一种基于多阶特征点线匹配的异源影像匹配方法组成比例

本发明专利技术公开了一种基于多阶特征点线匹配的异源影像匹配方法，具体步骤包括：特征初筛与匹配，用于解决成像传感器、成像视角导致的图像分辨率、旋转、变形等问题，其包括多尺度特征检测和特征快速匹配；特征筛选优化，包括VLD特征计算，KVLD特征匹配筛选；特征精筛选，包括RANSAC特征精筛；特征均布与加密，包括Delaunay三角网特征均布，基于GRID网格的特征加密。本发明专利技术使用带有多尺度分析能力的SIFT特征检测算法，实现了不同尺度检测出影像特征点的能力，解决了成像传感器、成像视角导致的图像分辨率、旋转、变形等问题，具有精度高，鲁棒性强、效率高的优点，同时利用KVLD技术，提升了特征匹配精度与质量。

【技术实现步骤摘要】
一种基于多阶特征点线匹配的异源影像匹配方法
本专利技术属于图像处理
,尤其涉及一种基于多阶特征点线匹配的异源影像匹配方法。
技术介绍
大区域数字正射影像由于能够直观、形象地反映地形地貌情况，在国民经济和国防建设中发挥着越来越重要的作用。在当前数字地球时代的大背景下，遥感数据分辨率越来越高、获取方式越来越多样化、获取周期越来越短，爆炸性增长的海量遥感数据对传统的数字正射影像生产手段提出了巨大的挑战，大区域高分辨率正射影像的自动生成与快速更新成为摄影测量与遥感领域的热点问题。对遥感数据的测量与解译是遥感数据的重要应用方向，影像匹配是影像理解的前提和重要部分。单张的遥感影像不能提供测区的完整信息，需要将多张影像拼接起来，得到测区整体结果，以便从全局角度对影像进行解译与识别。同时，通过对异源多分辨率多视角影像进行关联匹配，可以提高历史影像的利用率。然而，在影像关联匹配过程中，一直存在或多或少的误匹配问题，例如，异源影像地物差异、分辨率差异、视角差异等，给影像后续校正、处理带来了困难。常见的遥感影像数据的关联匹配通常采用纹理分析和特本文档来自技高网...

【技术保护点】
1.一种基于多阶特征点线匹配的异源影像匹配方法，其特征在于，其具体步骤如下：/nS1，异源影像的特征初筛与匹配；/nS2，特征筛选优化；/nS3,特征精筛选，对于所有使用KVLD筛选后的特征点，使用随机抽样一致性特征精筛算法完成筛选；/nS4，特征均布与加密，包括Delaunay三角网特征均布，基于Grid网格的特征加密。/n

【技术特征摘要】
1.一种基于多阶特征点线匹配的异源影像匹配方法，其特征在于，其具体步骤如下：
S1，异源影像的特征初筛与匹配；
S2，特征筛选优化；
S3,特征精筛选，对于所有使用KVLD筛选后的特征点，使用随机抽样一致性特征精筛算法完成筛选；
S4，特征均布与加密，包括Delaunay三角网特征均布，基于Grid网格的特征加密。


2.一种如权利要求1所述的基于多阶特征点线匹配的异源影像匹配方法，其特征在于，所述的步骤S1，具体包括，
S11,通道检查；判断待匹配的两幅异源影像是否为单通道影像，如果是则转入步骤S12，否则，将非单通道影像加权成为单通道影像；
S12,分辨率检查；判断两幅异源影像分辨率是否相同，如果是，则进入步骤S13，否则，将高分辨率影像进行下采样，使其分辨率和另一幅低分辨率影像相同；
S13,多尺度特征检测；采用具有多尺度分析能力的尺度不变特征变换特征检测算法，对两幅异源影像进行特征初筛，得到各自初始特征点及其特征描述向量，完成异源影像的特征初筛；
S14,特征快速匹配；使用K近邻或者BBF算法，对两幅异源影像各自的特征描述向量进行快速匹配，并根据特征向量匹配结果，得到两幅异源影像间的匹配特征点，实现异源影像的特征快速匹配。


