基于动态阈值的光学遥感数据分块配准的数据识别方法
技术领域
本发明是一种基于动态阈值的光学遥感数据分块配准的数据识别方法,属于数据识别处理技术领域。
背景技术
光学遥感影像配准是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅影像进行匹配、叠加的过程。光学遥感影像配准是将具有相同区域的影像统一到相同坐标***中,使影像同名点在空间位置上达到最佳对齐。受到传感器类型、成像角度、成像时间等因素的影响,仅仅依靠影像地理参考信息无法实现影像高精度配准。首先提出了SIFT描述符,通过将关键点到最邻近和次邻近极值点的欧氏距离之间的比率与预定义的阈值进行比较,以实现不稳定匹配关系的粗略滤除。之后采用SIFT算法对同一光学传感器的遥感影像进行配准,结果表明SIFT算法能获得比较好的匹配结果。在SIFT算法的基础上,提出了加速鲁棒性特征(speeded up robust features,SURF),较之SIFT算子,SURF具有计算量小、匹配速度快的优点,但该算法提取到的匹配特征点分布不均匀,配准误差较大。因此又提出基于多角度归一化互相关法优化SIFT遥感图像的配准方法,该算法利用SIFT算法进行特征提取和特征匹配,并结合随机抽样一致性算法(random sample consensus,RANSAC)剔除错误配准点,提高配准精度,然而当遥感影像为非林地、山地等地貌特征时,该算法的配准精度不理想。影像配准是定量处理与分析地表信息的基础,但目前缺少具有泛适用性的配准算法。因此,研究高精度、高效率、高鲁棒性的自动配准算法具有十分重要的意义。
发明内容
本发明要解决的技术问题是针对以上不足,提供一种基于动态阈值的光学遥感数据分块配准的数据识别方法,动态的计算了自适应距离约束条件、特征点描述子的方向匹配、点间距离,解决了保留更多正确匹配点的同时除去误匹配点的难题,可以有效的区分正确匹配点与误匹配点,计算的特征点比同条件下的特征点质量高,鲁棒性更强,解决了基于光学遥感影像工程化快速计算精确配准这一问题,有效去除误匹配点对遥感影像配准的干扰,简化流程,减少人工工作量,提高提取效率,保证光学影像配准结果的准确性。
为解决以上技术问题,本发明采用以下技术方案:
一种基于动态阈值的光学遥感数据分块配准的数据识别方法,包括以下步骤:
步骤1:对影像预处理,根据经纬度寻找分块的相同区域;
步骤2:在影像分块时进行尺度不变特征变换,采用欧氏距离进行最近邻匹配找到粗匹配点对,使用动态自适应距离约束条件对粗匹配点对中的误匹配点进行剔除;
步骤3:根据特征点描述子的方向特征对误匹配点进行剔除;
步骤4:计算分块的配准点的初始点间距离,对误匹配点进行剔除;
步骤5:完成分块匹配,得到整体配准点信息后,整体配准点使用随机采样一致性约束方法对误匹配点进行剔除,并利用剔除粗差后的影像转换矩阵完成遥感影像的分块配准。
进一步的,所述步骤1中对影像预处理包括检测底图和待配准影像是否具有同空间分辨率、同一坐标系,若否,则进行底图重采样,使底图具备和待配准影像相同的空间分辨率、坐标系,根据待配准影像分块的行列号,算出底图的行列号,完成坐标反算,得到相同的区域。
进一步的,所述步骤2中使用动态自适应欧氏距离约束方法,针对粗匹配对数据进行统计,根据其特点自动的配置相应参数;
首先, 使用FLANN搜索出来的N个包含大量误匹配的匹配对中统计第1匹配点和第2匹配点距离差,根据第1匹配点和次近的第2匹配点的距离差从大到小排序,计算前10%的距离差的均值,该均值可以表示为:
式中,
为第i个匹配点对的第1匹配点距离差,
为第i个匹配点对的第2匹配点距离差;f代表对
进行从大到小的排序;N为总的匹配点对的个数;
为前10%的距离差的均值。
进一步的,所述步骤2中对于每一个待筛选匹配对,剔除的条件为第1距离小于第2距离与前10%的距离差均值avgdis之差, 剔除的条件可以表示为:
算法通过从数据中统计得到的距离差均值,作为判别比较标准,可以很好地适应不同来源的像对之间的差异,能够很好地进行第1轮筛选,保留优质匹配点。
进一步的,所述步骤3中根据特征点描述子的方向特征对误匹配点进行剔除,其中特征点描述子具有128维信息,将其相邻的两维信息求导,若导数大于0,标记为1,若导数小于0,标记为-1,若导数等于0,标记为0,特征点描述子的方向特征可以表示为:
式中,
为第i维特征点描述子信息,
为第1维特征点描述子信息,
为特征点描述子方向特征的集合;
最后得到127维信息,如果待配准影像的特征点描述子的方向特征和底图的特征点描述子的方向特征重叠度大于70%,则优质该匹配点。
进一步的,所述步骤3中特征点描述子的方向特征筛选规则可以表示为:
式中,
为底图第i维特征点描述子信息方向特征,
为待配准影像第i维特征点描述子信息方向特征。
进一步的,所述步骤4中计算分块的配准点的初始点间距离,对误匹配点进行剔除;计算分块的配准点的初始点间距离可以表示为:
式中,
、
是待配准影像的特征点的坐标;
、
是底图的特征点的坐标;block是分块的像素大小。
进一步的,所述步骤4中如果某一分块中有N个匹配点,若存在点间距离彼此小于3,且该类型的数量占比超过总体的60%,则认为该分块的正确平均点间距离可以表示为:
式中,
代表某一分块的某一个点间距离,
