基于空间综合互信息的多时空谱遥感影像自动配准方法技术

本发明专利技术属于计算机图像处理和遥感技术领域，涉及一种基于空间综合互信息的多时空谱遥感影像自动配准方法。其包括如下步骤：利用配准变换参数对待配准影像进行映射；提取参考影像和映射后的待配准影像的边缘信息，通过边缘信息计算特征要素的空间位置信息；计算参考影像和映射后待配准影像之间的灰度相似性指数；构造空间综合互信息指数,其为灰度相似性指数与空间位置信息的乘积，其中空间位置信息和灰度相似性指数均为配准变换参数的目标函数；利用优化算法搜索最佳配准变换参数；利用最佳配准变换参数对待配准影像进行配准。本发明专利技术构造空间综合互信息作为相似性指数，实现多源遥感影像之间高精度、高鲁棒性、高性能的自动配准。

【技术实现步骤摘要】

本专利技术属于计算机图像处理和遥感
，涉及ー种。
技术介绍
图像配准相似性指数用于评价參考影像与变换后的待配准影像之间的重合程度，当两幅影像完全配准时，相似性指数应该达到最大值。由于相似性指数是配准变换參数的函数，因此，寻找最佳的配准參数就等价于ー个函数优化的问题，相似性指数的优劣决定了自动配准模型的鲁棒性和精度。现有技术中，数字图像配准算法可以分为两种基于灰度信息的配准和基于特征要素的配准。前者直接从原始影像中计算相似性，并寻找最优配准变换；而后者则先从影·像中提取特征要素，然后根据这些特征要素的相似性来估计最优变换。基于特征要素的影像配准中，常用的要素有点要素、线要素、和面要素，特征要素可以通过Harris拐点提取算子、Canny边缘提取算子、图像分割和相位一致模型等方法获得。对于特征要素匹配方法，即使不对变换參数的初始搜索范围进行限定，也可以快速地较优的配准变换。然而，在对多源异质的遥感影像进行配准时，很难把不同的成像机制、成像条件考虑进去，从而难以提取可靠的控制点，配准精度难以保证。基于灰度信息的配准方法，直接使用原始影像的灰度信息来计算变换后两幅影像之间的相似程度。这种相似程度可以通过各种相似性指数来刻画，如交叉相关性指数、相位相关性指数和互信息等。现有技术中一般认为互信息作为ー种基于灰度信息的相似性指数，可以实现多源、多光谱、多时相遥感影像的亚像元精度配准。由于互信息作为ー种基于灰度信息的配准相似性指数，可以判断两个非线性相关随机变量的相关程度，故可以很好地描述多时空谱遥感影像的相似性。此外，它的最大值对应着能达到亚像元精度的配准转换參数，故可以实现高精度的影像配准。然而，在医学影像配准中的应用中发现，最佳配准变换參数对应的互信息为局部极大值，而非全局最大值。因此，在使用优化算法寻找最佳參数的过程中，需要人为地确定搜索范围，这种捜索范围的限制大大降低了互信息配准模型的自动化程度。基于特征要素和基于图像灰度两种基本的图像配准算法都有各自的缺陷，无法实现高鲁棒性的自动配准。目前大部分多源遥感影像的配准，主要还是采用人工配准的方式。
技术实现思路
本专利技术解决的技术问题是克服现有技术的不足，提供ー种高精度、高鲁棒性、高性能的。为解决上述技术问题，本专利技术的技术方案如下一种，包括如下步骤利用配准变换參数对待配准影像进行映射；提取參考影像和映射后的待配准影像的边缘信息，通过边缘信息计算特征要素的空间位置信息；计算參考影像和映射后待配准影像之间的灰度相似性指数；构造空间综合互信息指数，其为灰度相似性指数与空间位置信息的乘积，其中空间位置信息和灰度相似性指数均为配准变换參数的目标函数；利用优化算法搜索最佳配准变换參数；利用最佳配准变换參数对待配准影像进行配准。为了实现多源遥感影像之间高精度、高鲁棒性、高性能的自动配准，本专利技术综合使用了基于图像像素及特征空间点匹配两种方法构造相似性指数，灰度相似性指数可以判断高精度的配准变换，但需要预定义捜索区域，而空间位置信息可以高效率地找到较好的配准变换，却无法保证精度，两者的结合提供了一种高鲁棒性、高精度的配准模型，能够有效实现遥感影像的自动配准。 上述方案中，所述边缘信息通过相位一致性模型提取。上述方案中，所述通过边缘信息计算特征要素的空间位置信息具体步骤是设定阈值，分别从參考影像和映射后的待配准影像的边缘信息中自动获取控制点；根据自动获取的控制点用高斯距离模型来描述空间位置信息。上述方案中，所述灰度相似性指数为互信息。上述方案中，所述优化算法采用连续空间蚁群智能算法。连续空间蚁群智能算法能够在较短时间内捜索到空间综合互信息指数的全局最优值和准确找到最佳的配准变换。与现有技术相比，本专利技术技术方案的有益效果是本专利技术结合了基于特征要素和基于图像灰度的两种影像自动配准的思路，综合地考虑了特征点的空间位置信息和图像灰度之间的互信息，构造空间综合互信息指数(ISMI)作为相似性指数，并采用连续空间蚁群智能算法(ACOR)自动搜索最佳配准变换參数，实现多源异质遥感影像之间的高精度、高鲁棒性、高性能的自动配准。附图说明图I为本专利技术的流程图；图2为本专利技术中连续空间蚁群智能算法中用到的记录表U ；图3为本专利技术中检验空间综合互信息有效性实施例中的遥感影像示意图；图4为图3中两幅遥感影像的控制点提取结果示意图；图5为图3中两幅遥感影像进行配准时互信息的平移变化示意图；图6为图3中两幅遥感影像进行配准时空间位置信息的平移变化示意图；图7为图3中两幅遥感影像进行配准时空间综合互信息的平移变化示意图；图8为图3中两幅遥感影像进彳丁配准时MI、SI、ISMI ニ种指数的平移变化不意图；图9为本专利技术中检验连续空间蚁群智能算法有效性实施例中的遥感影像示意图；图10为从图9中两幅遥感影像提取到的控制点不意图；图11为图9中两幅遥感影像配准结果示意图；图12为连续空间蚁群智能算法搜索过程中配准变换參数的收敛示意图。具体实施例方式下面结合附图和实施例对本专利技术的技术方案做进ー步的说明。如图I所示，为本专利技术的流程图，一种，具体包括如下步骤(SI)利用配准变换參数对待配准影像进行映射；(S2)提取參考影像和映射后的待配准影像的边缘信息，通过边缘信息计算特征要素的空间位置信息；(S3)计算參考影像和映射后待配准影像之间的灰度相似性指数；(S4)构造空间综合互信息指数，其为灰度相似性指数与空间位置信息的乘积，其 中空间位置信息和灰度相似性指数均为配准变换參数的目标函数；(S5)利用优化算法搜索最佳配准变换參数；(S6)利用最佳配准变换參数对待配准影像进行配准。步骤(S2)中，空间位置信息指的是特征要素的空间分布，通过计算两幅遥感影像中特征点的空间一致性来判断空间变换參数的好坏。空间位置信息的计算包括特征要素提取与空间一致性的计算两部分。首先，米用相位一致性模型[5](H. Chris and S. Mike, A combined cornerand edge detector, 1988，pp. 147-152.)对遥感影像进行边缘提取。相位一致性模型将边缘看成不同频率傅立叶分量相位均相同的点；文献[6] (C. John and others, Acomputational approach to edge detection, IEEE Transactions on PatternAnalysis and Machine Intelligence, vol. 8，pp. 679-698，1986.)指出，相位一致性模型可以从不同成像原理的图像中提取相似的边缘信息，因此，相位一致性模型非常适用于多源遥感影像的配准。Kovesi (P. Kovesi, Phase congruency:A low-level imageinvariant, Psychological Research, vol. 64, pp. 136-148, 2000.)提出了一种基于小波变换的相位一致计算方法 ΡΓΜ Σ Β(!)ΔΦ(ι)-り()— ΣΛ(如ΔΦ (x) = cos {φπ (X) — φ (ζ)) — sin {φπ (x) — φ (z))其中，ff(x)是不同传播频率的权重，An(X)和Φη本文档来自技高网...

