高分辨率遥感图像高精度快速配准技术研究

Image registration is the base and precondition for analyzing and comparing remote sensing image. Comparing with the registration technique for low resolution images, the difficulties for the registration for high resolution image are: (a) precisely locating control points is not as simple as with moderate resolution images; (b) manually selecting the large number of control points required for precise registration is tedious and time consuming; (c) high data volume will adversely affect the processing speed in the image registration; and (d) local geometric distortion can not be removed very well using traditional image registration methods even with enough control points. We firstly analyze the main characters of high resolution images and the reasons for the above problems. Then solve the problems of hard to select control points and low efficiency by proposing new strategies for feature extraction and registration. For solving the problem of local geometric distortion, we construct mathematics models to divide images and using different parameters to register different piece of image. At last, design a scheme for high resolution image registration. At the same time, propose some robust and automatic registration methods.

图像配准实现同场景多幅遥感图像分析和比较处理的前提和基础，相对于中低分辨率图像的配准，高分辨率图像配准的难点在于（a）很难准确的获取控制点的位置；（b）手工选择控制点效率低、耗时长；（c）数据量的庞大和细节的复杂影响了配准的速度；（d）相对于中低分辨率图像，局部变形明显，即使选择足够多的控制点，也不能很好的消除局部变形。本项目首先深入分析高分辨率图像的主要特点及形成上述配准问题的根本原因，然后分别从特征选择、配准策略等方面入手，解决高分辨率图像控制点难以选择、配准效率低等问题，并在此基础上，建立合适的数学模型，对高分辨率图像进行切割划分，并对各划分区域采用不同的变换模型参数进行配准，进而解决局部变形的问题。最后，设计一套适合于高分辨率图像的配准方案，解决其中关键科学问题，提出一些稳健性强、自动化程度高、适应性广的高分辨率图像配准方法，有效解决高分辨率图像的配准问题。

随着遥感技术水平的提高，我国将获得大量的、覆盖范围广的、清晰度高的高分辨率图像。为了发挥其在动态监测、变化检测、城市扩张等领域的作用，获得我们需要的信息，需要首先对它们进行配准。相对于中低分辨率图像，高分辨率图像具有目标细节更加清晰、数据量大、地势起伏等造成的几何变形无法忽略等特点。这些特点导致高分辨率图像图像配准出现如下难点：第一，难以准确获取控制点的位置；第二，手工选择控制点效率低；第三，细节复杂和数据量的庞大造成配准速度较低；第四，相对与中低分辨率图像，局部变形无法忽略，难以用统一的变换模型对全局图像进行配准。.　　　项目完成了全部研究内容，即基于已有的低分辨率图像配准技术基础，深入挖掘造成高分辨率图像配准难的根本原因，有针对性的提出相应的解决办法，并形成一整套的图像配准方案。主要研究内容包括：第一是变换模型选择和图像分块模型设计，即研究基准图像和待配准图像之间的变换模型问题、对图像的如何分块问题以及不同图像块间的模型参数约束和关联问题等；第二是特征选择与不确定性分析，包括特征选择与提取、特征编组与不确定分析等；第三是匹配策略设计，包括弱特征剔除、特征相似度定义、综合测度值定义和由粗到精的分级匹配策略设计等。.　　本项目取得的重要结果包括：（1）收集和购买了一些实验数据；（2）设计了图像分块的策略，分析了不同图像块模型参数之间的约束和关联；（3）定义了特征性显著性，进而判断哪些特征更适合用作待配准的特征进行后续的对应性求解；（4）提出了新的特征编组策略——弹性特征编组，设计了新的相似性测度来衡量特性特征编组之间的相似性，进而完成特征的对应性求解问题。（5）分析了高分辨率图像特征存在的不确定性，以及影响不确定性的因素，对这些不确定性进行了数学建模，设计并实现了一套新的考虑不确定性的高分辨率图像配准方案；（6）编制了包含设计算法的软件系统。.本项目的科学意义在于推动了高分辨率图像配准技术的发展，特别是在分块模型、不确定性建模、特征编组等方面进行了深入研究，提出并实现了考虑这些因素的适合高分辨率图像的图像配准策略，并利用实际数据进行了验证。该项目的研制成果可以应用于航天、航空等传感器平台获取的光学高分辨率图像之间的配准问题，解决图像之间的对准问题，进而为变化检测、动态监视等具体应用提供支撑。