System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种顾及影像显著视角差异的影像线特征匹配方法,属于影像匹配。
技术介绍
1、近年来,随着对地观测技术以及互联网的不断发展,摄影测量由单平台向空、天、地、网多平台跨视角协同处理的方式演变。寻找跨视角影像之间的同名特征,进而精确获取地理空间信息已成为一种重要的影像处理方法。在常用于影像匹配的特征中,点特征全局性较差,易丢失场景结构信息;面特征匹配计算复杂、效率低;线特征介于两者之间,包含了适量的稳定中层信息(轮廓和语义信息),能够充分反映目标空间特性。利用线特征进行匹配可以增强跨视角影像目标结构关系的表达,为多平台跨视角的影像处理模式提供了新思路。
2、根据匹配基元的不同,可以将现有的影像线特征匹配方法分为三类:基于线组匹配、基于点-线特征匹配和基于单线段匹配。基于线组的匹配方法需要按照一定规则将两条或多条线编组,利用组内仿射不变特征建立描述符进行整体匹配,例如可分别构建“线—交点—线”(ljl)结构和v型结构线组,连接线特征交点和强度极大值点形成局部仿射不变区域,在局部区域中计算sift描述完成匹配;或者将邻域内仅有一条单线段的v型线组视为非结构化线组,利用同名线组空间结构一致性获取正确匹配。基于点-线特征的线特征匹配方法利用支持域内点线位置关系构造几何不变量,通过点特征与几何不变量的匹配结果推算线特征匹配对;例如可通过构造“一线+两点”的仿射不变量和“一线+四点”的投影不变量,增强描述子性能;或者基于特征数构造了共面线-点投影不变量,降低了描述符对纹理信息的依赖,对视点变化导致的线特征邻域灰度差异表现出
3、此外,随着深度学习的迅猛发展,卷积神经网络(cnn)以强大的深层特征提取能力,被广泛应用于特征匹配领域。sold2是首个利用深度学习实现线特征检测与描述的网络,拓展了影像线特征匹配方法,在具有视点变化的影像上取得了较好的匹配结果。然而,上述线特征匹配方法多数依赖于线段两侧支持域内高度重复的共同特征,这些特征受线段长度和影像几何形变影响较大,难以反映跨视角影像同名线特征的共有属性,进而影响最终的匹配精度。
技术实现思路
1、本专利技术的目的是提供一种顾及影像显著视角差异的影像线特征匹配方法,以解决现有影像线特征匹配存在的匹配精度低的问题。
2、本专利技术为解决上述技术问题而提供一种顾及影像显著视角差异的影像线特征匹配方法,该匹配方法包括以下步骤:
3、1)获取待匹配影像对的像素级方向梯度直方图特征,将获取的像素级方向梯度直方图特征与影像的灰度特征进行融合,形成特征描述格网,每个格网的特征值为融合后的特征;所述的待匹配影像对包括基准影像和待配准影像;
4、2)将待匹配影像对中的线段进行划分,得到对应的离散点集,根据特征描述格网计算各离散点两侧描述符,对线段上各离散点的两侧描述符进行聚合,以得到线特征两侧描述符;
5、3)根据得到的线特征两侧描述符进行线特征匹配。
6、本专利技术首先将影像的像素级方向梯度直方图特征和影像灰度信息特征融合,并根据融合后的特征形成描述影像的特征描述格网,不仅增加了影像特征的信息量,还增加了维度特征的表达;然后将影像中的线段划分成多个离散点,通过聚合线上离散点描述符,克服对线段固定长度的要求,同时,以线划分左右区域,分别形成线上离散点的左右侧描述,克服对线段支持域内容一致性的要求;最后利用构建的线特征两侧描述符和特征描述格网进行线特征匹,实现了跨视角影像的稳健匹配,提高了匹配精度。
7、进一步地,所述步骤3)在进行线特征匹配时先利用待匹配影像对中已知同名点进行分组匹配,得到对应的候选线特征匹配对,根据得到的线特征两侧描述符对候选线特征匹配对,候选线特征匹配对的确定过程如下:
8、以同名点为中心在基准影像和待配准影像中分别设置半径为r的圆形搜索窗口,将位于窗口内的线特征归为一组进行匹配;
9、在基准影像和待配准影像分别获取同名点同组线特征,计算组内线特征两侧描述符距离,得到每个组内的距离矩阵;
10、选取每个矩阵中行、列双最小值对应线对作为候选特征匹配对。
11、本专利技术通过利用同名点信息来缩小线特征搜索范围,解决了由于线特征数量多且变化复杂导致的匹配过程计算量大、误匹配多的问题,进一步提高了匹配效率和匹配精度。
12、进一步地,该方法还包括对一对多、多对多的匹配结果进行筛选,从中选取距离最小的线特征匹配对。
13、本专利技术按照描述符距离对非“一对一”匹配结果进行排序,保留距离最小的线特征匹配对,有效去除冗余匹配,进一步地提高了匹配效率和匹配精度。
14、进一步地,还包括对一对一的匹配结果进行核验,核验过程为:
15、在基准影像中搜索与待核验的线特征匹配对中对应线段最邻近的多组同名点对,根据各同名点对中各同名点在待核验的线特征匹配对中对应线段的左右两侧分布关系构建正向拓扑描述符;
