CN103247029A - 一种用于拼接式探测器生成的高光谱图像几何配准方法 - Google Patents

Abstract

本发明公开了一种用于拼接式探测器生成的高光谱图像几何配准方法，它应用于品字型排列探测器，其排列方式导致的图像几何错位情况。其方法首先寻找高光谱图像上的狭长地物目标，通过求算质心位置进行目标地物的边缘提取，分别对错位两边图像中目标地物的边缘做线性拟合，比较错位两边图像的拟合偏置，从而得到错位图像的亚象元个数。根据结果对错位图像进行重采样实现几何校正。通过本发明的几何错位配准方法能够高精度探测错位值且不引入其他误差，是该领域的一项关键突破，方法可靠且有实用价值。同时可为同类型探测器的遥感图像几何配准提供参考依据。

Description

一种用于拼接式探测器生成的高光谱图像几何配准方法

技术领域

本发明涉及图像处理领域，具体是指一种用于拼接式探测器生成的高光谱图像的几何配准方法，它用于校正图像中的几何错位现象。 

背景技术

为了获得较大视场地物图像，需要增加探测器空间维度。受仪器地面分辨率、幅宽等指标需求，以及红外碲镉汞探测器设计工艺的限制，新研制的高光谱成像仪在短波红外（1000nm-2500nm）范围内，焦平面排列采用四块探测器阵列分列两行错开拼接的设计方案，并采用两个光路***进行逐行的探测器阵列成像，最终将四块探测器阵列所形成的像进行拼接，见图1。然而由于探测器阵列焦平面类似于多元排列，并在横向有一定的错位，表现在图像上为相邻探测器阵列扫描带的错位现象。因此成像后需进行多视场配准校正，以确保图像的几何定位精度能满足设计和应用要求。 

传统的几何配准方法大致分为基于频率域、基于灰度相关以及基于特征的方法。基于频率域的方法是利用傅里叶变换将两幅待匹配的图像变换到频域，然后利用互功率谱直接计算出两幅图像间的平移矢量，但图像的多地物多信息性使得计算得到的误差较大；基于灰度相关的方法是寻找两幅图像重叠部分，利用它们所对应的颜色***中灰度级的相似性为准则寻找图像的配准位置，这需要两幅图像之间具有较大面积的重叠区域；比较常用的方法是基于特征的方法，具体算法为从待配准图像中提取特征集，利用特征的对应关系进行匹配。然而，本研究的高光谱成像仪不同探测器阵列之间的重叠区域小于10个像元， 特征难提取，配准精度低，不适用于使用基于灰度相关或者基于特征的方法，会造成很大的匹配误差。因此考虑通过计算错位图像中线性地物的线性拟合偏置差得到错位的亚像元个数，根据求得结果对错位图像进行重采样的方法来完成几何配准。 

发明内容

基于上述已有技术存在的问题，本发明的目的是提出一种几何空间图像错位的配准方法，以修正由于光机***和探测器排列限制而导致的图像空间非匹配问题。 

该匹配方法首先寻找特殊目标地物，然后根据质心法进行统计数值计算得到地物边界信息，进行边缘提取后对待配准图像进行边缘线性拟合，从而计算两条拟合直线的偏置差，即为偏移的亚像元值，最后根据偏移量对图像进行三次样条重采样以实现校正。 

其具体步骤是： 

1）筛选高光谱图像。对高光谱成像仪采集到的高光谱图像进行人工目视判读筛选，挑选河流、桥梁、公路、麦田边缘或海岸线这些狭长地物目标，所选图像应是覆盖不同探测器拼接的图像。 

2）对地物目标进行边缘提取。具体方法为： 

a)记录探测器的固定拼接位置和狭长目标地物的交界点为分割点（x₀,y₀），以分割点（x₀,y₀）为基准分别选择错位图像左右两边狭长地物的纵坐标值y_j，j=0,1,2...m，选择纵坐标点个数>8个，以保证线性拟合的精度。 

b)计算横坐标值x’。假设拼接图像两边灰度值均值分别为对于步骤a)中每个y_j,在边界区域并非严格的区分，会存在过渡像元且灰度值介于

和之间。定义检测到的边缘为像元被分割为两个灰度值面积一致的部分，寻找边界点即求像元灰度值为

时的横坐标位置x’，见图2。设采样点为正方形像元，从左向右水平移动（y_j，j=0,1,2...m，x_i,i=0,1,2...n），选 择灰度值最接近1/2

的像元,设其灰度值为DN_ij，计算其权重W_ij分布为: 

