多维定向自相似特征的多模态遥感影像混合匹配方法和系统技术方案

本发明专利技术公开了一种多维定向自相似特征的多模态遥感影像混合匹配方法和系统

【技术实现步骤摘要】
多维定向自相似特征的多模态遥感影像混合匹配方法和系统


[0001]本专利技术属于遥感影像处理方法，具体涉及一种多维定向自相似特征的多模态遥感影像混合匹配方法和系统
。

技术介绍

[0002]多模态遥感影像
(Multi
‑
modal remote sensing image
，简称
MRSI)
匹配是将来自不同传感器
、
不同模态的影像进行同名点识别的过程
。
多模态影像匹配能为地图校正
、
精确定位
、
特征提取
、
目标识别
、
地表变化监测
、
三维重建和立体视觉等提供技术支持
。
[0003]然而多模态遥感影像配准面临着传感器差异
、
模态差异
、
几何差异等问题，需要综合多种技术手段来解决
。
在过去的几年里，专家学者对
MRSI
匹配进行了大量的研究，并不断进行算法改进以提高匹配的准确性和可靠性
。
尽管人们已经在增强多模态影像匹配的鲁棒性方面做了大量的努力，但在兼顾几何不变性与高精度配准方面仍然存在挑战
。
传统的基于特征的方法在解决
MRSI
的几何变换差异方面具有一定的优势，通过灵活的特征描述子可以克服图像的旋转
、
尺度和平移等几何变换，这些方法通常基于局部特征点或特征描述符
。<br/>[0004]由于
MRSI
具有较大的信噪比差异，特征匹配的精度往往受到限制，信噪比较高的像素可能无法正确提取特征导致匹配失败或误匹配
。
另一方面，模板匹配方法在同名点的识别准确性方面具有优势
。
模板匹配方法将预定义的模板与待匹配图像进行像素级比较，获取高精确结果
。
这种方法特别适用于需要准确定位同名点的场景
。
但模板匹配方法逐像素计算的匹配策略往往会导致高计算复杂度，且对影像的几何变换抗性较差
。
[0005]因此，为解决
MRSI
的信噪比干扰
、
非线性辐射畸变和几何变换差异等问题，本专利技术提出了一种基于多维定向自相似特征的多模态遥感影像混合匹配方法，来获得高精度匹配
。

