一种基于特征点提取筛选的多源图像匹配方法组成比例

本发明专利技术提供了一种基于特征点提取筛选的多源图像匹配方法，该方法包括：根据获取的光学图像与

【技术实现步骤摘要】
一种基于特征点提取筛选的多源图像匹配方法


[0001]本专利技术涉及图像处理
，尤其涉及一种基于特征点提取筛选的多源图像匹配方法
。

技术介绍

[0002]光学图像的成像效果好，具有分辨率高
、
成像直观和易判读等优点；
SAR
具有穿透力强，全天时
、
多天候的工作能力
。
将光学图像和
SAR
遥感图像配合起来使用，有助于发挥各自的优势，最大限度获取目标场景的地物特征，对于我国这样幅员辽阔的国家来说，无论是在民用还是军事应用方面都具有十分重要的意义
。
在民用方面能够用于海洋监测
、
自然资源监测和减灾等
。
在军事方面能够用于多维电磁谱段图像信息实时呈现
、
目标侦察和定位
、
目标揭伪和战场地形三维信息构建等，而这些应用的前提都是高精度的图像配准技术
。
因此，研究有效的光学图像和
SAR
遥感图像的异源图像配准技术具有十分重要的意义，已发展成为图像处理领域内的研究热点
。
[0003]异源图像匹配是指在不同传感器
、
不同视角
、
不同时间或不同条件下获取的图像之间进行匹配和关联的任务
。
这项技术在计算机视觉
、
遥感
、
机器人导航
、
图像检索等领域都具有广泛的应用
。
尽管过去几十年里异源图像配准技术已取得了显著进步，但由于光学成像和
SAR
成像机制差异，使得图像间存在显著的几何差异和非线性辐射差异，当从不同视角获取图像时，目标物体的外观和形状会发生变化
。
这使得在不同视角下的图像之间进行准确的匹配变得具有挑战性
。
光照条件的变化会导致图像的亮度
、
阴影和颜色发生变化，这会对异源匹配造成影响
。
同时，遮挡和物体变形是异源图像匹配中常见的问题
。
当目标物体被部分遮挡或发生形变时，传统的特征提取和匹配方法可能无法准确地找到对应的特征点
。
因此，目前亟待解决的问题是异源匹配精度较低，鲁棒性较差，容易产生匹配失误等问题
。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于特征点提取筛选的多源图像匹配方法
。
[0005]根据本专利技术的第一方面，提供了一种基于特征点提取筛选的多源图像匹配方法
。
该方法包括：
[0006]获取光学图像与
SAR
图像，根据光学图像与
SAR
图像分别构建对应的各尺度空间图像；
[0007]分别对光学图像与
SAR
图像进行卷积计算，获取光学图像与
SAR
图像的相位一致性信息；
[0008]根据光学图像与
SAR
图像的相位一致性信息，在各尺度空间图像上提取特征点，并对特征点进行筛选；
[0009]根据相位一致性信息中的多角度多尺度卷积序列，计算各尺度层的最大索引图，并确定各尺度层的最大索引图的图像权重，根据图像权重将各尺度层的最大索引图进行加
权融合构建多尺度最大索引图；
[0010]基于多尺度最大索引图构建特征点在各层图像中的特征描述符；
[0011]根据特征点描述符构建特征点匹配关系，并进行误差剔除
。
[0012]在第一方面的一些可实现方式中，根据光学图像与
SAR
图像分别构建对应的各尺度空间图像包括：
[0013]非线性扩散滤波通过散度计算光学图像与
SAR
图像亮度在不同尺度上变化的流动函数，得到非线性扩散方程；
[0014]通过设置不同大小模板的方式获得多尺度的
Sobel
梯度分别计算光学图像的水平和垂直梯度；
[0015]采用
ROEWA
算子分别计算
SAR
图像的水平和垂直梯度；
[0016]根据光学图像的水平和垂直梯度以及
SAR
图像的水平和垂直梯度，通过加性分裂算子求解非线性扩散方程，对任意步长构造稳定的非线性尺度空间，得到光学图像与
SAR
图像构建各尺度空间图像
。
[0017]在第一方面的一些可实现方式中，分别对光学图像与
SAR
图像进行卷积计算，获取光学图像与
SAR
图像的相位一致性信息，包括：
[0018]采用
Log
‑
Gabor
滤波器分别对光学图像与
SAR
图像进行卷积，获取光学图像与
SAR
图像局部的相位信息；
[0019]根据局部的相位信息，对光学图像与
SAR
图像上的像素点进行相位一致性估计，获取光学图像与
SAR
图像的相位一致性信息
