当前位置：文档之家 › 多光谱图像配准实时处理技术研究

多光谱图像配准实时处理技术研究

  • 格式：pdf
  • 大小：376.46 KB
  • 文档页数：4

下载文档原格式

  / 4

合集下载

基于SIFT的高分二号全色与多光谱影像配准算法

基于SIFT的高分二号全色与多光谱影像配准算法

基于SIFT的高分二号全色与多光谱影像配准算法基于SIFT（尺度不变特征转换）的高分二号全色与多光谱影像配准算法，是一种用于将高分二号全色影像与多光谱影像进行配准的方法。

全色影像通常具有很高的空间分辨率，而多光谱影像则具有较高的光谱分辨率。

通过将这两种影像进行融合，可以得到既有高空间分辨率又有高光谱分辨率的影像数据，对于地物的提取和分析具有重要的作用。

全色与多光谱影像的配准问题成为了遥感图像处理中的一个重要研究方向。

SIFT算法是一种用于图像特征提取与匹配的方法，具有尺度不变性、旋转不变性和仿射不变性的特点。

在SIFT算法中，首先通过高斯金字塔方法计算图像的尺度空间，然后在每个尺度空间中通过差分高斯函数对图像进行滤波，得到关键点。

在得到关键点之后，通过主曲率来确定关键点的主方向，进而计算关键点的特征向量。

通过比较特征向量之间的欧氏距离来进行特征匹配。

在高分二号全色与多光谱影像的配准算法中，首先需要对全色影像和多光谱影像进行尺度空间的计算和特征向量的提取。

然后，通过比较全色影像和多光谱影像的特征向量之间的欧氏距离，找到最佳的匹配点对。

通过计算匹配点对之间的变换矩阵，将全色影像与多光谱影像进行配准。

该算法具有以下特点和优势：1. 尺度不变性：SIFT算法使用尺度空间来提取特征向量，具有很好的尺度不变性，可以适应不同尺度的影像数据。

2. 抗干扰性：SIFT算法通过特征向量之间的欧氏距离来进行特征匹配，可以有效地抵抗噪声和干扰。

3. 计算效率高：SIFT算法通过高斯金字塔来计算尺度空间，可以有效地减少计算量，提高计算效率。

4. 高精度：SIFT算法通过特征匹配和变换矩阵计算，可以得到高精度的配准结果。

基于SIFT的高分二号全色与多光谱影像配准算法具有很好的性能和效果，能够有效地实现全色影像和多光谱影像的配准。

通过该算法可以提高遥感图像处理的精度和效率，为地物提取和分析等应用提供了可靠的数据基础。

SAR图像与多光谱图像融合方法研究

SAR图像与多光谱图像融合方法研究
ｔ ｉｌｇ ｈｅ ｌ ａ ￣ Ｉ
ａ ａ ａ ｌ． ｖｉ ｂｅ ｌ
ｏ Ｌ ｄａ Ｔ ａ ｄ ｇａ ａ Ｓ Ｋ ，ｘ ｅｉ ｅ ｔ ｅｕｔ ｈ ｗ ｔ ａ ｔ ｅ ａｇ ｒ ｈ ｆ ａ ｓｔ Ｍ ｎ ． ｔ Ａ ｎ ｓ ｄ ｅ ｒ ｐ ｍ ｎ ｒｓ ｓ ｌ ｓ ｏ ｈ ｔ ｈ ｌｏ ｔｍ ｉ ｉ ｓ
Ａｂ ｔａ ｔ Ｃｏ ｓ ｅ ｎ ｈ ｅｔ ｒｓ ｏ ｌ — ｐ ｃｒ ｍ ｎ ＡＲ．ｒｍｏ ｅ ｓｎｉ ｇ ｉ ｇ ｓ ａ ｎ ｗ ｓｒ ｃ ： ｎ ｉ ｒ ｇ ｔ ｅ ｆａｕ ｅ ｆ ｍｕｔ ｓ ｅ ｔ ｄｉ ｉ ｕ ａｄ Ｓ ｅ ｔ ｅ ｓ ｍａ ｅ ， ｅ ｎ ｄ ｔ ｕｉ ｎ ａ ｐ ｏ ｃ ａ ｅ ｎ ｐ ｏ ｏｅ ｎ ｔｉ ｐ ｐ ｒＴｈｓ ｍ ｅｈ ｄ ｉ ｃ ｄ ｓ ｈｒ ｅ ｐ ｒ ：ｉ ｔ ｔｅ ａａ ｆｓ ｐ ｒ ａｈ ｈ ｓ ｂ ｅ ｒ ｐ ｓｄ ｉ ｈｓ ａ ｅ ． ｉ ｏ ｔ ｏ ｎ ｌ ｅ ｔ ｅ ａｔ Ｆｒｌ ｈ ｕ ｓ ｓ ｙ，
Ｍ ｕ ｔ ｓ ｅ ｔｕ ｍ ａ ｅ ｌｉ ｐ ｃ ｒ ｍ Ｉ ｇ ｓ －
Ｚ ＡＮＧ Ｈｏ ｇ Ｌ ｉＳ Ｈ ｎ — ｅ，ＯＮＧ Ｊａ —ｈ ， ＨＡＮＧ Ｘ ａ — ｉ ＨＡＯ Ｙａ ｉ ｓｅ Ｚ ｎ ｉｎ ｗｅ． Ｚ ｎ
（ ｅｏ ｄ Ｉｓｔｔ ｆＡ ｔ ｅｙ Ｅ ｇｎ ｅｉｇ Ｘｉ １０ ５ Ｓｃ ｎ ｎｔｕｅｏ ｒｌ ｒ ｎ ｉｅ ｒ ， ａ ７ ０ ２ ） ｉ ｉ ｌ ｎ ｎ
维普资讯
影
傣
技
术
２ ｏ ０ ６年
第 １期
Ｓ Ｒ图像 与 多光谱 图像 Ａ
融合 方 法研 究 半
张红蕾， 宋建社 ， 张宪伟 ， 赵延
叠患 匈
曩影

