一种鲁棒SURF无人机彩色遥感图像配准方法技术

本发明专利技术涉及一种鲁棒SURF无人机彩色遥感图像配准方法，即在特征点描述阶段，对特征点自身进行颜色空间变换，得到特征点自身的彩色信息，随后在描述算子中进行表述。匹配效果良好，图像没有出现交叉线。

【技术实现步骤摘要】
一种鲁棒SURF无人机彩色遥感图像配准方法
本专利技术涉及无人机像配准技术，尤其是一种遥感图像配准方法。
技术介绍
SURF(SpeededUpRobustFeatures)算法是一种具有鲁棒性的局部特征检测算法，该算法不仅具有重复性高的检测器和可区分性强的描述符，此外具有很强的鲁棒性及较高的运算速度；在精度上能达到亚像素级别，且在尺度缩放、亮度变化、旋转、遮挡和噪声等情况下均能保证从图像中提取出的特征描述子具有良好不变性，目前该算法已被广泛应用于图像配准技术中。但由于无人机遥感图像像幅小、数量多，对于配准精度的要求极其苛刻。如何增强彩色图像特征点显著性，从而进一步提高配准精度，尤其是特征相似度较高的彩色遥感图像精确配准一直是亟待解决的难题。一些研究人员提出了将RGB分量的强度归一化后再用SURF算法来处理彩色遥感图像的方法和基于SURF的颜色不变特征的方法，但第一种方法在描述色彩不变特征时有局限性，无法对彩色信息进行充分利用，第二种方法耗时较长，实时性差，均不能满足实际要求。
技术实现思路
要解决的技术问题本专利技术针对无人机彩色遥感图像使用SURF算法配准时仅利用图像亮度信息忽视彩色信息使得配准精度降低的问题，提出一种鲁棒SURF无人机彩色遥感图像配准方法。技术方案一种鲁棒SURF无人机彩色遥感图像配准方法，其特征在于步骤如下：步骤1：对获取的无人机彩色遥感参考图像image1、待配准图像image2进行灰度处理变为灰度图像，对灰度图像进行高斯平滑处理完成尺度空间构建，采用特征检测算子Hessian矩阵的行列式进行特征点提取，获取image1、image2的所有特征点分别记为目标集{pi},i＝1,2,……,n和基准集{qj},j＝1,2,……,m；步骤2：对于得到的目标集{pi}和基准集{qj}，以每个特征点为中心确定边长为20s的正方形区域，其中s表示不同尺度空间下的采样间隔，将其周围邻域信息分成4×4个子区域，每个小区域又分为5×5个采样点，最后用Harr小波计算每个小区域垂直和水平方向的响应及模值dx,|dx|,dy,|dy|，并统计5×5个采样点的总响应∑dx,∑|dx|,∑dy,∑|dy|，可得到特征点的64维SURF特征描述符：V＝(∑dx,∑|dx|,∑dy,∑|dy|)则特征点的SURF描述符在水平或垂直方向上定义为：Vgray＝(V1,V2,V3,V4,...,V16)其中，Vi,i＝1,2,3,...,15,16表示16个子区域所对应的描述向量；由此可得目标集{pi}和基准集{qj}中所有的特征点的64维SURF特征描述符；步骤3：对于坐标为(x,y)特征点，其在RGB颜色空间表示为R(x,y)、G(x,y)、B(x,y)，将其进行颜色空间转换，转换到YIQ颜色空间为Y(x,y)、I(x,y)、Q(x,y)；RGB颜色空间变换到YIQ颜色空间表示为：将其增加到原始算法描述符中，得到新的彩色描述符如下：对上式进行归一化处理：其中ik,k＝1,2,3,...,63,64代表经典SURF算法中特征点的64维描述向量；由此可得目标集{pi}和基准集{qj}中各个特征点的67维描述向量；步骤4：特征点双向匹配步骤4a：使用欧氏距离公式计算参考图像image1中的特征点p1在image1中正向的最近欧式距离dnt和次近欧式距离dsnt；使用欧氏距离公式计算参考图像image1中的特征点p1在image2中正向的最近欧式距离d1nt和次近欧式距离d1snt的特征点分别为p2nt和p2snt；步骤4b：计算最近距离d1nt和次最近距离d1snt的比率T1，即将T1与判断阈值T进行比较：如果T1<T，随之进行步骤4c，否则，自动跳出；步骤4c：对于p2nt对应特征点，使用欧氏距离公式计算在image1中反向的最近距离d2nt和次最近距离d2snt的特征点分别为p1nt和p1snt；步骤4d：计算最近距离和次最近距离的比率T2将T1与判断阈值T进行比较：如果T2<T，同时p1nt所寻找的特征点和原始特征点p1是同一个特征点，则认为是正确匹配点对，否则返回步骤4a对参考图像image1中的其它特征点进行新的特征点判断；依次遍历参考图像目标集中所有特征点，最终实现双向匹配提纯；步骤5：采用RANSAC算法实现变换矩阵参数求取步骤5a：寻找步骤4完成后的双向匹配提纯后的特征点对mi'←→mi，i＝1,2,......n；步骤5b：从匹配点对集合中，任意选取4对匹配点对，使用这4对匹配点对的坐标值，求得变换矩阵H；步骤5c：以欧氏距离为依据，在匹配点对集合中寻找符合d(Himi,mi')<t条件的点对，其中，Himi表示对image2中特征点进行矩阵变换映射到image1中的位置坐标，mi'表示mi在image1中对应特征点的位置坐标，d(Himi,mi')表示两个坐标向量的欧氏距离，将符合条件的点对作为最终的内点，并记录满足Hi约束的内点数量；步骤5d：重复5b和5c两步n次，记录每一次的内点数量；步骤5e：选取对应内点数量最大的Hbest，寻找所有符合d(Hbestmi,mi')<t条件的匹配点对，将它们作为最终的内点，即正确的匹配点对，不符合d(Hbestmi,mi')<t条件的错误匹配点对，即为外点，予以剔除；步骤5f：根据随机抽样一致性算法求得N个匹配点对，对这个2N个由x1,y1,x2,y2所构成的矩阵进行标记，记作A，对其进行SVD奇异值分解得A＝UDVT，U和V中分别是A的奇异向量，D为对角线上的奇异值按降序排列，V的最后一列重构为3*3矩阵即为所求的透视变换矩阵参数估计；步骤6：双三次插值实现配准若参考图像image1上任意一点坐标为(x,y)，其灰度值为g(x,y)，该点在待配准图像image2上的对应点坐标为(u,v)，其灰度值为f(u,v)，[·]表示取整数，待配准图像中对应点4*4邻域内16个像素点组成的矩阵为B：矩阵B中元素中函数f(u+i,v+j),i＝-1,0,1,2；j＝-1,0,1,2,定义为在待配准图像上的对应点坐标为(u+i,v+j)时的灰度值；则参考图像中待插值点的灰度值计算公式如下：g(x,y)＝f(u,v)＝ABC其中：s(w)为双三次插值的基函数，是对sin(x*π)/x的逼近，通过双三次插值，将image2图像插值到参考图像image1中，实现最终的高精度配准。所述的步骤4b中的判断阈值T为0.4-0.8。所述的步骤5c中的t选取4。所述的步骤5d中的100≤n≤200。有益效果本专利技术提出的一种鲁棒SURF无人机彩色遥感图像配准方法，即在特征点描述阶段，对特征点自身进行颜色空间变换，得到特征点自身的彩色信息，随后在描述算子中进行表述。匹配效果良好，图像没有出现交叉线。附图说明图1为本专利技术无人机彩色遥感图像image1和image2，其中图1(a)为参考图像image1，图1(b)为待配准图像image2。图2为原SURF算法的配准结果。图3为本专利技术一种鲁棒的SURF配准结果。具体实施方式现结合实施例、附图对本专利技术作进一步描述：由于RGB颜色空间的分量与明亮程度关系紧密，而通常采集到的彩色遥感图像对亮度过于敏感，所以RGB颜本文档来自技高网...

