一种多/高光谱图像与LiDAR点云空间配准及性能评估方法，本发明专利技术用于数字图像处理领域。本发明专利技术的目的是为了解决现有多/高光谱图像与LiDAR点云配准方法配准精度低的问题。过程为：步骤一：分别对多/高光谱图像和激光雷达数据进行预处理；步骤二：采用基于多波段联合优化的非参数图像配准方法对所有波段多/高光谱图像与点云栅格图像同时进行配准；步骤三、对步骤二获得的配准结果进行性能评估。本发明专利技术实现了利用多/高光谱图像不同波段影像之间相互关联的特性，建立了多波段多/高光谱图像与LiDAR点云的多波段联合配准框架，提升了多/高光谱图像与LiDAR点云的配准精度。光谱图像与LiDAR点云的配准精度。光谱图像与LiDAR点云的配准精度。
【技术实现步骤摘要】
一种多/高光谱图像与LiDAR点云空间配准及性能评估方法
[0001]本专利技术属于数字图像处理领域，涉及多/高光谱图像与LiDAR点云空间配准，具体的说是一种优化多/高光谱图像与LiDAR点云配准效果的方法。
技术介绍
[0002]图像配准(Image Registration)是指在不同时段，对同一场景从不同视角使用相同或不同的传感器拍摄的有重叠区域的图像进行几何或者空间对准的过程。图像配准技术近年来迅猛发展，广泛用于医学、遥感、计算机视觉等领域。其同时也是图像融合、拼接和镶嵌必不可少的步骤。
[0003]在遥感勘测领域中，常用到多光谱图像(Multispectral Images)或者高光谱图像(Hyperspectral Images)来进行数据的处理和分析。所谓的多/高光谱图像，就是在光谱维度上进行了较细致的分割。多/高光谱图像不仅包含图像信息，而且其在光谱域上进行展开。因而多/高光谱图像不仅可得到图像上每个点的光谱数据，而且还包含任意一个谱段的影像信息。
[0004]激光雷达(LiDAR，Light Detection And Ranging)是一种集激光、全球定位系统(GPS，Global Position System)和惯性测量单元(IMU，Inertial Measurement Unit)三种技术于一身的系统，其主要是发射单波段激光束，根据回波信息，生成精确的点云(Point Cloud)数据以及数字高程模型(DEM，Digital Elevation Model)等衍生数据。相较于其他遥感手段，LiDAR技术是遥感
的一场革命。其不仅拥有高空间分辨率，可精确到厘米级，而且还具有快速获取信息的能力。目前LiDAR主要应用于基础测绘、城市三维建模和林业应用、铁路、电力等。
[0005]由上述可知，多/高光谱图像能够提供地物对象丰富的光谱和纹理信息，而LiDAR点云则能够提供观测对象精确的空间三维信息。因此融合这两种数据，生成三维光谱影像，就能够结合这两种数据源的优点，提高地物目标识别解译的可靠性和测量精度，也为更进一步的地物分类和地物提取提供更为精确的原始数据。而在融合这两种数据之前，首先要对这两种数据进行精确的空间配准。但两种数据由于数据的特性，采集方式、时间、环境条件等不同，导致多/高光谱图像与LiDAR点云间存在很大差别，为两种数据的空间配准提出一定挑战。
[0006]现有的多/高光谱图像与LiDAR点云配准方法主要为选取多/高光谱图像中某一波段的影像与LiDAR点云进行配准，但该种方法忽略了多/高光谱图像间相关互补的特性，造成了光谱数据的浪费；如果将该特性利用到多/高光谱图像与LiDAR点云的配准之中，理论上可提升配准效果。
[0007]本专利技术旨在实现一种利用多/高光谱图像中各波段间互补特性将多/高光谱图像与LiDAR点云精确空间配准的新方法，即一种基于多波段联合优化的多/高光谱图像与LiDAR点云空间配准方法。
技术实现思路