cc无人机多光谱影像处理流程

cc无人机多光谱影像处理流程

cc无人机多光谱影像处理流程
1. 数据采集：使用CC无人机获取多光谱影像数据，通过无人
机上的多光谱传感器收集目标区域的图像数据。

2. 数据传输：将采集到的多光谱影像数据传输至计算设备，可以通过数据线或者无线传输方式进行。

3. 数据预处理：对采集到的多光谱影像数据进行预处理，包括去除噪声、调整图像亮度、对比度等，以提高图像质量。

4. 光谱分离：将多光谱影像数据分离成不同波段的图像，通常包括红、绿、蓝、近红外等波段。

5. 影像配准：将不同波段的图像进行配准，保证不同波段的图像像素对应的地理位置一致，以方便后续处理。

6. 数据融合：将不同波段的图像进行融合，可以采用多种方法，如颜色合成、像元级融合等，以提取目标区域的更多信息。

7. 数据分析：对融合后的图像进行分析，可以使用不同的算法、模型进行目标检测、分类、变化监测等分析任务。

8. 结果输出：将分析得到的结果输出，可以以图像、统计数据、报告等形式展现给用户，以帮助其做出决策。

总体来说，CC无人机多光谱影像处理流程包括数据采集、数
据传输、数据预处理、光谱分离、影像配准、数据融合、数据
分析和结果输出等步骤，通过这些步骤可以从多光谱影像数据中提取有用的信息并支持决策。

