專利名稱：一種用于包含復雜地形遙感圖像的誤匹配點剔除方法
技術領域：
本發明涉及圖像處理技術，具體地說，是對地形復雜地區遙感圖像的圖像匹配過程中產生的誤匹配點進行誤匹配點剔除的方法，從而有效消除誤匹配點，提高匹配精度。
背景技術：
在圖像匹配過程中，無論采用何種匹配方法，由于圖像光照、幾何變形、噪聲、地形等因素的影響，使得圖像匹配結果中總會存在一定的誤匹配點，從而降低了圖像匹配精度。因此，如何有效剔除誤匹配點是圖像匹配過程中一個非常重要的步驟，關系到圖像匹配的精度。目前常用的誤匹配點剔除方法包括隨機采樣一致性方法(Random Sample Consensus, RANSAC)和多項式擬合方法。其中，RANSAC方法是從一組包含異常數據的樣本數據集中，估計模型參數(模型擬合)的迭代方法。多次迭代后總能計算出正確的模型，剔除與整體模型相差遠的點。RANSAC方法已經廣泛應用在遙感圖像的誤匹配點剔除中，并且取得了較好的效果。但是，RANSAC方法也存在缺點，RANSAC方法的缺點是對所有給定的匹配點采用同一個變換模型進行一致性檢驗，對于平原地區，所有匹配點基本位于同一個平面上，滿足相同的變換模型，可以取得很好的剔除效果。但對于山區和丘陵等地形復雜地區，不同的匹配點位于不同的平面上，因此無法使用同一個變換模型來擬合這些點，從而會導致RANSAC方法剔除了部分正確的匹配點，保留了部分錯誤的匹配點。因此，如果匹配點無法滿足同一個變換模型，就無法直接使用RANSAC方法剔除誤匹配點。多項式擬合方法也是用多個匹配點來擬合一個變換模型，然后使用該變換模型剔除與模型相差遠的匹配點，因此，也無法適用于地形復雜地區。在遙感圖像匹配中，待匹配的遙感圖像稱為原始圖像，作為匹配基準的圖像稱為基準圖像，一般情況下，基準圖像都包含比較準確的地理坐標。因此，為了克服常用誤匹配點剔除方法的缺點，本發明針對地形復雜地區遙感圖像的誤匹配點剔除問題，結合基準圖像地理坐標范圍對應的數字高程模型(Digital Elevation Model，DEM)，提出了一個合理、 高效的解決方法，能有效的剔除匹配點，提高包含復雜地形的遙感圖像的圖像匹配精度。發明內容本發明公開一種對地形復雜地區遙感圖像進行圖像匹配過程中產生的誤匹配點進行有效的剔除誤匹配點的方法。本發明實施的前提是參與匹配的基準圖像包含比較準確的地理坐標。本發明的基本思路為首先對地形復雜地區遙感圖像進行圖像匹配，生成一定數量的匹配點，根據基準圖像上匹配點的地理坐標從DEM獲得每對匹配點的高程值，把具有相同高程值的匹配點作為同一層，形成初始的匹配點層；然后對初始的匹配點層進行合并， 合并高程值相近的匹配點層，形成最終的匹配點層；再對原始圖像進行網格劃分，網格大小為MXM，網格劃分后，把每一層的所有匹配點按照坐標分配到不同的網格中，該步驟為可選步驟；最后，在每一層使用RANSAC方法對該層每個網格中的或全部的匹配點進行誤匹配點剔除。實現本發明思路的技術方案流程如圖1所示，具體步驟描述如下A.對遙感圖像進行匹配，生成匹配點；B.對于每一對匹配點，根據基準圖像上匹配點的地理坐標，從DEM中讀取對應的高程值，并把具有相同高程值的匹配點作為同一層，形成初始匹配點層，每個匹配點層包含兩個屬性匹配點個數和高程值；C.把步驟B中生成的初始匹配點層按照每層包含的匹配點的個數進行排序，然后按照順序，從最小的匹配點層開始合并，合并到與該層距離最近的一層中，直到無法合并為止；D.