算法匹配結(jié)果對比Tab.2 Comparison of registration results between HSIFT and algorithm in reference[4]for medium resolution remote sensing image

        3.1 低分辨率遙感影像

        低分辨率遙感影像選用分辨率為1 km的AVHRR,MODIS影像。參考影像為MODIS的第1波段影像,待配準(zhǔn)影像是AVHRR的第1波段影像,兩者像素大小均為860×666,采用文獻[4]算法和HSIFT方法進行控制點對提取的結(jié)果分別如圖3,圖4所示,圖3左影像特征點總數(shù)為30個,右影像特征點總數(shù)為19個,圖4左影像特征點總數(shù)為279個,右影像特征點總數(shù)為170個,實驗結(jié)果如表1所示。

        圖3 低分辨率遙感影像采用文獻[4]算法的控制點對提取結(jié)果Fig.3 Control point pair extraction results of algorithm in reference[4]for low resolution remote sensing image

        圖4 低分辨率遙感影像采用HSIFT方法的控制點對提取結(jié)果Fig.4 Control point pair extraction results of HSIFT for low resolution remote sensing image

        3.2 中分辨率遙感影像

        中分辨率影像來自于網(wǎng)址http://ids.ceode.ac.cn/query.html,參考影像為LANDSAT-5衛(wèi)星于2008年10月7日拍攝的分辨率為30 m,像素大小為545×519的中分辨率影像,待配準(zhǔn)影像為LANDSAT-5衛(wèi)星于2009年1月27日拍攝的分辨率為30 m,像素大小為548×520的中分辨率影像,分別用文獻[4]算法和HSIFT方法對圖像進行配準(zhǔn)處理,結(jié)果如圖5、圖6和表2所示。圖5左影像特征點總數(shù)為96個,右影像特征點總數(shù)為46個,圖6左影像特征點總數(shù)為1 637個,右影像特征點總數(shù)為1 877個。

        結(jié)合上述2組圖表可以看出,利用HSIFT方法進行中低分辨率遙感影像配準(zhǔn)過程中控制點對的提取要優(yōu)于文獻[4]的算法,HSIFT不僅能得到更多的均勻分布的控制點對,也有較高的匹配率。

        圖5 中分辨率遙感影像采用文獻[4]算法的控制點對提取結(jié)果Fig.5 Control point pair extraction result of algorithm in reference[4]formedium resolution remote sensing image

        圖6 中分辨率遙感影像采用HSTFT方法的控制點對提取結(jié)果Fig.6 Control point pair extraction result of HSTFT formedium resolution remote sensing image

        4 結(jié)束語

        本文結(jié)合SIFT和Harris算子,分析中低分辨率遙感影像控制點對自動提取方法。該方法將參考影像與待配準(zhǔn)影像的公共區(qū)域進行網(wǎng)格劃分,這有利于減少特征點匹配時的計算量,且使得控制點能夠均勻分布。該方法同時引入多尺度空間理論的Harris檢測角點方法檢測角點,用SIFT特征描述方法對檢測出的Harris角點進行特征描述,這不僅能從中低空間分辨率的遙感影像中提取出足量的特征點數(shù),并且能保證特征點的尺度、旋轉(zhuǎn)不變性。通過HSIFT方法能夠獲取到分布均勻、精度高的控制點對,有利于后續(xù)配準(zhǔn)處理。

        [1]蘇清賀,程紅,孫文邦.遙感圖像配準(zhǔn)方法研究—綜述[J].紅外,2010,31(10):1-6.

        SU Qinghe,CHENG Hong,SUN Wenbang.Overview of remote sensing image registration methods[J].Infrared Technology,2010,31(10):1-6.

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

        [3]MIKOLAJCZYK K,SCHMID C.A performance evaluation of local descriptors[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2005,27(10):1615-1630.

        [4]李曉明,鄭鏈,胡占義.基于SIFT特征的遙感影像自動配準(zhǔn)[J]. 遙感學(xué)報,2006,10(6):885-892.