使用多光谱遥感影像进行农作物监测的关键方法

使用多光谱遥感影像进行农作物监测的关键方法

使用多光谱遥感影像进行农作物监测的关键方法近年来，随着遥感技术的不断发展和农业现代化的推进，使用多光谱遥感影像进行农作物监测逐渐成为了一种重要的手段。

通过获取农田的多光谱影像数据，可以帮助农民和相关机构实时监测农作物的生长状况、识别病虫害、预测产量等，极大地提高了农业生产的效率与质量。

本文将介绍使用多光谱遥感影像进行农作物监测的关键方法，包括数据获取、图像处理和信息提取等方面。

首先，数据获取是使用多光谱遥感影像进行农作物监测的基础环节。

多光谱遥感影像通常由航空或卫星平台获取，其光谱范围涵盖了可见光和近红外等多个频段。

对于农作物监测而言，可以选择合适的传感器和数据源，如Landsat系列和MODIS等，以获得高质量的遥感数据。

此外，高空无人机也成为了获取高时空分辨率数据的重要工具。

通过选择适当的数据源和平台，可以获取到多时相、多光谱的遥感影像，为后续的农作物监测提供数据支持。

其次，图像处理是使用多光谱遥感影像进行农作物监测的关键环节。

图像处理过程中，通常包括预处理、配准、辐射校正、大气校正等步骤。

首先，预处理主要是对原始遥感影像进行几何定位、边缘修剪、噪声去除等，以保证后续分析的准确性。

其次，配准是将多时相的遥感影像进行空间对准，以进行后续的时间序列分析。

辐射校正主要是通过对原始影像进行大气校正，消除大气散射和吸收的影响，得到物理量化的表观辐射亮度。

通过这些图像处理步骤，可以消除遥感影像中的各种干扰因素，为后续的信息提取和分析奠定基础。

然后，信息提取是使用多光谱遥感影像进行农作物监测的核心环节。

信息提取主要是通过对处理后的遥感影像进行特定指标的计算和分析，以获取农作物的生长状态、病虫害识别等信息。

常用的指标包括植被指数（如NDVI、EVI等）、水体指数（如NDWI、MNDWI等）、土壤调查指数等。

通过计算这些指标，并与农作物的生长模型相结合，可以反映出农作物的生长势头和病虫害情况。

此外，还可以通过图像分类和目标检测等方法，自动识别农田内的农作物类型和病虫害信息，进一步提高农作物监测的效率与准确性。

多光谱与全色图像的配准及变化检测技术研究

多光谱与全色图像的配准及变化检测技术研究

多光谱与全色图像的配准及变化检测技术研究摘要：多光谱与全色图像的配准及变化检测是遥感领域研究的重要课题之一。

本文通过对多光谱图像和全色图像的特点进行分析，探讨了两者配准及变化检测的技术方法，并对其应用进行了展望。

关键词：多光谱图像，全色图像，配准，变化检测，遥感一、引言多光谱图像和全色图像是遥感领域中常用的图像类型。

多光谱图像具有较低的空间分辨率和较高的光谱分辨率，而全色图像则具有较高的空间分辨率和较低的光谱分辨率。

两者的结合可以充分发挥它们各自的优势，提高遥感图像的解译精度。

二、多光谱与全色图像的配准技术多光谱与全色图像的配准是指将它们在空间上进行对齐，使得对应位置的像素具有相同的地理坐标。

常用的配准方法包括特征点匹配法、相位相关法和小波变换法等。

其中，特征点匹配法是最常用的方法之一，它通过提取图像的特征点，并通过匹配这些特征点来实现图像的配准。

三、多光谱与全色图像的变化检测技术多光谱与全色图像的变化检测是指通过对比两幅图像的差异，来检测地物或地表的变化情况。

常用的变化检测方法包括像素级变化检测和目标级变化检测。

像素级变化检测方法通过比较两幅图像中对应像素的差异来实现变化检测，而目标级变化检测方法则是通过对两幅图像中的目标进行分割和匹配，来实现变化检测。

四、应用展望多光谱与全色图像的配准及变化检测技术在土地利用变化监测、城市发展分析、环境变化评估等领域具有广泛应用前景。

例如，通过对多光谱和全色图像进行配准和变化检测，可以实现对城市建设和农田利用的变化情况进行监测和分析，为城市规划和农业生产提供数据支持。

总结：多光谱与全色图像的配准及变化检测技术是遥感领域的重要研究内容。

通过对两者特点的分析，可以选择适合的配准和变化检测方法。

该技术在土地利用、城市规划和环境变化等方面具有广泛应用前景，为相关领域提供了有力的数据支持。

多光谱遥感卫星图像的精确配准方法研究

多光谱遥感卫星图像的精确配准方法研究

ｔ ｈ ｅ ｎ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｔ ｈ ｅ ｍｏ ｓ ｔ ｓ ｔ ａ ｂ ｌ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｐ ｏ ｉ ｎ ｔ ｓ ｔ ｏ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｅ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｍ ｒ ｐ ｒａ ａ ｍｅ ｔ ｅ ｒ ｓ ｔ ｏ ｃ ｏ ｍｐ ｌ ｅ ｔ ｅ ｒ ｅ ｇ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ ．Ａｔ ｌ ａ ｓ ｔ ， ｔ ｈ ｅ ｍｕ ｔ ｕ ａ ｌ ｉ ｎ —
ｖ ａ ｒ ｉ ａ ｎ ｔ Ｆ ｅ ａ ｔ ｕ ｒ ｅ Ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ（ Ｓ Ｉ Ｆ Ｔ）ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｓ ｕ ｓ ｅ ｄ ｔ ｏ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ． Ｔ ｏ ｉ ｎ ｃ ｒ ｅ ａ ｓ ｅ ｔ ｈ ｅ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ， ｗ ｅ ｉ ｍ ｐ ｒ ｏ ｖ ｅ ｔ ｈ ｅ ｐ ｒ ｉ ｍａ ｒ ｙ
由于特征叫对图像的平移图像配准就是对于不同时间不同传感器或尺度缩放旋转光照强度和视角的改变有很强的不同视角的同一场景的两幅或者多幅图像找到它鲁棒性因此本文对特征区域采用算法提取们像素间的对应关系使之在空间上能够保持一特征点改进初匹配方法然后依据相似性原理和致
第２ ９卷
第ｌ ０期
信 号 处 理
（ 深圳 大学 Ａ Ｔ Ｒ国防科技重 点实验室 ，广东 深Ｈ ｉ Ｉ ５ １ ８ ０ ６ ０ ）
摘
要： 针对一组 多光谱遥感 图像 中 ，各谱段 图像之间配准不一致的问题 ，本文提 出了一种基于特 征点 的快速 自
动配准方法 。在图像信 息熵 的基础上 ，利用环形移动窗 口，自动快速 寻找感兴趣 区域 ， 并利用尺度不变特征转换 （ ｓ ｗｒ ） 算法提取 特征 。为提高精度 ，文 中对特征初匹配方法作 了改进 ，并用余 弦定理和空 间距离约束 条件剔除

