專利名稱：一種光學(xué)影像和sar影像一體化分割配準(zhǔn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及遙感影像處理技術(shù)領(lǐng)域，尤其是涉及一種光學(xué)影像和SAR影像一體化分割配準(zhǔn)方法。
背景技術(shù)：
圖像配準(zhǔn)(Image Registration)技術(shù)是將相同地區(qū),在不同視角、不同時(shí)亥lj、不同傳感器或不同光照條件拍攝的圖像進(jìn)行空間對(duì)準(zhǔn)的過(guò)程，該技術(shù)是異源空間數(shù)據(jù)獲取和集成過(guò)程中極為關(guān)鍵的步驟，尋找最佳的幾何變換參數(shù)是圖像配準(zhǔn)的最終目的?？梢?jiàn)光傳感器因其獲取的圖像分辨率非常高，并且所獲取的圖像與人目視效果一致，一直是遙感領(lǐng)域中重要的傳感器之一。但是光學(xué)圖像受云層狀況、成像時(shí)間等天氣條件影響較大，并且難以感知目標(biāo)的材質(zhì)等屬性。與光學(xué)傳感器相比，合成孔徑雷達(dá)(SAR)系統(tǒng)具有全天候、全天時(shí)工作的優(yōu)越性，并且SAR圖像對(duì)目標(biāo)的材質(zhì)屬性(如天然草坪、塑膠草坪)、多次反射及粗糙 度極其敏感。利用兩者的互補(bǔ)特性，將兩類圖像融合，可以獲得地物目標(biāo)更為本質(zhì)、更為客觀的特征，從而可以為目標(biāo)識(shí)別、目標(biāo)分類、目標(biāo)提取及解譯提供更為準(zhǔn)確的依據(jù)。對(duì)于SAR影像和光學(xué)影像的配準(zhǔn)，由于其成像機(jī)理差異很大，加之圖像獲取的視角、時(shí)間、環(huán)境等條件的不同，使得SAR影像和光學(xué)影像的配準(zhǔn)存在很多問(wèn)題及難點(diǎn)。相對(duì)于光學(xué)傳感器，雷達(dá)系統(tǒng)是斜視工作模式，這就導(dǎo)致SAR圖像產(chǎn)生透視收縮、陰影、疊掩和近距離壓縮等現(xiàn)象，造成雷達(dá)圖像的幾何校正難度極大增加。另外，作為工作在微波波段的一種相干成像系統(tǒng)，SAR影像不可避免地受到相干斑噪聲的影響，這嚴(yán)重影響了影像特征目標(biāo)的準(zhǔn)確提取。正是因?yàn)镾AR影像與光學(xué)影像的信息表達(dá)方式存在著很大不同，并受到透視收縮、相干斑噪聲、迎坡縮短、頂?shù)椎怪?、陰影等幾何特征的影響，從而增加?SAR圖像自動(dòng)處理過(guò)程的難度。光學(xué)圖像和SAR圖像截然不同的成像機(jī)理也造成兩類影像同名特征的提取以及配準(zhǔn)難度的極大增加，而SAR影像與光學(xué)影像配準(zhǔn)技術(shù)也成為二者信息集成的“瓶頸”。這也使得SAR影像與光學(xué)影像的配準(zhǔn)問(wèn)題成為目前的研究焦點(diǎn)。由于光學(xué)和SAR成像機(jī)理差異很大，并且SAR影像受相干斑噪聲影響嚴(yán)重，傳統(tǒng)的影像配準(zhǔn)方法并不適合于光學(xué)與SAR影像的配準(zhǔn)問(wèn)題中，需要對(duì)其進(jìn)行改進(jìn)。目前SAR影像和光學(xué)影像配準(zhǔn)方法大致可分為兩類基于特征的配準(zhǔn)方法和基于區(qū)域的配準(zhǔn)方法。( I)基于區(qū)域的配準(zhǔn)方法基于區(qū)域的配準(zhǔn)方法又稱為直接法或者模板匹配法，該類方法將模板上的灰度信息或者其某種變換作為基準(zhǔn)進(jìn)行配準(zhǔn)。它將模板作為單位，并根據(jù)某種相似性度量準(zhǔn)貝U，計(jì)算圖像中各個(gè)位置上的當(dāng)前窗口與模板之間的相似程度。