3.一种如权利要求1所述的基于多阶特征点线匹配的异源影像匹配方法，其特征在于，所述的步骤S2，具体包括，
S21，建立虚拟线段，根据几何一致性度量进行阈值筛选；
对于经过步骤S1处理后的两幅异源影像，任选一副为主影像，另一幅为从影像；从主影像中选取两个特征点，分别为Pi和Pj,二者连线构成线段I(Pi,Pj)，将其记为虚拟线段；
从从影像中找到Pi和Pj对应的匹配特征点P′i′和P′j′，构成两幅异源影像间的一对匹配点对mi,i'＝(Pi,P′i′)和mj,j'＝(Pj,P′j′)；根据对极几何，通过Pi、Pj和P′i′计算出P′j′在从影像上的理论位置Q′j，其计算公式为：



其中，符号s(P)计算的是特征点P的尺度，符号α(P)表示特征点P的主方向，R(α)表示顺时针旋转α角度，三者的计算公式为SIFT特征检测算法中对特征点的尺度、主方向和旋转角度的计算公式；表示Pi和Pj两个特征点连线组成的向量；计算出Pj在主影像上的理论位置Qj,其计算公式为：



然后，以欧式距离或者曼哈顿距离为准则，计算主影像中Pi、Pj和Qj之间的3种误差：
di,j＝dist(Pi,Pj),
ti,j＝dist(Pi,Qj),
ei,j＝dist(Pi,Qj),
函数dist(x1,x2)表示的是x1，x2两点间的欧式距离或曼哈顿距离；计算出从影像中P′i′、P′j′和Q′j之间的3种误差:
d′i',j'＝dist(P′i′,P′j′)，
t′i',j'＝dist(P′i′,Q′j)，
e'i',j'＝dist(P′i′,Q′j)，
然后，计算匹配点对mi,i'＝(Pi,P′i′)和mj,j'＝(Pj,P′j′)之间的几何一致性度量χ(mi,i',mj,j')，其计算公式为：
χ(mi,i',mj,j')＝min(ηi,i',j,j',ηj,j',i,i')，
其中，
当χ(mi,i',mj,j')＜χmax时，认为匹配点对mi,i'与mj,j'符合几何一致性，χmax为几何一致性度量阈值；
在主影像中，对每两个特征点构建一个虚拟线段，共计构建(N-1)×(N-1)个虚拟线段，N为主影像中特征点的数量，然后对所构建的虚拟线段通过上述几何一致性度量进行阈值筛选，留下符合几何一致性度量要求的虚拟线段，然后基于符合几何一致性度量要求的虚拟线段中的特征点，找到从影像中对应的特征点，再根据此从影像的特征点构建从影像的虚拟线段；
S22,构建覆盖虚拟线段的内点圆；
经过步骤S21的计算，得到主影像和从影像中符合几何一致性度量要求的虚拟线段，然后构建覆盖每个虚拟线段的内点圆；对于主影像中的虚拟线段I(Pi,Pj)，d为该虚拟线段I(Pi,Pj)的长度，在虚拟线段I(Pi,Pj)上均匀设置U个内点圆，每个内点圆记为Du,u是内点圆的索引号，其取值范围从1到U；每个内点圆的圆心都在特征点Pi和特征点Pj构成的线段上，每个内点圆的半径为



内点圆Du的圆心坐标为



通过上述方式，构建覆盖主影像和从影像中所有符合要求的虚拟线段的内点圆；
S23，对虚拟线段内每个内点圆计算其梯度直方图的统计结果；
利用SIFT特征检测算法中像素点梯度的计算公式，对内点圆中的每个像素点计算其梯度，然后统计内点圆中每个点的梯度值，得到...

【专利技术属性】
技术研发人员：赵薇薇，丁一帆，王艳，周颖，陈雪华，王红钢，孙赜，薛晓伟，杨宇科，董文军，刘心洁，
申请(专利权)人：北京市遥感信息研究所，
类型：发明
国别省市：北京;11