        LIXiaoming,ZHENG Lian,HU Zhanyi.SIFT based automatic registration of remotely-sensed imagery[J].Journal of Remote Sensing,2006,10(6):885-892.

        [5]劉毅.基于一致性隨機采樣的圖像特征匹配魯棒確認(rèn)[J].重慶郵電大學(xué)學(xué)報:自然科學(xué)版,2010,22(3):381-385.

        LIU Yi.Robust verification for image feature matching based on RANSAC[J].Journal of Chongqing University of Posts and Telecommunications:Natural Science Edition,2009,32(6):50-53.

        [6]倪希亮,丁琳,江濤,等.應(yīng)用不變特征獲取均勻控制點的遙感影像配準(zhǔn)算法[J].測繪科學(xué),2011,36(2):70-72.

        NIXiliang,Ding Lin,JIANG Tao,et al.A remote sensing image registration algorithm by obtaining uniform control points based on invariant feature[J].Science of Surveying and Mapping,2011,36(2):70-72.

        [7]韓舸,牛瑞卿.利用SIFT和靜態(tài)小波變換的遙感影像配準(zhǔn)方法[J].測繪科學(xué),2012,37(5):61-64.

        HAN Ge,NIU Ruiqing.An image registration method based on SIFT and SWT[J].Science of Surveying and Mapping,2012,37(5):61-64.

        [8]HARRISChris,STEPHENSMike.A combined corner and edge detector[C]//Manchester:Proceedings of the 4th Alvey Vision Conference.[s.l.]:[s.n.],1988:147-151.

        [9]LINDEBERG T.Scale space theory:a basic tool for analyzing structures at different scales[J].Journal of Applied Statistics,1994,21:224-270.

        (編輯:田海江)

        猜你喜歡
        特征區(qū)域方法
        如何表達“特征”
        不忠誠的四個特征
        抓住特征巧觀察
        可能是方法不對
        關(guān)于四色猜想
        分區(qū)域
        用對方法才能瘦
        Coco薇(2016年2期)2016-03-22 02:42:52
        四大方法 教你不再“坐以待病”!
        Coco薇(2015年1期)2015-08-13 02:47:34
        捕魚
        基于嚴(yán)重區(qū)域的多PCC點暫降頻次估計
        電測與儀表(2015年5期)2015-04-09 11:30:52
        精品国模一区二区三区| 男生自撸视频在线观看| 91色区在线免费观看国产 | 寂寞少妇做spa按摩无码| 欧美性猛交xxxx乱大交丰满| 99久久精品午夜一区二区| 国产亚洲视频在线观看网址| 亚洲AⅤ樱花无码| 国产亚洲一区二区精品| 人妻久久一区二区三区| 欧美最猛黑人xxxx黑人猛交| 久久精品国产久精国产| 台湾佬综合网| 亚洲片在线视频| 日本av不卡一区二区三区| 国产精品国产三级国产密月| 亚洲午夜福利在线视频| 国产尻逼视频| 亚洲黄片av在线免费观看| 男人天堂这里只有精品| 亚洲免费网站观看视频| 女的把腿张开男的猛戳出浆| 白浆高潮国产免费一区二区三区 | 精品亚洲国产成人| 在线播放国产一区二区三区| 日本一区二区三区啪啪| 丰满人妻一区二区三区52| 色综合天天综合欧美综合| 久久久久久久综合综合狠狠| 日韩精品成人一区二区三区| 中文字幕人成人乱码亚洲| 在线观看av不卡 一区二区三区| 精品+无码+在线观看| 日本三级欧美三级人妇视频| 国产精品毛片99久久久久| 日本一区二区在线免费看| 精品无码国产一区二区三区av| 午夜婷婷国产麻豆精品| 91中文字幕精品一区二区| 久久婷婷五月综合97色直播| 亚洲av久久无码精品九九|