由于該類算法中圖像特征不需要被檢測(cè)，因此相似性度量準(zhǔn)則的設(shè)計(jì)成為算法的重點(diǎn)。經(jīng)典的相似性度量準(zhǔn)則主要有三類(B. Zitova 等，2003):互信息方法(mutual information methods)、相關(guān)法(correlation-like methods)、傅立葉方法(Fourier methods)。由于光學(xué)與 SAR 影像不同的成像機(jī)理，使得同一地物灰度可能完全不同，所以給基于區(qū)域的配準(zhǔn)方法帶來(lái)了困難。基于區(qū)域的配準(zhǔn)方法大多都利用影像的灰度信息。但是由于SAR影像和光學(xué)不同的成像機(jī)理，導(dǎo)致兩種影像的灰度之間存在復(fù)雜的關(guān)系，故大多基于區(qū)域的配準(zhǔn)方法很難得到令人滿意的配準(zhǔn)結(jié)果。(2)基于特征的配準(zhǔn)方法基于特征的配準(zhǔn)算法根據(jù)提取的圖像特征的不同，可分為基于點(diǎn)特征的圖像配準(zhǔn)算法、基于邊緣(線)特征的圖像配準(zhǔn)算法、基于區(qū)域(面)特征的圖像配準(zhǔn)算法等。這類配準(zhǔn)算法中圖像同名特征的提取和匹配是兩個(gè)關(guān)鍵的步驟。點(diǎn)特征一般包括角點(diǎn)、高曲率點(diǎn)、區(qū)域的質(zhì)心點(diǎn)、直線的交點(diǎn)等。常用角點(diǎn)提取算法有Harris角點(diǎn)檢測(cè)算法(HARRIS等，1988)，SUSAN角點(diǎn)檢測(cè)法(Smith等，1997)，Lowe提出并總結(jié)完善了 SIFT 算法(L0WE, 1999;LOffE, 2004) SIFT 算法(David G. Lowe, 2004)具有旋轉(zhuǎn)、縮放及仿射不變性對(duì)噪聲及其視角變換不敏感、穩(wěn)定性強(qiáng)，已經(jīng)被廣泛應(yīng)用于目標(biāo)識(shí)別和圖像配準(zhǔn)研究領(lǐng)域中。楊雪梅(楊雪梅等，2010)及龔俊斌等(龔俊斌等，2011)經(jīng)過(guò)預(yù)處理減少光學(xué)圖像與SAR圖像的輻射差異，并對(duì)SIFT描述子進(jìn)行了改進(jìn)，對(duì)光學(xué)圖像與SAR圖像進(jìn)行配準(zhǔn)，但結(jié)果仍然不太穩(wěn)定。 圖像中大部分本質(zhì)結(jié)構(gòu)均可以用邊緣特征代表，邊緣特征能較好地剔除由姿態(tài)變化和傳感器類型造成的幾何畸變、成像畸變的影響。由于邊緣檢測(cè)計(jì)算的快捷性，目前成為基于特征的配準(zhǔn)方法中一個(gè)較好的選擇。劉佳敏等(劉佳敏等，2003)首先對(duì)SAR圖像及光學(xué)圖像作小波變換，然后在各自的極值點(diǎn)處提取邊緣特征；在得到的邊緣上利用均值歸一化灰度相關(guān)算法進(jìn)行多分辨率分級(jí)匹配，低分辨率匹配結(jié)果作為較高分辨層上搜索的依據(jù)，最終得到較好的匹配結(jié)果。Zhaojun Hu (Zhaojun Hu, 2010)利用hough變換提取光學(xué)圖像與SAR圖像的直線段特征，并用直線段端點(diǎn)到直線段的距離和兩條直線段的中心距離作為相似度，并使用遺傳算法作為搜索策略來(lái)獲取配準(zhǔn)參數(shù)，從而獲得較好的匹配效果?；谶吘壠ヅ涞姆椒ǘ际且蕴崛≥^好的邊緣特征為條件的，然而由于SAR圖像和光學(xué)圖像的輻射差異，造成邊緣提取上差異，從而影響匹配結(jié)果。面特征是圖像中最為穩(wěn)定的特征，也是包含信息最多的特征。