。
[0020]在第一方面的一些可实现方式中，根据光学图像与
SAR
图像的相位一致性信息，在各尺度空间图像上提取特征点，并对特征点进行筛选，包括：
[0021]根据光学图像与
SAR
图像的相位一致性信息，采用非极大值抑制方法在各尺度空间图像上提取特征点；
[0022]基于提取得到的特征点进行筛选，将在
n
层图像的同一位置均能检测出的特征点保留，其中，
n
为大于等于3的正整数
。
[0023]在第一方面的一些可实现方式中，采用非极大值抑制方法在各尺度空间图像上提取特征点，包括：
[0024]步骤
(1)
：在一个以中心像素
P
为中心，半径为3的圆上，选取
16
个像素点
P1
‑
P16
；
[0025]步骤
(2)
：定义一个阈值
t
，计算
P1、P9、P5、P13
与中心像素
P
的像素差，若至少有3个像素差超过阈值
t
，则将中心像素
P
当作候选特征点；
[0026]步骤
(3)
：若中心像素
P
是候选特征点，则计算像素点
P1
‑
P16
与中心像素
P
的像素差，若至少有9个像素差超过阈值
t,
则中心像素
P
是特征点；
[0027]步骤
(4)
：对图像进行非极大值抑制：判断以特征点
P
为中心的一个5×5领域内，若有多个候选特征点，则计算每个候选特征点的
FAST本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于特征点提取筛选的多源图像匹配方法，其特征在于，所述方法包括：获取光学图像与
SAR
图像，根据所述光学图像与
SAR
图像分别构建对应的各尺度空间图像；分别对所述光学图像与
SAR
图像进行卷积计算，获取所述光学图像与
SAR
图像的相位一致性信息；根据所述光学图像与
SAR
图像的相位一致性信息，在所述各尺度空间图像上提取特征点，并对所述特征点进行筛选；根据所述相位一致性信息中的多角度多尺度卷积序列，计算各尺度层的最大索引图，并确定所述各尺度层的最大索引图的图像权重，根据所述图像权重将各尺度层的最大索引图进行加权融合构建多尺度最大索引图；基于所述多尺度最大索引图构建特征点在各层图像中的特征描述符；根据所述特征点描述符构建特征点匹配关系，并进行误差剔除
。2.
根据权利要求1所述的方法，其特征在于，所述根据所述光学图像与
SAR
图像分别构建对应的各尺度空间图像包括：非线性扩散滤波通过散度计算所述光学图像与
SAR
图像亮度在不同尺度上变化的流动函数，得到非线性扩散方程；通过设置不同大小模板的方式获得多尺度的
Sobel
梯度分别计算所述光学图像的水平和垂直梯度；采用
ROEWA
算子分别计算所述
SAR
图像的水平和垂直梯度；根据所述光学图像的水平和垂直梯度以及
SAR
图像的水平和垂直梯度，通过加性分裂算子求解所述非线性扩散方程，对任意步长构造稳定的非线性尺度空间，得到所述光学图像与
SAR
图像构建各尺度空间图像
。3.
根据权利要求1所述的方法，其特征在于，所述分别对所述光学图像与
SAR
图像进行卷积计算，获取所述光学图像与
SAR
图像的相位一致性信息，包括：采用
Log
‑
Gabor
滤波器分别对所述光学图像与
SAR
图像进行卷积，获取所述光学图像与
SAR
图像局部的相位信息；根据所述局部的相位信息，对所述光学图像与
SAR
图像上的像素点进行相位一致性估计，获取所述光学图像与
SAR
图像的相位一致性信息
。4.
根据权利要求1所述的方法，其特征在于，根据所述光学图像与
SAR
图像的相位一致性信息，在所述各尺度空间图像上提取特征点，并对所述特征点进行筛选，包括：根据所述光学图像与
SAR
图像的相位一致性信息，采用非极大值抑制方法在所述各尺度空间图像上提取特征点；基于提取得到的特征点进行筛选，将在
n
层图像的同一位置均能检测出的特征点保留，其中，
n
为大于等于3的正整数
。5.
根据权利要求4所述的方法，其特征在于，所述采用非极大值抑制方法在所述各尺度空间图像上提取特征点，包括：步骤
(1)
：在一个以中心像素
P
为中心，半径为3的圆上，选取
16
个像素点
P1
‑
P16
；步骤
...

【专利技术属性】
技术研发人员：唐世阳，贺子轩，连芷昕，张林让，张娟，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：