实验报告遥感影像融合(3篇)

第1篇一、实验背景随着遥感技术的发展，遥感影像在资源调查、环境监测、城市规划等领域发挥着越来越重要的作用。

然而，由于遥感传感器类型、观测时间、观测角度等因素的限制，同一地区获取的遥感影像往往存在光谱、空间分辨率不一致等问题。

为了充分利用这些多源遥感影像数据，提高遥感信息提取的准确性和可靠性，遥感影像融合技术应运而生。

遥感影像融合是将不同传感器、不同时间、不同分辨率的多源遥感影像进行综合处理，以获得对该区域更为准确、全面、可靠的影像描述。

本文通过实验验证了遥感影像融合技术在提高遥感信息提取准确性和可靠性方面的作用。

二、实验目的1. 了解遥感影像融合的基本原理和方法；2. 掌握常用遥感影像融合算法；3. 通过实验验证遥感影像融合技术在提高遥感信息提取准确性和可靠性方面的作用。

三、实验原理遥感影像融合的基本原理是将多源遥感影像数据进行配准、转换和融合，以获得具有更高空间分辨率、更丰富光谱信息的融合影像。

具体步骤如下：1. 影像配准：将不同源遥感影像进行空间配准，使其在同一坐标系下；2. 影像转换：将不同传感器、不同时间、不同分辨率的遥感影像转换为同一分辨率、同一波段的影像；3. 影像融合：采用一定的融合算法，将转换后的多源遥感影像数据进行融合，生成具有更高空间分辨率、更丰富光谱信息的融合影像。

四、实验方法1. 实验数据：选取我国某地区的高分辨率多光谱遥感影像和全色遥感影像作为实验数据；2. 融合算法：选用Brovey变换、主成分分析（PCA）和归一化植被指数（NDVI）三种常用遥感影像融合算法进行实验；3. 融合效果评价：采用对比分析、相关系数、信息熵等指标对融合效果进行评价。

五、实验步骤1. 数据预处理：对实验数据进行辐射校正、大气校正等预处理；2. 影像配准：采用双线性插值法对多光谱影像和全色影像进行配准；3. 影像转换：对多光谱影像进行波段合成，得到与全色影像相同分辨率的影像；4. 影像融合：分别采用Brovey变换、PCA和NDVI三种算法对转换后的多源遥感影像数据进行融合；5. 融合效果评价：对比分析三种融合算法的融合效果，并采用相关系数、信息熵等指标进行定量评价。

多光谱与全色图像融合方法解析

多光谱与全色图像融合方法为使多光谱与高空间分辨率全色图像的融合效果在努力保持光谱信息的同时尽可能提高其空间分辨率,论文主要对多光谱与全色图像融合算法进行了深入研究,通过大量的融合实验得到了一系列有价值的结论,完成了一定的创新性工作,具体的工作内容如下:在多分辨率分析的特征匹配基础上,提出了一种基于Mallat小波变换与空间投影结合的图像配准算法。