對原始圖像進行網格劃分，網格大小為MXM，網格劃分后，把每一層的匹配點按照坐標分配到不同的網格中，該步驟為可選步驟；E.在每一個匹配點層，使用RANSAC方法對該層的全部匹配點或每個網格內的匹配點進行誤匹配點剔除。上述實施步驟的特征在于步驟A中的圖像匹配可以根據實際情況，選擇不同的圖像匹配方法，目的是盡可能多的獲得一些精度較高的匹配點，盡可能減少誤匹配點，從而提高誤匹配點的剔除效果。步驟B中，DEM必須選擇和基準圖像地理坐標范圍對應的DEM數據，并且DEM數據的分辨率最好和基準圖像的分辨率相同，也可以高于或者低于基準圖像的分辨率。步驟C中，匹配點層數排序可以按照從小到大或者從大到小的順序，兩個層的距離用兩個層的高程值的差的絕對值來表示。步驟D為可選步驟，對于大區域或者地形非常復雜的圖像選擇使用該步驟，對于小區域的圖像，可以跳過該步驟。網格劃分中網格的大小為經驗選擇，但不能太小，否則可能會導致網格內的誤匹配點過多，影響剔除效率。網格大小可以是固定的，比如500X500， 也可以固定生成多少個網格，根據圖像大小動態計算網格大小。步驟E中，如果選擇執行步驟D，則使用RANSAC對每層的每個網格進行誤匹配點剔除，如果沒有選擇執行步驟D，則對每層的全部匹配點進行誤匹配點剔除。和直接的使用RANSAC方法相比，其優點是利用DEM數據的高程信息，把圖像匹配得到的匹配點分成若干層，每層可能被分為若干網格，從而使全部匹配點被分為能滿足統一變換模型的若干組，然后分別使用RANSAC剔除誤匹配點，克服了現有方法的缺點，有效減少復雜地形對誤匹配點剔除的影響，提高了匹配精度；并且算法計算復雜度低，計算速度快，易于實現。
圖1是技術方案流程示意2是匹配點層合并流程示意圖具體實施方式
現在結合附圖，描述本發明的一種具體實施方式
。依據技術方案流程示意1和“發明內容”中的具體描述，誤匹配點剔除的過程主要包括圖像匹配，建立初始匹配點層，合并初始匹配點層，劃分網格、分配匹配點， RANSAC分層剔除誤匹配點。第一步是圖像匹配。圖像匹配就是結合實際圖像，選擇一種適合實際圖像的匹配方法，生成初始匹配點。不管采用什么匹配方法，一般要求生成的匹配點存在盡可能多的精度較高的匹配點，如果太少就會影響誤匹配點剔除的效果。第二步是建立初始匹配點層。該步驟是依據與基準圖像地理坐標范圍對應的DEM 數據，按照基準圖像上匹配點的地理坐標從DEM數據中讀取每一對匹配點對應的高程值， 并把具有相同高程值的匹配點作為同一層，對所有匹配點都依次處理完成后就建立了 k層初始匹配點層，記為Li, i = L··+，每個匹配點層都有兩個屬性匹配點個數和高程值，分別記為Ni, Ei,表示第i層的匹配點個數和高程值。第三步是合并初始匹配點層。根據匹配點對應的高程值建立的初始匹配點層，相鄰多個層的距離非常小，從而使多個層都能滿足同一個變換模型，并且一部分匹配點層的匹配點個數太少，可能會使一些層存在一半以上的誤匹配點，導致RANSAC方法失效。因此， 匹配點層合并的目的是合并距離較近的匹配點層，增加每一層的匹配點個數，保證RANSAC 方法的剔除效果。某一層包含的匹配點越多，其包含的誤匹配點的比例就越少，在剔除誤匹配點時準確度就越高。因此，在合并時，應該保留匹配點個數較多的層，而把匹配點個數較小的層合并到較多的層中。合并后，合并的結果層匹配點個數發生了變化，需要重新計算，并且把兩個對應不同高程值的層進行了合并，因此，合并的結果層的高程值也需要重新計算。為了達到匹配點層合并的目的，本發明首先定義如下計算公式(1)第i層和第j層的距離定義為=Dij = Ei-EjU其中，Ei、&分別表示第i層和第j層的高程值。(2)把第i層合并到第j層后，第j層新的匹配點個數和高程值的計算公式如下Njnew = NjJNiEjnew = WXEjol^(I-W)XEi其中表示合并后的第j層的匹配點個數，Njold表示合并前的第j層的匹配點個數，Ejnew表示表示合并后的第j層的高程值，Ejold合并前的第j層的高程值。W為權重系
