多传感器遥感图像配准方法的

摘 要：根据多传感器遥感图像的成像特点,需要对获得的遥感图像进行配准融合后才能获得所需要的信息.傅立叶变换应用在多传感器遥感图像配准中可以达到预期的配准效果,能够分析出所需要的数据信息.

关 键 词 ：图像配准 傅里叶变换 数据信息

中图分类号：TP29 文献标识码：A 文章编号：1674-098X（2013）03（a）-00-02

1.图像配准的意义

由多传感器遥感图像的成像的特殊性可知造成图像失真、发生几何畸变的原因有很多,无论是卫星的拍摄角度和运行速度还是地球本身的自转及曲率都会对图像质量造成影响[1].通过对多角度获取的多传感器图像进行融合分析,可以得到所勘测地区或空间的高清图像及有效信息,对遥感图像进行准确的信息融合首先需要对所获得的图像进行严格的一系列的预处理,包括对图像的纠正、匹配和去噪等,这样才能保证所获得的遥感图像之间具有一定标准的校准度.

2.图像配准的定义

图像配准是对取自相同或不同时间、由多个传感器在不同角度所获得的同一场景的两幅图像或者多幅图像进行最佳匹配的处理过程[2].其具体配准过程可描述如下：将其中的一幅图像作为参考图像,其他图像作为输入图像来与参考图像进行比较,提取出图像中最能表现其本质的属性进行综合分析,建立起图像之间相互关联的变换关系,进而得到准确的信息.衡量图像配准方法好坏的指标包括图像配准精度、匹配可靠性和配准处理速度等.

3.图像配准的方法

（1）基于目标区域的配准方法

基于目标区域的配准方法可以分为两种：基于灰度和基于相位（频率）的配准算法[3].基于图像灰度的算法使用时间比较长,很多种算法都是基于此种类型,具体过程是从参考图像中获取目标区域作为匹配的模板,待配准图像经过匹配模板的扫描,通过相似性度量来寻找最佳匹配点[4].

（2）基于特征的配准方法

基于特征的配准算法的实现通常分为两步：特征提取和特征匹配.具体过程是：图像进行特征匹配前,首先将两幅图像中灰度特征发生比较显著变化的区域（点或线）提取出来,再在两幅图像所形成的特征集中运用相应的特征匹配的算法将存在匹配关系的特征对尽可能的选择出来,然后再对非特征像素点集采用插值等算法推出相对应的关系,以达到两幅图像配准的精度是像素级的.

图像配准的方法随着遥感技术的不断发展也越来越多：针对由同一传感器获得的遥感图像间的配准可采用基于图像灰度的互相关算法,此算法计算量比较大,处理非线性畸变有困难；被广泛使用的图像配准算法之一的是傅立叶变换算法,该算法采用的是对图像进行傅立叶变换,然后再采用相位相关等技术来处理平移、缩放等配准问题.

4.图像配准算法―傅立叶变换

在图像背景比较混杂不清的情况下,特征提取相对比较困难,为解决这些问题我们采用能够进行自动配准图像的傅立叶变换算法.傅立叶变换算法采用的是相关技术,根据频率域中的信息寻找最佳匹配的信息点,不需要寻找控制点或传感器的各种参数就能够直接求出图像之间的平移、旋转、比例放大等变化参数,而且该方法可以抵抗噪声干扰,还可以利用快速傅立叶变换实现图像的快速自动配准.

（1）平移变化

（3）比例放大的变换特性

通过上面的讨论可以知道,经过数-极坐标转换并利用傅立叶变换的比例特性及旋转特性可先求出比例因子和旋转角,对需要配准的图像根据得到的结果进行变换,然后再利用傅立叶的相位相关技术来确定图像间的平移关系,并求出平移量,进行变换后即可得到已配准的图像[5].

5.结语

对图像采用傅立叶变换的算法进行配准可取得良好的匹配效果,配准精度比较高,此外,运用傅立叶变换和反变换可直接求得变换参数,减少了因寻找配准控制点而导致的步骤烦琐并降低了误差率,同时也提高了图像间的配准质量与速度.