该算法采用投影匹配原理将二维数据变为一维进行匹配计算,降低了配准所需要的时间。

另外,采用逐层细化的分层搜索策略可减少匹配误差从而提高配准精度。

在综合分析àtrous小波变换和Curvelet变换的优点基础上,提出了一种基于àtrous-Curvelet变换的融合算法。

分解后的系数依据所在高,低频层的不同特点,采取多重加权规则进行融合。

该算法能在保留多光谱图像光谱信息的基础上,有效地提高融合图像的空间分辨率。

针对遥感图像影像分辨率低的问题,提出了一种基于区域模糊推理的NSCT域融合算法。

该算法有效地克服了传统融合方法中存在的融合图像模糊,抗噪能力差的缺点。

针对传统脉冲耦合神经网络(PCNN)模型参数无法自动设定的难题,结合lαβ彩色空间转换,提出了一种基于双通道自适应PCNN的图像融合算法。

该算法充分考虑到像素间的相关性及噪声突变的影响,融合效果优于多尺度分析方法。

同主题文章[1].万宁,吴飞. 基于ICA的全色影像和多光谱影像融合算法' [J]. 计算机工程. 2006.(07)[2].陈蔓丽,陈木生,狄红卫. 基于小波变换的多光谱图像和全色图像配准算法' [J]. 暨南大学学报. 2006.(03)[3].于浩,张晓萍,杨勤科,崔健,李锐. 基于双树复小波的遥感图像融合' [J]. 遥感信息. 2008.(05)[4].张易凡,何明一. 基于局部空间线性恢复模型的多光谱与全色图像融合算法' [J]. 西北工业大学学报. 2008.(01)[5].王霖郁,李坤波,黄丽莲. 基于色调一致性改进的图像融合最速下降法' [J]. 应用科技. 2010.(03)[6].杨明辉,任维春. 法国地理院SPOT图像应用研究的进展' [J]. 遥感信息. 1988.(02)[7].英国将研制高分辨率卫星' [J]. 航天返回与遥感. 2002.(03)[8].李琼,孔令罔,朱元泓. 色彩的宽带多光谱空间表示法(英文)' [J]. 仪器仪表学报. 2004.(S3)[9].王小龙,张杰,初佳兰. 基于光学遥感的海岛潮间带和湿地信息提取——以东沙岛(礁)为例' [J]. 海洋科学进展. 2005.(04)[10].王忠武,赵忠明,刘顺喜. IKONOS图像的线性回归波段拟合融合方法' [J]. 遥感学报. 2010.(01)【关键词相关文档搜索】：通信与信息系统; 图像融合; 多光谱图像; 全色图像; 多分辨率分析; 小波变换; 非下采样Contourlet变换; 脉冲耦合神经网络; 彩色空间转换【作者相关信息搜索】：吉林大学;通信与信息系统;王珂;陈大可;。

第15章 多光谱图像融合技术与

(b)改善图像的空间分辨率，增加光谱信息的含量， 为改善检测/分类/理解/识别性能获取补充的图像信息；
(c)通过不同时刻的图像序列融合来检测场景/目标的 变化情况；
(d)通过融合多个二维图像产生具有立体视觉的三维 图像，可用于三维重建或立体摄影、测量等；
(e)利用来自其它传感器的图像来替代/弥补某一传感 器图像中的丢失/故障信息。
j)
ij
ij
融合结果
原始微光
原始红外
加权平均
基于Laplace金字塔分解
融合结果
原始微光
原始红外
基于低通比率金字塔分解
基于小波变换
融合结果
4. 彩色图像融合
(1) 直接映射法 (2) TNO融合法 (3)MIT融合法 (4) 基于空间色彩传递的图像融合方法 (5)基于空间色彩传递的图像融合方法
多光谱图像融合的基本方法
像素级融合 特征级融合 决策级融合
1. 加权融合
设A(x,y)和B(x,y)分别为两幅图像A和B的 像素点，经融合后得到的融合结果图像为 F(x,y)，那么对源图像的像素灰度值加权 融合的过程可以表示为：
F(x, y) wA A(x, y) wBB(x, y)
第15章 多光谱图像融合技术与 系统
为什么进行图像融合？
为什么进行图像融合？
为什么进行图像融合？
为什么进行图像融合？
为什么进行图像融合？
为什么进行图像融合？
多光谱图像融合的概念
冗余信息
图像传感器A
图像传感器B
互补信息
多光谱图像融合是为了克服单一光谱成像系统 图像信息不够丰富的缺点，利用不同光谱图像 的冗余特性和互补特性重新进行信息组合，获 得能反映各种光谱特点的图像的过程。

