基于稀疏区域提取策略的遥感影像配准方法技术

本发明专利技术属于影像配准技术领域，具体公开了一种基于稀疏区域提取策略的遥感影像配准方法，包括以下步骤：利用SIFT算法对遥感影像进行特征点提取和特征点匹配，得到第一匹配点；通过稀疏区域提取策略对所述第一匹配点分布稀疏的区域进行提取，获得稀疏区域；利用深度学习算法在两幅影像的所述稀疏区域中进行特征点提取和特征点匹配，得到第二匹配点；对所述第一匹配点和所述第二匹配点取并集得到第三匹配点；利用两幅影像的所述第三匹配点，完成影像配准。本发明专利技术利用稀疏区域提取策略进行稀疏区域的勾画，基于地物信息和稀疏信息丰富稀疏区域的特征维度，提高稀疏区域的提取准确性。性。性。

【技术实现步骤摘要】
基于稀疏区域提取策略的遥感影像配准方法


[0001]本专利技术属于影像配准
，具体涉及一种基于稀疏区域提取策略的遥感影像配准方法。

技术介绍

[0002]影像配准是指根据带有地理参考的参考影像和待配准影像之间的变换模型，使得影像场景位置点准确对应，从而实现未配准影像的几何校正。影像配准的流程主要包括特征点提取，特征点匹配，仿射变换参数计算和影像重采样。
[0003]目前常用的特征点匹配方法为SIFT特征点提取，但其存在匹配点数量少的缺陷，它可能导致匹配结果不准确或者无法得到可行的变换矩阵。因此，如何提高遥感影像的匹配精度，这是目前亟待解决的问题。

