【技术实现步骤摘要】
一种基于特征空间关系的异源图像匹配方法
[0001]本专利技术属于图像匹配以及图像识别
，涉及一种基于特征空间关系的异源图像匹配方法，尤其涉及一种针对可见光与红外图像和SAR图像的异源图像匹配识别方法。
技术介绍
[0002]近年来，可见光、红外及SAR（Synthetic Aperture Radar）传感器作为最常见的图像源，被广泛应用于无人机平台目标探测与识别领域，对于不同类型探测器的目标识别技术也得到了迅猛发展。针对地面固定目标的识别，模板匹配识别是应用最为广泛的方案，该方案通过预先获取目标模板图像，利用模板图像与探测器拍摄的实时图像进行图像匹配，从而获取目标在实时图像中的坐标。
[0003]目前，大多数基于模板匹配的图像识别方法需提供相同成像体制的模板图像作为保障数据，而红外、SAR图像获取困难，导致目标模板数据保障难度大。同时，目标可见光图像较易获取，因此提出了基于可见光模板图像实现对红外、SAR实时图像目标识别的应用需求。针对同构图像的匹配，国内外已出现了许多比较成熟的方法，但针对异源图像匹配，比...
【技术保护点】
【技术特征摘要】
1.一种基于特征空间关系的异源图像匹配方法，其特征在于，包括如下步骤：S1：在可见光模板图像中截取N个子图像作为子模板图像，并记录这N个子模板图像在可见光模板图像中的像素坐标信息，构成子模板图像组；S2：对子模板图像组中的每个子模板图像以及实时图像进行边缘检测，提取SURF特征点，对SURF特征点进行双向两级匹配，得到基于空间域匹配的精确匹配点；所述实时图像为红外或SAR实时图像；所述双向两级匹配包括双向最近邻/次近邻匹配和随机采样一致算法；S3：对子模板图像组中的每个子模板图像和实时图像进行NSCT变换，分别提取低频子带图像和高频子带图像，对所述低频子带图像进行SURF特征点匹配，对所述高频子带图像进行归一化互相关匹配，获得子模板图像中与低频子带图像匹配点和高频子带图像匹配点对应的匹配点，剔除其中的重复匹配点，得到基于变换域匹配的精确匹配点；S4：剔除同一个子模板图像基于空间域和变换域精确匹配点中重复的匹配点，然后根据N个子模板图像间的像素坐标关系，剔除不满足子模板图像匹配点间位置关系的匹配点，得到所有子模板图像的匹配点；S5：将所有子模板图像的匹配点转换为可见光模板图像匹配点，基于可见光模板图像与实时图像的匹配点对，计算可见光模板图像与实时图像的仿射变换矩阵，得到可见光模板图像中的目标点在实时图像中的坐标，完成目标识别。2.根据权利要求1所述的基于特征空间关系的异源图像匹配方法，其特征在于，所述N的取值范围为3～10。3.根据权利要求1所述的基于特征空间关系的异源图像匹配方法，其特征在于，所述S1中截取N个子图像，具体包括步骤S11：在可见光模板图像中，以1/K可见光模板图像宽和高作为截取尺寸，选择特征丰富的图像区域，截取N个子图像，作为子模板图像；所述K的取值范围为3～6。4.根据权利要求1所述的基于特征空间关系的异源图像匹配方法，其特征在于，所述步骤S2具体包括如下步骤：S21:分别对子模板图像以及实时图像进行预处理；即对子模板图像和红外实时图像进行图像增强；对SAR实时图像进行去噪；S22：使用Canny算子分别对预处理后的子模板图像以及实时图像进行边缘检测，得到边缘图像；S23：在边缘图像上提取SURF特征点，为每个特征点构建特征向量；S24：对子模板图像SURF特征向量和实时图像SURF特征向量进行双向两级匹配，得到子模板图像与实时图像基于空间域匹配的匹配点对。5.根据权利要求1所述的基于特征空间关系的异源图像匹配方法，其特征在于，所述步骤S3具体包括如下步骤：S31：采用NSCT变换，对子模板图像和实时图像分别进行NSCT分解和方向滤波，得到低频子带图像和多个方向的高频子带图像；S32：若子模板图像和实时图像分解后的两幅低频子带图像灰度均值之差大于给定灰度差阈值则对实时图像的低频子带图像进行取反，并对子模板图像的低频子带图像
和取反后的实时图像的低频子带图像进行SURF特征提取，否则，直接对分解后的子模板图像及实时图像的低频子带图像进行SURF特征提取；S33：对提取的SURF特征进行双向最近邻/次近邻法粗匹配，然后采用RANSAC算法对粗匹配特征点进行精确匹配，得到低频子带图像匹配点；S34：在子模板...
【专利技术属性】
技术研发人员：赵国宏，江光德，蒋鸣，赵海英，宫树香，蔚国强，赵云飞，陶江，周颖，高军强，许馨月，梁燕，
申请(专利权)人：中国人民解放军九六九零一部队，
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。