一种基于AKAZA的卫星遥感像对的特征匹配方法组成比例

本发明专利技术提供了一种基于AKAZA的卫星遥感像对的特征匹配方法，属于图形图像转换领域。本发明专利技术首先选取目标遥感立体像对，对其进行预处理；然后利用AKAZA算法对立体像对的左右影像进行特征点提取；然后对左右影像进行粗匹配；再利用GMS算法进行精匹配，得到生成DEM模型的连接点。将普通特征提取和匹配的方法应用到传统遥感图像连接点选取当中，避免了手动选取连接点的过程，克服了传统方法的弊端，在保证精度的情况下节约时间成本，解决了生成DEM过程中需要的连接点问题。

A feature matching method of satellite remote sensing image pair based on akaza

【技术实现步骤摘要】
一种基于AKAZA的卫星遥感像对的特征匹配方法
：本专利技术属于图形图像转换领域，具体为一种基于AKAZA的卫星遥感像对的特征匹配方法。技术背景：随着遥感和航天技术的高速发展，高分辨卫星影像成为获取地球表面信息的重要工具。随着卫星数量和分辨率的提高，利用高分辨卫星影像获取数字高程模型(DigitalElevationModel，DEM)或者对地面目标进行三维重建成为可能。在利用遥感技术对高分辨率卫星广义立体像对生成DEM的过程中，连接点的选取决定了最终结果DEM的精度。传统遥感技术中的连接点选取一般是手动选取，不仅误差较大，而且浪费时间，因此需要进行改进。
技术实现思路
：为解决上述技术问题，本专利技术提供了一种基于AKAZA的卫星遥感像对的特征匹配方法，将普通特征提取和匹配的方法应用到传统遥感图像连接点选取当中，避免了手动选取连接点的过程，克服了传统方法的弊端，在保证精度的情况下节约时间成本，解决了生成DEM过程中需要的连接点问题。本专利技术技术方案为：一种基于AKAZA的卫星遥感像对的特征匹配方法，包括如下步骤：步骤1：选取目标遥感立体像对，对其进行预处理；步骤2：利用AKAZA算法对上述立体像对的左右影像进行特征点提取；步骤3：对左右影像进行粗匹配；步骤4、利用GMS算法对步骤3的结果进行精匹配，得到同名点，将同名点作为生成DEM模型的连接点。所述步骤2的分步骤如下：2.1)在左右图像中选定关键点，以选取的关键点为圆心，半径为12σi，其中σi为非线性尺度参数，将此圆兴趣与作为关键点的邻域，再对其进行参数为2.5σi的高斯加权，然后将其均匀等分成5个圆环区域，其中圆环宽度为4σi，且圆环之间有σi宽度的重叠环；取关键点两个方向一阶导数的加权。如果产生响应，再取π/3区域内的扇形所有结果求取矢量和，其中模最大的向量方向就定义为主方向；2.2)计算步骤2.1中圆环区域中的8维描述向量d：d＝(∑Lx，∑Ly，∑|Lx|，∑|Ly|，∑Lxx，∑Lyy，∑|Lxx|，∑|Lyy|)其中，Lx为立体像对左右图像在x方向的一阶微分，Ly为在y方向的一阶微分，Lxx为在x方向的二阶微分，Lyy为在y方向的二阶微分，而|Lx|，|Ly|，|Lxx|，|Lyy|为对应的微分绝对值；将所述8维描述向量d化成单位向量，组合形成40维的描述符；2.3)定义街道距离L1为：定义棋盘距离L∞为：定义欧氏距离为：L2＝αL1+βL∞其中α，β定义如下：其中n为给定向量的维度，当左右图像中相对应的关键点之间的L2在规定范围内时，将此对关键点选为特征点。所述步骤3粗匹配的具体方法为：用m-SURF描述符代替步骤2中得到的特征点，产生单位向量，再利用单位向量间的欧式距离遍历左右图像，如果两个特征之间的欧式距离值小于给定阈值，则判定这对特征点是同名像点。所述步骤1中的预处理为：先将遥感像对用参数为σ0的高斯函数进行滤波，然后把遥感像对的尺度空间以2为底取对数，使影像变成o组s层金字塔状结构，接着，利用AOS技术构建非线性尺度空间，最后利用Hessian二阶行列式对非线性尺度空间进行归一化处理。本专利技术使用AKAZA算法，即改进KAZA算法，进行特征提取，GMS算法进行特征点精匹配，得到同名点，将同名点作为后续生成DEM过程中需要的连接点，以此用来得到卫星像对的DEM。本专利技术取得的有益效果为：1、使用AKAZA算法进行特征提取，对KAZA算法进行了改进，使得提取时间缩短，节约了时间成本；2、本专利技术采用了粗匹配和精匹配两种匹配方法，使得匹配更加精确，结果精度更高；3、本专利技术将原来的手动选择连接点变为自动选择，在保证精度的前提下，节约时间成本，提高了提取效率。附图说明图1为本专利技术的流程图；图2为AKAZA算法的流程图；图3为高分一号左右影像图；图4为高分二号左右影像图；图5为Pleiades左右影像图；图6为QuickBird和WorldView-2左右影像图；图7为WorldView-3左右影像图；图8为AKAZA算法提取高分一号像对特征点图；图9为AKAZA算法提取高分二号像对特征点图；图10为AKAZA算法提取Pleiades像对特征点图；图11为AKAZA算法提取QuickBird和WorldView-2像对特征点图；图12为AKAZA算法提取WorldView-3立体像对特征点图；图13为高分一号像对粗匹配结果图；图14为高分二号像对粗匹配结果图；图15为Pleiades像对粗匹配结果图；图16为QuickBird和WorldView-2像对粗匹配结果图；图17为WorldView-3立体像对粗匹配结果图；图18为高分一号像对使用GMS算法精匹配结果图；图19为高分二号像对使用GMS算法精匹配结果图；图20为Pleiades像对使用GMS算法精匹配结果图；图21为QuickBird和WorldView-2像对使用GMS算法精匹配结果图；图22为WorldView-3立体像对使用GMS算法精匹配结果图。具体实施步骤如图1所示，一种基于AKAZA的卫星遥感像对的特征匹配方法，包括如下步骤：步骤1：选取目标遥感立体像对，对其进行预处理；步骤2：利用AKAZA算法对上述立体像对的左右影像进行特征点提取；步骤3：对左右影像进行粗匹配；步骤4：利用GMS算法对步骤3的结果进行精匹配，得到同名点，将同名点作为生成DEM模型的连接点。步骤1中，两幅遥感立体像对的选取需要满足以下条件：(1)两幅影像有相同的覆盖区域；(2)两幅影像的获取时间基本一致，影像覆盖区域基本没有变化；(3)影像分辨率较好；(4)影像云量和积雪较少。对立体像对进行的预处理为：用参数为σ0的高斯函数进行滤波，这一步的目的是消除噪声以及阴影。然后，计算新得到的图像的梯度直方图，把遥感像对的尺度空间以2为底取对数，使影像变成o组s层金字塔状结构，但它不改变图像的分辨率，不需要降采样，只需要使用图像本身的分辨率即可。接着，设置参数k，给出ti，利用AOS技术构建非线性尺度空间。最后，利用Hessian二阶行列式对非线性尺度空间进行归一化处理。做这一步的原因是因为图像导数的模会随尺度变化而变化。步骤2是本专利技术的核心内容，这一步采用了AKAZA算法，AKAZA算法为改进KAZA算法。先介绍下KAZA算法和AKAZA算法的区别与联系。KAZE算法具有旋转不变性，所以需要检测到兴趣点特定步长邻域内的主方向。该算法中，设非线性尺度参数为σi，选取一个半径为6σi的扇形区域，检测步长为σi，沿着一个方向对整个区本文档来自技高网...