技术实现思路

[0004]为了解决用单一方法进行特征提取和匹配导致的配准点数量少的问题，本专利技术提供了一种基于稀疏区域提取策略的遥感影像配准方法，主要克服传统的手工特征点提取、匹配方法匹配点数量少，匹配精度低的问题，以及目前深度学习方法的特征点提取方法虽然精度高但提取以及匹配速度低等问题，本专利技术提供的上述方法针对现有特征点提取方法导致的匹配点数量少的问题，对匹配点数量少的稀疏区域利用深度学习算法再次进行特征点提取，从而能够提高遥感影像的匹配精度。
[0005]本文专利技术了一种基于稀疏区域提取策略的遥感影像配准方法，包括以下步骤：
[0006]S1获取两幅遥感影像，将其中一幅遥感影像作为参考影像，将另一幅遥感影像作为待配准影像；
[0007]S2利用SIFT算法对所述参考影像和所述待配准影像进行特征点提取，并通过特征匹配算法进行特征点匹配，得到第一匹配点；
[0008]S3通过稀疏区域提取策略对所述待配准影像和参考影像的第一匹配点分布稀疏的区域进行提取，获得稀疏区域；
[0009]S4利用深度学习算法在两幅影像的所述稀疏区域中进行特征点提取，并通过特征匹配算法进行特征点匹配，得到第二匹配点；
[0010]S5对所述第一匹配点和所述第二匹配点取并集得到第三匹配点；
[0011]S6利用两幅影像的所述第三匹配点，通过配准转换得到配准变换参数；
[0012]S7根据配准变换参数对所述待配准影像进行几何变换，并进行重采样，使得所述待配准影像向所述参考影像对齐，完成影像配准。
[0013]具体地，所述稀疏区域提取策略包括优化提取策略，优化提取策略包括：
[0014]按照预设矩形块尺寸对所述参考影像和所述待配准影像进行网格划分，得到多个矩形块，并基于矩形块中的第一匹配点的数量对矩形块进行筛选，得到稀疏矩形块；
[0015]通过n个特征描述符分别对稀疏矩形块进行特征描述，得到n个特征描述向量，n≥
2；
[0016]基于特征描述子对稀疏矩形块进行多维聚类，得到稀疏矩形块的簇；
[0017]基于连通域算法将相邻的相同类型的稀疏矩形块进行连通，得到稀疏区域。
[0018]具体地，所述基于特征描述符对稀疏矩形块进行多维聚类，得到稀疏矩形块的簇，包括：
[0019]获取待配准影像的地物类型，作为目标地物类型，在具体实现中，实现中；
[0020]对于1种目标地物类型，任意选取1个包含该目标地物类型的稀疏矩形块作为聚类中心；
[0021]对聚类中心和聚类中心以外的稀疏矩形块进行多维特征相似度量：
[0022][0023]其中，g(x,y)表示稀疏矩形块x与聚类中心y的多维特征相似度，x
k
表示稀疏矩形块x的第k个特征描述向量，y
k
表示聚类中心y的第k个特征描述向量，n为稀疏矩形块的特征描述向量的总数量；
[0024]基于多维特征相似度量结果对稀疏矩形块进行初始聚类，得到稀疏矩形块的初始簇，包括：对聚类中心y所在的类别进行聚类，将g(x,y)＜g(y)
thr
的稀疏矩形块x作为聚类中心y所在类别的聚类点，g(y)
thr
为人工设置阈值，为定值，通过人工设定；
[0025]基于孤立森林对稀疏矩形块的初始簇进行优化，得到稀疏矩形块的簇，包括：
[0026]训练出t颗孤立树组成孤立森林；
[0027]将稀疏矩形块分别输入t颗孤立树，得到稀疏矩形块的t个树高度；
[0028]通过下式计算每个稀疏矩形块的异常值：
[0029][0030]其中，M为特征个数，h(x)为稀疏矩形块的树高度，E(h(x))为稀疏矩形块x在t颗孤立树中的树高度的期望，H(
·
)＝ln(
·
)+0.5772156649；
[0031]计算一个初始簇中稀疏矩形块的平均异常值，得到该初始簇的异常均值，
[0032]将异常值大于3倍异常均值的稀疏矩形块剔除所属初始簇，得到稀疏矩形块的簇。
[0033]具体地，所述特征描述符包括颜色空间描述符、颜色布局描述符、主颜色描述符、同质纹理描述符、纹理浏览描述符、基于区域的形状描述符、基于轮廓的形状描述。
[0034]具体地，所述基于矩形块中的第一匹配点的数量对矩形块进行筛选，包括：
[0035]基于得到匹配点统计量，并根据获得的匹配点统计量确定预设阈值，所述匹配点统计量包括两幅遥感影像中每个矩形块中的匹配点个数的均值、方差、标准差中的至少一种；
[0036]若任一矩形块中的匹配点个数小于所述预设阈值，则判定该矩形块是稀疏矩形块。
[0037]具体地，所述步骤S2包括：
[0038]利用SIFT算法分别生成所述参考影像和所述待配准影像的第一特征点；
[0039]利用特征匹配算法对所述第一特征点内进行特征匹配，得到第一初始匹配点，所述第一初始匹配点包括第一误匹配点，；
[0040]利用重投影误差去除所述第一误匹配点，得到第一匹配点。
[0041]具体地，步骤S4包括：
[0042]分别将所述参考影像中的稀疏区域和所述待配准影像中的稀疏区域分别作为卷积神经网络CNN的输入端，使用预先训练完成的CNN模型进行特征提取，得到第二特征点；
[0043]利用特征匹配算法对所述第二特征进行特征匹配，得到第二初始匹配点，所述第二初始匹配点包括第二误匹配点；
[0044]利用重投影误差计算去除第二误匹配点，得到所述参考影像和所述待配准影像中的第二匹配点。
[0045]具体地，所述特征匹配算法包括SIFT算法、松弛匹配算法、SURF算法、深度学习算法中至少一种。
[0046]具体地，所述重投影误差是指所述待配准影像的重投影点与所述参考影像中相同名称的点之间位置误差，其中，所述重投影点是所述待配准影像经过一定的投影变换得到的，所述投影变换包括仿射变换、rpc变换以及轨道模型和共线方程相结合的变换。
[0047]具体地，所述基于矩形块中的第一匹配点的数量对矩形块进行筛选，包括：
[0048]按照预设矩形块尺寸，对所述参考影像和所述待配准影像进行网格划分，得到矩形块；
[0049]基于矩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于稀疏区域提取策略的遥感影像配准方法，其特征在于，包括以下步骤：S1获取两幅遥感影像，将其中一幅遥感影像作为参考影像，将另一幅遥感影像作为待配准影像；S2利用SIFT算法对所述参考影像和所述待配准影像进行特征点提取，并通过特征匹配算法进行特征点匹配，得到第一匹配点；S3通过稀疏区域提取策略对所述待配准影像和参考影像的第一匹配点分布稀疏的区域进行提取，获得稀疏区域；S4利用深度学习算法在两幅影像的所述稀疏区域中进行特征点提取，并通过特征匹配算法进行特征点匹配，得到第二匹配点；S5对所述第一匹配点和所述第二匹配点取并集得到第三匹配点；S6利用两幅影像的所述第三匹配点，通过配准转换得到配准变换参数；S7根据配准变换参数对所述待配准影像进行几何变换，并进行重采样，使得所述待配准影像向所述参考影像对齐，完成影像配准。2.根据权利要求1所述的基于稀疏区域提取策略的遥感影像配准方法，其特征在于，所述稀疏区域提取策略包括优化提取策略。3.根据权利要求2所述的基于稀疏区域提取策略的遥感影像配准方法，其特征在于，所述优化提取策略包括：按照预设矩形块尺寸对所述参考影像和所述待配准影像进行网格划分，得到矩形块，并基于矩形块中的第一匹配点的数量对矩形块进行筛选，得到稀疏矩形块；通过n个特征描述符分别对稀疏矩形块进行特征描述，得到n个特征描述向量，n≥2；基于特征描述符对稀疏矩形块进行多维聚类，得到稀疏矩形块的簇；基于连通域算法将相邻的相同类型的稀疏矩形块进行连通，得到稀疏区域。4.根据权利要求3所述的基于稀疏区域提取策略的遥感影像配准方法，其特征在于，所述基于特征描述符对稀疏矩形块进行多维聚类，得到稀疏矩形块的簇，包括：获取待配准影像的地物类型，作为目标地物类型；对于1种目标地物类型，任意选取1个包含该目标地物类型的稀疏矩形块作为聚类中心；对聚类中心和聚类中心以外的稀疏矩形块进行多维特征相似度量：其中，g(x,y)表示稀疏矩形块x与聚类中心y的多维特征相似度，x
k
表示稀疏矩形块x的第k个特征描述向量，y
k
表示聚类中心y的第k个特征描述向量，n为稀疏矩形块的特征描述向量的总数量；基于多维特征相似度量结果对稀疏矩形块进行初始聚类，得到稀疏矩形块的初始簇；基于孤立森林对稀疏矩形块的初始簇进行优化，得到稀疏矩形块的簇。5.根据权利要求4所述的基于稀疏区域提取策略的遥感影像配准方法，其特征在于，所述基于孤立森林对稀疏矩形块的初始簇进行优化，得到稀疏矩形块的簇，包括：
...

【专利技术属性】
技术研发人员：杜慧丽，高小花，耿栋，董铱斐，邹圣兵，
申请(专利权)人：北京数慧时空信息技术有限公司，
类型：发明
国别省市：