[發(fā)明專利]一種快速魯棒的多模態(tài)遙感影像匹配方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201710773285.6
• 申請日: 2017-08-31
• 公開（公告）號: CN107563438B
• 公開（公告）日: 2019-08-30
• 發(fā)明（設(shè)計）人: 葉沅鑫
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 成都九鼎天元知識產(chǎn)權(quán)代理有限公司 51214
• 代理人: 詹永斌

技術(shù)領(lǐng)域

本發(fā)明涉及衛(wèi)星影像處理技術(shù)領(lǐng)域,尤其是一種多模態(tài)遙感影像匹配方法和系統(tǒng)，用于可見光、紅外、激光雷達、合同孔徑雷達以及地圖等多模態(tài)影像的自動匹配。

背景技術(shù)

影像匹配是在兩幅或多福影像間識別同名點的過程，它是諸多遙感影像分析如影像融合，變化檢測，影像鑲嵌等的基本預(yù)處理步驟，其匹配精度對后續(xù)的分析工作產(chǎn)生重要的影響。目前遙感衛(wèi)星傳感器裝載有全球定位系統(tǒng)和慣性導(dǎo)航系統(tǒng)，可對遙感影像進行直接定位和粗匹配，消除影像間明顯的旋轉(zhuǎn)和尺度變化，使影像間僅存在一定量(如幾十個像素內(nèi))的平移差異。盡管如此，由于影像的成像機理的不同，多模態(tài)遙感影像間(可見光，紅外，激光雷達和合同孔徑雷達等)存在顯著的非線性輻射差異，導(dǎo)致同名點的自動匹配仍然非常具有挑戰(zhàn)性。

目前多模態(tài)遙感影像的匹配方法主要可分為：特征匹配和區(qū)域匹配。特征匹配是通過影像間顯著特征的相似性來實現(xiàn)影像的匹配。常用的特征包括了點特征的方法，線特征的方法和面特征。最近局部不變性特征如Scale Invariant Feature Transform(SIFT)，shape context等在遙感影像匹配中也得到了一定的應(yīng)用。但這些方法通常需要在影像間提取出具有高重復(fù)率的特征，而對于具有顯著輻射差異的多模態(tài)遙感而言，特征提取的重復(fù)率往往較低，因此它們對于多模態(tài)遙感影像的自動匹配還存在一定的局限性。

基于區(qū)域的方法主要是采用模板匹配的策略，以某種匹配相似性測度為準則，在影像間進行同名點識別。在此過程中，相似性測度的選擇至關(guān)重要，直接影響到后續(xù)的匹配精度。常用的相似性測度包括了灰度差平方和、歸一化相關(guān)系數(shù)和互信息等。但這些相似性測度都是利用影像間灰度的相似性進行同名點識別，而由于多模態(tài)遙感影像間的灰度信息存在較大的差異，所以它們無法較好適用于多模態(tài)遙感影像的自動匹配。相比于灰度信息，影像的結(jié)構(gòu)和形狀屬性具有較高的相似性，而且相關(guān)研究利用梯度方向直方圖(Histogram of Orientated Gradient,HOG)、局部自相似(Local Self-Similarity,LSS)等局部描述符提取影像的結(jié)構(gòu)和形狀特征，并在此基礎(chǔ)上建立相似性測度進行影像匹配，提高了匹配性能。盡管如此，HOG和LSS只是在一個稀疏的采樣格網(wǎng)(不是針對每個像素)內(nèi)進行特征構(gòu)建，或者利用所提取特征點的鄰域信息計算特征，是一種相對稀疏的特征表達方式，難以很好地反映多模態(tài)影像間的共有屬性，而且其計算效率較低。

鑒于此，本發(fā)明構(gòu)建了一種快速、魯棒的多模態(tài)遙感影像匹配框架，該框架可以整合各種局部特征描述符進行多模態(tài)遙感影像自動匹配。該框架首先對影像的每個像素提取HOG，LSS或Speeded-Up Robust Features(SURF)等局部特征描述符，形成稠密的逐像素特征表達圖，來反映影像間共有的結(jié)構(gòu)、形狀和紋理等屬性。然后基于該特征表達圖，利用三維傅里葉變換在頻率域建立一種快速的匹配相似性測度，并采用模板匹配的策略進行同名點識別，另外針對所發(fā)明的框架，構(gòu)建了一種基于方向梯度特征的逐像素特征描述符，名為方向梯度通道特征(Channel Feature of Orientated Gradient,CFOG)。它在匹配性能和計算效率方面要優(yōu)于逐像素的HOG，LSS和SURF等特征表達技術(shù)。

發(fā)明內(nèi)容

本發(fā)明的發(fā)明目的在于：克服傳統(tǒng)匹配方法的不足，提供了一種快速魯棒的多模態(tài)遙感影像匹配框架。該框架利用通過逐像素的特征表達技術(shù)來提取影像間共有的結(jié)構(gòu)、形狀和紋理等特征，并在其基礎(chǔ)上建立了快速的匹配相似性測度，可在多模態(tài)遙感影像間快速、精確地獲取大量分布均勻的同名點。另外針對所發(fā)明的框架，構(gòu)建了一種新穎的逐像素特征表達技術(shù)，名為方向梯度通道特征(Channel Feature of Orientated Gradient,CFOG)。

一方面，本發(fā)明提供了一種快速魯棒的多模態(tài)遙感影像匹配方法，包括下列步驟：

A.判斷參考影像和輸入影像的分辨率信息，如果兩幅影像具有相同的分辨率，則進行后續(xù)處理，如果分辨率不同，則將兩幅影像采樣為同樣的分辨率；

B.采用分塊的策略，在參考影像上檢測出一系列分布均勻的特征點，記為P_1i(i＝1,2,3,……,N)，以點P_1i為中心選取模板區(qū)域AreaW_1i；

C.根據(jù)遙感影像自身提供的地理坐標信息，預(yù)測點集P_1i(i＝1,2,3,….,N)在輸入影像上所對應(yīng)的匹配區(qū)域AreaW_2i；