N1
數，^ = ^J—。 議， Ni+Nj具體合并方法如下(1)匹配點層排序按照匹配層的匹配點個數進行排序，排序可以按匹配點個數由大到小排序，也可以由小到大排序；(2)匹配點層合并本發明專利定義以下幾個閾值，用來進行匹配點層的合并匹配點層匹配點個數閾值N，當某一層的匹配點個數大于閾值N時，就表示該層可以作為獨立的一層了，不一定需要合并到其它層了 ；兩個層的距離最大閾值Dmax、最小閾值Dmin，最大 Dmax用來約束匹配點個數小于閾值N的匹配點層的合并，大于閾值Dmax表示兩個層合并后可能會無法滿足同一個變換模型，最小閾值Dmin用來約束匹配點個數大于閾值N的匹配點層的合并，小于閾值Dmin表示雖然兩個層的匹配點個數都非常多，但兩個層的距離太近，滿足同一個變換模型，可以進行合并，這樣可以減少合并結果的層數，提高計算效率。合并從匹配點個數最小的層開始，依次由小到大進行合并。對于每個待合并的Li 層，首先找到與！^層距離最近的Lj層，然后分兩種情況判斷能否進行合并(a)如果NiSN, 表示匹配點個數較少需要合并，如果Du < Dmax，則把Li合并到h中，否則把Li作為獨立的一層，即使該層的匹配點個數較少；(b)如果Ni > N，則表示該層可以作為獨立的一層，但兩個獨立的層的距離非常近時，是可以滿足同一個變換模型的，對于這樣的層也應該進行合并。 因此，如果Du < Dmin，則把Li合并到h中，否則把Li作為獨立的一層，即使該層的匹配點個數較多。每次合并后按照匹配點個數和高程值計算公式，重新計算Li層的匹配點個數和高程值，這樣依次對每個層都進行判斷并合并，直到無法合并為止。
第四步是劃分網格、分配匹配點。該步驟是ー個可選步驟，根據圖像的大小和圖像的地物類型進行選擇。對于大區域或者地形非常復雜的圖像，即使把匹配點進行了分層處理，但對于每一層的匹配點，可能仍然無法滿足同一個變換模型，這時就需要選擇該步驟， 否則就跳過該步驟。該步驟的具體方法為對原始圖像進行網格劃分，網格大小為MXM，把原始圖像分為的若干個網格。然后根據原始圖像的匹配點坐標和網格的坐標范圍，把每一對匹配點分配到不同的網格中。網格大小可以根據圖像的大小、圖像的地物類型進行選擇，保證網格
都有一定數量匹配點。對于大區域或者地形非常復雜的圖像，進行網格劃分后，把同一層的匹配點分配到不同的網格中，這樣可以使每個網格內的匹配點滿足同一個變換模型，也就可以使用 RANSAC 方法了。第五步是RANSAC分層剔除誤匹配點。該步驟是在分層和網格劃分的基礎上，使用 RANSAC方法剔除誤匹配點。誤匹配點剔除時，對每ー層分別進行處理，如果選擇了步驟四， 則對每一層的各個網格分別使用RANSAC方法剔除誤匹配點，否則就直接對每ー層的全部匹配點使用RANSAC方法剔除誤匹配點。本發明主要是解決地形復雜地區遙感圖像匹配后的誤匹配點剔除問題，針對該問題，本發明結合DEM數據，提出了一個分層剔除誤匹配點的方法。本發明的一個實施例在PC 平臺實現，可以有效剔除遙感圖像中的誤匹配點，提高圖像匹配精度，并且計算復雜度低， 計算速度快，易于實現。
