一种基于数据驱动粒子群算法的多模态遥感图像配准方法

摘要

本发明公开了一种基于数据驱动粒子群算法的多模态遥感图像配准方法，本发明将迭代过程分为训练、预测、修正三个部分。在训练迭代次数中，计算每个粒子对应的互信息值，并利用历史互信息值及其对应的位置训练支持向量机回归模型；在预测迭代次数中，利用训练好的支持向量机模型，根据粒子个体的位置预测其对应的互信息值；在修正迭代次数中，计算每个粒子对应的互信息值，对产生偏差的互信息值进行修正。为了提高配准精度，本发明通过SURF算法提取特征点，利用FSC算法估计的变换参数对数据驱动粒子群算法的种群进行初始化。本发明方法利用数据驱动策略预测图像间的互信息值，极大地减少了计算量，提高了配准速度，同时一定程度上保持了配准的精度。