遥感图像配准技术综述

遥感图像配准技术综述
余先川;吕中华;胡丹
【期刊名称】《光学精密工程》
【年(卷),期】2013(021)011
【摘要】遥感图像配准是图像融合、多光谱分类、环境监测和图像镶嵌等不可缺少的步骤.本文讨论了遥感图像领域中重要的和最新的配准算法,将配准方法划分为基于区域的配准、基于图像特征的配准、基于混合模型的配准和基于物理模型的配准四类;描述了四类配准方法中的典型算法,并分析了它们的优势和不足,重点概述了基于特征配准中的局部不变特征变换算法.评述了国内外遥感图像配准的发展现状;指出了遥感图像配准技术中存在的问题,即多源遥感图像的配准、遥感图像配准的实时性、遥感图像的非线性配准和遥感图像配准的精度评价,最后展望了遥感图像配准技术的发展前景.
【总页数】13页(P2960-2972)
【作者】余先川;吕中华;胡丹
【作者单位】北京师范大学信息科学与技术学院,北京100875;北京师范大学信息科学与技术学院,北京100875;北京师范大学信息科学与技术学院,北京100875【正文语种】中文
【中图分类】TP751
【相关文献】
1.工程与技术科学——测绘科学技术——大地测量技术——遥感图像配准技术研究最新进展 [J], 宋振环;唐伶俐;李传荣
2.遥感图像配准方法研究——综述 [J], 苏清贺;程红;孙文邦
3.遥感数字图像配准技术综述 [J], 吴畏;赵文杰;刘辉
4.多源遥感图像配准技术综述 [J], 汪汉云;王程;李鹏;钱智明;郝胜勇
5.基于SIFT的遥感图像配准技术综述 [J], 李孚煜;叶发茂
因版权原因，仅展示原文概要，查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