王子路(王子路，2007)提出利用基于自適應(yīng)非線性擴(kuò)散濾波和C均值分類或者聯(lián)合MAP準(zhǔn)則和規(guī)則化SRAD方法的方法作為SAR圖像分割方法，而光學(xué)圖像則利用四階偏微分方程的濾波和C均值分類，分別提取閉合區(qū)域邊緣特征，使用改進(jìn)的Hausdorff距離作為兩組特征間的相似性度量，利用遺傳算法作為搜索策略估算出參數(shù)，從而得到較理想的匹配效果。張雍吉等(張雍吉等，2008)提出利用光學(xué)影像與SAR影像共有區(qū)域特征進(jìn)行影像配準(zhǔn)的方法，該方法首先提取影像的邊緣特征并采用數(shù)學(xué)形態(tài)學(xué)方法得到封閉輪廓進(jìn)而得到閉合區(qū)域，并把區(qū)域重心作為區(qū)域控制點(diǎn)，進(jìn)而得到配準(zhǔn)變換參數(shù)，從而實(shí)現(xiàn)SAR圖像和光學(xué)圖像的配準(zhǔn)。上述分析可以看出，目前，國(guó)內(nèi)外沒(méi)有一種通用的方法可以解決光學(xué)和SAR的配準(zhǔn)問(wèn)題，這是一個(gè)國(guó)際難題。雖然，面特征對(duì)于光學(xué)和SAR影像來(lái)說(shuō)相對(duì)穩(wěn)定，但現(xiàn)有的基于面特征的SAR影像和光學(xué)影像配準(zhǔn)方法，都是先分割后配準(zhǔn)，分割結(jié)果的好壞對(duì)后續(xù)配準(zhǔn)產(chǎn)生極大的影響。因此，我們需要一種一體化的分割和配準(zhǔn)方法，采用多尺度分割，迭代反饋的配準(zhǔn)方式，分割和配準(zhǔn)相互作用，在最優(yōu)分割的同時(shí)，得到正確的配準(zhǔn)結(jié)果。

發(fā)明內(nèi)容
針對(duì)上述問(wèn)題，本發(fā)明提出了一種基于多層多尺度水平集演化的光學(xué)和SAR—體化分割配準(zhǔn)方法。本發(fā)明提供一種光學(xué)影像和SAR影像的一體化分割配準(zhǔn)方法，其特征在于，包括以下步驟步驟I，對(duì)光學(xué)影像和SAR影像預(yù)處理，包括對(duì)光學(xué)影像進(jìn)行高斯濾波處理，對(duì)SAR影像進(jìn)行Frost濾波處理；步驟2，對(duì)步驟I所得預(yù)處理后的光學(xué)影像和SAR影像，分別隨機(jī)產(chǎn)生聚類中心并利用模糊C均值聚類算法進(jìn)行初始分割，得到初始的區(qū)域；步驟3，基于初始的區(qū)域，對(duì)步驟I所得預(yù)處理后的光學(xué)影像和SAR影像分別進(jìn)行多層水平集分割，得到面分割結(jié)果；步驟4，基于步驟3所得光學(xué)影像的面分割結(jié)果和SAR影像的面分割結(jié)果進(jìn)行sift算法配準(zhǔn)，然后判斷是否存在同名點(diǎn)，是則將sift算法配準(zhǔn)所得結(jié)果作為配準(zhǔn)結(jié)果影像，否則返回步驟2重新隨機(jī)產(chǎn)生聚類中心；步驟5，判斷步驟4所得配準(zhǔn)結(jié)果影像是否滿足配準(zhǔn)精度要求，是則輸出步驟4所得配準(zhǔn)結(jié)果影像，否則利用步驟3所得光學(xué)影像的面分割結(jié)果和SAR影像的面分割結(jié)果作為初始的區(qū)域，返回執(zhí)行步驟3重新進(jìn)行多層水平集分割，直到配準(zhǔn)結(jié)果影像滿足精度要求。而且，步驟3中，對(duì)預(yù)處理后的光學(xué)影像進(jìn)行多層水平集分割包括如下步驟，(a)對(duì)初始的區(qū)域設(shè)標(biāo)號(hào)i，并取得每個(gè)區(qū)域的均值Ui，得到均值集合{yj ;(b)根據(jù)下式計(jì)算水平集層{1J，
權(quán)利要求
