遥感图像配准与镶嵌.pptVIP

第四章 遥感图像配准与镶嵌 闫冬梅 一、图像配准 其中： f 为二维空间坐标变换（如仿射变换），g 为一维亮度或其他度量值变换。 最佳空间变换是图像配准问题的关键。当需配准多幅图像时选取其中某一幅图像作为参考图像，其余图像分别相对参考图像进行配准。 图像配准的意义 由于各传感器通过的光路不同，或成像体制不同等原因，图像间可能出现相对平移、旋转、比例缩放等，影像镶嵌或融合不能直接进行，而必须进行图像配准。多源图像配准与单传感器图像配准相比，技术难度更大，特别是要实现波段相距较远的图像自动配准，由于图像间相关性小，则更加困难。 多传感器图像配准可以看作是以下集中要素的结合： 特征空间：从参考影像和输入影像中提取的特征集； 搜索空间：在输入特征与参考特征之间建立对应关系的可能的变换集合； 搜索策略：选择可以用于计算的变换模型，在处理过程中使得匹配逐步达到精度要求； 近似性度量标准：用来评估从搜索空间中获得的一个给定的变换所定义的输入数据与参考数据之间的匹配。 常用的图像配准方法---基于图像灰度的配准方法 基于图像灰度的配准方法通常直接利用局部图像的灰度信息建立两幅图像之间的相似性度量，然后采用某种搜索方法寻找使相似性度量值最大或最小的变换模型的参数值。常用的相似性度量有： 1）图像灰度的平方差和 2）图像灰度的相关系数 3）图像灰度差的绝对值和 4）图像灰度的协方差等 常用的图像配准方法---基于图像特征的配准方法 由于多传感器获取各类图像灰度特征往往不一致，因此很难运用基于图像灰度的方法。基于图像特征方法提取各类图像中保持不变特征如边缘点闭区域的中心等作为两幅图像配准的参考信息。 基于图像特征的配准方法包括特征提取、特征匹配、选取变换模型及求取参数坐标变换与插值四个主要组成部分。 （1）特征提取 特征提取是指分别提取两幅图像中共有的图像特征。这种特征是出现在两幅图像中对比例、旋转、平移等变换保持一致性的特征，如线交叉点、物体边缘角点、虚圆闭区域的中心等可提取的特征。特征包括：点、线和面三类。 点特征是最常采用的一种图像特征，包括物体边缘点、角点、线交叉点等； 线特征是图像中明显的线段特征，如道路河流的边缘，目标的轮廓线等。线特征的提取一般分两步进行：首先采用某种算法提取出图像中明显的线段信息，然后利用限制条件筛选出满足条件的线段作为线特征； 面特征是指利用图像中明显的区域信息作为特征。在实际的应用中最后可能也是利用区域的重心或圆的圆心点等作为特征。 （2）特征匹配 特征匹配是指建立两幅图像中特征点之间对应关系的过程。用数学语言可以描述为两幅图像A 和B中分别有m 和n 个特征点(m 和n 常常是不相等的) 其中有k 对点是两幅图像中共同拥有的，则如何确定两幅图像中k 对相对应的点对即为特征匹配要解决的问题。 常用的特征匹配方法有互相关系数法、聚类法、点间距离法等。 （3）选取变换模型及求取参数 变换模型是指根据待配准图像与参考图像之间几何畸变的情况，所选择的能最佳拟合两幅图像之间变化的几何变换模型。可采用的变换模型有如下几种：仿射变换、透视变换、投影变换和多项式变换，其中最常用的是仿射变换和多项式变换。 仿射变换是最常用的一种几何变换，它是一种刚性变换，具有良好的数学特性。仿射变换通常有4个参数尺度因子s 、旋转角q 、x 方向平移量tx、 y 方向平移量ty。 它将第一幅图像中的点(x1, y1)映射为第二幅图像中的点(x2, y2) 数学表示为 （4）坐标变换与插值 在得到两幅图像间的变换参数后，要将输入图像做相应参数的变换，使之与参考图像处于同一坐标系下，则校正后的输入图像与参考图像可用作后续的图像融合、目标变化检测处理或图像镶嵌。 涉及输入图像变换后所得点坐标不一定为整像素数，则应进行插值处理。常用的插值算法有最近邻域法、双线性插值法和双三次卷积法。 二、遥感图像镶嵌 影像镶嵌 (Mosaicking) 是指将两幅或多幅数字影像（有可能是在不同的摄影条件下获得的）拼在一起，构成一幅整体图像的技术过程。 遥感影像镶嵌分为： 地理编码图像的自动镶嵌 基于影像重叠区像素匹配的人机交互的图像镶嵌 1、地理编码图像的自动镶嵌 (1) 接缝线的确定 镶嵌的一个很重要的问题是在待镶嵌图像的重叠区内选择出一条曲线，按照这条曲线把图像拼起来，待镶嵌图像按照这条曲线拼接后曲线两侧的亮度变化不