權利要求
1.提供一種對包含復雜地形的遙感圖像進行圖像匹配過程中產生的誤匹配點進行有效的剔除誤匹配點的方法，其特征在于包括如下步驟A.對遙感圖像進行圖像匹配，生成匹配點；B.對于每一對匹配點，根據基準圖像上匹配點的地理坐標，從數字高程模型(Digital Elevation Model, DEM)中讀取對應的高程值，并把具有相同高程值的匹配點作為同一層， 從而建立初始匹配點層，每個匹配點層包含兩個屬性匹配點個數和高程值；C.把步驟B中生成的初始匹配點層按照每層包含的匹配點的個數進行排序，然后按照順序，從最小的匹配點層開始合并，合并到與該層距離最近的一層中，直到無法合并為止；D.對原始圖像進行網格劃分，網格大小為MXM，網格劃分后，把每一層的匹配點按照坐標分配到不同的網格中，該步驟為可選步驟；E.在每一個匹配點層，使用隨機采樣一致性方法(RandomSample Consensus,RANSAC) 對該層的全部匹配點或每個網格內的匹配點進行誤匹配點剔除。
2.根據權利要求1中所述的誤匹配點剔除方法，其特征在于步驟A中的圖像匹配可以選擇現有的各種圖像匹配方法，選擇的圖像匹配方法要能夠獲得盡可能多的精度較高的匹配點，并盡可能減少誤匹配點。
3.根據權利要求1中所述的誤匹配點剔除方法，其特征在于步驟B中DEM必須選擇和基準圖像地理坐標范圍對應的DEM數據，并且DEM數據的分辨率最好和基準圖像的分辨率相同，也可以高于或者低于基準圖像的分辨率。
4.根據權利要求1中所述的誤匹配點剔除方法，其特征在于步驟C中，匹配點層數排序可以按照從小到大或者從大到小的順序；兩個層的距離用兩個層的高程值的差的絕對值來表示；匹配點層合并時，從匹配點個數最小的層開始依次由小到大進行合并，并使用兩個層的匹配點個數和兩個層的距離作為是否合并的判斷準則，匹配點層合并后，需要重新計算新合并后的匹配點層的匹配點個數和高程值。
5.根據權利要求1中所述的誤匹配點剔除方法，其特征在于步驟D為可選步驟，對于大區域或者地形復雜的圖像選擇使用該步驟，對于小區域的圖像，可以跳過該步驟，網格劃分中網格的大小為經驗選擇。
6.根據權利要求1中所述的誤匹配點剔除方法，其特征在于步驟E中，如果選擇執行步驟D，則對每層的每個網格進行誤匹配點剔除，如果沒有選擇執行步驟D，則對每層的全部匹配點進行誤匹配點剔除。
全文摘要
本發明公開一種對包含復雜地形的遙感圖像進行圖像匹配過程中產生的誤匹配點進行有效的剔除誤匹配點的方法。本發明實施的前提是參與匹配的基準圖像包含比較準確的地理坐標。處理過程為首先對遙感圖像進行圖像匹配，生成一定數量的匹配點，并依據基準圖像對應的數字高程模型(Digital Elevation Model，DEM)建立初始的匹配點層；然后對初始的匹配點層進行合并，合并高程值相近的匹配點層，形成最終的匹配點層；再對原始圖像進行網格劃分，把每一層的所有匹配點按照坐標分配到不同的網格中，該步驟為可選步驟；最后，在每一層使用隨機采樣一致性方法(Random Sample Consensus，RANSAC)方法進行誤匹配點剔除。
文檔編號G06T7/00GK102542565SQ20111041091
公開日2012年7月4日 申請日期2011年12月12日 優先權日2011年12月12日
發明者馮崢, 單小軍, 唐娉, 鄭柯 申請人:中國科學院遙感應用研究所