一种基于HOG特征和边缘特征的异源图像匹配算法制造技术

本发明专利技术属于航电系统多源数据融合领域，具体涉及一种基于HOG特征和边缘特征的机载异源图像匹配算法。包括：对原始SAR图像预处理得到第一SAR图像；对第一SAR图像进行滤波变换得到第二SAR图像；将第二SAR图像的分辨率统一到与卫星图像的一致得到第三SAR图像；HOG特征与边缘特征结合对第三SAR图像进行特征提取，得到SAR特征图像；将原始卫星图像转为墨卡托投影第一卫星图像；对第一卫星图像预处理得到第二卫星图像；采用HOG特征与边缘特征结合的方式对第二卫星图像特征提取得到卫星特征图像；使用模板匹配算法对SAR特征图像和卫星特征图像特征匹配并验证，验证成功可根据高精度卫星图像的经纬度信息修正原始SAR图像中特定点的经纬度信息，提高目标定位精度。提高目标定位精度。提高目标定位精度。

【技术实现步骤摘要】
一种基于HOG特征和边缘特征的异源图像匹配算法


[0001]本专利技术属于航电系统多源数据融合领域，具体涉及一种基于HOG特征和边缘特征的异源图像匹配算法。

技术介绍

[0002]随着战场环境逐渐复杂与探测条件的恶劣，更多设备和武器对目标定位精度要求越发提高,目前单个传感器的探测性能已不能满足航电系统的整体需求。因此对目标信息进行多数据源融合以提升精度成为当下航电系统的重要课题。SAR具有距离远、穿透强、全天候等优点，在军事领域有着广泛的应用。使用SAR图像与高精度卫星图像的融合，可以最大限度地挖掘环境信息，完成对地面和海面高价值目标的识别及精确定位任务。
[0003]异源图像成像机理差别较大，同一像素点的灰度值存在巨大差异，很难提取到同名特征。且SAR图像受成像姿态、遮挡、成像参数等因素影响较大，乘性相干斑噪声严重，这为SAR图像与卫星图像的异源图像匹配带来了一定困难。常见的异源图像匹配算法有：特征点匹配算法、边缘支持度匹配算法、HOG特征匹配算法、Delaunay三角约束匹配算法、曲线特征匹配算法、基于深度学习的匹配算法等。
[0004]特征点匹配算法的缺点是，SAR图像特征点的提取、描述、匹配均受相干斑噪声的干扰，且异源图像较难提取到同名特征点。边缘支持度匹配算法的缺点是图像边缘检测算法使用固定检测阈值处理不同条件下的图像，导致边缘检测效果不稳定。HOG特征一般用于处理同源图像的匹配，对于异源图像，尤其是SAR图像和可见光图像，成像机理的不同导致同一区域内的像素直方图相差较大，故HOG特征有所差异。Delaunay三角约束匹配算法的缺点是，骨架提取阈值选择较难，阈值选择不当直接导致匹配失效。曲线特征匹配算法的缺点是，不适用于闭合曲线的匹配，且计算复杂度较高。基于深度学习的匹配算法的缺点是SAR图像较少，训练样本不足，且深度学习的算法边界难以确定，可测试性差，不适合机载高精度任务。故常见的异源图像匹配算法各有不足，缺乏鲁棒性，无法直接用于工程实践，并未在论文中查到用于工程中的异源图像匹配使用案例。