【技术保护点】
一种基于空间综合互信息的多时空谱遥感影像自动配准方法，其特征在于，包括如下步骤：利用配准变换参数对待配准影像进行映射；提取参考影像和映射后的待配准影像的边缘信息，通过边缘信息计算特征要素的空间位置信息；计算参考影像和映射后待配准影像之间的灰度相似性指数；构造空间综合互信息指数，其为灰度相似性指数与空间位置信息的乘积，其中空间位置信息和灰度相似性指数均为配准变换参数的目标函数；利用优化算法搜索最佳配准变换参数；利用最佳配准变换参数对待配准影像进行配准。

【技术特征摘要】
1.一种基于空间综合互信息的多时空谱遥感影像自动配准方法，其特征在于，包括如下步骤 利用配准变换參数对待配准影像进行映射； 提取參考影像和映射后的待配准影像的边缘信息，通过边缘信息计算特征要素的空间位置信息； 计算參考影像和映射后待配准影像之间的灰度相似性指数； 构造空间综合互信息指数，其为灰度相似性指数与空间位置信息的乘积，其中空间位置信息和灰度相似性指数均为配准变换參数的目标函数； 利用优化算法搜索最佳配准变换參数； 利用最佳配准变换參数对待配准影像进行配准。2.根据权利要求I所述的基于空间综合互信息的多时空谱遥感影像自动配准方法，其特征...

【专利技术属性】
技术研发人员：刘小平，黎夏，黄康宁，梁嘉咏，许晓聪，
申请(专利权)人：中山大学，
类型：发明
国别省市：