一种基于特征点库的多进程大区域网影像匹配方法及装置，属于图像信息处理领域，其特征在于包括：将主进程连接特征点库；根据基准影像范围和特征点库，在特征点库内确定位于基准影像范围内的数据库表；将基准影像、特征点集合和与基准影像有重叠的所有影像作为子任务打包，循环直到测区影像遍历完成，形成若干子任务包；主进程将所有子任务包推送到各子进程进行处理；主进程接收各子进程返回状态，待各子进程都完成，主进程结束，返回总任务状态，完成影像匹配。特征点的采集方式，有效的保证了特征点的数量和分布，满足大区域网平差的使用要求；同时建立特征点数据库的分表命名和存储方式，提高特征点搜索使用的效率。提高特征点搜索使用的效率。提高特征点搜索使用的效率。
【技术实现步骤摘要】
一种基于特征点库的多进程大区域网影像匹配方法及装置
[0001]本专利技术属于图像信息处理领域，尤其涉及一种基于特征点库多进程大区域网影像匹配方法及装置。
技术介绍
[0002]随着卫星技术、传感器技术的不断发展，可利用的卫星影像数据越来越多，而卫星影像的精确定位技术一直依赖于地面特征点，特征点数量与分布直接影响影像对地目标定位的精度，然而由于国界、地物等各种限制条件，人为获取足够数量的地面控制点通常非常困难，在无地面控制点的条件下要实现高精度影像定位，必须依赖高精度的参考影像，实际处理中通过在参考影像上提取大量的特征点，并转刺到待处理影像进行RPC精化，从而提高待处理影像的定位精度。
[0003]在实际工作中，为了满足实时处理的需求，需要储备大量的参考影像，这就需要大量的存储空间，以4度分块的5米分辨率谷歌影像为例，全世界除去水域，包含陆地的影像单波段数据量就超过10T，而单景影像大小也超过了8G，导致参考影像在读取和存储上都消耗了大量的计算机存储资源，同时在系统迁移部署过程中，大量的参考影像也增加了系统的迁移难度。
[0004]在大区域网影像处理过程中，为了保证大区网影像的接边精度和统一的定位精度，要求大区域网影像必须拥有统一的参考基准，其次大区域网影像与参考影像匹配属于异源匹配，由于成像机制、获取时间等差异导致匹配的成功率相对较低。因此在无地面控制点条件下，如何解决大量参考影像的存储和实时更新，如何快速高效的转刺参考影像特征点，为区域网RPC精化提供高精度可靠基准点，是提高大区域网影像定位和接边精度的关键。
技术实现思路
[0005]本专利技术旨在解决上述问题，提供一种可快速提供大量高可靠的基准点的基于特征点库的多进程大区域网影像匹配方法及装置。
[0006]第一方面，本专利技术提供一种基于特征点库的多进程大区域网影像匹配方法，包括：将主进程连接特征点库；从测区影像遍历选取一基准影像，根据基准影像RPC参数确定基准影像范围；根据基准影像范围和特征点库，在特征点库内确定位于基准影像范围内的数据库表；根据基准影像范围在确定的数据库表中搜索范围内特征点，组成特征点集合；根据RPC参数获取与基准影像有重叠区域的所有影像；将基准影像、特征点集合和与基准影像有重叠的所有影像作为子任务打包，形成一子任务包；从测区影像重新遍历选取一基准影像，重复上述过程形成另一子任务包；循环直到测区影像遍历完成，形成若干子任务包；
主进程将所有子任务包推送到各子进程进行处理；主进程接收各子进程返回状态，待各子进程都完成，主进程结束，返回总任务状态，完成影像匹配。
