一种基于局部特征一致性的异源图像匹配方法及系统技术方案

本发明专利技术公开了一种基于局部特征一致性的异源图像匹配方法及系统，属于图像处理及遥感影像分析技术领域，解决现有技术中异源图像匹配精度和效率低的问题。本发明专利技术基于局部信息的特征提取方法提取各异源图像的关键点；提取各异源图像的的相位信息，基于各异源图像的关键点及其邻域的局部信息，建立各异源图像局部的相位特征描述子；基于各异源图像关键点及其相位特征描述子，利用均值漂移算法对关键点进行过滤，剔除关键点中的重复模式；基于剔除重复模式后的两幅待匹配的异源图像的关键点及其特征描述子，采用计算特征描述子欧式距离的方法进行两幅异源图像特征匹配；再采用最近邻比率调节方法消除误匹配。本发明专利技术用于多类异源图像的精确匹配。像的精确匹配。像的精确匹配。

【技术实现步骤摘要】
一种基于局部特征一致性的异源图像匹配方法及系统


[0001]一种基于局部特征一致性的异源图像匹配方法及系统，用于实现不同种类成像传感器采集的图像数据的精确匹配，属于图像处理及遥感影像分析


技术介绍

[0002]在图像采集中，单一种类传感器只能获得场景的某一方面信息，而多种传感器可以获得场景多方面的信息，例如光学图像可以获得场景的光谱信息和纹理信息，红外图像可以获得场景的热辐射信息，激光雷达图像可以获得场景的距离信息和反射强度信息。综合异源图像中的互补信息的前提是需要实现异源图像的精确匹配。
[0003]异源图像匹配一直是图像处理领域的热点和难点问题。对于相同场景的异源图像，由于传感器的成像原理差异，异源图像间在图像纹理、光谱特性存在显著的非线性差异。因此，现有的异源图像匹配大多采用基于图像局部特征的关键点匹配方法实现，首先进行关键点检测，然后利用关键点附近的局部梯度统计特征对关键点进行特征描述，最后计算两幅图像关键点特征描述子的欧氏距离进行关键点匹配。这类方法由于采用图像的梯度信息，克服异源图像光谱特性、图像纹理非线性差异的能力有限。此外，由于图像匹配中只利用了图像局部信息，容易受图像中重复模式的干扰，产生许多重复的关键点，造成误匹配。
[0004]综上所述，现有技术中的异源图像匹配方法存在如下技术问题：
[0005]1.对图像噪声很敏感，并且容易受到图像中次要细节信息的干扰，导致特征描述子的鲁棒性较低；
[0006]2.克服异源图像光谱特性、图像纹理非线性差异的能力有限，从而易造成匹配精度和效率低的问题；
[0007]3.图像匹配中只利用了图像局部信息，容易受图像中重复模式的干扰，产生许多重复的关键点特征描述子，造成误匹配。