【技术保护点】
一种鲁棒SURF无人机彩色遥感图像配准方法，其特征在于步骤如下：步骤1：对获取的无人机彩色遥感参考图像image1、待配准图像image2进行灰度处理变为灰度图像，对灰度图像进行高斯平滑处理完成尺度空间构建，采用特征检测算子Hessian矩阵的行列式进行特征点提取，获取image1、image2的所有特征点分别记为目标集{pi},i＝1,2,……,n和基准集{qj},j＝1,2,……,m；步骤2：对于得到的目标集{pi}和基准集{qj}，以每个特征点为中心确定边长为20s的正方形区域，其中s表示不同尺度空间下的采样间隔，将其周围邻域信息分成4×4个子区域，每个小区域又分为5×5个采样点，最后用Harr小波计算每个小区域垂直和水平方向的响应及模值dx,|dx|,dy,|dy|，并统计5×5个采样点的总响应Σdx,∑|dx|,∑dy,∑|dy|，可得到特征点的64维SURF特征描述符：V＝(∑dx,∑|dx|,∑dy,∑|dy|)则特征点的SURF描述符在水平或垂直方向上定义为：Vgray＝(V1,V2,V3,V4,...,V16)其中，Vi,i＝1,2,3,...,15,16表示16个子区域所对应的描述向量；由此可得目标集{pi}和基准集{qj}中所有的特征点的64维SURF特征描述符；步骤3：对于坐标为(x,y)特征点，其在RGB颜色空间表示为R(x,y)、G(x,y)、B(x,y)，将其进行颜色空间转换，转换到YIQ颜色空间为Y(x,y)、I(x,y)、Q(x,y)；RGB颜色空间变换到YIQ颜色空间表示为：...