$W_{\mathrm{ij}}=\frac{{\mathrm{DN}}_{\mathrm{ij}}-\stackrel{\‾}{N}}{\stackrel{\‾}{M}-\stackrel{\‾}{N}}---\left(6\right)$

x’=x_i-(1-W_ij)      （7） 

式中：分别表示边界左右两边的灰度值均值；x_i表示y_j对应的横坐标值；DN_ij为x’表示边缘提取出的边界点的横坐标值。 

3）对特征边缘进行一元线性回归分析，求解表达式。当得到错位图像两边的一组坐标点后，建立一元线性回归模型并求解线性表达式，具体算法为：首先建立一元线性回归模型表达式： 

y_t＝a+b*x_t+e_t      (8) 

式中：a和b为待定参数；x_t和y_t分别代表各个横纵坐标点；t=1,2,...,n为各组观测数据的下标；e_t为随机变量。 

记

和

分别为参数a与b的拟合值，则一元线性回归模型为： 

$\hat{y}=\hat{a}+\hat{b}*x---\left(9\right)$

其中

为y的估值，

为实际观测值与估值的差，参数a和b的最小二乘拟合原则要求误差e_t的平方和达到最小，即： 

$E=\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{e^2}_t=\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{(y_t-{\hat{y}}_t)}^2=\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{(y_t-a-{\mathrm{bx}}_t)}^2$

取得最小值 

根据极值的必要条件，有： 

$\frac{\∂E}{\∂a}=-2\underset{t=1}{\overset{n}{\mathrm{\Σ}}}(y_t-a-{\mathrm{bx}}_t)=0---\left(10\right)$

$\frac{\∂E}{\∂b}=-2\underset{t=1}{\overset{n}{\mathrm{\Σ}}}(y_t-a-{\mathrm{bx}}_t)x_t=0---\left(11\right)$

解方程组，求参数a,b的拟合值为： 

$\hat{a}=\stackrel{\‾}{y}-\hat{b}*\stackrel{\‾}{x}---\left(12\right)$

$\hat{b}=\frac{\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{x}_t{y}_t-\frac{1}{n}\left(\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{x}_t\right)\left(\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{y}_t\right)}{\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{x^2}_t-\frac{1}{n}{\left(\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{x}_t\right)}^2}---\left(13\right)$

式中

分别为横纵坐标x_t和y_t的均值，t=1,2,…,n。 

4）根据拟合结果计算几何错位亚像元个数。根据步骤3）分别得到待配准图像的地物的边缘信息，考虑到错位两边图像的地物是同一地物，因此拟合得到的线性方程斜率相同，两个方程分别为y₁＝a₁+b*x和y₂＝a₂+b*x，其中a₁、a₂分别代表线性方程偏置，b代表增益，即斜率。则错位的亚像元个数为Δy＝a₁-a₂。 

5）对错位图像重采样以实现几何配准。根据4）中结果，Δy表示左边图像相对右边图像错位量，对右边图像进行三次样条插值，最终得到几何配准后的图像。 

本发明有如下有益效果： 

1）提出了一种新的几何配准方法，特别对于重叠区域小的待匹配图像，显著提高了配准精度。 

2）方法的适用性较高，不仅适用于高光谱图像，对于其他类型的图像也适用，有实用价值。 

3）本方法先通过边缘提取计算图像偏移量，再根据偏移量重采样图像，在精度允许方位内可以忽略由于计算引入的误差。 

附图说明

图1为高光谱成像仪短波红外探测器排列示意图。 

图2为求边界点横坐标示意图。 

图3仿真的原始待配准图像。 

图4发明流程图。 

具体实施方式

根据本发明对一幅空间维错位的图像进行几何配准。考虑用仿真图像可以更精确地考察此方法的配准精度，根据图1的探测器排列方式仿真采样后的效果图像。其中设计图像大小为单波段800*1024，其中在空间维512处位置图像左右存在错位，分界两边的灰度值分别为255和0，效果图见图3。 

详述如下： 

1)确定图像中错位位置为（511,562），在图像的左右区域设置不同的待计算点的纵坐标y,其中左区域确定的纵坐标值为506、513、520、527、534、538、543、546、550；右边区域纵坐标为570、574、578、581、585、588、595、602、613。 

