航空图像特征点匹配扩散递归校准方法技术

本发明专利技术公开了一种航空图像特征点匹配扩散递归校准方法，包括以下步骤：S1：对基准图像和匹配图像分别划分密度单元；S2：对基准图像和匹配图像均执行以下操作：根据密度单元中的特征点的数量设定阈值n，将特征点数量≥n的密度单元标记为高密度单元，其他密度单元标记为低密度单元；S3：对基准图像和匹配图像均执行以下操作：将连通的高密度单元提取出来，得到航空图像的高密度区域；S4：对基准图像和匹配图像均执行以下操作：对所有高密度区域进行位置标记；S5：对基准图像和匹配图像的高密度区域进行匹配。本发明专利技术有效提高了抗干扰能力和效率。

Recursive calibration method of feature point matching and diffusion in aerial image

【技术实现步骤摘要】
航空图像特征点匹配扩散递归校准方法
本专利技术涉及航空摄影测量领域，特别是涉及航空图像特征点匹配扩散递归校准方法。
技术介绍
飞行器拍摄时光线明暗，和角度旋转带来的影响使得空中三角测量图像在匹配特征点时难度升高。为解决这一问题，本专利技术提出一种基于特征点分布密度的区域校准算法，使特征点匹配算法具有尺度不变性，并增强匹配鲁棒性。使特征点匹配具有尺度不变性有很多种方式，主要有以Sift算子为代表的探究特征方向和以MeanShift算法为代表的寻找图像整体特征信息这两种方式。在航空影像中最大的干扰是光线导致的亮度变化，Sift类似算法并不能很好的克服，而MeanShift算法虽有优势但效果不稳定。
技术实现思路
专利技术目的：本专利技术的目的是提供一种抗干扰能力强的航空图像特征点匹配扩散递归校准方法。技术方案：为达到此目的，本专利技术采用以下技术方案：本专利技术所述的航空图像特征点匹配扩散递归校准方法，包括以下步骤：S1：对基准图像和匹配图像分别划分密度单元；S2：对基准图像和匹配图像均执行以下操作：根据密度单元中的特征点的数量设定阈值n，将特征点数量≥n的密度单元标记为高密度单元，其他密度本文档来自技高网...

【技术保护点】
1.航空图像特征点匹配扩散递归校准方法，其特征在于：包括以下步骤：S1：对基准图像和匹配图像分别划分密度单元；S2：对基准图像和匹配图像均执行以下操作：根据密度单元中的特征点的数量设定阈值n，将特征点数量≥n的密度单元标记为高密度单元，其他密度单元标记为低密度单元；S3：对基准图像和匹配图像均执行以下操作：将连通的高密度单元提取出来，得到航空图像的高密度区域；S4：对基准图像和匹配图像均执行以下操作：对所有高密度区域进行位置标记；S5：对基准图像和匹配图像的高密度区域进行匹配。

【技术特征摘要】
1.航空图像特征点匹配扩散递归校准方法，其特征在于：包括以下步骤：S1：对基准图像和匹配图像分别划分密度单元；S2：对基准图像和匹配图像均执行以下操作：根据密度单元中的特征点的数量设定阈值n，将特征点数量≥n的密度单元标记为高密度单元，其他密度单元标记为低密度单元；S3：对基准图像和匹配图像均执行以下操作：将连通的高密度单元提取出来，得到航空图像的高密度区域；S4：对基准图像和匹配图像均执行以下操作：对所有高密度区域进行位置标记；S5：对基准图像和匹配图像的高密度区域进行匹配。2.根据权利要求1所述的航空图像特征点匹配扩散递归校准方法，其特征在于：所述步骤S1中，基准图像根据式(1)划分密度单元：式(1)中，d为密度单元的边长，t为密度单元所包含像素点数量的开根，w为特征点提取算子检测窗口的边长，l为基准图像的边长。3.根据权利要求1所述的航空图像特征点匹配扩散递归校准方法，其特征在于：所述步骤S2中，高密度单元的总数不超过所有密度单元的总数。4.根据权利要求1所述的航空图像特征点匹配扩散递归校准方法，其特征在于：所述步骤S3具体包括以下步骤：S31：对基准图像和匹配图像均建立x、y坐标系，根据x、y坐标系里的坐标组成键；S32：在所有高密度单元组成的集合中查询键对应的值，即查询是否有相邻的高密度单元，如果有则继续进行步骤S33，没有则结束；S33：判断该相邻的高密度单元是否在之前已经扩散到了，如果有则结束，没有则继续进行步骤S34；S34：返回步骤S32。5.根据权利要求1所述的航空图像特征点匹配扩散递归校准方法，其特征在于：所述步骤S4的具体过...

【专利技术属性】
技术研发人员：张志伟，周文宗，胡伍生，沙月进，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32