技术实现思路

[0008]针对上述研究的问题，本专利技术的目的在于提供一种基于局部特征一致性的异源图像匹配方法及系统，解决现有技术对图像噪声很敏感，并且容易受到图像中次要细节信息的干扰，导致特征描述子的鲁棒性较低等的问题。
[0009]为了达到上述目的，本专利技术采用如下技术方案：
[0010]一种基于局部特征一致性的异源图像匹配方法，包括如下步骤：
[0011]步骤1：关键点提取：基于局部信息的特征提取方法提取各异源图像的关键点；
[0012]步骤2：相位特征描述：利用Log
‑
Gabor滤波器提取各异源图像的的相位信息，基于各异源图像的关键点及其邻域的局部信息，建立各异源图像局部的相位特征描述子；
[0013]步骤3：关键点滤波：基于各异源图像关键点及其相位特征描述子，利用均值漂移算法对关键点进行过滤，剔除关键点中的重复模式；
[0014]步骤4：关键点匹配：基于剔除重复模式后的两幅待匹配的异源图像的关键点及其相位特征描述子，采用计算相位特征描述子欧式距离的方法进行两幅异源图像特征匹配，匹配后，采用最近邻比率调节方法进一步消除误匹配。
[0015]进一步，所述步骤1的具体步骤为：
[0016]步骤1.1：用半径为3个像素的圆形模版，让圆形模版的中心点在各异源图像上滑动，遍历整个异源图像，当圆形模版中心和异源图像的像素重合时，一个以像素p为中心，半径为3个像素的圆形邻域上，有16个像素点(p1、p2、...、p
16
)；
[0017]步骤1.2：计算关键候选点：定义一个阈值t，依次计算从p1到p
16
这16个点与中心像素p的像素差，如果有至少连续9个超过阈值t，则将中心像素p定义为关键候选点；
[0018]步骤1.3：非极大值阈值：以关键候选点p为中心的一个5
×
5的邻域内，若有多个关键候选点，依次用公式将各关键候选点中超过阈值的像素进行差值累加求和，得到所有关键候选点的s值，最终保留s值最大的关键候选点作为各异源图像的关键点。
[0019]进一步，所述步骤2的具体步骤为：
[0020]步骤2.1：计算各异源图像的结构特征图：利用结构特征公式步骤2.1：计算各异源图像的结构特征图：利用结构特征公式计算各异源图像的结构特征图，式中，F表示结构特征图，I表示输入图像，I
mean
表示输入异源图像半径为m的局部邻域的灰度均值，m表示圆形模版的半径，典型值为5，(x，y)表示异源图像的像素点，j和j分别表示x和y方向上的像素偏移值，max()表示取最大值函数；
[0021]步骤2.2：利用Log
‑
Gabor滤波器LG对结构特征图进行变换得到相位一致性模型，首先利用公式得到异源图像在频率域的奇数部分O和偶数部分E，然后基于奇数部分O和偶数部分E，利用公式得到异源图像的幅度分量A和相位分量θ，最后基于幅度分量A和相位分量θ，利用公式源图像的幅度分量A和相位分量θ，最后基于幅度分量A和相位分量θ，利用公式计算相位一致性模型，式中，LG
even
(x，y)表示LG滤波器偶数分量提取器，LG
odd
(x，y)表示LG滤波器奇数分量提取器，W
o
(x，y)表示像素点(x，y)的权重参数，T表示估计的噪声阈值，Δθ
so
(x，y)表示在Log
‑
Gabor滤波器的尺度s和方向o上像素点(x，y)的相位分量的方差函数，A
so
(x，y)表示在Log
‑
Gabor滤波器的尺度s和方向o上像素点(x，y)的幅度分量，其中，下标s和o分别表示Log
‑
Gabor滤波器的尺度和方向，ε表示一个小的正数，以避免分母为0；
[0022]步骤2.3：基于结构特征图，并将相位一致性模型中的方向o分别设置为0
°
，45
°
，90
°
和135
°
4个滤波方向，得到4个相位特征图，然后选择关键点周围的4
×
4的邻域，对邻域内每一个像素按照0
°
，45
°
，90
°
和135
°
这4个方向将相位特征值排列成为一个4维特征向量，然后将16个像素的特征向量组合起来得到最终的64维的特征向量，即关键点的相位特征描
述子。
[0023]进一步，所述步骤3的具体步骤为：
[0024]步骤3.1：关键点聚类：基于相位特征描述子，利用均值漂移算法计算均值漂移量得到聚类中心来对关键点的相位特征描述子进行聚类，均值漂移量用公式得到聚类中心来对关键点的相位特征描述子进行聚类，均值漂移量用公式计算，其中，u表示关键点的相位特征描述子，u
q
表示第q关键点的相位特征描述子，N表示关键点的数目，g表示核函数，m(u)表示均值漂移量；
[0025]步骤3.2：重复关键点过滤：设置一个距离阈值，利用欧式距离公式步骤3.2：重复关键点过滤：设置一个距离阈值，利用欧式距离公式计算任本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部特征一致性的异源图像匹配方法，其特征在于，包括如下步骤：步骤1：关键点提取：基于局部信息的特征提取方法提取各异源图像的关键点；步骤2：相位特征描述：利用Log
‑