技术实现思路

[0005]本专利技术的目的：提供一种基于HOG特征和边缘特征的异源图像匹配算法，解决现有异源图像匹配算法鲁棒性差，受算法阈值影响大等问题。
[0006]本专利技术的技术方案：
[0007]一种基于HOG特征和边缘特征的异源图像匹配算法，包括：
[0008]根据SAR图像成像时平台的姿态和位置，将原始SAR图像转换为俯视、正北的第一SAR图像；
[0009]对第一SAR图像依次进行高斯滤波、中值滤波、伽马变换得到第二SAR图像；
[0010]将第二SAR图像的分辨率统一到与卫星图像的分辨率一致得到第三SAR图像；
[0011]采用HOG特征与边缘特征结合的方式对第三SAR图像进行特征提取，得到SAR特征
图像；
[0012]将原始卫星图像转为第一卫星图像，其中第一卫星图像为墨卡托投影；
[0013]对第一卫星图像依次进行高斯滤波、中值滤波得到第二卫星图像；
[0014]采用HOG特征与边缘特征结合的方式对第二卫星图像进行特征提取，得到卫星特征图像；
[0015]使用模板匹配算法对SAR特征图像和卫星特征图像进行特征匹配得到原始SAR图像与原始卫星图像的关系；
[0016]利用原始SAR图像与原始卫星图像的关系，修正原始SAR图像中特定点的经纬度信息。
[0017]进一步地，采用HOG特征与边缘特征结合的方式对第三SAR图像进行特征提取，得到SAR特征图像，具体包括：
[0018]提取第三SAR图像中的HOG特征得到SAR图像HOG特征图；
[0019]提取第三SAR图像中的边缘特征得到SAR图像边缘特征图；
[0020]将SAR图像HOG特征图和SAR图像边缘特征图以一定的比例叠加得到SAR特征图像。
[0021]进一步地，采用HOG特征与边缘特征结合的方式对第二卫星图像进行特征提取，得到卫星特征图像，具体包括；
[0022]提取第二卫星图像的HOG特征得到卫星图像HOG特征图；
[0023]提取第二卫星图像的边缘特征得到卫星图像边缘特征图；
[0024]将卫星图像HOG特征图和卫星图像边缘特征图以一定的比例叠加得到卫星特征图像。
[0025]进一步地，使用模板匹配算法对SAR特征图像和卫星特征图像进行特征匹配得到原始SAR图像与原始卫星图像的关系，之后还包括：
[0026]对原始SAR图像与原始卫星图像的关系进行验证。
[0027]进一步地，对原始SAR图像与原始卫星图像的关系进行验证，具体包括：
[0028]选取原始卫星图像上与原始SAR图像相匹配的区域为ROI区域；
[0029]在原始卫星图像的ROI区域内提取直线特征并进行拼接和筛选，得到候选验证直线集合；
[0030]依次对直线集合中的每条直线选取N等分点，并记录坐标点，其中N为大于等于10的自然数；
[0031]利用原始SAR图像与原始卫星图像的关系将记录的坐标点转换为原始SAR图像上的对应坐标点；
[0032]在SAR图像边缘特征图上统计原始SAR图像上的对应坐标点中处于特征边缘上的个数；
[0033]如果所述个数大于预定阈值，则认为当前坐标点所在直线对齐；
[0034]若大于3条直线都能对齐，且这些对齐的直线斜率不同，则认为原始SAR图像与原始卫星图像匹配正确，否则认为匹配失败。
[0035]进一步地，所述预定阈值为3。
[0036]进一步地，所述方法还包括：
[0037]匹配失败的情况下，重新调整特征提取算法中的参数。
[0038]进一步地，N为20。
[0039]本专利技术的有益效果：
[0040]本文提出的异源图像匹配算法通过将图像的边缘特征和HOG块梯度特征结合，使特征更全面更鲁棒。算法使用两种不同特征的结合，不受阈值参数影响，能满足不同场景下机载图像的匹配，且算法具有匹配验证模块，能增强算法的容错性，大大提高算法的匹配正确性。通过本文异源图像匹配算法，使机载SAR图像融合高精度卫星图像的经纬度信息，最大限度地挖掘环境信息，有助于飞机完成对地面和海面高价值目标的精确定位任务。
附图说明
[0041]图1HOG特征图与边缘特征图比例为1:1；
[0042]图2是基于HOG特征和边缘特征的异源图像匹配算法流程示意图；
[0043]图3是匹配验证流程；
[0044]图4是特征匹配算法获取原始SAR图像与原始卫星图像的关系。
具体实施方式
[0045]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于HOG特征和边缘特征的异源图像匹配算法，其特征在于，包括：根据SAR图像成像时平台的姿态和位置，将原始SAR图像转换为俯视、正北的第一SAR图像；对第一SAR图像依次进行高斯滤波、中值滤波、伽马变换得到第二SAR图像；将第二SAR图像的分辨率统一到与卫星图像的分辨率一致得到第三SAR图像；采用HOG特征与边缘特征结合的方式对第三SAR图像进行特征提取，得到SAR特征图像；将原始卫星图像转为第一卫星图像，其中第一卫星图像为墨卡托投影；对第一卫星图像依次进行高斯滤波、中值滤波得到第二卫星图像；采用HOG特征与边缘特征结合的方式对第二卫星图像进行特征提取，得到卫星特征图像；使用模板匹配算法对SAR特征图像和卫星特征图像进行特征匹配得到原始SAR图像与原始卫星图像的关系；利用原始SAR图像与原始卫星图像的关系，修正原始SAR图像中特定点的经纬度信息。2.根据权利要求1所述的基于HOG特征和边缘特征的异源图像匹配算法，其特征在于，采用HOG特征与边缘特征结合的方式对第三SAR图像进行特征提取，得到SAR特征图像，具体包括：提取第三SAR图像中的HOG特征得到SAR图像HOG特征图；提取第三SAR图像中的边缘特征得到SAR图像边缘特征图；将SAR图像HOG特征图和SAR图像边缘特征图以一定的比例叠加得到SAR特征图像。3.根据权利要求1所述的基于HOG特征和边缘特征的异源图像匹配算法，其特征在于，采用HOG特征与边缘特征结合的方式对第二卫星图像进行特征提取，得到卫星特征图像，具体包括；提取第二卫星图像的HOG特征得到卫星图像HOG特征图；提取第二卫星图像的边缘特...

【专利技术属性】
技术研发人员：王柳，于泽，陈斌，梅真卿，高芳，杨继龙，
申请(专利权)人：中国航空工业集团公司成都飞机设计研究所，
类型：发明
国别省市：