一种用于大范围遥感影像的特征匹配方法组成比例

本发明专利技术属于空间遥感图像的技术领域，公开了一种用于大范围遥感影像的特征匹配方法，分别计算每个输入图像和相关图像的重叠区域，再利用SAR

【技术实现步骤摘要】
一种用于大范围遥感影像的特征匹配方法


[0001]本专利技术涉及空间遥感图像的
，尤其涉及一种用于大范围遥感影像的特征匹配方法。

技术介绍

[0002]卫星遥感SAR影像在图像融合、图像拼接、三维重建、变化检测等方面有广泛应用，高分三号顺轨影像在图像拼接上有重要应用，而SAR影像匹配是这些应用的基础。但是，卫星遥感SAR影像快速匹配存在着遥感影像大、直接匹配效率低下的问题。为了提高卫星遥感影像匹配效率，本专利技术开发了一种快速匹配SAR影像的软件。
[0003]SAR影像匹配主要有两类方法：基于强度的方法和基于特征的方法。基于强度匹配方法由于需要计算大量的相关性矩阵，计算时间复杂度高、并且受不同几何成像角度影响而导致计算效率较低。目前主流SAR影像匹配主要基于特征匹配，该类方法主要包含特征提取、特征描述子构建、相似性准则匹配等过程，该类方法匹配速度比基于强度的匹配方法更快、精度更高。其中，具有代表性的特征匹配方法为(Scale
‑
invariant feature transform)SIFT。由于卫星遥感SAR影像受乘性噪声严重干扰特征点提取，SIFT在SAR图像匹配中精度不高，而SAR
‑
SIFT是一种可以改善乘性噪声影响的特征匹配方法，但是一般卫星SAR影像比较大，已有的SAR
‑
SIFT方法采用CPU串行计算效率低下，无法满足地震等自然灾害发生后需快速响应的应用场景。

