一种快速的遥感图像配准方法.pdfVIP

一种快速的遥感图像配准方法 牛力丕陈炜 (北京航空航天大学电子信息工程学院北京100083) 摘要：遥感图像的配准特别是当波段相距较远的图像间配准时，由于其相关性小，直接提取 Hausdorff距离等方法配准往 的边缘特征中不一致特征所占比例很大，此时直接应用partial 往失效。本文提出了一种基于长边缘相关的图像配准方法，首先对长边缘进行相关计算，然后 在相关长边缘的基础上对其余的边缘进行一致性检测。极大提高了边缘特征的一致性。长边缘 相关是在比较HuiLi的相关方法基础上提出的改进Freeman链码相关系数方法。一致性特征检 测方法是基于V．Randrianarisoa的检测方法并对之进行了改进。最后对一致边缘的相关部分 使用最小二乘法得到了配准参数。仿真实验表明本方法对长边缘丰富的图像有很好的配准结 果。并且本方法具有配准速度快的优点。 关键词：图像配准；多传感器；边缘提取；相关 1引言 利用不同平台得到同一场景的遥感图像时，由于平台内传感器接收波段的不同、平台的移动或 视角变换，以及场景中物体的移动、形变等等因素，使得到的图像有很大的差异。所以在图像融合 前必须进行有效的配准。图像配准可以分为基于灰度信息和基于特征的配准。基于灰度的方法比较 适用于同类传感器之间的配准。对于不同传感器，基于灰度的配准方法往往失效。而基于特征的方 法是利用图像间共有特征的对应关系，所以适合不同传感器间的配准。 基于特征的图像配准方法的主要步骤是：首先对待配准图像进行特征提取，然后利用提取到的 特征完成图像特征之间的匹配，通过特征的匹配关系建立图像之间的配准映射变换。最后对输入图 像进行坐标变换和灰度插值完成图像的匹配【1】。 Li 图像配准中常用的特征有：边缘、轮廓、区域、线端点、线交叉点、最大曲率点等等。Hui 等【2】使用闭合轮廓及轮廓中心为特征，通过匹配闭合轮廓来得到图像的匹配。但图像中并不总是有 丰富的闭合轮廓，当闭合轮廓很少或轮廓断裂甚至没有闭合轮廓时，该配准方法会有很大误差，甚 Hausdorff距离方法对所有得到 至配准失效。XiangjieYang等【3】提取边缘为特征，然后使用partial 的边缘进行匹配，从而得到图像的匹配。但多传感器图像之间特征往往差异很大，在一幅图像中出 现的边缘特征常常在另一幅图像中不出现，或表现不一致。即图像之间不一致特征非常多。当不一 Hausdorff距离方法往往失效。V 致特征所占的比例较大时，partial 车应用情况，提取特有的地平线为主特征，然后在地平线特征的基础上剔除其它的不一致特征，从 Hausdorff距离方法的可靠实行。遗憾的是地平线也不总是在图像中经常出现。本文 而保证了partial 提出了一种基于长边缘相关和一致性检测的多传感器图像配准方法。配准方法分为三步：1、提取待 配准图像的边缘，在边缘提取中设置边缘长度门限以及使用较大的高斯参数，只保留较长的边缘。 选取图像中最长的几条边缘进行相关计算。相关计算方法是在比较HuiLi的相关方法基础上提出的 峰值点(见图la)、b))。在已相关的长边缘对中，选取相关部分最长的一对作为基准匹配边缘。2、 在相关长边缘的基础上对其余边缘进行一致性检测，剔除掉不一致的边缘。一致性边缘检测是基于 参数，最后得到了图像的匹配。 2边缘的提取和匹配 在一些常用的边缘提取算法中，Canny算法显示了比较好的性能【5】。这主要是Canny算法中高 斯滤波器的参数仃可以针对所提取的边缘特征进行调籀。为了提取到光滑、连续的长边缘一般选择 较大的仃进行边缘提取。但仃也不能选取的太大，否则一是会使边缘的细节丢失，不利于边缘的精 确相关；二是使得边缘定位不准，影响最终的图像匹配精度。对提取到的边缘，设置一长度门限T， 去除掉所有长度T的边缘。只保留较长的边缘。 对于闭合边缘相关，Hui {qa2…a。)，改进链码如下： Jbl=