图 3 累计误差增长曲线 Fig.3 Accumulative error rising curve
2.1 硬件体系结构的设计 对飞行器数字式景像匹配制导系统展开研究，其最终目的是要建立高速实时信号处理系统，为景像匹配制 导系统工程实用化打下基础。根据相关匹配算法及任务要求，结合 PC 机，可编程逻辑门阵列 FPGA 以及多处 理器 DSP 板构建通用性实时信号处理硬件体系结构。在设计硬件体系结构时，应考虑以下几点： 42
1 相关匹配算法
研究数字式景像匹配制导，首先要设 计一套高效可靠又切实可行的相关匹配算 图 1 数字景像匹配制导系统工作流程图 法，达到匹配效果好、定位精度高、运行 Fig.1 Digital scene matching navigation system flowchart 速度快、便于硬件实时实现的性能要求。 近年来，国内外的学者对图像配准技术进 行了广泛深入的研究，针对各种应用情况，提出了各种各样的配准方法。目前，数字景像匹配可分为三个层次： 基于灰度相关的算法、基于特征的匹配算法和基于解释的特征匹配算法。 由于红外实时图和可见光参考图来自两个不同光谱的传感器，其视景图像在灰度上差距很大，有时甚至可能表 现出相反的信息（灰度反转） 。采用经典的按图像灰度相关的方法难以取得良好的匹配效果。基于解释的图像匹 配技术需要建立在图片自动判读的专家系统上，目前尚未取得突破性进展。因此考虑采用基于边缘特征匹配的 相关方法。 基于特征的图像匹配包括特征提取和特征匹配两大环节。当图像特征已经确定后就要求相似性度量函数给
N N r I (i, j ) = r min2 ∑ε (i , j, m k , n k ) = r min2 ∑∑ S i, j (m, n ) ⊕ T (m, n ) 1 ≤ r ≤ m 1 ≤ r ≤ m m =1 n =1 k =1
第 26 卷 第 4 期 2004 年 7 月
红 外 技 术 Infrared Technology
Vol.26 No.4 July 2004
多光谱图像配准实时处理技术研究*
孔 渊，崔洪洲，周起勃
（中国科学院上海技术物理研究所，上海 200083）
摘要：针对多光谱图像配准问题，利用了基于边缘特征的的相关匹配算法，设计了由可编程逻辑门阵 列 FPGA 和多处理器 DSP 板构建的通用性高速实时信号处理硬件体系结构。实验结果表明，该体系结 构实现了多光谱图像匹配，并达到了实时处理的性能要求。 关键词: 多光谱图像；数字式景像匹配制导系统；匹配算法；硬件体系结构 中图分类号：TP391.41 文献标识码：A 文章编号：1001-8891(2004)04-0041-04
*
收稿日期：2003-12-17
41
第 26 卷 第 4 期 2004 年 7 月
孔 渊等： 多光谱图像配准实时处理技术研究
Vol.26 No.4 July 2004
出共轭图像之间的相似性映射关系。多数情况下共轭图像之间的相似性函数以代价函数的形式或距离函数的形 式给出，当共轭图像完全相同时就希望代价函数和距离函数最小和为零。这种方法在很大程度上依赖于特征的 提取。 景物的边缘作为匹配的特征，具有较好的不变性。通过大量的仿真实验表明，利用它作为匹配的依据是有 效的。图像配准流程如图 2 所示。 1.1 匹配前预处理 1）边缘检测 对于实时图和参考图，分别采用 Sobel 算子进行边缘检测。 2） 区域分割 尽管红外实时图和可见参考图可能存在 着灰度反转现象，但同一图像中同质区的灰度值变化较
Fig.2 图 2 图像配准流程 Image matching flowchart
少。采用统计门限来进行区域分割。在每个像素周围取 n×n 个像素窗口，在窗口中求出均值和均方差值，并与 选定的门限进行比较，决定该像素的值。设图像为 M(i,j), i,j＝1,2,…,K，则其均值和均方差值分别为： M (i, j ) = 1 (2n + 1)2
K = −n L =−n∑ Nhomakorabean
∑ M (i + K , j + K ) ; σ 2 (i, j) =
M (i , j ) = 0 M (i , j ) = 1
n
∑ (2n + 1)2 K∑ = − n L= − n
1
n
n
( M ( i + K , j + K ) − M ( i, j ) )
第 26 卷 第 4 期 2004 年 7 月
红 外 技 术 Infrared Technology
Vol.26 No.4 July 2004
1）能实时实现预定功能。适应大规模计算处理的要求，采用并行和分布式处理结构来完成相关前处理和相 关匹配算法，提高系统的整体工作效率。 2）该硬件平台应具有标准统一、接口规范和易于升级的特点。具有一定的通用性，对于不同的应用，其硬 件结构不需要作太大的改动。 3）具有一定的灵活性。软件结构能在一定程度上脱离对硬件体系结构的依赖，采用异类处理板，软件移植 非常方便，编程量大大减少。通讯信道可重配置，以方便不同算法到处理器的映射。 根据以上要求，精心设计了 FPGA+DSP 的硬件体系结构。这种结构可以充分利用 FPGA 和 DSP 的各自优 点，结构灵活，适于模块化设计，易于系统的维护和扩展，有较强的通用性。同时还能提高算法效率，缩短开 发周期。硬件体系结构如图 4 所示。 FPGA 选用 Xilinx 新近推出的现场可编程平 台门阵列 （Platform FPGA） 的结构产品 Virtex II。 Virtex II 不仅能够以可编程平台来管理讯号完整
σ (i , j ) < Tth σ (i , j ) ≥ T th
