基于局部排序方向直方图描述子的图像同名点提取方法技术

基于局部排序方向直方图描述子的图像同名点提取方法，针对SAR图像场景特征相似性较高导致SIFT分块梯度方向直方图描述子区分力不足的问题，提出了一种新的基于局部排序方向直方图的描述子。本发明专利技术方法计算特征邻域内每个像素点八个方向的方向导数，取最大和次大导数的方向位置作为特征基元，对邻域分块并统计其特征基元分布形成描述子向量。通过增加次大方向及其位置信息，考虑了更加完善的邻域信息，提高了描述子的区分力。在山区、城市、乡村等场景的实验结果表明，本发明专利技术方法能更好的衡量特征之间的差异性，增强了描述子的区分力，可以提取更多的匹配点，更加适合SAR图像匹配。

【技术实现步骤摘要】

本专利技术属于图像处理领域，涉及一种遥感图像同名点的提取方法，适用于SAR图像的配准、拼接、区域网平差等。
技术介绍
SAR图像同名点提取是从存在几何和灰度畸变的两幅SAR图像中提取同名特征点，是图像配准、图像镶嵌、目标检测和识别等众多应用的关键技术。近年来，基于不变特征的方法是同名点自动提取的研究热点，该类方法分为特征检测、特征描述、特征匹配以及特征筛选四个阶段：首先利用检测子提取图像中稳定的点、线或面特征，然后抽取特征邻域的结构、形状、纹理以及其他信息形成描述子，通过计算描述子之间的相似性进而获得匹配点，最后采用一致性检验算法筛选出正确的匹配点。SIFT(ScaleInvariantFeatureTransform)是该类方法中应用最为广泛的一种，它首先检测图像高斯尺度空间中稳定的块点(blob)并确定邻域大小，具有尺度不变性，然后利用特征点邻域的梯度方向直方图计算特征点主方向，具有旋转不变形，最后计算分块梯度方向直方图形成描述子，具有较强的区分力，以及局部仿射和灰度不变性。基于SIFT描述子分块+特征基元+直方图的框架，后续很多算法对其进行了改进。SURF(Speed-UpRobustFeatures)统计Haar小波在x和y两个方向的分量及其绝对值，形成直方图；GLOH(GradientLocationOrientationHistogram)在对数极坐标下将特征邻域划分为扇形区域并统计梯度方向直方图；WLD(WeberLocalDescriptor)统计二维直方图，其中一维是梯度方向，另一维是3*3邻域相对中心像素的灰度值变化比例。对于计算机视觉处理的自然场景图像，其分辨率较高，图像中蕴含着丰富的结构纹理信息，提取这些特征可以很好的区分不同的局部图像模式，采用上述描述子应用效果较佳。但SAR图像作为遥感图像的一种，其分辨率远远低于计算机视觉中的自然场景图像，而且SAR主要针对地表大区域范围成像，常见的地表场景有山区、水域、建筑物、植被等，这些场景包含的细节信息有限，同一幅图像中相似场景的特征相似性较强，不易区分。如针对乡村地区成像，不同农田之间的相似性很高。因此，针对SAR图像匹配，采用上述描述子的区分力有限。
技术实现思路
本专利技术解决的技术问题是：克服SIFT描述子向量对SAR图像场景相似性区分力不足的问题，提出了一种基于局部排序方向直方图描述子(LocalSortedOrientationHistogram,LSOH)的图像同名点提取方法，采用SIFT描述子分块+特征基元+直方图的框架，改进其特征基元提取方式，能更好的衡量特征之间的差异性，增强描述子的区分力，提取更多的匹配点，更加适合SAR图像匹配。