基于小面元的多源遥感影像高精度配准方法.doc

基于小面元的多源遥感影像高精度配准方法 　文章编号:1009-427X(2003)02-0124-05 基于小面元的多源遥感影像高精度配准方法 邢帅,谭兵,李建胜,徐青,耿则勋 (信息工程大学测绘学院,河南郑州　450052) 摘要:基于几种高精度的匹配方法,引入了小面元微分纠正的思想,设计出一种高精度影像相对配准方法。实 验结果表明,该方法对多种遥感影像有很强的适应性,相对配准精度高,尤其适用于变形明显或山区多源影像 间的高精度配准。 关　键　词:多源遥感影像;高精度配准;匹配;小面元纠正 中图分类号:TP751　　　文献标识码:A 　　多源遥感卫星影像是指从不同的电磁波段、 不同的时相、不同的入射角、不同的成像机理、不 同的空间分辨率获取关于同一区域地物不同的、 但可以相互补充的信息[1]。我们正是要利用其信 息互补、合作的特点,通过一定的处理方法,如融 合、分类、变化检测、识别等,从中提取有用的或我 们感兴趣的信息,影像配准则是应用这些方法的 前提和基础。特别是高精度的配准已经成为从影 像获取准确信息的必要条件,同时,高精度影像配 准还是时间变化检测、立体匹配、运动分析以及图 像序列分析等方面应用的基础[2]。 1　影像配准算法综述 目前影像配准的方法主要分为空间域与频率 域两大类。空间域方法仅从影像的几何变形与灰 度差角度入手,简单直观易实现,对一般的可见光 影像及部分近红外影像、雷达影像均可以处理,同 时还有精度高、速度快等优点。在大多数文献中 提出的方法均属于这一类,如相关函数法、动态规 划法、整体法、最小二乘法[3],以及Ton Jezching, Jain A K提出的确定两图像区域间对应关系的点 匹配方法[4],周杰等提出的基于方向小波特征的 匹配方法[5]等。频率域方法由于涉及到空间域与 频率域的转换,因此比较复杂。虽然也可以达到 较高精度,但其对两影像间的几何变形与辐射畸 变都有较高的要求,应用范围较窄,大多用于研究 工作。有一些文献应用了该类方法,如Harold S Stone提出的用预滤波与基于傅立叶变换检测的 方法达到可见光影像与近红外影像的配准[6], Hassan Shekarforoush等通过对影像交叉功率谱 的多相分解的估计达到子像素级配准[2]。 不断出现的各种配准方法使得配准的精度越 来越高,从像素级到亚像素级,一直到子像素级。 但其中始终存在着一个问题,就是某一种方法仅 对几组或几种图像可以取得好的效果,但却不适 应其它类型的数据,所以我们一直希望找到一个 自动化程度高、适应能力强的高精度配准处理方 法[7]。经过研究发现,一些传统的方法尽管有一 定的局限性,但具有很强的适应性,如相关函数法 无论对可见光影像还是雷达影像均可以处理。因 此,我们引用几种传统的匹配方法与影像金字塔 匹配策略,并引入小三角形面元微分纠正的原理, 设计了一种新的多源遥感影像高精度配准的方 法。 2　基于小面元的遥感影像间高精度配准方法的 提出 该方法的主要思想是,在参考影像上提取特 征点作为配准控制点(Registration Control Point, RCP),通过匹配获得同名点对,再基于小面元微 分纠正得到精确配准的影像。 该方法的基本过程是:在参考影像金字塔的 最高层上按照一定的准则提取稀疏的特征点作为 RCP,逐层匹配传递至最底层(原始影像层)作为 基本控制点;然后在最底层上提取密集的RCP进 行相关系数法匹配,在目标影像(即待配准影像) 上获得对应的同名像点;接着剔除一些误差明显 的点对,并对可靠性不好的点对进行整体松弛法 匹配,再对所有的点对进行一次最小二乘法匹配 以提高精度;最后由这些同名点对构成密集的三 收稿日期:2002-11-25;修回日期:2003-03-11　　　　 作者简介:邢帅(1979-),男,河南信阳人,硕士生,研究方向为摄影测量与遥感。 第20卷第2期 2003年6月 测绘学院学报 Journal of Institute of Surveying and Mapping Vol.20 No.2 Jun. 2003角网,在对应的三角网中,进行逐个小面元的微分 纠正,以实现影像精确配准。该方法的逻辑流程 见图1。 图1　高精度配准方法的逻辑流程图 这里的影像预处理主要包括两个方面:一是 辐射校正,如灰度拉伸、直方图调整、色阶调整、亮 度和对比度的调整等。由于特征点的匹配主要还 是根据某点的峰值及其周围点的灰度分布,在对 应影像上找到一个峰值及其周围点的灰度分布与 前者相一致的点,认为该点就是前者的同名点。 因此,影像辐射特性的差异会导致同名点之间灰 度特性的差异,进而引起误匹配。二是几何校正, 如图像的旋转、平移、比例尺的缩放等。两点之间 的相关度是以窗口为单位进行的,而