代表该分块的正确平均点间距离。
进一步的,所述步骤4中若存在三个分块的正确平均点间距离彼此相差小于10,则得到待配准影像的初始点间距离;若不满足,则继续循环直到满足条件,该距离可以表示为:
进一步的,所述步骤4中遥感影像分块正确匹配点之间的距离,从理论上说是应相等,剔除规则可以表示为:
式中,
为正确点的初始点间距离;
为当前分块的不同匹配点间距离;
为经验常数阈值。
本发明采用以上技术方案,与现有技术相比,具有如下技术效果:
本发明技术方案动态的计算了自适应距离约束条件、特征点描述子的方向匹配、点间距离,解决了保留更多正确匹配点的同时除去误匹配点的难题,可以有效的区分正确匹配点与误匹配点,计算的特征点比同条件下的特征点质量高,鲁棒性更强,解决了基于光学遥感影像工程化快速计算精确配准这一问题,有效去除误匹配点对遥感影像配准的干扰,简化流程,减少人工工作量,提高提取效率,保证光学影像配准结果的准确性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1是本发明实施例提供的一种基于动态阈值的光学遥感数据分块配准方法流程图;
图2是本发明实施例提供的正确匹配点的描述子信息图;
图3是本发明实施例提供的正确匹配点的描述子方向信息图;
图4是本发明实施例提供的某一影像分块剔除误匹配点后对比图;
图5是本发明实施例提供的最终正确匹配点分布结果图;
图6是本发明实施例提供的两景影像套合的结果图。
具体实施方式
实施例1,如图1所示,一种基于动态阈值的光学遥感数据分块配准的数据识别方法,包括以下步骤:
步骤1:对卫星OVS影像、GOOGLE历史影像做影像预处理,根据经纬度寻找分块的相同区域;
对影像预处理包括检测底图和待配准影像是否具有同空间分辨率、同一坐标系,若否,则进行底图重采样,使底图具备和待配准影像相同的空间分辨率、坐标系,根据待配准影像分块的行列号,算出底图的行列号,完成坐标反算,得到相同的区域。
步骤2:在影像分块时进行尺度不变特征变换,采用欧氏距离进行最近邻匹配找到粗匹配点对,使用动态自适应距离约束条件对粗匹配点对中的误匹配点进行剔除。
使用动态自适应欧氏距离约束方法,针对粗匹配对数据进行统计,根据其特点自动的配置相应参数。首先, 使用FLANN搜索出来的N个包含大量误匹配的匹配对中统计第1匹配点和第2匹配点距离差,根据第1匹配点和次近的第2匹配点的距离差从大到小排序,计算前10%的距离差的均值,该均值可以表示为:
式中,
为第i个匹配点对的第1匹配点距离差,
为第i个匹配点对的第2匹配点距离差;f代表对
进行从大到小的排序;N为总的匹配点对的个数;
为前10%的距离差的均值。
对于每一个待筛选匹配对,剔除的条件为第1距离小于第2距离与前10%的距离差均值avgdis之差, 剔除的条件可以表示为:
算法通过从数据中统计得到的距离差均值,作为判别比较标准,可以很好地适应不同来源的像对之间的差异,能够很好地进行第1轮筛选,保留优质匹配点。
步骤3:根据特征点描述子的方向特征对误匹配点进行剔除,正确匹配点的描述子信息如图2所示,正确匹配点的描述子方向特征如图3所示。
根据特征点描述子的方向特征对误匹配点进行剔除,其中特征点描述子具有128维信息,将其相邻的两维信息求导,若导数大于0,标记为1,若导数小于0,标记为-1,若导数等于0,标记为0,特征点描述子的方向特征可以表示为:
式中,
为第i维特征点描述子信息,
为第1维特征点描述子信息,
为特征点描述子方向特征的集合。
最后得到127维信息,如果待配准影像的特征点描述子的方向特征和底图的特征点描述子的方向特征重叠度大于70%,则优质该匹配点。
特征点描述子的方向特征筛选规则可以表示为:
式中,
为底图第i维特征点描述子信息方向特征,
为待配准影像第i维特征点描述子信息方向特征。
步骤4:计算分块的配准点的初始点间距离,对误匹配点进行剔除,某一影像分块剔除误匹配点后对比如图4所示。
计算分块的配准点的初始点间距离,对误匹配点进行剔除;计算分块的配准点的初始点间距离可以表示为:
式中,
、
是待配准影像的特征点的坐标;
、
是底图的特征点的坐标;block是分块的像素大小。
如果某一分块中有N个匹配点,若存在点间距离彼此小于3,且该类型的数量占比超过总体的60%,则认为该分块的正确平均点间距离可以表示为:
式中,
代表某一分块的某一个点间距离,
代表该分块的正确平均点间距离。
若存在三个分块的正确平均点间距离彼此相差小于10,则得到待配准影像的初始点间距离;若不满足,则继续循环直到满足条件,该距离可以表示为:
遥感影像分块正确匹配点之间的距离,从理论上说是应相等,剔除规则可以表示为:
式中,
为正确点的初始点间距离;
为当前分块的不同匹配点间距离;
为经验常数阈值。
步骤5:完成分块匹配,得到整体配准点信息后,整体配准点使用随机采样一致性约束方法对误匹配点进行剔除,并利用剔除粗差后的影像转换矩阵完成遥感影像的分块配准。正确匹配点分布如图5所示,完成影像配准后,两景影像套合的结果如图6所示。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好的说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。