本专利技术的技术解决方案是：基于局部排序方向直方图描述子的图像同名点提取方法，包括如下步骤：(1)输入参考图像和待匹配图像，将两幅图像分别作为原始图像采用以下步骤(2)～步骤(4)的方法进行处理；(2)采用方差不断增大的高斯核与原始图像卷积建立高斯尺度空间，通过高斯尺度空间相邻层相减建立差分尺度空间，每个像素与本层8邻域和上下两层相同位置处3*3邻域相比，筛选出极值点，作为特征点；(3)对于每一个特征点，计算其邻域内每个像素点的梯度幅值和方向，用像素点的梯度幅值累加其梯度方向份，构建其梯度方向直方图，并将幅值最大的方向作为主方向，然后根据主方向的角度，将邻域顺时针旋转，使其主方向为水平方向；(4)构建每个特征点的局部排序方向直方图描述子，具体步骤为：(41)对特征点邻域内的每个像素点，根据其3*3邻域，首先利用Sobel算子计算该像素点8个方向的方向导数，求得最大和次大响应方向；(42)采用第0维到第7维表示最大方向的8个方位，其中东向为第0维，东北向为第1维，逆时针方向依次将北、西北、西、西南、南、东南确定第2维到第7维，采用第8维到第15维表示次大方向的8个方位，其中东向为第8维，东北向为第9维，逆时针方向依次确定第10到第15维度，根据步骤(41)的结果确定最大和次大响应方向的维度，并用各自的方向响应值加权，形成一个16维向量，16维向量中与最大方向和次大方向的维度有值，其他维度为0；(43)将特征点邻域分成4*4子块，对于每一个子块，将子块中每个像素点的方向权重累积到相应的方向份中，具体为：H(i)=Σj=0N-1pj(i),i∈[0,15]]]>其中pj(i)表示子块中第j个像素的方向维向量中第i维的取值，N为子块内像素个数；(44)将4*4个子块的16维局部排序方向直方图依次连接起来得到256维描述子向量，形成直方图描述子；(5)对于两幅图像，在参考图像上遍历每一个特征点，并在待匹配图像上选取与各特征点分别对应的最近邻和次近邻特征点，通过直方图描述子，计算参考图像上的特征点与待匹配图像上相应的最近邻和次近邻特征点的欧式距离，如果计算得到的欧式距离小于指定的阈值，则判定参考图像上的特征点与待匹配图像上相应的最近邻的特征点为匹配点，然后通过RANSAC算法筛选出全部正确的匹配点，得到两幅图像的同名点。本专利技术与现有技术相比的优点在于：在分块+特征基元+直方图的框架里，SIFT提取像素点的梯度方向作为基本的特征基元，但梯度方向仅描述了像素邻域灰度变化最大的方向。本专利技术的局部排序方向直方图描述子对梯度方向进行了拓展，考虑了更加全面的邻域特性，通过计算像素周围八个方向的方向导数，并对这些响应值排序，进而获取最大和次大响应的方向位置。受噪声以及形变的影响，像素邻域各个方向的值会发生变化，进而可能影响方向导数的大小顺序。但一般情况下，相比响应值较小的方向，响应值较大的方向更加稳定，因此综合考虑区分力、鲁棒性以及描述子的维数，本专利技术的局部排序方向直方图描述子利用最大和次大两个方向刻画像素的基本特性，描述子的区分力得到显著增强，可以显著提升对SAR图像场景相似性的区分力。附图说明图1为本专利技术方向导数计算模板示意图；图2为本专利技术的方向编码示意图，其中图2(a)为最大方向编码，图2(b)为次大方向编码；图3为本专利技术方向导数求取示意图；图4为本专利技术某一个像素点的方向直方图；图5为本专利技术两个不同的局部图像模式示意图；图6为本专利技术方法的流程框图；图7为本专利技术城市场景中的SIFT(a)和LSOH(b)性能对比图；图8为本专利技术乡村场景中的SIFT(本文档来自技高网...

