【技术实现步骤摘要】
面向非线性辐射畸变的稳健遥感影像特征点对提取方法
本专利技术属于遥感图像处理
，尤其涉及一种面向非线性辐射畸变的稳健遥感影像特征点对提取方法。
技术介绍
目前，多模态遥感影像特征匹配已经成为遥感图像处理领域的一个非常重要的研究方向。由多模态遥感影像特征提取的匹配信息，能广泛应用于国民生产生活与经济建设的诸多领域，如自然灾害与环境监测，多源信息联合定位，城市规划与重大工程建设等。然而，多模态遥感影像来源各异，其分辨率、光谱、角度、时相等细节均有所不同，也为克服异源图像匹配差异、提高匹配精确性与稳定性带来了不小的挑战。多模态遥感影像特征匹配方法中，目前应用比较广泛的是基于互信息的遥感影像匹配方法和基于SIFT及其改进策略的模板特征提取方法。这两类方法在特定的任务中具有很好的表现，但是仍存在不小的局限性，难以应对较高的非线性辐射畸变和噪声。李欣，杨宇辉等人在论文《利用方向相位特征进行多源遥感影像匹配》(武汉大学学报(信息科学版),2020,45(04):488-494)中公开了一种基于方向相位特征进行多源遥感...
【技术保护点】
1.一种面向非线性辐射畸变的稳健遥感影像特征点对提取方法，其特征在于，其具体步骤如下：/nS1，对获取的两幅多模态遥感影像进行影像预处理；/nS2，对主从影像分别提取其精确角点与边缘特征点，获取每个影像的特征点：/nS3，生成特征点的特征向量；/nS4，对多模态影像特征点的特征向量进行配准；/nS5，对所有候选匹配点对，利用RANSAC算法作进一步筛选，最终得到精准、均匀且对非线性辐射畸变鲁棒的特征匹配点对。/n
【技术特征摘要】
1.一种面向非线性辐射畸变的稳健遥感影像特征点对提取方法，其特征在于，其具体步骤如下：
S1，对获取的两幅多模态遥感影像进行影像预处理；
S2，对主从影像分别提取其精确角点与边缘特征点，获取每个影像的特征点：
S3，生成特征点的特征向量；
S4，对多模态影像特征点的特征向量进行配准；
S5，对所有候选匹配点对，利用RANSAC算法作进一步筛选，最终得到精准、均匀且对非线性辐射畸变鲁棒的特征匹配点对。
2.一种如权利要求1所述的面向非线性辐射畸变的稳健遥感影像特征点对提取方法，其特征在于，所述的步骤S1，其具体步骤为：
S11，判断所获取的多模态遥感影像是否为全色黑白，如果是，则转入S12，否则将多模态遥感影像加权成为黑白影像；
S12，设置多模态遥感影像中的一幅影像为主影像，另一幅影像为从影像；
S13，将主影像和从影像分别进行重采样，使其分辨率大小相同；
S14，分别提取主影像和从影像的相位一致性最大矩图与最小矩图；
设置滤波器尺度数Ns＝4，方向数No＝6；
对主影像的每个像素点(x,y)，计算其在所有不同尺度s、不同方向o下的相位一致性测度PC(x,y)，计算公式为：
式中，wo(x,y)为像素点(x,y)处的基于频响范围的权值函数，T为噪声阈值，ξ为偏移量，运算符表示当且仅当其表达式为正时取其本身，否则取0，像素点(x,y)处的振幅分量Aso(x,y)、相位偏差函数ΔΦso(x,y)的计算公式分别为：
其中，与的计算公式为：
式中，[Eso(x,y),oso(x,y)]为像素点(x,y)处的滤波后的响应分量，其表达式为：
[Eso(x,y),Oso(x,y)]
＝[I(x,y)*Leven(x,y,s,o),I(x,y)*Lodd(x,y,s,o)]，
式中,Leven(x,y,s,o)与Lodd(x,y,s,o)分别为二维log-Gabor滤波函数在空间域内像素点(x,y)处的实部与虚部，*表示卷积运算，I(x,y)为像素点(x,y)处的灰度值，其中二维log-Gabor滤波函数的表达式为：
式中，(ρ,θ)代表对数极坐标，(s,o)为滤波器的尺度与方向，ρs和θso为中心频率对应参数，σρ和σθ分别为ρ和θ的带宽；
取方向o的不同尺度数下的PC(x,y)的最大值，作为方向o的相位一致性测度，记作PC(θo)，θo表示PC(x,y)取最大值时方向o的角度值；
对主影像和从影像，分别计算其所包含的像素点(x,y)的主轴ψ，最大矩Mψ，最小矩mψ，其具体过程包括，
首先计算中间变量a、b、c，其计算公式为，
根据中间变量，计算像素点(x,y)的主轴ψ、最大矩Mψ、最小矩mψ，其计算公式为，
影像中所有像素点的最大矩Mψ与最小矩mψ的集合，分别构成该影像的相位一致性最大...
【专利技术属性】
技术研发人员：张海涛，赵薇薇，丁一帆，李泽一，王艳，周颖，陈雪华，李谦，王刚，曾小莉，黄翊航，
申请(专利权)人：清华大学，北京市遥感信息研究所，
类型：发明
国别省市：北京;11
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。