一种基于多尺度密集结构特征提取的异源图像匹配方法组成比例

本发明专利技术属于卫星遥感领域，公开了一种基于多尺度密集结构特征提取的异源图像匹配方法，包括如下步骤：(1)对异源图像的每个像素计算结构张量，得到第一张量图；(2)对第一张量图进行多尺度张量投票，得到多个尺度投票产生的第二张量图；(3)根据张量一致性融合多个尺度的第二张量图得到融合后的第三张量图；(4)对第三张量图进行归一化得到归一化张量图；(5)计算归一化张量图之间的相似性；(6)根据步骤(5)计算得到的相似性，输出相似性最大的窗口位置作为异源图像匹配结果。本发明专利技术基于结构张量和多尺度原理，从灰度图像中提取出密集结构特征描述，然后利用密集结构特征描述匹配异源图像，能有效适应非线性灰度畸变和严重的图像噪声问题，可以获取更高的匹配正确率。

A Heterogeneous Image Matching Method Based on Multi-scale Dense Structural Feature Extraction

The invention belongs to the field of satellite remote sensing, and discloses a method for matching heterogeneous images based on multi-scale dense structure feature extraction, which includes the following steps: (1) calculating the structure tensor for each pixel of the heterogeneous image to obtain the first tensor map; (2) voting the first tensor map to obtain the second tensor map generated by multi-scale voting; (3) fusing according to tensor consistency. The fused third tensor map is obtained by combining the second tensor map of multiple scales; (4) normalizing the third tensor map to get the normalized tensor map; (5) calculating the similarity between normalized tensor maps; (6) calculating the similarity according to step (5) outputting the window position with the greatest similarity as the result of heterologous image matching. Based on the structure tensor and multi-scale principle, the dense structure feature description is extracted from the gray image, and then the dense structure feature description is used to match the heterogeneous image, which can effectively adapt to the non-linear gray distortion and serious image noise problems, and can obtain higher matching accuracy.

【技术实现步骤摘要】
一种基于多尺度密集结构特征提取的异源图像匹配方法
本专利技术涉及一种基于多尺度密集结构特征提取的异源图像匹配方法。
技术介绍
异源图像匹配技术是遥感图像处理中的一项基础而且关键的技术，是遥感图像融合、拼接和变化检测等应用中不可或缺的技术。另一方面，视觉制导与导航应用中，基准图像往往使用预先拍摄好的可见光卫星图像制作，而实时图像可能使用SAR或红外相机拍摄来让视觉系统实现全天时全天候的工作能力。因此，异源图像匹配技术一直是视觉制导与导航领域研究人员关注的关键技术。异源图像匹配是指需要匹配的两张图像由不同类型的图像传感器获取。在视觉导航定位系统中，基准图像往往使用预先拍摄好的可见光卫星图像制作，而实时图像可能使用机载合成孔径雷达(SAR)或红外相机拍摄，因此，这些系统常常面临异源图像匹配问题。尽管图像匹配技术经过了长期广泛的研究，但是异时异源图像匹配仍然存在难以克服的困难，因为与通常的图像匹配不同，异时异源图像匹配面临如图1所示的严重图像噪声和图2所示的非线性灰度畸变问题。严重图像噪声：红外和SAR图像是异源图像匹配中常常需要匹配的图像类型，但是这两种图像往往包含严重的传感器或传输噪声，本文档来自技高网...

【技术保护点】
1.一种基于多尺度密集结构特征提取的异源图像匹配方法，其特征在于，包括如下步骤：(1)对异源图像的每个像素计算结构张量，得到第一张量图；(2)对第一张量图进行多尺度张量投票，得到多个尺度投票产生的第二张量图；(3)根据张量一致性融合多个尺度的第二张量图得到融合后的第三张量图；(4)对第三张量图进行归一化得到归一化张量图；(5)计算归一化张量图之间的相似性；(6)根据步骤(5)计算得到的相似性，输出相似性最大的窗口位置作为异源图像匹配结果。

【技术特征摘要】
1.一种基于多尺度密集结构特征提取的异源图像匹配方法，其特征在于，包括如下步骤：(1)对异源图像的每个像素计算结构张量，得到第一张量图；(2)对第一张量图进行多尺度张量投票，得到多个尺度投票产生的第二张量图；(3)根据张量一致性融合多个尺度的第二张量图得到融合后的第三张量图；(4)对第三张量图进行归一化得到归一化张量图；(5)计算归一化张量图之间的相似性；(6)根据步骤(5)计算得到的相似性，输出相似性最大的窗口位置作为异源图像匹配结果。2.根据权利要求1所述的基于多尺度密集结构特征提取的异源图像匹配方法，其特征在于，步骤(1)中所述计算结构张量的算法如下：首先对基准图和实时图的灰度图像的每个像素计算张量特征，张量的计算公式如下：Ix，Iy代表图像在x和y方向上的偏导；因此，对一张大小为N×N的图，得到的张量图的维度是N×N×3，即对(i,j)处的像素可以得到一个张量Tij。3.根据权利要求2所述的基于多尺度密集结构特征提取的异源图像匹配方法，其特征在于，步骤(2)中所述多尺度张量投票的算法如下：得到初步的张量图后，按照以下公式计算张量投票，其中H代表以像素(i,j)为中心的邻域，ai+m,j+n是领域内像素(m,n)和像素(i,j)投票的强度，按如下公式计算，其中r是像素(m,n)和像素(i,j)之间的几何距离，α，β分别表示像素(m,n)和像素(i,j)在张量图上对应的张...

【专利技术属性】
技术研发人员：罗世彬，
申请(专利权)人：罗世彬，
类型：发明
国别省市：湖南,43