[0008]本专利技术的目的是为了解决现有多/高光谱图像与LiDAR点云配准方法配准精度低的问题，而提出一种多/高光谱图像与LiDAR点云空间配准及性能评估方法。
[0009]一种多/高光谱图像与LiDAR点云空间配准及性能评估方法具体过程为：
[0010]步骤一：分别对多/高光谱图像和激光雷达数据进行预处理；
[0011]步骤二：采用基于多波段联合优化的非参数图像配准方法对所有波段多/高光谱图像与点云栅格图像同时进行配准；
[0012]步骤三、对步骤二获得的配准结果进行性能评估。
[0013]本专利技术的有益效果为：
[0014]本专利技术旨在实现不同采集条件下获得的多/高光谱图像与LiDAR点云的精确空间配准；
[0015]本专利技术实现了利用多/高光谱图像不同波段影像之间相互关联的特性，建立了多波段多/高光谱图像与LiDAR点云的多波段联合配准框架，提升了多/高光谱图像与LiDAR点云的配准精度。
附图说明：
[0016]图1为本专利技术的实现流程示意图；
[0017]图2a为本专利技术验证实验所截取区域多光谱图像T1图；图2b为本专利技术验证实验所截取区域多光谱图像T2图；图2c为本专利技术验证实验所截取区域多光谱图像T3图；图2d为本专利技术验证实验所截取区域多光谱图像T4图；图2e为本专利技术验证实验所截取区域多光谱图像T5图；图2f为本专利技术验证实验所截取区域多光谱图像T6图；图2g为本专利技术验证实验所截取区域多光谱图像T7图；图2h为本专利技术验证实验所截取区域多光谱图像T8图；
[0018]图3a为本专利技术验证实验截取区域点云数据图；图3b为本专利技术验证实验截取区域点云栅格图像数据R图；
[0019]图4a为对T8采用配准方法PIR进行配准后得到的结果图(在PIR中采用T1作为基准模板图像)；图4b为对T8采用配准方法NPIR进行配准后得到的结果图(在NPIR中采用T1作为基准模板图像)；图4c为对T8采用配准方法JPIR进行配准后得到的结果图；图4d为对T8分别四种配准方法JNPIR进行配准后得到的结果图；由目视分析可知，JNPIR的配准结果与LiDAR点云栅格图像最为接近，有最好的配准效果；
[0020]图5a为T8与R初始差值图；图5b为对T8采用配准方法PIR得到的配准后差值图(在PIR中采用T1作为基准模板图像)；图5c为对T8采用配准方法NPIR得到的配准后差值图(在NPIR中采用T1作为基准模板图像)；图5d为对T8采用配准方法JPIR得到的配准后差值图；图5e为对T8采用配准方法JNPIR得到的配准后差值图；由目视分析可知，JNPIR的配准结果与LiDAR点云栅格图像的差别最小，有最好的配准效果；
[0021]图6a1为采用NPIR对所有波段的多光谱图像T1与点云栅格图像进行配准得到的结果图；图6a2为采用NPIR对所有波段的多光谱图像T2与点云栅格图像进行配准得到的结果图；图6a3为采用NPIR对所有波段的多光谱图像T3与点云栅格图像进行配准得到的结果图；图6a4为采用NPIR对所有波段的多光谱图像T4与点云栅格图像进行配准得到的结果图；图6a5为采用NPIR对所有波段的多光谱图像T5与点云栅格图像进行配准得到的结果图；图6a6
为采用NPIR对所有波段的多光谱图像T6与点云栅格图像进行配准得到的结果图；图6a7为采用NPIR对所有波段的多光谱图像T7与点云栅格图像进行配准得到的结果图；图6a8为采用NPIR对所有波段的多光谱图像T8与点云栅格图像进行配准得到的结果图；在NPIR中采用T4作为基准模板图像；
