一种基于改进的制造技术

本发明专利技术提出一种基于改进的

【技术实现步骤摘要】
一种基于改进的PIIFD特征描述的多源遥感图像配准方法


[0001]本专利技术属于图像场景生成领域，具体涉及一种基于改进的
PIIFD
特征描述的多源遥感图像配准方法
。

技术介绍

[0002]图像配准是将在不同时间
、
从不同视点和由不同传感器拍摄的同一场景的两幅或多幅图像进行几何对齐的过程
。
[0003]近年来，由于多传感器视觉系统的广泛应用，多源遥感图像采集技术不断发展，在模式识别
、
医学成像
、
遥感以及现代军事领域中发挥着重要的作用，而基于多模态图像的配准问题逐渐显现
。
[0004]已有的多源遥感图像配准方法的配准精度仍然较低，通常仅能处理两种模态的遥感图像配准，无法兼顾多种模态；且无法处理不同传感器成像带来的图像尺度差异
。
[0005]现有的配准方法大致可以分为两类：基于区域的配准方法和基于特征的配准方法
。
[0006]基于区域的配准方法主要是：利用图像灰度信息建立起相似性度量来进行图像配准，但现有的基于区域的配准方法对图像模态，强度变换，复杂空间变换以及计算复杂度等方面都存在不同程度的问题，因此它的应用受到很大限制
。
[0007]基于特征的配准方法在应对图像强度变化和噪声等问题时更加鲁棒，常用的特征包括点特征
、
线特征和区域特征等
。
由于线特征与区域特征具有区域特点，无法精准确定匹配位置，因此大多数算法主要提取点特征
。
[0008]现有的多源遥感图像方法如
PSO
‑
SIFT,RIFT,SURF
‑
RPM
等，均无法处理多尺度多源遥感图像数据，从而不能良好的配准图像
。

