摘 要

遥感图像拼接技术是近年来计算机图像技术领域研究的焦点。对感影像拼接技术的研究虽然已经取得了明显的进步，能够较好地实现遥感图像的拼接。但是对于图像拼接的质量和程序运算速度依然存在较大的问题。已有的各种遥感影像拼接算法对各种遥感影像的兼容性差且拼接后图像的质量存在较明显的问题，如重影现象、拼接痕迹明显等。本课题针对上述多种问题进行改善，设计基于角点检测算法的改进算法，研究如何提高已有的基于角点检测的图像拼接算法对于各种内容的遥感影像拼接的兼容性，使得其可以适用于不同内容、不同目标的遥感影像拼接。研究如何改善拼接后遥感影像的质量，如何淡化或消除遥感影像拼接之后留下的明显拼接痕迹以及较明显的重影现象。研究如何如果提高算法的计算速度，提高拼接效率。研究结果表明改进后的角点检测算法能够较好的实现遥感图像的拼接，并对不同的遥感影像有较好的兼容性。

关键词 遥感图像；Harris角点；图像配准；图像拼接；

Abstract

Remote sensing image Mosaic technology is the focus of computer image technology research in recent years. Although the research on sensing image Mosaic technology has made obvious progress, it can realize remote sensing image Mosaic well. However, there are still big problems in the quality of image Mosaic and program operation speed. The existing remote sensing image stitching algorithms have poor compatibility with various remote sensing images, and there are obvious problems in image quality after stitching, such as ghosting and obvious stitching traces. Aiming at the above problems, an improved algorithm based on Harris corner detection algorithm is designed to study how to improve the compatibility of the existing Image Mosaic algorithm based on Harris corner detection for remote sensing image Mosaic of various contents, so that it can be applied to remote sensing image Mosaic of different contents and targets. How to improve the quality of remote sensing image after splicing, how to dilute or eliminate the obvious splicing trace and the obvious ghosting after splicing of remote sensing image is studied. How to improve the calculation speed of the algorithm and the stitching efficiency is studied. Through a series of experiments on the improved Harris corner detection algorithm, it is proved that this algorithm can realize the stitching of remote sensing images well and is compatible with different remote sensing images.

key words Remote sensing image; Harris corner; Image registration; Image Mosaic;

目录

第1章 绪论 1

1.1 研究的目的及意义 1

1.2 图像拼接技术简介 2

1.3 图像配准技术研究现状 3

第2章 角点检测简介 5

2.1 角点检测算法的类型 5

2.2.1 常用的角点检测的算法 5

2.2.2 常用角点检测算法比较 9

2.3 角点检测算法的标准 9

第3章 图像配准 10

3.1 基于灰度的图像配准 10

3.2 基于特征的图像配准 10

第4章 图像融合 11

4.1 图像融合的基本概念 11

4.1.1 像素级图像融合 11

4.1.2 特征级图像融合 11

4.1.3 决策级图像融合 12

4.2 图像融合的常用方法 12

4.2.1 图像变换 12

4.2.2 Gram schmidt变换方法 13

4.2.3 小波变换 13

第5章 图像拼接 14

5.1 图像拼接流程 15

5.2 图像拼接算法的分类 15

5.3 图像拼接技术的难点 16

第6章 图像拼接实验 17

6.1 软件介绍 17

6.2 实验方案 17

6.3 实验过程 17

6.4 实验结果 20

第7章 总结与展望 23

致谢 24

第1章 绪论

1.1 研究的目的及意义

大部分遥感图像需要正确的处理才能加以利用，而并非可以直接利用获取的原始图像从中提取出大量的有用信息。因此对遥感图像的处理已经成为一个人们研究的重点，并且已经取得了较为成熟的研究成果。遥感图像拼接作为遥感图像处理中的一个重要研究分支，已经成为不可或缺的一个研究课题，特别是在军事和社会经济建设中，其使用价值已经远远不止于研究用途。

遥感图像在城市环境污染的检测和规划管理、建筑策划、水利水电、摄影测绘、气象检测、交通管理等行业领域有着广泛的应用。随着应用的深入，人们对遥感图像信息的要求不断在提高，因而全世界各国相继的将大量的人力物力投入到遥感图像处理技术的研究当中去，遥感影像成像和处理技术内容中遥感图像的对齐与拼接技术也是极其重要的。将一系列具有部分公共场景的可能是在不同角度、不同气候条件、不同成像设备下采集的遥感图像，经配准后融合形成一幅视野宽阔、能够容纳所需要观测区域最多信息量的大画面的遥感图像。通过遥感图像拼接技术，可以剔除掉只含有单一场景的大量遥感影像，减少了需要存储的遥感影像的数量实现了对信息的压缩和冗余信息的剔除，更加高效快速的运算和存储大量的遥感数据，使得研究人员能将更多的精力放在数据的分析与研究上。