2）根据公式（1）和（2）计算出以上各个y值对应的边界处的x对应值，结果见下表： 

左区域横坐标值x	左区域纵坐标值y	右区域横坐标值x	右区域纵坐标值y
				720.2549	506	812.028	570
730.2549	513	817.349	574
				740.2549	520	823.1765	578
750.2549	527	827.349	581
				760.2549	534	833.1765	585
766.1137	538	837.349	588
				773.1765	543	847.349	595
777.349	546	857.349	602
				783.1765	550	873.1765	613

3)根据步骤2检测出的边缘点坐标，分别做一元线性回归分析，分别得到表达式为： 

y1=1.42518*x-0.77718 

y2=1.42518*x-0.57934 

计算Δy=0.77718-0.57934=0.19784，而模拟的原始图像的错位值为0.2个像元，其计算的相对误差为 

$E=\frac{0.2-0.19784}{0.2}*100\%=1.08\%$

4）根据步骤3）计算得到的图像错位量对右边图像进行剪裁后重新采样，以得到几何配准后的图像。 

Claims (1)

1.一种用于拼接式探测器生成的高光谱图像的几何配准方法，其特征在于包括的如下步骤：

1）筛选高光谱图像，从探测器生成的高光谱图像中挑选河流、桥梁、公路、麦田边缘或海岸线这些狭长地物目标，所选图像应是覆盖不同探测器拼接的图像；

2）对地物目标进行边缘提取，具体方法为：

a)记录探测器的固定拼接位置和狭长目标地物的交界点为分割点（x₀,y₀），以分割点（x₀,y₀）为基准分别选择错位图像左右两边狭长地物的纵坐标值y_j，j=0,1,2...m，选择纵坐标点个数>8个，以保证线性拟合的精度；

b)计算横坐标值x’，假设拼接图像两边灰度值均值分别为

对于步骤a)中每个y_j，在边界区域并非严格的区分，会存在过渡像元且灰度值介于

和之间，定义检测到的边缘为像元被分割为两个灰度值

,，

面积一致的部分，寻找边界点即求像元灰度值为

时的横坐标位置x’，设采样点为正方形像元，从左向右水平移动（y_j，j=0,1,2...m，x_i，i=0,1,2...n），选择灰度值最接近

的像元，设其灰度值为DN_ij，计算其权重W_ij分布为:

$W_{\mathrm{ij}}=\frac{{\mathrm{DN}}_{\mathrm{ij}}-\stackrel{\‾}{N}}{\stackrel{\‾}{M}-\stackrel{\‾}{N}}---\left(1\right)$

x’=x_i-(1-W_ij)       （2）

式中：

分别表示边界左右两边的灰度值均值；x_i表示y_j对应的横坐标值；DN_ij为

x’表示边缘提取出的边界点的横坐标值；

3）对特征边缘进行一元线性回归分析，求解表达式，当得到错位图像两边的一组横纵坐标点后，建立一元线性回归模型并求解线性表达式:

y_t＝a+b*x_t+e_t      (3)

式中：a和b为待定参数；x_t和y_t分别代表各个横纵坐标点；t=1,2,...,n为各组观测数据的下标；e_t为随机变量；

根据最小二乘拟合原则要求误差e_t的平方和达到最小，求解方程组，求参数a,b的拟合值

为：

$\hat{a}=\stackrel{\‾}{y}-\hat{b}*\stackrel{\‾}{x}---\left(4\right)$

$\hat{b}=\frac{\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{x}_t{y}_t-\frac{1}{n}\left(\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{x}_t\right)\left(\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{y}_t\right)}{\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{x^2}_t-\frac{1}{n}{\left(\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{x}_t\right)}^2}---\left(5\right)$ 式中

分别为横纵坐标x_t和y_t的均值，t=1,2,…,n；

4）根据拟合结果计算几何错位亚像元个数。根据步骤3）分别得到待配准图像的地物的边缘信息，考虑到错位两边图像的地物是同一地物，因此拟合得到的线性方程斜率相同，两个方程分别为y₁＝a₁+b*x和y₂＝a₂+b*x，其中a₁、a₂分别代表线性方程偏置，b代表增益，即斜率，则错位的亚像元个数为Δy＝a₁-a₂；

5）对错位图像重采样以实现几何配准，根据步骤4）中结果，Δy表示左边图像相对右边图像错位量，对右边图像进行三次样条插值，最终得到几何配准后的图像。

Images