[發明專利]一種基于變形空間金字塔的大尺度差異圖像特征點匹配方法

有效

• 申請號: 201811491636.5
• 申請日: 2018-12-07
• 公開（公告）號: CN109598750B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 張緒冰;陳軍
• 申請（專利權）人: 中國地質大學(武漢)
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06V10/46
• 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: 王琪

本發明提供一種基于變形空間金字塔的大尺度差異圖像特征點匹配方法，以兩幅分辨率尺度差異大的圖像為對象，首先采用Dense?SIFT算法以一個固定大小的網格或者邊界框，固定的步長在圖像上自左向右、從上到下的重疊方式提取特征點及其描述，然后采用變形空間金字塔算法進行特征點的匹配，最后運用RANSAC剔除誤匹配點,獲得最終的匹配結果。本文算法匹配效果非常好，能夠為國土資源管理部門與生產單位進行國土資源動態遙感監測提供多源數據協同的技術支撐，可以運用到地質調查、礦山監測、農林調查、資源與環境遙感、災害預警等多方面，具有較大的潛在社會、經濟價值與效益。

技術領域

本發明屬于遙感圖像處理數據預處理技術領域，是一種基于變形空間金字塔的大尺度差異圖像特征點匹配方法。

背景技術

多源遙感影像的高精度配準是多源遙感數據融合的前提，也是多傳感器協同進行國土資源調查與監測的必要手段，是遙感影像變化檢測、目標提取、分類識別與理解的基礎，在國土資源的動態遙感監測與調查方面，具有重要的科學研究與應用價值。分辨率、尺度差異較大的高、中分辨率影像的高精度配準方法成為當前研究的熱點與難題。與中低分辨率遙感影像數據相比，高空間分辨率遙感影像數據能夠表征同一地物內部豐富的細節，空間信息更加強大，但其光譜統計特性不如中低分辨率多光譜、高光譜影像穩定，類內光譜差異較大。在國土資源進行動態遙感監測和實地調查時,通常需要將中分辨率多光譜影像和高空間分辨率全色影像進行融合，以此來共同處理目標位置信息，將目標位置的結構、形狀以及紋理信息等內容，完整而又清晰的表現出來。此時，多源數據融合及時空變量動態分布的同化，面臨一個重要的困難是難以建立多源數據之間的配準，其困難表現在時相、分辨率、尺度差異較大；以及噪聲干擾、幾何形變、灰度變化等多種影響因素，造成很難構建對應的精確匹配關系。

由于遙感影像數據的多樣性、國土資源動態監測具體應用需求的差異，難以找到適合各種場合的統一的影像配準方法，基于特征的影像配準方法常劃分為區域特征、線特征與點特征的配準方法。其中，區域特征方法的配準精度受到分割算法精度的影響，并需要圖像中有足夠的同名區域；線特征的提取依賴于邊緣檢測的準確度和精度；基于特征點的遙感圖像配準有相對優勢，其應用最為廣泛，但是在影像空間分辨率差異較大的情況下，易產生誤匹配點對，導致配準誤差。大尺度差異圖像之間不易獲得相同的直接特征，難以進行有效地匹配。為了解決這個問題，本技術引入了一個可變形的空間金字塔模型(DSP)快速密集匹配算法，將其用于大尺度差異圖像的匹配，并取得了良好的效果。

發明內容

本發明的目的在于針對現有技術的缺點和不足，面向高分辨率和中分辨率遙感影像，提出了一種基于變形空間金字塔的大尺度差異圖像特征點匹配方法，本發明去除了原變形空間金字塔算法必須首先提取目標輪廓的步驟，直接以遙感影像為目標，采用DenseSIFT算法以一個固定大小的網格或者邊界框，固定的步長在圖像上自左向右、從上到下的重疊方式提取特征點，省略了計算高斯差分和局部極值的判斷等過程，極大地降低計算復雜度。Dense?SIFT采用固定網格和步長的滑動窗口方式對整幅圖像進行掃描，每個網格內提取一個Dense?SIFT特征，因而提取特征速度快。此外，該變形空間金字塔特征點匹配方法包括了從粗到精的兩級匹配策略：網格層和像素層匹配。對于在網格層(傳統的圖像金字塔)，每個網格單元和像素是一個節點，連接所有相鄰節點和邊緣，以及在相鄰水平上的父子節點。而變形空間金字塔模型在傳統的圖像金字塔模型(網格層)上進一步添加一個像素層，對于像素級層，此模型不連接相鄰像素，每個像素只與它的父單元相連接。這種方法可以在多個空間范圍內同時規范匹配的一致性，從整幅圖像，到粗網格單元，到每一個像素，這種新穎的正則化方法大大提高了像素級圖像匹配精度。匹配方法能夠適用于高分辨率和中分辨率遙感影像處理領域。

本發明所采用的技術方案是一種基于變形空間金字塔的大尺度差異圖像特征點匹配方法，包括以下步驟：

步驟a，輸入分辨率差異大的兩幅影像；

步驟b，采用Dense?SIFT特征提取方法分別提取兩幅影像的特征點，并獲得特征點描述符；