16、在待配准影像中搜索与待核验的线特征匹配对中对应线段最邻近的多组同名点对,根据各同名点对中各同名点在待核验的线特征匹配对中对应线段的左右两侧分布关系构建反向拓扑描述符;
17、根据正向拓扑描述符和反向拓扑描述符确定待核验的线特征匹配对的相似度,若相似度不小于设定阈值,则待核验的线特征匹配对满足核验,为匹配成功的线特征匹配对,否则,不满足核验,为匹配不成功的线特征匹配对。
18、本专利技术利用同名点构建正、反向拓扑描述符,以此计算待核验的线特征匹配对的相似度,根据相似度对匹配结果进行核验,以此提高了线特征匹配的正确率。
19、进一步地,所述的设定阈值为0.8n,n为搜索的同名点对个数。
20、进一步地,所述的相似度的计算公式为:
21、
22、avgsim{li,l′k}为待核验的线特征匹配对{li,l′k}的相似度,(γik,γ′ik)为正向拓扑描述符,(oγik,oγ′ik)为反向拓扑描述符,n为搜索的同名点对个数。
23、进一步地,其特征在于,所述步骤1)中融合指的是将灰度和单像素方向梯度直方图特征逐像素进行数值叠加后进行卷积操作,以得到影像特征格网。
24、本专利技术综合考虑空间结构信息和灰度信息的相关性,充分融合像素级hog特征和灰度特征。一方面将灰度和单像素方向梯度直方图特征逐像素进行数值叠加运算,生成新的特征图,增加了影像特征信息量,提高了细小结构表达能力;另一方面通过卷积操作,挖掘了两种特征间的深层次关联,进一步提高了匹配的准确率。
<本文档来自技高网...【技术保护点】
1.一种顾及影像显著视角差异的影像线特征匹配方法,其特征在于,该匹配方法包括以下步骤:
2.根据权利要求1所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,所述步骤3)在进行线特征匹配时先利用待匹配影像对中已知同名点进行分组匹配,得到对应的候选线特征匹配对,根据得到的线特征两侧描述符对候选线特征匹配对,候选线特征匹配对的确定过程如下:
3.根据权利要求2所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,该方法还包括对一对多、多对多的匹配结果进行筛选,从中选取距离最小的线特征匹配对。
4.根据权利要求3所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,还包括对一对一的匹配结果进行核验,核验过程为:
5.根据权利要求4所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,所述的设定阈值为0.8n,n为搜索的同名点对个数。
6.根据权利要求4所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,所述的相似度的计算公式为:
7.根据权利要求1-4中任一项所述的顾及影像显著视角
8.根据权利要求7所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,所述的卷积操作采用的是superpoint网络。
9.根据权利要求1-4中任一项所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,所述步骤2)中离散点的描述符的确定过程如下:
10.根据权利要求9所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,所述的步骤D中描述符的计算公式如下:
...【技术特征摘要】
1.一种顾及影像显著视角差异的影像线特征匹配方法,其特征在于,该匹配方法包括以下步骤:
2.根据权利要求1所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,所述步骤3)在进行线特征匹配时先利用待匹配影像对中已知同名点进行分组匹配,得到对应的候选线特征匹配对,根据得到的线特征两侧描述符对候选线特征匹配对,候选线特征匹配对的确定过程如下:
3.根据权利要求2所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,该方法还包括对一对多、多对多的匹配结果进行筛选,从中选取距离最小的线特征匹配对。
4.根据权利要求3所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,还包括对一对一的匹配结果进行核验,核验过程为:
5.根据权利要求4所述的顾及影像显著视角差异的影像线特征匹配方法,其特征在于,所述的设定阈值为0....
【专利技术属性】
技术研发人员:宋佳璇,范大昭,纪松,董杨,古林玉,李东子,雷蓉,张海军,徐睿,储光涵,李明,张泽瑞,李志新,
申请(专利权)人:中国人民解放军战略支援部队信息工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。