【技术保护点】
基于局部排序方向直方图描述子的图像同名点提取方法，其特征在于包括如下步骤：(1)输入参考图像和待匹配图像，将两幅图像分别作为原始图像采用以下步骤(2)～步骤(4)的方法进行处理；(2)采用方差不断增大的高斯核与原始图像卷积建立高斯尺度空间，通过高斯尺度空间相邻层相减建立差分尺度空间，每个像素与本层8邻域和上下两层相同位置处3*3邻域相比，筛选出极值点，作为特征点；(3)对于每一个特征点，计算其邻域内每个像素点的梯度幅值和方向，用像素点的梯度幅值累加其梯度方向份，构建其梯度方向直方图，并将幅值最大的方向作为主方向，然后根据主方向的角度，将邻域顺时针旋转，使其主方向为水平方向；(4)构建每个特征点的局部排序方向直方图描述子，具体步骤为：(41)对特征点邻域内的每个像素点，根据其3*3邻域，首先利用Sobel算子计算该像素点8个方向的方向导数，求得最大和次大响应方向；(42)采用第0维到第7维表示最大方向的8个方位，其中东向为第0维，东北向为第1维，逆时针方向依次将北、西北、西、西南、南、东南确定第2维到第7维，采用第8维到第15维表示次大方向的8个方位，其中东向为第8维，东北向为第9维，逆时针方向依次确定第10到第15维度，根据步骤(41)的结果确定最大和次大响应方向的维度，并用各自的方向响应值加权，形成一个16维向量，16维向量中与最大方向和次大方向的维度有值，其他维度为0；(43)将特征点邻域分成4*4子块，对于每一个子块，将子块中每个像素点的方向权重累积到相应的方向份中，具体为：H(i)=Σj=0N-1pj(i),i∈[0,15]]]>其中pj(i)表示子块中第j个像素的方向维向量中第i维的取值，N为子块内像素个数；(44)将4*4个子块的16维局部排序方向直方图依次连接起来得到256维描述子向量，形成直方图描述子；(5)对于两幅图像，在参考图像上遍历每一个特征点，并在待匹配图像上选取与各特征点分别对应的最近邻和次近邻特征点，通过直方图描述子，计算参考图像上的特征点与待匹配图像上相应的最近邻和次近邻特征点的欧式距离，如果计算得到的欧式距离小于指定的阈值，则判定参考图像上的特征点与待匹配图像上相应的最近邻的特征点为匹配点，然后通过RANSAC算法筛选出全部正确的匹配点，得到两幅图像的同名点。...

【技术特征摘要】
1.基于局部排序方向直方图描述子的图像同名点提取方法，其特征在于包
括如下步骤：
(1)输入参考图像和待匹配图像，将两幅图像分别作为原始图像采用以下
步骤(2)～步骤(4)的方法进行处理；
(2)采用方差不断增大的高斯核与原始图像卷积建立高斯尺度空间，通过
高斯尺度空间相邻层相减建立差分尺度空间，每个像素与本层8邻域和上下两
层相同位置处3*3邻域相比，筛选出极值点，作为特征点；
(3)对于每一个特征点，计算其邻域内每个像素点的梯度幅值和方向，用
像素点的梯度幅值累加其梯度方向份，构建其梯度方向直方图，并将幅值最大
的方向作为主方向，然后根据主方向的角度，将邻域顺时针旋转，使其主方向
为水平方向；
(4)构建每个特征点的局部排序方向直方图描述子，具体步骤为：
(41)对特征点邻域内的每个像素点，根据其3*3邻域，首先利用Sobel
算子计算该像素点8个方向的方向导数，求得最大和次大响应方向；
(42)采用第0维到第7维表示最大方向的8个方位，其中东向为第0
维，东北向为第1维，逆时针方向依次将北、西北、西、西南、南、东南确定
第2维到第7维，采用第8维到第15维表示次大方向的8个方位，其中东向
为第8维...

【专利技术属性】
技术研发人员：王山虎，郝雪涛，王峰，吕江安，
申请(专利权)人：中国资源卫星应用中心，
类型：发明
国别省市：北京;11