[0007]进一步，本专利技术所述基于特征点库的多进程大区域网影像匹配方法，所述特征点库的构建，其特征在于：根据参考影像分辨率建立数据库；对全球影像按照标准度间隔进行均匀格网化分块，得到若干格网化块；对参考影像进行均匀格网化特征点提取，获取特征点经度和纬度值；以各特征点为中心建立N层M乘以M的降分辨率采样的金字塔层数据作为该特征点特征描述,其中N范围为6～8，M范围为11～21之间的奇数；引入30米DEM和Egm96高程补偿数据，按照特征点经纬度值进行双线性高程插值，获取高程，得到具有特征描述、经度、纬度和高程的特征点；以每个格网化块左下角经纬度整数值建立数据库表名，则可确定每个数据库表存储特征点范围，经度范围为左下角经度到左下角经度加标准度间隔，纬度范围为左下角纬度到左下角纬度加标准度间隔；根据每个特征点经纬度值插入到相应的数据库表中，完成特征点库的构建。
[0008]进一步，本专利技术所述基于特征点库的多进程大区域网影像匹配方法，所述主进程将所有子任务包推送到各子进程进行处理，每个子进程中首先动态金字塔影像分辨率一致性处理和畸变矫正；进行动态阈值相关系数粗匹配和最小二乘精匹配；粗差剔除获取正确匹配点对作为基准影像特征点集合，特征点集合与重叠影像遍历匹配；遍历重叠区域影像，直到重叠影像遍历完成；合并保存该任务集合同名点对文件，子进程任务状态反馈到主进程。
[0009]进一步，本专利技术所述基于特征点库的多进程大区域网影像匹配方法，所述动态金字塔影像分辨率一致性处理和畸变矫正，根据特征点集合建立虚拟参考影像，基准影像根据RPC参数与虚拟参考影像建立整体像方变换模型；将特征点目标窗口根据变换模型计算基准影像搜索窗口，将目标窗口与搜索窗口进行动态金字塔影像分辨率一致性处理，并根据变换模型对搜索窗口进行畸变纠正。
[0010]进一步，本专利技术所述基于特征点库的多进程大区域网影像匹配方法，所述进行动态阈值相关系数粗匹配和最小二乘精匹配，将目标窗口和搜索窗口进行动态阈值相关系数粗匹配和最小二乘精匹配，根据金字塔分辨率由低到高，相关系数阈值由低到高。
[0011]进一步，本专利技术所述基于特征点库的多进程大区域网影像匹配方法，所述遍历重叠区域影像，根据RPC参数建立基准影像与重叠影像整体像方变换模型，特征点目标窗口根据变换模型确定基准影像搜索窗口；动态金字塔目标窗口与搜索窗口影像分辨率一致性处理，并根据变换模型对搜索窗口进行畸变纠正；目标窗口和搜索窗口进行动态阈值相关系数粗匹配和最小二乘精匹配，根据金字塔分辨率由低到高，相关系数阈值由低到高；
粗差剔除获取正确匹配点对作为基准影像特征点集合，特征点集合与重叠影像遍历匹配；直到重叠影像遍历完成。
[0012]第二方面，本专利技术提供一种基于特征点库的多进程大区域网影像匹配装置，包括：连接单元：用于将主进程连接特征点库；子任务单元：用于从测区影像遍历选取一基准影像，根据基准影像RPC参数确定基准影像范围；根据基准影像范围和特征点库，在特征点库内确定位于基准影像范围内的数据库表；根据基准影像范围在确定的数据库表中搜索范围内特征点，组成特征点集合；根据RPC参数获取与基准影像有重叠区域的所有影像；将基准影像、特征点集合和与基准影像有重叠的所有影像作为子任务打包，形成一子任务包；从测区影像重新遍历选取一基准影像，重复上述过程形成另一子任务包；循环直到测区影像遍历完成，形成若干子任务包；多进程处理单元：用于使主进程将所有子任务包推送到各子进程进行处理；主进程接收各子进程返回状态，待各子进程都完成，主进程结束，返回总任务状态，完成影像匹配。
