[發明專利]融合SIFT特征和CNN特征的遙感圖像配準方法及系統在審
| 申請號： | 201810987940.2 | 申請日： | 2018-08-28 |
| 公開（公告）號： | CN109035315A | 公開（公告）日： | 2018-12-18 |
| 發明（設計）人： | 邵振峰;李從敏;楊珂;周維勛 | 申請（專利權）人： | 武漢大學 |
| 主分類號： | G06T7/33 | 分類號： | G06T7/33;G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 武漢科皓知識產權代理事務所(特殊普通合伙) 42222 | 代理人： | 嚴彥 |
| 地址： | 430072 湖*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 配準 影像 卷積神經網絡 參考影像 遙感圖像 遙感影像 特征點 鄰域 融合 幾何變換參數 特征點提取 傳統特征 底層特征 高層特征 高級特征 幾何變換 特征表達 學習策略 輸入端 采樣 估算 遷移 聯合 | ||
1.一種融合SIFT特征和CNN特征的遙感圖像配準方法，其特征在于，包括以下步驟：
步驟a，分別對輸入的參考影像和待配準影像進行特征點提?。?/p>
步驟b，采用SIFT方式對特征點的鄰域區域進行特征表達，獲得SIFT特征；
步驟c，將特征點的鄰域區域作為卷積神經網絡CNN的輸入端，使用預先訓練完成的CNN模型對輸入的特征點的鄰域區域進行高層特征表達，獲取CNN特征；
其中，預先訓練CNN模型時，采用遷移學習的策略對CNN模型參數進行優化；
步驟d，將SIFT特征和CNN特征進行融合，并根據相似性度量函數計算特征之間的相似性，獲得參考影像和待配準影像之間的初始匹配對；
步驟e，根據特征點之間的幾何一致性關系剔除誤匹配對，根據正確匹配點對估算參考影像和待配準影像之間的幾何變換參數；
步驟f，根據估算的幾何變換參數對待配準影像進行幾何變換，并進行重采樣，獲得配準影像。
2.根據權利要求1所述融合SIFT特征和CNN特征的遙感圖像配準方法，其特征在于：預先訓練CNN模型時，采用遷移學習的策略對CNN模型參數進行優化，包括將經自然圖像訓練過的網絡模型作為初始模型，采用遙感樣本數據集進行訓練優化。
3.根據權利要求2所述的融合SIFT特征和CNN特征的遙感圖像配準方法，其特征在于：構建遙感樣本數據集的實現方式為如下，
設從待配準影像中選取N幅影像{I1,I2,...,IN}，并對每一幅影像進行k次變換{T1,T2,...,Tk}，獲得相應變換后的影像
當使用經典點特征檢測算子，從影像Ii中提取m個特征點{xi1,xi2,...,xim},i＝1,...,N，根據上述變換關系，則從變換后的影像中獲得相應特征點構成的同名特征點對為
以特征點為中心，選取特征點的鄰域區域，則獲得對應的同名圖像塊實現構建遙感樣本數據集。
4.根據權利要求1所述的融合SIFT特征和CNN特征的遙感圖像配準方法，其特征在于：步驟c中，卷積神經網絡采用VGG16模型，選取第6層和第7層的全連接層輸出結果作為特征表達結果，分別記為CNN特征fc6和fc7。
5.根據權利要求1或2或3或4所述的融合SIFT特征和CNN特征的遙感圖像配準方法，其特征在于：步驟d中，將SIFT特征和CNN特征進行融合前進行歸一化。
6.一種融合SIFT特征和CNN特征的遙感圖像配準系統，其特征在于，包括以下單元：
第一單元，用于分別對輸入的參考影像和待配準影像進行特征點提??；
第二單元，采用SIFT方式對特征點的鄰域區域進行特征表達，獲得SIFT特征；
第三單元，將特征點的鄰域區域作為卷積神經網絡CNN的輸入端，使用預先訓練完成的CNN模型對輸入的特征點的鄰域區域進行高層特征表達，獲取CNN特征；
其中，預先訓練CNN模型時，采用遷移學習的策略對CNN模型參數進行優化；
第四單元，將SIFT特征和CNN特征進行融合，并根據相似性度量函數計算特征之間的相似性，獲得參考影像和待配準影像之間的初始匹配對；
第五單元，根據特征點之間的幾何一致性關系剔除誤匹配對，根據正確匹配點對估算參考影像和待配準影像之間的幾何變換參數；
第六單元，根據估算的幾何變換參數對待配準影像進行幾何變換，并進行重采樣，獲得配準影像。
7.根據權利要求6所述融合SIFT特征和CNN特征的遙感圖像配準系統，其特征在于：預先訓練CNN模型時，采用遷移學習的策略對CNN模型參數進行優化，包括將經自然圖像訓練過的網絡模型作為初始模型，采用遙感樣本數據集進行訓練優化。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于武漢大學，未經武漢大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810987940.2/1.html，轉載請聲明來源鉆瓜專利網。
