[發明專利]基于深度學習的視頻衛星遙感圖像景相匹配方法及其裝置

在審

• 申請號: 201811554410.5
• 申請日: 2018-12-19
• 公開（公告）號: CN109784189A
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 張學陽;楊雪榕;楊雅君;方宇強;殷智勇;潘升東
• 申請（專利權）人: 中國人民解放軍戰略支援部隊航天工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/04
• 代理公司: 北京元周律知識產權代理有限公司 11540
• 代理人: 胡璇

本申請公開了一種基于深度學習的視頻衛星遙感圖像景相匹配方法及其裝置，該方法包括以下步驟：步驟S100：獲取基準遙感圖，通過視頻衛星獲取待匹配實時圖，縮放待匹配實時圖；步驟S200：采用深度卷積神經網絡計算待匹配實時圖的特征向量；步驟S300：在基準遙感圖內滑動窗口生成多個候選區域，分別計算待匹配實時圖的特征向量與各候選區域特征向量的歐氏距離，取特征向量歐氏距離最小的候選區域作為基準遙感圖與待匹配實時圖的匹配區域。該方法采用經過訓練的深度卷積神經網絡進行圖像特征提取，提高特征匹配的準確性和魯棒性。本申請的又一方面還提供一種基于深度學習的視頻衛星遙感圖像景相匹配裝置。

技術領域

本申請涉及一種基于深度學習的視頻衛星遙感圖像景相匹配方法及其裝置，屬于遙感圖像處理領域。

背景技術

當已知衛星軌道信息與姿態信息時，通過求取衛星目標視線與地球表面的交點即可得到視頻衛星遙感圖像中的目標定位。但受限于星上存儲空間，視頻衛星無法記錄工作周期內的全部姿態信息。在做離線數據分析時這一問題尤為突出。

對于背景包含豐富紋理信息的目標圖像，這一問題可以通過景象匹配方法確定視頻中景物的坐標來解決。

景象匹配方法，將觀測時刻圖像中，目標周圍的場景(實時圖)與已有基準圖進行景象匹配，初步確定目標在基準圖像上的位置。之后通過基準圖像坐標與世界坐標系之間的關系轉換，即可確定測試目標在空間中的位置。

景象匹配方法運用中，實時圖與基準圖匹配的精度較低。視頻衛星遙感圖像的景象匹配需要能處理光照、尺度及視角差異較大的情況，現有常用特征提取后，匹配結果受前述差異影響較大。

發明內容

根據本申請的一個方面，提供了一種基于深度學習的視頻衛星遙感圖像景相匹配方法，該方法采用經過訓練的深度卷積神經網絡進行圖像特征提取，提高特征匹配的準確性和魯棒性。

所述基于深度學習的視頻衛星遙感圖像景相匹配方法，其特征在于，包括以下步驟：

步驟S100：獲取基準遙感圖和待匹配實時圖；

步驟S200：計算所述待匹配實時圖的特征向量；

步驟S300：在所述基準遙感圖內生成多個候選區域，分別計算所述待匹配實時圖的特征向量與各所述候選區域特征向量的歐氏距離，取所述特征向量歐氏距離最小的候選區域作為所述基準遙感圖與所述待匹配實時圖的匹配區域。

可選地，所述待匹配實時圖的空間分辨率κ₁為：

其中，h為軌道高度，f為星載相機焦距為，d為像元尺寸。

可選地，所述步驟S100還包括縮放所述待匹配實時圖步驟，所述縮放步驟按下式進行：

其中，κ₁為所述待匹配實時圖的空間分辨率，κ₂為基準遙感圖的空間分辨率。

可選地，所述步驟S200中采用深度卷積神經網絡計算所述待匹配實時圖的特征向量；所述深度卷積神經網絡為采用樣本庫訓練得到的深度卷積神經網絡。

可選地，所述“生成多個候選區域”步驟中包括：在所述基準遙感圖內滑動窗口；所述窗口的尺寸為所述待匹配實時圖縮放后的尺寸。

可選地，所述窗口在縱向上的滑動步長為所述窗口在橫向上的滑動步長為其中m為所述待匹配實時圖縮放后的縱向尺寸，n為所述待匹配實時圖縮放后的橫向尺寸。

可選地，所述步驟S100包括：根據先驗信息，在所述基準遙感圖上確定預匹配區域的步驟。

可選地，所述步驟S300中為在所述預匹配區域內用滑動窗口生成多個候選區域。