1.一種光學(xué)影像和SAR影像的一體化分割配準(zhǔn)方法，其特征在于，包括以下步驟 步驟1，對(duì)光學(xué)影像和SAR影像預(yù)處理，包括對(duì)光學(xué)影像進(jìn)行高斯濾波處理，對(duì)SAR影像進(jìn)行Frost濾波處理； 步驟2，對(duì)步驟I所得預(yù)處理后的光學(xué)影像和SAR影像，分別隨機(jī)產(chǎn)生聚類中心并利用模糊C均值聚類算法進(jìn)行初始分割，得到初始的區(qū)域； 步驟3，基于初始的區(qū)域，對(duì)步驟I所得預(yù)處理后的光學(xué)影像和SAR影像分別進(jìn)行多層水平集分割，得到面分割結(jié)果； 步驟4，基于步驟3所得光學(xué)影像的面分割結(jié)果和SAR影像的面分割結(jié)果進(jìn)行sift算法配準(zhǔn)，然后判斷是否存在同名點(diǎn)，是則將sift算法配準(zhǔn)所得結(jié)果作為配準(zhǔn)結(jié)果影像，否則返回步驟2重新隨機(jī)產(chǎn)生聚類中心； 步驟5，判斷步驟4所得配準(zhǔn)結(jié)果影像是否滿足配準(zhǔn)精度要求，是則輸出步驟4所得配準(zhǔn)結(jié)果影像，否則利用步驟3所得光學(xué)影像的面分割結(jié)果和SAR影像的面分割結(jié)果作為初始的區(qū)域，返回執(zhí)行步驟3重新進(jìn)行多層水平集分割，直到配準(zhǔn)結(jié)果影像滿足精度要求。
2.根據(jù)權(quán)利要求I所述光學(xué)影像和SAR影像的一體化分割配準(zhǔn)方法，其特征在于步驟3中，對(duì)預(yù)處理后的光學(xué)影像進(jìn)行多層水平集分割包括如下步驟， (a)對(duì)初始的區(qū)域設(shè)標(biāo)號(hào)i，并取得每個(gè)區(qū)域的均值Ui，得到均值集合{yj； (b)根據(jù)下式計(jì)算水平集層{1J，
3.根據(jù)權(quán)利要求I所述光學(xué)影像和SAR影像的一體化分割配準(zhǔn)方法，其特征在于步驟3中，對(duì)預(yù)處理后的SAR影像進(jìn)行多層水平集分割包括如下步驟， (a)對(duì)初始的區(qū)域設(shè)標(biāo)號(hào)i，并取得每個(gè)區(qū)域的均值Ui，得到均值集合{yj ；(b)根據(jù)下式計(jì)算水平集層{1J，
全文摘要
一種光學(xué)影像和SAR影像的一體化分割配準(zhǔn)方法，包括步驟步驟1，對(duì)光學(xué)影像和SAR影像預(yù)處理；步驟2，對(duì)光學(xué)影像和SAR影像，分別隨機(jī)產(chǎn)生聚類中心并利用模糊C均值聚類算法進(jìn)行初始分割，得到初始的區(qū)域；步驟3，對(duì)光學(xué)影像和SAR影像分別進(jìn)行多層水平集分割，得到面分割結(jié)果；步驟4，進(jìn)行sift算法配準(zhǔn)，然后判斷是否存在同名點(diǎn)，是則將sift算法配準(zhǔn)所得結(jié)果作為配準(zhǔn)后分割結(jié)果影像，否則返回步驟2重新隨機(jī)產(chǎn)生聚類中心；步驟5，判斷步驟4所得配準(zhǔn)后分割結(jié)果影像是否滿足精度要求，是則輸出步驟3所得配準(zhǔn)后分割結(jié)果影像，否則利用步驟3所得配準(zhǔn)后分割結(jié)果影像作為初始的區(qū)域，返回執(zhí)行步驟3重新進(jìn)行多層水平集分割，直到配準(zhǔn)后分割結(jié)果影像滿足精度要求。
文檔編號(hào)G06T7/00GK102903109SQ20121036926
公開(kāi)日2013年1月30日 申請(qǐng)日期2012年9月27日 優(yōu)先權(quán)日2012年9月27日
發(fā)明者眭海剛, 徐川, 劉俊怡, 華風(fēng) 申請(qǐng)人:武漢大學(xué)