[0013]第三方面，本专利技术提供一种基于特征点库的多进程大区域网影像匹配装置，包括：特征点库单元：用于根据参考影像分辨率建立数据库；对全球影像按照标准度间隔进行均匀格网化分块，得到若干格网化块；对参考影像进行均匀格网化特征点提取，获取特征点经度和纬度值；以各特征点为中心建立金字塔层数据作为该特征点特征描述；按照特征点经纬度值进行双线性高程插值，获取高程，得到具有特征描述、经度、纬度和高程的特征点；以每个格网化块左下角经纬度整数值建立数据库表名；根据每个特征点经纬度值插入到相应的数据库表中，完成特征点库的构建；连接单元：用于将主进程连接特征点库；子任务单元：用于从测区影像遍历选取一基准影像，根据基准影像RPC参数确定基准影像范围；根据基准影像范围和特征点库，在特征点库内确定位于基本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于特征点库的多进程大区域网影像匹配方法，其特征在于包括：将主进程连接特征点库；从测区影像遍历选取一基准影像，根据基准影像RPC参数确定基准影像范围；根据基准影像范围和特征点库，在特征点库内确定位于基准影像范围内的数据库表；根据基准影像范围在确定的数据库表中搜索范围内特征点，组成特征点集合；根据RPC参数获取与基准影像有重叠区域的所有影像；将基准影像、特征点集合和与基准影像有重叠的所有影像作为子任务打包，形成一子任务包；从测区影像重新遍历选取一基准影像，重复上述过程形成另一子任务包；循环直到测区影像遍历完成，形成若干子任务包；主进程将所有子任务包推送到各子进程进行处理；主进程接收各子进程返回状态，待各子进程都完成，主进程结束，返回总任务状态，完成影像匹配。2.根据权利要求1所述基于特征点库的多进程大区域网影像匹配方法，所述特征点库的构建，其特征在于：根据参考影像分辨率建立数据库；对全球影像按照标准度间隔进行均匀格网化分块，得到若干格网化块；对参考影像进行均匀格网化特征点提取，获取特征点经度和纬度值；以各特征点为中心建立N层M乘以M的降分辨率采样的金字塔层数据作为该特征点特征描述,其中N范围为6～8，M范围为11～21之间的奇数；引入30米DEM和Egm96高程补偿数据，按照特征点经纬度值进行双线性高程插值，获取高程，得到具有特征描述、经度、纬度和高程的特征点；以每个格网化块左下角经纬度整数值建立数据库表名；根据每个特征点经纬度值插入到相应的数据库表中，完成特征点库的构建。3.根据权利要求1所述基于特征点库的多进程大区域网影像匹配方法，所述主进程将所有子任务包推送到各子进程进行处理，其特征在于：每个子进程中首先动态金字塔影像分辨率一致性处理和畸变矫正；进行动态阈值相关系数粗匹配和最小二乘精匹配；粗差剔除获取正确匹配点对作为基准影像特征点集合；遍历重叠区域影像；合并保存该任务集合同名点对文件，子进程任务状态反馈到主进程。4.根据权利要求3所述基于特征点库的多进程大区域网影像匹配方法，所述动态金字塔影像分辨率一致性处理和畸变矫正，其特征在于：根据特征点集合建立虚拟参考影像，基准影像根据RPC参数与虚拟参考影像建立整体像方变换模型；将特征点目标窗口根据变换模型计算基准影像搜索窗口，将目标窗口与搜索窗口进行动态金字塔影像分辨率一致性处理，并根据变换模型对搜索窗口进行畸变纠正。5.根据权利要求4所述基于特征点库的多进程大区域网影像匹配方法，所述进行动态阈值相关系数粗匹配和最小二乘精匹配，其特征在于：将目标窗口和搜索窗口进行动态阈值相关系数粗匹配和最小二乘精匹配，根据金字塔分辨率由低到高，相关系数阈值由低到
高。6.根据权利要求5所述基于特征点库的多进程大区域网影像匹配方法，所述遍历重叠区域影像，其特征在于：根据RPC参数建立基准影像与重叠影像整体像方变换模型，特征点目标窗口根据变换模型确定基准影像搜索窗口；动态金字塔目标窗口与搜索窗口影像分辨率一致性处理，并根据变换模型对搜索窗口进行畸变纠正；目标窗口和搜索窗...
【专利技术属性】
技术研发人员：张桂滨，阴晓刚，王一，王重阳，赵莹芝，范晓敏，折晓宇，马亚斌，许凯波，
申请(专利权)人：西安中科星图空间数据技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。