大部分原始的卫星遥感图像所拍摄的场景幅度有限，不能满足人们对于宽视角、大幅度、高像素的遥感图像的要求，然而在很多军事遥感图像应用和地质观测等场合经常需要满足较大场景的遥感图像，因此人们研究能否通过计算机技术对获取的遥感图像进行拼接以解决这个幅度限制的重要问题，这便是遥感图像拼接的研究目的。

图像拼接是否成功最基本的因素就是两张图片是否能够精确的配准。只有将两个图像融合的部分最大程度的进行拼接才能实现图像信息最大化的提取。对于普通图像来说完成图像的对齐与配准相对简单，但是对于高分辨率、多光谱频段、信息丰富且覆盖范围广阔遥感图像来说对于配准技术的要求更高，对于计算机图像配准算法的要求也更加严格配准精度更高。在进行图像配准时，需要考虑以下几个内容[^[1]]：一内容无关性：遥感图像种类繁多，包含各种各样的检测内容，设计的处理算法应该对所有遥感影像的内容都适用，即对各种遥感图像的兼容性强；二自动性：遥感图像数据集往往数量十分庞大，如果使用人工去找出含有的公共部分会花费大量的时间和人力，因此配准算法要能够自动找出图像中的公共部分进行配准，这样才能提高配准算法处理的效率；三计算复杂度低：设计的算法程序要尽可能地简单快速，节省时间成本；四精度高：提高配准精度是图像拼接时必不可少的一条准则，精度决定了遥感图像的使用价值高低。当精度要求得不到满足时就会使得图像的利用率降低。然而想要同时满足这些要求，以目前的已经研究相对成熟的图像配准算法来说很难做到。所以我们仍然需要付出大量的努力去研究新的更加高效高质量的遥感图像配准技术，在前人已经研究取得成果的基础上进一步深入探究，不断开拓创新。

图像配准技术在很多计算机科学领域都有重要的作用，这项技术在遥感图像的目标定位与检测、机器人视觉、医学显微图像处理等诸多领域都具有广泛的应用。对于不同应用的要求侧重点不同，有的是通过图像配准来融合图像，有的则是针对配准公共部分来找出两幅图像中不同的地方。单一图像所含有的信息远远不能满足计算机图像处理的需要，将多张含有各自特点信息的图像融合起来在同一张图像上显示，使得一张图像含有多张图像的特点信息，也减少了多余图像对存储空间的浪费，计算的效率得到很大程度的提升。在这个过程中图像的配准便是计算机图像处理方面的研究重点和关键技术。

在两张图像配准完成之后如何将其融合成为一张图像又是另外一个很关键的问题。因为现实中所获取的遥感图像经常会受到各种客观条件的限制而使得含有公共场景的两张图像差别较大，例如公共场景部分可能亮度不一样，或者拍摄的角度不一样，或者拍摄的时间不一样，或者不是出自同一拍摄设备等诸多因素都可能影响融合的效果。选择合适的融合方法是提高图像拼接质量的重点，在进行图像融合时，需要遵循以下几个原则[^[2]]：

(1)图像融合要保证拼接后的完成图像没有明显的拼接痕迹；

(2)尽可能多的保留图像中所包含的原始信息；

而找到符合这两个准则的融合算法是亟待解决的问题。

1.2 图像拼接技术简介

图像拼接技术是通过匹配特征点的方式或按像素配准它们的公共场景部分再进行图像融合完成拼接。该技术广泛应用于虚拟现实[^[3]]，医学图像处理[^[4]]，遥感技术[^[5]]和军事领域[^[6]]。因此，它已经成为计算机图像处理技术的研究热点。

在进行图像拼接之前，首先要选择一个参考图像，并在该参考图像中寻找到具有特征的点（角点，曲率点等）在空间位置中找到两个图像之间的对应关系。待拼接图像经过相应的几何变换，从而在这些代表点的位置实现与参考图像的重合，实现图像配准。然后将它们融合在一起以实现拼接并消除拼接痕迹。我们必须准确对齐两个图像即图像的配准，正确地将具有相关性的图片进行配准可以实现图像的无缝连接，进行图像融合，该方法的主要操作步骤是首先选择参考图像，并在参考图像中寻找到具有特征的点；然后删除提取错误的特征点；然后将两个图像中的正确特征点一一对齐。计算融合后变形图像的顶点坐标；然后通过渐入渐出方法将两张图像合并为一张图像。在两个图像中找到相应的特征点是否准确，决定了两幅图像中的特征点的准确对齐，因此决定了两个图像是否可以准确实现配准，必须找到一种准确的方法提取特征点至关重要。