技术实现思路

[0009]为了克服上述多源遥感图像配准方法的不足，本专利技术提出一种基于改进的
PIIFD
特征描述的多源遥感图像配准方法，能适配更多模态，且具有多尺度图像处理能力
。
[0010]所述基于改进的
PIIFD
特征描述的多源遥感图像配准方法，包括以下步骤：
[0011]步骤一
、
对待配准的多源遥感图像和参考图像，选取
KAZE
方法分别提取两张图像各自的特征点；
[0012]具体步骤如下：
[0013]首先，基于非线性滤波，对待配准图像或参考图像分别构建非线性尺度空间；
[0014]所述非线性尺度空间包括
O
个尺度空间组数和
S
个子层数；
[0015]然后，针对第
i
组第
i
个子层
(o
i
,s
i
)
图像中的随机像素点，比较其与同一层的周围八个邻居像素点和上下层对应相同位置的九个像素点，当该像素点大于或小于所有相邻像素点时，该像素点为极值点；
[0016]接着，通过尺度归一化
Hessian
行列式，计算出响应值，该响应值对应的极值为
KAZE
特征点；
[0017]Hessian
公式为：
[0018][0019]其中
l
xx
和
L
yy
是亮度
L
在
x
或
y
方向上的二阶偏导数，
L
xy
是亮度
L
在
x
和
y
方向的混合二阶偏导数，
σ2为
Octave
尺度空间组数；
[0020]步骤二
、
对每个特征点通过改进的
PIIFD
描述符进行特征描述，得到各特征点对应的特征描述符向量；
[0021]具体过程为：
[0022]首先，针对特征点
σ
i
，计算其尺度因子
μ
i
，如下式：
[0023][0024]offset
为常量，通常取值
1.6
；
λ
i
为调节尺度范围的变量，通过计算特征点的亚像素近似坐标求出，如下式：
[0025][0026]x
＝
(x,y,
λ
)
T
，
[0027]其中
L(x)
为拉普拉斯算子的近似，为空间坐标近似值，通过上式计算出近似坐标，从而进行尺度因子的计算；
λ
为
[
‑
1,1]的随机变量
。
[0028]然后，通过尺度因子
μ
i
与标准定量
k
相乘，得到改进的自适应多尺度
PIIFD
描述符检测邻域大小为
(k
μ
)*(k
μ
)
，；
[0029]每个特征点分别对应不同的尺度因子，因此每个特征的多尺度
PIIFD
描述符检测邻域也不同
。
[0030]最后，在大小为
(k
μ
)*(k
μ
)
的检测邻域内，计算改进的
PIIFD
描述符提取描述子；
[0031]具体为：从
(k
μ
)*(k
μ
)
的正方形邻域中，提取
16
个小正方形组成的区域，每个小正方形的区域为对应一个方向直方图
。
[0032]通过计算相反方向的和，将
16
个平均覆盖0～2π
(0
°
,22.5
°
,...,337.5
°
)
的方向直方图转换为8个平均覆盖0～
π
(0
°
,22.5
°
,...,157.5
°
)
的退化方向直方图，接着利用退化方向直方图以及其
180
°
旋转矩阵的行向量构建的线性描述符，将其归一化得到特征点
σ
i
对应的长度为
128
的描述符向量
。
[0033]步骤三
、
采用
BBF
方法，利用特征描述符向量进行双向初始匹配，并利用特征主方向进行误匹配剔除，再采用
RANSAC
法对错误的匹配进行剔除，得到精匹配点对；
[0034]具体为：
[0035]步骤
301、
针对待配准图像当前特征点
a
，依次计算该特征点
a
和参考图像中的所有特征点之间的欧式距离，选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于改进的
PIIFD
特征描述的多源遥感图像配准方法，其特征在于，具体步骤如下：步骤一
、
对待配准的多源遥感图像和参考图像，选取
KAZE
方法分别提取两张图像各自的特征点；步骤二
、
对每个特征点通过改进的
PIIFD
描述符进行特征描述，得到各特征点对应的特征描述符向量；具体过程为：首先，针对特征点
σ
i
，计算其尺度因子
μ
i
，如下式：
offset
为常量；
λ
i
为调节尺度范围的变量；然后，通过尺度因子
μ
i
与标准定量
k
相乘，得到改进的自适应多尺度
PIIFD
描述符检测邻域大小为
(k
μ
)*(k
μ
)
，；最后，在大小为
(k
μ
)*(k
μ
)
的检测邻域内，计算改进的
PIIFD
描述符提取描述子；具体为：从
(k
μ
)*(k
μ
)
的正方形邻域中，提取
16
个小正方形组成的区域，每个小正方形的区域为对应一个方向直方图；通过计算相反方向的和，将
16
个平均覆盖0～2π
(0
°
,22.5
°
,...,337.5
°
)
的方向直方图转换为8个平均覆盖0～
π
(0
°
,22.5
°
,...,157.5
°
)
的退化方向直方图，接着利用退化方向直方图以及其
180
°
旋转矩阵的行向量构建的线性描述符，将其归一化得到特征点
σ
i
对应的长度为
128
的描述符向量；步骤三
、
采用
BBF
方法，利用特征描述符向量进行双向初始匹配，并利用特征主方向进行误匹配剔除，再采用
RANSAC
法对错误的匹配进行剔除，得到精匹配点对；具体为：步骤
301、
针对待配准图像当前特征点
a
，依次计算该特征点
a
和参考图像中的所有特征点之间的欧式距离，选择满足条件的最近特征点，与特征点
a
进行匹配，加入初始匹配结果中；满足的条件如下：参考图像中最近的特征点和次近的特征点满足如下公式：其中
d1为所述特征点
a
与最近特征点的欧式距离，
d2为所述特征点
a
与次近特征点的欧式距离，
η
为预设阀值；步骤
302、
对初始匹配结果进行统计，利用特征主方向进行旋转误差的排除；具体为：随机选择初始匹配对应的两组特征点，其主方向分别为和
N
为匹配对数量，为两组匹配特征点的主方向角度，所以特征主方向角度差值为：将图像扭至同一方向后，剔除不满足的匹配对，剩下相匹配的匹配对，即为排
除了旋转误差后的匹配结果；步骤
303、

【专利技术属性】
技术研发人员：李宁，李雨轩，焦继超，徐威，逄敏，董建业，李嘉俊，
申请(专利权)人：中国电波传播研究所中国电子科技集团公司第二十二研究所，
类型：发明
国别省市：