[0022]图6b1为采用JNPIR对所有波段的多光谱图像T1与点云栅格图像进行配准得到的结果图；图6b2为采用JNPIR对所有波段的多光谱图像T2与点云栅格图像进行配准得到的结果图；图6b3为采用JNPIR对所有波段的多光谱图像T3与点云栅格图像进行配准得到的结果图；图6b4为采用JNPIR对所有波段的多光谱图像T4与点云栅本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多/高光谱图像与LiDAR点云空间配准及性能评估方法，其特征在于：所述方法具体过程为：步骤一：分别对多/高光谱图像和激光雷达数据进行预处理；步骤二：采用基于多波段联合优化的非参数图像配准方法对所有波段多/高光谱图像与点云栅格图像同时进行配准；步骤三、对步骤二获得的配准结果进行性能评估。2.根据权利要求1所述一种多/高光谱图像与LiDAR点云空间配准及性能评估方法，其特征在于：所述步骤一中分别对多/高光谱图像和激光雷达数据进行预处理；具体过程为：对多/高光谱图像进行辐射校正、正射校正，得到校正后的多/高光谱图像；对激光雷达数据进行滤波处理，以及栅格化得到点云强度栅格图像；将校正后的多/高光谱图像和点云强度栅格图像的强度值映射至0
‑
255；记校正后的多/高光谱图像分辨率为res1，点云强度栅格图像分辨率为res2，且有res1＜res2；对校正后的多/高光谱图像进行插值处理使校正后的多/高光谱图像分辨率res1与点云强度栅格图像分辨率res2相等；设置2
‑
D网格Ω，网格长为a，宽为b，网格大小为a
×
b，网格中每一格代表一个像素，网格中每一格的分辨率为res2；以网格Ω对校正后的多/高光谱图像进行采样，并将采样结果记为模板图像T
n
(n＝1,2,...,N)；其中，N为校正后的多/高光谱图像总的波段数，n代表第n个波段；以网格Ω对点云强度栅格图像进行采样，并将采样结果记为参考图像R；因均以Ω进行采样，故R与T
n
尺寸相同；将R与T
n
上某一点x赋值为灰度值R(x)以及T
n
(x)。3.根据权利要求2所述一种多/高光谱图像与LiDAR点云空间配准及性能评估方法，其特征在于：所述插值处理采用两点样条插值，设(x,y)为待求像素坐标，离(x,y)最近的一点为(i,j)；设在此坐标平面上，点(x,y)的灰度值为f(x,y)；插值处理结果f(x,y)的求解过程为：定义插值函数S(a)如下：式中，a为插值函数的距离变量；设点(x,y)的灰度值f(x,y)由下式求得：式中，(i,j)是待插值图像中离(x,y)最近的一点的坐标，u为x
‑
i，即为x方向距离差，v为y
‑
j，即为y方向距离差；A为y方向插值系数矩阵，B为待插值图像中点(i,j)附近的像素值矩阵；C为x方向插值系数矩阵。
4.根据权利要求3所述一种多/高光谱图像与LiDAR点云空间配准及性能评估方法，其特征在于：所述特征在于：所述特征在于：所述式中，S(v)是将y方向距离v带入插值函数S(a)得到的插值权重；S(u)是将x方向距离u带入插值函数S(a)得到的插值权重；f(i,j)是待插值图像中点(i,j)的像素值。5.根据权利要求4所述一种多/高光谱图像与LiDAR点云空间配准及性能评估方法，其特征在于：所述步骤二中采用基于多波段联合优化的非参数图像配准方法对所有波段多/高光谱图像与点云栅格图像同时进行配准；具体过程为：步骤二一、建立多波段联合优化的非参数图像配准的目标函数，对所有波段多/高光谱图像与点云栅格图像R进行基于多波段联合优化的非参数图像配准，配准过程建模为优化如下目标函数：如下目标函数：α＞0式中，为基于多波段联合优化的非参数图像配准目标函数；M为总波段数，T
m
为第m波段的多/高光谱模板图像；β
m
为第m个波段目标函数的加权系数；D
m
为第m个波段多/高光谱模板图像T
m
与点云强度栅格图像R的相似性度量；为正则项；α为惩罚参数；步骤二二、采用优化算法对目标函数进行优化得到全局极小值，记作将作用到所有波段的多/高光谱图像上，实现多/高光谱模板图...
【专利技术属性】
技术研发人员：谷延锋，王晨，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。