技术实现思路

[0004]本专利技术提供了一种用于大范围遥感影像的特征匹配方法，基于分块策略提取重叠区域，然后针对重叠区域，采用SAR
‑
SIFT特征匹配算法的并行特征对大范围7104*5650遥感影像进行匹配计算连接点，并对连接点可视化。
[0005]本专利技术可通过以下技术方案实现：
[0006]一种用于大范围遥感影像的特征匹配方法，分别计算每个输入图像和相关图像的重叠区域，再利用SAR
‑
SIFT特征匹配方法对两个输入图像的重叠区域进行特征点提取和匹配，并将匹配好的特征点进行可视化处理，在进行特征点提取时，根据SAR
‑
SIFT特征匹配方法构建的金字塔图像层数，CPU单元遵循fork/join模式进行子线程划分，然后再调用GPU单元计算每个子线程对应的金字塔图像层的响应函数。
[0007]进一步，对所有的输入图像进行顺序编号，按照向前搜索法，以后一输入图像作为主图像，前面一个或者多个输入图像均作为副图像，依次计算主图像和前面一个或者多个副图像是否有重叠，若有，则将主图像和对应副图像的重叠区域分割出来。
[0008]进一步，利用有理函数模型RFM依次计算主图像和前面一个或者多个副图像的四个角点的经纬坐标，并判断处于角点所围的区域是否有重叠，若有，则将主图像划分n*n个图像块，再利用有理函数模型RFM依次计算每个图像块的四个角点的经纬坐标，并判断处于角点所围的区域与对应的副图像是否有重叠，若有重叠，则将对应的重叠区域标记出来，最
后将主图像和各个副图像中标记的重叠区域分割出来。
[0009]进一步，利用SAR
‑
SIFT特征匹配方法构建的八层金字塔图像，在执行构建金字塔图像任务时，CPU单元采用fork/join模式，利用OpenMP将金字塔图像各层尺度空间任务逐一分配给八个子线程，然后调用GPU单元计算金字塔图像每一层的响应函数；
[0010]接着在特征点提取时，采用OpenMP分层提取特征点；
[0011]在构建特征描述子时，利用OpenMP分出N个子线程构建每一个特征点的描述子；
[0012]最后采用欧式距离进行特征点匹配，并采用基于投影矩阵的RANSAC方法筛除错误的匹配点。
[0013]进一步，所述GPU单元利用CUDA并行计算金字塔图像每层对应的特征尺度；
[0014]在金字塔图像构建完成后，利用OpenMP将在各层寻找特征点和计算特征主方向的任务分配给子线程，之后，OpenMP为子线程分配并行处理特征点构建特征描述子的任务。
[0015]进一步，根据SAR
‑
SIFT特征匹配方法，首先，构建图像梯度并通过高斯模糊生成尺度空间，每一层的尺度空间响应函数计算如下：
[0016][0017]R(x,y,σ)＝Det(C
SH
(x,y,σ)
‑
t
·
Trace(C
SH
(x,y,σ))
[0018]其中，Det和Trace分别代表着矩阵C
SH
的行列式和迹，*表示卷积，表示图像分尺度平滑滤波函数，为当前图像的尺度因子，σ为微分尺度决定当前角点局部区域尺度变量，G
x,σ
为水平梯度，G
y,σ
为垂直梯度。
[0019]特征点提取通过R(x,y,σ)响应函数，在每一个尺度空间上寻找3*3范围内的极大值并且响应函数值要大于0.8，在确定特征点坐标后求得特征主方向；提取特征点之后，采用GLOH方法构建特征描述子。
[0020]本专利技术有益的技术效果在于：
[0021]1、提出基于主副影像的重叠区域分块匹配策略，减少影像匹配的冗余计算量，提高计算速率，为后续的快速匹配以及图像拼接提供基础；
[0022]2、针对SAR
‑
SIFT并行计算问题，提出采用fork/join同步并行模式提升匹配效率。首先由CPU单元主线程分配多个工作线程，在工作线程中调用GPU 单元计算耗时的响应函数，最后由主线程集合多个工作线程建立特征尺度空间，采用OpenMP在CPU单元并行计算在涉及较多逻辑计算的特征点提取和构建特征描述子。
[0023]3、通过将匹配好的特征点可视化，可以准确的看出特征点分布的情况，确保用户可以使用提取到的特征点。
附图说明
[0024]图1为本专利技术方法的系统结构示意图；
[0025]图2为本专利技术方法的流程示意图；
[0026]图3为利用本专利技术方法进行特征匹配的实施例一的可视化结果示意图；
[0027]图4为利用本专利技术方法进行特征匹配的实施例二的可视化结果示意图。
具体实施方式
[0028]下面结合附图及较佳实施例详细说明本专利技术的具体实施方式。
[0029]目前大多数是遥感影像分辨率在1000*1000左右进行特征匹配，大范围遥感影像特征匹配研究较少，因此，如图1
‑
2所示，本专利技术提供了一种用于大范围遥感影像的特征匹配方法，分别计算每个输入图像和相关图像的重叠区域，再利用SAR
‑
SIFT特征匹配方法对两个输入图像的重叠区域进行特征点提取和匹配，并将匹配好的特征点进行可视化处理，在进行特征点提取时，根据SAR
‑
SIFT特征匹配方法构建的金字塔图像层数，CPU单元遵循fork/join 模式进行子线程划分，然后再调用G本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于大范围遥感影像的特征匹配方法，其特征在于：分别计算每个输入图像和相关图像的重叠区域，再利用SAR
‑
SIFT特征匹配方法对两个输入图像的重叠区域进行特征点提取和匹配，并将匹配好的特征点进行可视化处理，在进行特征点提取时，根据SAR
‑
SIFT特征匹配方法构建的金字塔图像层数，CPU单元遵循fork/join模式进行子线程划分，然后再调用GPU单元计算每个子线程对应的金字塔图像层的响应函数。2.根据权利要求1所述的用于大范围遥感影像的特征匹配方法，其特征在于：对所有的输入图像进行顺序编号，按照向前搜索法，以后一输入图像作为主图像，前面一个或者多个输入图像均作为副图像，依次计算主图像和前面一个或者多个副图像是否有重叠，若有，则将主图像和对应副图像的重叠区域分割出来。3.根据权利要求2所述的用于大范围遥感影像的特征匹配方法，其特征在于：利用有理函数模型RFM依次计算主图像和前面一个或者多个副图像的四个角点的经纬坐标，并判断处于角点所围的区域是否有重叠，若有，则将主图像划分n*n个图像块，再利用有理函数模型RFM依次计算每个图像块的四个角点的经纬坐标，并判断处于角点所围的区域与对应的副图像是否有重叠，若有重叠，则将对应的重叠区域标记出来，最后将主图像和各个副图像中标记的重叠区域分割出来。4.根据权利要求1所述的用于大范围遥感影像的特征匹配方法，其特征在于：利用SAR
‑
SIFT特征匹配方法构建的八层金字塔图像，在执行构建金字塔图像任务时，CPU单元采用f...

【专利技术属性】
技术研发人员：洪中华，耿勇胜，周汝雁，潘海燕，张云，韩彦岭，徐利军，杨树瑚，王静，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：