根据区域分割提取边缘，将“1”区中像素而且至少有一个相邻像素为“0”者提取即可组成边界。这样得 到的边界方法很简单，而且容易保证了边界的连续性，也无需进行边界细化。 1.2 相关匹配准则 设实时图 T（N×N 维矩阵）在参考图 S（M×M 维矩阵）上平移，实时图覆盖下的那块参考图叫做参考子 i,j 图 S ，i,j 为这块子图的左上角像点在 S 图中的坐标，称为参考点。具体算法准则如下； 1）定义绝对误差值, 对于二值化后的参考图和实时图： ε (i , j , mk , nk ) = S i , j (mk , nk ) − T (mk , nk ) = S i, jT + S i , jT = S i, j (m, n ) ⊕ T (m, n ) ˆ(i , j ) = 1 式中： S N2 ˆ= 1 S i , j (m, n ) ; T ∑∑ N2 m=1 n =1
N N
T (m, n ) ; ∑∑ m=1 n =1
N
N
⊕ 表示异或处理。
2）取一不变阈值 Th； 3）在参考子图 Si,j 中随机且不重复选取像点，计算它同 T 中对应点的误差值ε，然后把这差值同其它点的差 值累加起来，当累加 r 次误差超过阈值 Th，则停止累加，并记下次数 r，定义检测曲面为：
4）把 I(i,j)值大的(i,j)点作为匹配点，因为这点上需要很多次累加 才使误差超过阈值 Th，见图 3，图中给出了 A,B,C 三参考点上得到的 误差累计增长曲线。A,B 反映实时图 T 不在匹配点上，这时Σε 增长 很快，超出阈值，曲线 C 中Σε 增长很慢，很可能是一套准的侯选点。
2 相关匹配算法实时实现
引言
图像配准是图像处理和模式识别的一个重要分支，它模仿了人的定位过程——记忆、观察、比较判断，是 现代信息处理和人工智能应用领域中一项关键核心技术。所谓多光谱图像配准，就是将两个不同光谱（典型的 如红外和可见光）的传感器从同一景物拍摄下来的两幅图像在空间上进行对准，以确定出这两幅图像之间相对 位移的过程。 在研究飞行器数字式景像匹配制导系统时，图像配准是必须要解决的关键技术问题。在这种图像匹配系统 中，把预先拍摄好的航片或卫片作为参考图，存储于弹上计算机，而将飞行过程当中机载传感器实时拍摄的地 面景物图像作为实时图，将实时图和参考图配准，从而确定飞行器的空间位置。 当前，随着图像匹配制导和导航技术的发展，为了提高飞行器的作战适应性、抗干扰能力和武器的突防能 力，新型的制导和寻的的探测器系统可采取多传感器组合方式，已由原来单一的可见光探测系统向多光谱探测 方向发展。由于红外探测系统，具有隐蔽性好、抗干扰性强、灵敏度和空间分辨率高等优点，所以现在的一般 采用可见光和红外复合探测系统。如图 1 所示，是这种匹配系统的典型工作流程图。但目前所采用的参考图一 般是可见卫片或航片，因此，这种系统应该采用多光谱图像配准技术。 本文对针对多光谱图像配准问题，选 择了基于边缘特征的相关匹配算法，并根 据匹配算法和任务要求， 构建了硬件平台， 实时实现了图像相关匹配。
43
第 26 卷 第 4 期 2004 年 7 月
孔 渊等： 多光谱图像配准实时处理技术研究
Vol.26 No.4 July 2004
标准数字接口 PC 机
PCI 总线接口 性、系统时序、电磁干扰（EMI）及设计安全性 等问题，还具备 Xilinx IP-Immersion 技术，设计 波段 1 DSP 处理板 人员可以很轻易地整合软件和硬件 IP 核心程序， 可编程逻辑 CAB (SLAVE) 波段 门阵列 总线接口 以满足设计需求，使电子系统的硬件与软件都能 随时升级。 图 4 硬件体系结构 Fig.4 Hardware architecture 多处理器 DSP 板选用 CORECO 公司的具有 两个 C6201 处理芯片的处理板 Pathon/C6。每个 C6201 DSP 提供高达 1600MIPS 峰值运算能力，C6201 处理器 采用 VLIW(Very Long Instruction Word，超长指令字)方式，它把一个足够长的指令分割成多个字段，每个字段 都可以独立地控制各自的运算器、寄存器、互联网络合存储器等。其处理的并行性是在编译时决定的。 在 Python/C6 COTS 多处理器板上，DSP 处理器之间的通讯有三种方式，它们提供了非常高的通讯带宽， 第一种是通过 HEXGATE 高速单级不完全交叉开关。四个处理器，输入总线和输出 PCI 总线都通过它来连接， 此高速交叉开关可以动态的配置六个数据输入输出端口之间的数据交换， 并且传输可在多对端口之间同时进行。 第二种是全局内存，每个 C6201 处理器即有局部内存便于独自的数据处理，又有全局内存便于数据交换。第三 种是通过 C6201 处理器的主机接口通过 PCI 总线和主控计算机交换数据。从软件角度看，处理器之间的通讯分 为大批量的端口读写和小批量的消息交换两种方式。 2.2 算法软件设计硬件实现 在设计的信息处理硬件体系结构上实时实现相关匹配算法。 根据 FPGA 和 DSP 芯片各自的特点来进行算法 软件的设计。 FPGA 的可编程性使它既具有专用集成电路的速度，又有很高的灵活性。因此可完成模块级的任务，起到 DSP 芯片的协处理器的作用。将运算速度要求高，数据量大和运算结构简单的算法用 FPGA 硬件实现。除此之 外，FPGA 还要进行系统复杂的逻辑控制。 而将运算繁琐，控制结构复杂的高层算法采用 DSP 芯片来实现。 对于存储密集型的图像处理系统 来说，将算法映射到 DSP 芯片时，I/O 吞吐量数据 传输机制对系统的处理能力和效率至关重要， Python/C6 上的 C6201 有四个 DMA ， 可以实现两级 I/O 缓冲，即图像数据从总线到 C6201 的相对较慢 的 SBSRAM 存储的交换 和 SBSRAM 存储器到 C6201 的片内高速 RAM 的交换，这样，数据处理 可以在片内高速 RAM 中进行，数据的吞吐量得到 图 5 数据处理和 I/O 并行执行 了极大的提高，如图 5 所示。 Fig.5 Data process and I/O implemented in parallel 图 5 中，用 DMA1 和 DMA4 分别实现第一级 数据缓存