Gabor滤波器提取各异源图像的的相位信息，基于各异源图像的关键点及其邻域的局部信息，建立各异源图像局部的相位特征描述子；步骤3：关键点滤波：基于各异源图像关键点及其相位特征描述子，利用均值漂移算法对关键点进行过滤，剔除关键点中的重复模式；步骤4：关键点匹配：基于剔除重复模式后的两幅待匹配的异源图像的关键点及其相位特征描述子，采用计算相位特征描述子欧式距离的方法进行两幅异源图像特征匹配，匹配后，采用最近邻比率调节方法进一步消除误匹配。2.根据权利要求1所述的一种基于局部特征一致性的异源图像匹配方法，其特征在于，所述步骤1的具体步骤为：步骤1.1：用半径为3个像素的圆形模版，让圆形模版的中心点在各异源图像上滑动，遍历整个异源图像，当圆形模版中心和异源图像的像素重合时，一个以像素p为中心，半径为3个像素的圆形邻域上，有16个像素点(p1、p2、...、p
16
)；步骤1.2：计算关键候选点：定义一个阈值t，依次计算从p1到p
16
这16个点与中心像素p的像素差，如果有至少连续9个超过阈值t，则将中心像素p定义为关键候选点；步骤1.3：非极大值阈值：以关键候选点p为中心的一个5
×
5的邻域内，若有多个关键候选点，依次用公式if|p
i
‑
p|＞t将各关键候选点中超过阈值的像素进行差值累加求和，得到所有关键候选点的s值，最终保留s值最大的关键候选点作为各异源图像的关键点。3.根据权利要求2所述的一种基于局部特征一致性的异源图像匹配方法，其特征在于，所述步骤2的具体步骤为：步骤2.1：计算各异源图像的结构特征图：利用结构特征公式步骤2.1：计算各异源图像的结构特征图：利用结构特征公式计算各异源图像的结构特征图，式中，F表示结构特征图，I表示输入图像，I
mean
表示输入异源图像半径为m的局部邻域的灰度均值，m表示圆形模版的半径，典型值为5，(x，y)表示异源图像的像素点，i和j分别表示x和y方向上的像素偏移值，max()表示取最大值函数；步骤2.2：利用Log
‑
Gabor滤波器LG对结构特征图进行变换得到相位一致性模型，首先利用公式得到异源图像在频率域的奇数部分σ和偶数部分E，然后基于奇数部分σ和偶数部分E，利用公式得到异源图像的幅度分量A和相位分量θ，最后基于幅度分量A和相位分量θ，利用公式像的幅度分量A和相位分量θ，最后基于幅度分量A和相位分量θ，利用公式计算相位一致性模型，式中，LG
even
(x，y)表示LG滤波器偶数分量提取器，LG
odd
(x，y)表示LG滤波器奇数分量提取器，W
o
(x，y)表示像素点(x，y)的权重参数，T
表示估计的噪声阈值，Δθ
so
(x，y)表示在Log
‑
Gabor滤波器的尺度s和方向o上像素点(x，y)的相位分量的方差函数，A
so
(x，y)表示在Log
‑
Gabor滤波器的尺度s和方向o上像素点(x，y)的幅度分量，其中，下标s和o分别表示Log
‑
Gabor滤波器的尺度和方向，ε表示一个小的正数，以避免分母为0；步骤2.3：基于结构特征图，并将相位一致性模型中的方向o分别设置为0
°
，45
°
，90
°
和135
°
4个滤波方向，得到4个相位特征图，然后选择关键点周围的4
×
4的邻域，对邻域内每一个像素按照0
°
，45
°
，90
°
和135
°
这4个方向将相位特征值排列成为一个4维特征向量，然后将16个像素的特征向量组合起来得到最终的64维的特征向量，即关键点的相位特征描述子。4.根据权利要求3所述的一种基于局部特征一致性的异源图像匹配方法，其特征在于，所述步骤3的具体步骤为：步骤3.1：关键点聚类：基于相位特征描述子，利用均值漂移算法计算均值漂移量得到聚类中心来对关键点的相位特征描述子进行聚类，均值漂移量用公式
‑
u计算，其中，u表示关键点的相位特征描述子，u
q
表示第q关键点的相位特征描述子，N表示关键点的数目，g表示核函数，m(u)表示均值漂移量；步骤3.2：重复关键点过滤：设置一个距离阈值，利用欧式距离公式步骤3.2：重复关键点过滤：设置一个距离阈值，利用欧式距离公式计算任意两个聚类中心的距离，根据先验知识，若两个关键点属于重复模式，将会得到较小的距离，将小于阈值的重复关键点去除，保留距离大于阈值的关键点集，其中，u
a
表示第a关键点的相位特征描述子，u
b
表示第b关键点的相位特征描述子。5.根据权利要求4所述的一种基于局部特征一致性的异源图像匹配方法，其特征在于，所述步骤4的具体步骤为：步骤4.1：关键点匹配：基于剔除重复模式后的两幅待匹配的异源图像的关键点，以一幅待匹配的异源图像为参考图像，将参考图像中的每一个关键点分别遍历另一待匹配的异源图像中所有关键点，计算两幅图像关键点的相位特征描述子的欧式距离，保留距离最小的两个值作为匹配候选点；步骤4.2：误匹配消除：采用公式D(a，b)＜γ
·
D(a，b1)计算每一组匹配候选点的最近邻点对的欧式距离是否小于次近邻点对的欧式距离比率调节后的值，其中，以γ表示调节比率，D(a，b)小时表示最近邻点对的欧式距离，D(a，b1)表示次近邻点对的欧式距离，保留最近邻点对的欧式距离小于次近邻点对的欧式距离比率调节后的值的点对，作为最终的异源图像特征匹配点...

【专利技术属性】
技术研发人员：马滔，朱航标，黄伟健，刘西华，王淳，杜林林，葛双全，
申请(专利权)人：中国工程物理研究院计算机应用研究所，
类型：发明
国别省市：