【技术保护点】
1.一种基于AKAZA的卫星遥感像对的特征匹配方法，其特征在于包括如下步骤：/n步骤1：选取目标遥感立体像对，对其进行预处理；/n步骤2：利用AKAZA算法对上述立体像对的左右影像进行特征点提取；/n步骤3：对左右影像进行粗匹配；/n步骤4、利用GMS算法对步骤3的结果进行精匹配，得到同名点，将同名点作为生成DEM模型的连接点。/n

【技术特征摘要】
1.一种基于AKAZA的卫星遥感像对的特征匹配方法，其特征在于包括如下步骤：
步骤1：选取目标遥感立体像对，对其进行预处理；
步骤2：利用AKAZA算法对上述立体像对的左右影像进行特征点提取；
步骤3：对左右影像进行粗匹配；
步骤4、利用GMS算法对步骤3的结果进行精匹配，得到同名点，将同名点作为生成DEM模型的连接点。


2.根据权利要求1所述的一种基于AKAZA的卫星遥感像对的特征匹配方法，其特征在于所述步骤2的分步骤如下：
2.1）在左右图像中选定关键点，以选取的关键点为圆心，半径为12，其中为非线性尺度参数，将此圆兴趣与作为关键点的邻域，再对其进行参数为2.5的高斯加权，然后将其均匀等分成5个圆环区域，其中圆环宽度为4，且圆环之间有宽度的重叠环；取关键点两个方向一阶导数的加权；
如果产生响应，再取区域内的扇形所有结果求取矢量和，其中模最大的向量方向就定义为主方向；
2.2）计算步骤2.1中圆环区域中的8维描述向量d：
其中，为立体像对左右图像在x方向的一阶微分，为在y方向的一阶微分，为在x方向的二...

【专利技术属性】
技术研发人员：侯卫民，罗欣，许文波，秦凯，苏佳，王静，
申请(专利权)人：河北科技大学，
类型：发明
国别省市：河北;13