【技术特征摘要】
1.一种鲁棒SURF无人机彩色遥感图像配准方法，其特征在于步骤如下：步骤1：对获取的无人机彩色遥感参考图像image1、待配准图像image2进行灰度处理变为灰度图像，对灰度图像进行高斯平滑处理完成尺度空间构建，采用特征检测算子Hessian矩阵的行列式进行特征点提取，获取image1、image2的所有特征点分别记为目标集{pi},i＝1,2,……,n和基准集{qj},j＝1,2,……,m；步骤2：对于得到的目标集{pi}和基准集{qj}，以每个特征点为中心确定边长为20s的正方形区域，其中s表示不同尺度空间下的采样间隔，将其周围邻域信息分成4×4个子区域，每个小区域又分为5×5个采样点，最后用Harr小波计算每个小区域垂直和水平方向的响应及模值dx,|dx|,dy,|dy|，并统计5×5个采样点的总响应Σdx,∑|dx|,∑dy,∑|dy|，可得到特征点的64维SURF特征描述符：V＝(∑dx,∑|dx|,∑dy,∑|dy|)则特征点的SURF描述符在水平或垂直方向上定义为：Vgray＝(V1,V2,V3,V4,...,V16)其中，Vi,i＝1,2,3,...,15,16表示16个子区域所对应的描述向量；由此可得目标集{pi}和基准集{qj}中所有的特征点的64维SURF特征描述符；步骤3：对于坐标为(x,y)特征点，其在RGB颜色空间表示为R(x,y)、G(x,y)、B(x,y)，将其进行颜色空间转换，转换到YIQ颜色空间为Y(x,y)、I(x,y)、Q(x,y)；RGB颜色空间变换到YIQ颜色空间表示为：将其增加到原始算法描述符中，得到新的彩色描述符如下：对上式进行归一化处理：其中ik,k＝1,2,3,...,63,64代表经典SURF算法中特征点的64维描述向量；由此可得目标集{pi}和基准集{qj}中各个特征点的67维描述向量；步骤4：特征点双向匹配步骤4a：使用欧氏距离公式计算参考图像image1中的特征点p1在image1中正向的最近欧式距离dnt和次近欧式距离dsnt；使用欧氏距离公式计算参考图像image1中的特征点p1在image2中正向的最近欧式距离d1nt和次近欧式距离d1snt的特征点分别为p2nt和p2snt；步骤4b：计算最近距离d1nt和次最近距离d1snt的比率T1，即将T1与判断阈值T进行比较：如果T1＜T，随之进行步骤4c，否则，自动跳出；步骤4c：对于p2nt对应特征点，使用欧氏距离公式计算在image1中反向的最近距离d2nt和次最近距离d2snt的特征点分别为p1nt和p1snt；步骤4d：计算最近距离和次最近距离的比率T2将T1与判断阈值T进行比较：如果T2＜T，同时p1nt所寻找的特征点和原始特征点p1是同一个特征点，则认为是正确匹配点对，否则返回步骤4a对参考图像image1中的其它特征点进行新的特征点判断；依次遍历参考图像目标集中所有特征点，最终实现双向匹配提纯；步骤5：采用RANSAC算法实现变换矩阵参数求取步骤5a：寻找步骤4完成后的双向匹配提纯后的特征点对mi'←→mi，i＝1,2,......n；步骤5b：从匹配点对集合中...

【专利技术属性】
技术研发人员：王保平，戈艺萌，张飞，顾漪，张修飞，其他发明人请求不公开姓名，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61