目前常见的配准方法主要是绝对配准和相对配准，绝对配准指的是在一个已经设定好的控制网络中配准所有的遥感图像，然后再对每个遥感图像进行细化处理。相对配准方法指的是从所有的遥感图像中挑选出一个图像作为特定的图像，并根据这个特定的图像来配准其他的遥感图像。在实际的操作过程中，人们常用的配准方法是相对配准。因此本篇论文主要介绍的是相对配准的方法：配准的过程主要是通过函数映射来实现的，也就是说要对两个图像的函数信息进行比对和转换，使图像的函数关系转换成多项式。

为了更准确的确定配准控制点并获取更多的图像信息,人们研究出更多的图像配准方法，常见的有:基于变换域[^[7]]、基于灰度[^[8]]以及基于特征[^[9]]这三种配准方法。本文主要介绍的是基于特征配准方法。

基于特征配准方法主要是首先要对所获取的遥感图像进行一个预处理，该处理过程主要包含两个部分，第一个部分是要分割遥感图像，并对每一部分的图像进行特征提取，第二个部分就是对具有相同特征的图像进行配准，由于在进行配准的过程中主要是根据相同特征这个特点来进行配准的，而不同的图像所具有的特征种类是不同的，常见的特征包括边缘、角点、封闭区域、直线段、轮廓、重心和特征结构等等。

目前人们常用的图像特征是角点，人们在获取了遥感图像之后要对遥感图像进行分割，然后对每部分的图像进行角点提取，并将不同图像的角点之间建立一定的联系。在确定配准控制点的过程中主要就是相同的角点，并将这些图像进行配准。但是在实际操作中往往遇到困难的是对不同图像的角点之间建立联系的环节，因此很多时候往往在两个图像之间的角点无法正确对应导致不能够对图像进行配准，所以人们为了解决这个问题设计出了松弛法、距离法等等检测方法。这些检测方法的作用是将角点的分类更加细致化，从而降低寻找相同角点的难度。

1.3 图像配准技术研究现状

上述已经给大家详细的介绍过基于特征的配准方法，下面给大家简要介绍一下另外的两种配准方法。首先是基于变换域的配准方法，这种方法最适用的是相位相关法。另外一种配准方法是基于灰度的计算方法，这种计算方法有很多种计算形式，比如说误差计算，互信息和互相关等等。而基于特征配准方法主要有角点检测，SURF算法和SIFT算法。LIU提出了一种基于特征的配准方法即KICA SIFT算法[^[10]]，这种算法的优点是可以简化整个计算过程，减少计算量，但是缺点是特征描述符呈现多样性不能够特征的去描述图像。 GAO[^[11]]等人通过对图像配准技术进行一系列的研究之后，终于在2011年提出了一种图像拼接算法。这种算法属于基于区域的配准方法。该方法的配准过程如下：第1步要确定好两个即将进行转换的图像，第2步就是将这两个图像中重叠的部分进行拼接。此后不久，康等人在此基础上将这种图像拼接方法与SIFI算法之间相结合，使其实现特征匹配方法与区域配准方法相结合的目的[^[12]]。而后Sedaghat[^[13]]通过对图像配准技术进行一系列的研究之后提出了UR-SIFT算法。该配准方法的优点是可以提高配准的算法精度，这是因为这种算法可以对特征点进行分配分布。Bu等人[^[14]]2012年提出了Radon-SIFT算法，这种算法的优点是更加准确，但计算却更为复杂。随后，诸如迈克尔•卡伦德（Michael Calender）等学者提出了Brief算子[^[15]]，此新描述运算符的最大优点是匹配速度快且资源消耗少，但缺点是没有规模仿射不变性。Fua等提出了二进制SIFT特征描述[^[16]]，加快SIFT功能的匹配速度。

第2章 角点检测简介

2.1 角点检测算法的类型

角点是研究图像的一个重要的参考指标，通过获得角点就可以获得有关图像的相关信息，常见的测量角点的算法有基于图像法和基于边缘轮廓法，人们在选择这两种方法时考虑的因素一般是速度和所获得的图像的完整性。基于图像法采取的搜索信息方法是全局搜索，因此它的速度是比较快的，当人们追求快速获取角点信息时可以选择基于图像法。而基于边缘轮廓法的优点是可以对图像进行漏洞检测从而使所获得的图像更具有完整性，但也正是由于这个优点，使得这种方法检测的速度是比较慢的。所以如果要追求更加完整的图像时，就应该选择这种基于边缘轮廓的算法。