技术实现思路

[0006]本专利技术提出一种多维定向自相似特征的多模态遥感影像混合匹配方法，用来解决多模态遥感影像的高精度匹配问题
。
[0007]本专利技术所采用的技术方案是：多维定向自相似特征的多模态遥感影像混合匹配方法，该算法主要核心为两部分：混合特征粗匹配
(
步骤2‑
4)
和多维定向自相似特征精匹配
(
步骤5‑
8)。
包括以下步骤：
[0008]步骤1，初始化混合匹配的计算参数；
[0009]步骤2，利用偏移均值滤波法快速提取参考影像的自相似特征，生成多通道自相似特征图并对特征响应图进行特征提取和非极大值抑制操作，得到特征点；
[0010]步骤3，利用自相似特征的方向信息对特征点进行描述，依次完成特征点主方向计算和描述子特征向量统计，然后进行最近邻距离比匹配，输出像对的初始对应关系；
[0011]步骤4，利用初始对应关系对待匹配影像进行几何变换，输出变换后的待匹配影像结果；
[0012]步骤5，对参考影像及新生成的待匹配影像进行定向自相似特征计算，输出多通道自相似图；
[0013]步骤6，设计角度加权策略，对获取的多通道自相似图，逐通道计算水平梯度和垂直梯度，并进行通道抽稀过滤重复特征，求解得到多维定向自相似模板特征；
[0014]步骤7，生成多维定向自相似性模板特征后，采用三维高斯卷积核对特征通道进行增强；
[0015]步骤8，使用分块特征检测器检测参考影像的特征点，利用特征点联合单位矩阵求解出新生成的待匹配图像中各特征点的相对位置，然后将增强后的模板特征从空间域变换到频率域，并以三维相位相关作为相似性测度来加速类模板特征匹配，最后剔除粗差完成多模态遥感影像匹配
。
[0016]进一步的，步骤1中的计算参数包括邻域半径
、
多维定向自相似特征抽稀间隔和描述子邻域窗口
。
[0017]进一步的，步骤2中，对于图像上的每个像素点，提取其自相似特征值，并统计其自相似特征值中的
n
个最小值，点
q
的特征响应
λ
计算如式1所示，将所有像素点的特征响应
λ
组成特征响应图，然后对特征响应图进行局部非极大抑制，即可得到特征点；
[0018][0019]其中，
λ
(q)
表示
q
点的特征响应
λ
，表示
n
个最小的自相似值
。
[0020]进一步的，步骤3的具体实现方式如下；
[0021](1)
特征点主方向计算：以特征点为中心选择一个固定的圆形邻域，并根据自相似特征值生成定向直方图来确定主方向，具体步骤如下：首先，将直方图均匀划分为
K
个等份，然后，对于待确定主方向的特征点
P
，从距离
P
半径为
r
的特征邻域边界上均匀采样
K
个点，对于这
K
个点，统计它们的自相似特征序列，记为
S1,S2…
S
K
，接下来，对自相似特征序列进行归一化，并选择直方图中占比
P
％以上的峰值方向作为特征点的主方向，其中
K
和
P
均为常数；
[0022](2)
描述子特征向量统计：特征点的描述子邻域是基于多通道自相似图中提取的圆形区域，在描述子邻域内的每个像素点上，通过计算最小自相似方向的索引值，生成定向索引图；最后，对定向索引图进行对数极坐标网格化，每个网格区间内生成分布直方图作为特征描述子向量；
[0023](3)
初始对应关系计算：采用最近邻距离比匹配策略确定初始匹配同名点，同时，结合快速采样一致性算法有效剔除误匹配；其中最近邻距离比匹配策略首先计算两幅图像任意两个描述子之间的欧几里得距离；其次对于每个基准图像描述子，计算最小距离和第二小距离的比值；最后提取距离比值小于一定阈值
d
的描述子与其最近的描述子作为匹配对
。
[0024]进一步的，步骤5中，首先使用偏移均值滤波快速获取待匹配影像上的像素点
q(p,
θ
)
方向的自相似图，包括图像裁剪和均值滤波两个步骤，通过裁剪原始图像构建中心子图和偏移子图获取子图后，可通过下式2计算点
q(p,
θ<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种多维定向自相似特征的多模态遥感影像混合匹配方法，其特征在于，包括以下步骤：步骤1，初始化混合匹配的计算参数；步骤2，利用偏移均值滤波法快速提取参考影像的自相似特征，生成多通道自相似特征图并对特征响应图进行特征提取和非极大值抑制操作，得到特征点；步骤3，利用自相似特征的方向信息对特征点进行描述，依次完成特征点主方向计算和描述子特征向量统计，然后进行最近邻距离比匹配，输出像对的初始对应关系；步骤4，利用初始对应关系对待匹配影像进行几何变换，输出变换后的待匹配影像结果；步骤5，对参考影像及新生成的待匹配影像进行定向自相似特征计算，输出多通道自相似图；步骤6，设计角度加权策略，对获取的多通道自相似图，逐通道计算水平梯度和垂直梯度，并进行通道抽稀过滤重复特征，求解得到多维定向自相似模板特征；步骤7，生成多维定向自相似性模板特征后，采用三维高斯卷积核对特征通道进行增强；步骤8，使用分块特征检测器检测参考影像的特征点，利用特征点联合单位矩阵求解出新生成的待匹配图像中各特征点的相对位置，然后将增强后的模板特征从空间域变换到频率域，并以三维相位相关作为相似性测度来加速类模板特征匹配，最后剔除粗差完成多模态遥感影像匹配
。2.
根据权利要求1所述的多维定向自相似特征的多模态遥感影像混合匹配方法，其特征在于：步骤1中的计算参数包括邻域半径
、
多维定向自相似特征抽稀间隔和描述子邻域窗口
。3.
根据权利要求1所述的多维定向自相似特征的多模态遥感影像混合匹配方法，其特征在于：步骤2中，对于图像上的每个像素点，提取其自相似特征值，并统计其自相似特征值中的
n
个最小值，点
q
的特征响应
λ
计算如式1所示，将所有像素点的特征响应
λ
组成特征响应图，然后对特征响应图进行局部非极大抑制，即可得到特征点；其中，
λ
(q)
表示
q
点的特征响应
λ
，表示
n
个最小的自相似值
。4.
根据权利要求1所述的多维定向自相似特征的多模态遥感影像混合匹配方法，其特征在于：步骤3的具体实现方式如下；
(1)
特征点主方向计算：以特征点为中心选择一个固定的圆形邻域，并根据自相似特征值生成定向直方图来确定主方向，具体步骤如下：首先，将直方图均匀划分为
K
个等份，然后，对于待确定主方向的特征点
P
，从距离
P
半径为
r
的特征邻域边界上均匀采样
K
个点，对于这
K
个点，统计它们的自相似特征序列，记为
S1,S2…
S
K
，接下来，对自相似特征序列进行归一化，并选择直方图中占比
P
％以上的峰值方向作为特征点的主方向，其中
K
和
P
均为常数；
(2)
描述子特征向量统计：特征点的描述子邻域是基于多通道自相似图中提取的圆形区域，在描述子邻域内的每个像素点上，通过计算最小自相似方向的索引值，生成定向索引
图；最后，对定向索引图进行对数极坐标网格化，每个网格区间内生成分布直方图作为特征描述子向量；
(3)
初始对应关系计算：采用最近邻距离比匹配策略确定初始匹配同名点，同时，结合快速采样一致性算法有效剔除误匹配；其中最近邻距离比匹配策略首先计算两幅图像任意两个描述子之间的欧几里得距离；其次对于每个基准图像描述子，计算最小距离和第二小距离的比值；最后提取距离比值小于一定阈值
d
的描述子与其最近的描述子作为匹配对
。5.
根据权利要求1所述的多维定向自相似特征的多模态遥感影像混合匹配方法，其特征在于：步骤5中，首先使用偏移均值滤波快速获取待匹配影像上的像素点
q(p,
θ
)
方向的自相似图，包括图像裁剪和均值滤波两个步骤，通过裁剪原始图像构建中心子图和偏移子图获取子图后，可通过下式2计算点
q(p,
θ
)
方向的自相似图
S
q
：式中，
meanFilter(
·
)
代表均值滤波运算，
p
表示像素距离，
θ
表示角度，取值在
[0
°
，
180
°
)
之间，对新生成的待匹配影像进行像素偏移，然后采用双线性内插获取任何方向上的偏移子图，中心子图则是以点
q
为中心的在原始输入图...

【专利技术属性】
技术研发人员：张永军，姚永祥，张文斐，万一，熊铭涛，
申请(专利权)人：武汉大学，
类型：发明
国别省市：