(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210551178.X (22)申请日 2022.05.18 (71)申请人 浙江圣海亚诺信息技 术有限责任公 司 地址 313000 浙江省湖州市吴兴区高新区 外溪路88号湖州中小微 企业智能制造 产业园一期6号楼401室 (72)发明人 高鹏东　李凡　齐全　裘初　 (74)专利代理 机构 成都宏田知识产权代理事务 所(普通合伙) 51337 专利代理师 钟隆辉 (51)Int.Cl. G06T 7/33(2017.01) G06T 7/73(2017.01) G06V 10/74(2022.01)G06V 20/13(2022.01) (54)发明名称 一种基于结构特 征的遥感图像 配准方法 (57)摘要 本发明涉及一种基于结构特征的遥感图像 配准方法， 包含以下数据基础： 原始高分辨率遥 感图像、 DSM数据和地表真实标签数据； 其特征在 于， 采用结构信息生成特征点； 利用空间约束筛 选匹配点对， 通过对相邻的像素点进行连线， 使 其生成几何结构， 让多个图像具备计算机对比的 条件， 通过对比多个图像中的几何结构， 使 图像 中多个相对位置被标定， 有效提高图像处理精 度。 权利要求书2页 说明书3页 CN 114820737 A 2022.07.29 CN 114820737 A 1.一种基于结构特征的遥感图像配准方法， 包含以下数据基础： 原始高分辨率遥感图 像、 DSM数据和地表真实标签数据； 其特征在于， 采用结构信息生 成特征点； 利用空间约束筛 选匹配点对； 该 方法具体步骤 包括如下： (步骤1)读取 数据： 选择多副 不同时间的遥感图像， 一幅遥感图像作为基准图像， 其他作为参照图像； 将多 幅图像进行对比； (步骤2)检测特 征点： 通过对图像 中的所有像素点进行标记， 对临近的同色像素点进行连线， 形成结构线， 每 幅图中重复出现频率 最高的结构线即为相似特 征点； (步骤3)对特 征点进行比对确认其结构共性： 1、 利用SAR ‑Harris尺度空间公式， 分别生成参考遥感图像和待配准遥感图像SAR ‑ Harris尺度空间中的幅值图像， 对(2)中每幅图的相似 特征点进行除错， 筛选掉相似度不高 的； 2、 利用阈值比较法， 分别检测参考遥感图像和待配准遥感图像的SAR ‑Harris尺度空间 幅值图像上的特 征点； (步骤4)采用结构特 征进行图像比对： 将多幅图像中的特征点进行对比， 每幅图中匹配相似度最高结构特征点作为基准点， 通过调整参数， 得最优遥感图像识别模型； (步骤5)通过比对后的基准 点进行图像 配准： 采用随机抽样一致性算法， 计算参考遥感图像和待配准遥感图像之间的变换结构， 得 到待配准遥感图像的几何形变参数， 利用得到的几何形变参数， 将待配准遥感图像进行几 何变换， 得到配准结果。 2.根据权利要求1所述的一种基于结构特征的遥感图像配准方法， 其特征在于， 步骤 (步骤3)1、 中所述的SAR ‑Harris尺度空间公式如下： R＝det(C) ‑0.04·tr(C) 其中， R表示一幅遥感图像的SAR ‑Harris尺度空间， det表示矩阵的行列式操作， C表示 一幅遥感图像的SAR ‑Harris矩阵， t r表示对矩阵主对角线元 素的求和操作。 3.根据权利要求1所述的一种基于结构特征的遥感图像配准方法， 其特征在于， 步骤 (步骤3)2、 中所述的阈值比较法的步骤如下： 第一步， 在SAR ‑Harris尺度空间幅值图像中选取一个像素点， 以所选取的像素点为中 心， 取3x3邻域， 得到8个邻域 点； 第二步， 重复第一步， 依次从SA R‑Harris尺度空间幅值图像选择像素点， 直到得到所有 像素点的8个邻域 点； 第三步， 比较SAR ‑Harris尺度空间幅值图像中每个像素点与其相邻8个像素点的灰度 值； 第四步， 将中心点的灰度值大于其周围8个邻域 点的灰度值的点作为极值 点； 第五步， 将所 得到的极值 点中灰度值大于 0.8的像素点作为特 征点。 4.根据权利要求1所述的一种基于结构特征的遥感图像配准方法， 其特征在于， 遥感图 像分辨率不低于240 0*2400。权　利　要　求　书 1/2 页 2 CN 114820737 A 25.根据权利要求1所述的一种基于结构特征的遥感图像配准方法， 其特征在于， 结构线 长度不超过五十个 像素。 6.根据权利要求1所述的一种基于结构特征的遥感图像配准方法， 其特征在于， 结构线 不可合并。 7.根据权利要求1所述的一种基于结构特征的遥感图像配准方法， 其特征在于， 基准图 像应为成像条件最 好且形变最少的。权　利　要　求　书 2/2 页 3 CN 114820737 A 3