一種高分辨率遙感圖像特征匹配方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種高分辨率遙感圖像特征匹配方法，該方法包括：在參考圖像上提取顯著目標(biāo)區(qū)域；提取參考圖像和輸入圖像的SIFT特征點(diǎn)；為參考圖像的每一SIFT特征點(diǎn)在輸入圖像的SIFT特征點(diǎn)集合中尋找多個(gè)候選匹配點(diǎn)；為參考圖像顯著目標(biāo)區(qū)域內(nèi)的SIFT特征點(diǎn)集合在對(duì)應(yīng)的所述候選匹配點(diǎn)組成的候選匹配點(diǎn)集合中搜索最優(yōu)匹配點(diǎn)；對(duì)每個(gè)顯著目標(biāo)區(qū)域得到其最優(yōu)匹配點(diǎn)集合，每個(gè)顯著目標(biāo)區(qū)域?qū)?yīng)的SIFT特征最優(yōu)匹配點(diǎn)集合的并集作為最后的特征匹配集合。本發(fā)明基于目標(biāo)顯著區(qū)域內(nèi)的SIFT特征進(jìn)行匹配，過(guò)濾了大量冗余信息，提高了匹配性能；減少了外點(diǎn)，提高了對(duì)視角變化、圖像形變的魯棒性。本發(fā)明可以廣泛應(yīng)用于圖像配準(zhǔn)、三維重建等諸多應(yīng)用系統(tǒng)中。
【專(zhuān)利說(shuō)明】一種高分辨率遙感圖像特征匹配方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及遙感圖像處理、特征匹配、圖像配準(zhǔn)等【技術(shù)領(lǐng)域】，特別是一種高分辨率遙感圖像特征匹配方法。
【背景技術(shù)】
[0002]圖像配準(zhǔn)是將同一地點(diǎn)、不同時(shí)間或不同傳感器拍攝的兩幅圖像(一幅為參考圖像，另一幅為輸入圖像)進(jìn)行幾何匹配的過(guò)程。圖像配準(zhǔn)是圖像融合、變化檢測(cè)等應(yīng)用的前提和基礎(chǔ)，圖像配準(zhǔn)的精度對(duì)后續(xù)的應(yīng)用具有重要的影響。
[0003]目前的圖像配準(zhǔn)算法可分為基于像素的配準(zhǔn)方法和基于特征的配準(zhǔn)方法。由于噪聲、拍攝條件、季節(jié)變化、視角變化、平臺(tái)抖動(dòng)等因素的影響，基于特征的配準(zhǔn)方法更適合遙感圖像配準(zhǔn)。近年來(lái)，SIFT特征(尺度不變特征變換，Scale Invariant FeatureTransform)在基于特征的遙感圖像配準(zhǔn)中得到了廣泛應(yīng)用。特征匹配是影響配準(zhǔn)精度的重要因素，傳統(tǒng)的SIFT特征匹配一般基于參考圖像和輸入圖像的SIFT特征集合利用k-dtree數(shù)據(jù)結(jié)構(gòu)和最近鄰匹配原則進(jìn)行匹配。由于遙感圖像中重復(fù)性結(jié)構(gòu)多，傳統(tǒng)的全局匹配方法易受背景影響，錯(cuò)誤匹配率較高。
[0004]遙感圖像中顯著目標(biāo)一般具有獨(dú)特的幾何結(jié)構(gòu)，匹配的SIFT特征集合之間應(yīng)滿(mǎn)足一定的幾何拓?fù)浼s束。從SIFT特征集合中過(guò)濾掉植被、沙漠等背景，綜合利用顯著目標(biāo)區(qū)域的SIFT特征集合之間的外觀、幾何拓?fù)湎嗨菩允翘岣咂ヅ湔_性的重要途徑，但目前還沒(méi)有有效的相關(guān)算法。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是針對(duì)遙感圖像特征匹配的難點(diǎn)和顯著目標(biāo)區(qū)域SIFT特征的幾何拓?fù)涮匦?，提供一種有效的高分辨率遙感圖像特征匹配方法。
[0006]為了實(shí)現(xiàn)上述目的，本發(fā)明提出一種高分辨率遙感圖像特征匹配方法，該方法包括以下步驟:
[0007]步驟SI，在參考圖像上提取顯著目標(biāo)區(qū)域；
[0008]步驟S2，提取所述參考圖像和輸入圖像的SIFT特征點(diǎn)；
[0009]步驟S3，根據(jù)最近鄰匹配原則為所述參考圖像的每一個(gè)SIFT特征點(diǎn)在輸入圖像的SIFT特征點(diǎn)集合中尋找多個(gè)候選匹配點(diǎn)；
[0010]步驟S4，為所述參考圖像顯著目標(biāo)區(qū)域內(nèi)的SIFT特征點(diǎn)集合在對(duì)應(yīng)的所述候選匹配點(diǎn)組成的候選匹配點(diǎn)集合中搜索最優(yōu)匹配點(diǎn)；
[0011]步驟S5:對(duì)每個(gè)顯著目標(biāo)區(qū)域按照所述步驟S4得到其最優(yōu)匹配點(diǎn)集合，每個(gè)顯著目標(biāo)區(qū)域?qū)?yīng)的SIFT特征最優(yōu)匹配點(diǎn)集合的并集作為最后的特征匹配集合。
[0012]本發(fā)明所述方法對(duì)于提高特征匹配的數(shù)目和正確匹配率具有重要的意義，其主要優(yōu)點(diǎn)如下:
[0013]本發(fā)明基于目標(biāo)顯著區(qū)域內(nèi)的SIFT特征進(jìn)行匹配，過(guò)濾了大量冗余信息，提高了匹配性能；
[0014]利用目標(biāo)顯著區(qū)域內(nèi)的SIFT特征集合之間的外觀特征、幾何拓?fù)涮卣鞯南嗨菩赃M(jìn)行區(qū)域匹配，減少了外點(diǎn)；
[0015]利用顯著目標(biāo)區(qū)域內(nèi)的SIFT特征的外觀特征、幾何拓?fù)涮卣髟谳斎雸D像中搜索SIFT特征集合，提高了對(duì)視角變化、圖像形變的魯棒性；
[0016]得益于上述優(yōu)點(diǎn)，本發(fā)明極大地提高了現(xiàn)有高分辨率遙感圖像特征匹配的精度，可廣泛應(yīng)用于圖像配準(zhǔn)、目標(biāo)識(shí)別、目標(biāo)跟蹤等系統(tǒng)中。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0017]圖1是本發(fā)明提出的高分辨率遙感圖像特征匹配方法的流程圖；
[0018]圖2是根據(jù)本發(fā)明一實(shí) 施例的遙感圖像顯著目標(biāo)區(qū)域提取結(jié)果示意圖；
[0019]圖3是根據(jù)本發(fā)明一實(shí)施例的DOG金字塔構(gòu)建示意圖；
[0020]圖4是根據(jù)本發(fā)明一實(shí)施例的SIFT特征提取中極值點(diǎn)提取示意圖；
[0021]圖5是根據(jù)本發(fā)明一實(shí)施例的SIFT特征提取中主方向檢測(cè)示意圖；
[0022]圖6是根據(jù)本發(fā)明一實(shí)施例的為SIFT特征點(diǎn)構(gòu)造描述向量的示意圖；
[0023]圖7是根據(jù)本發(fā)明一實(shí)施例的最近鄰匹配結(jié)果示意圖；
[0024]圖8是根據(jù)本發(fā)明一實(shí)施例的區(qū)域匹配結(jié)果示意圖。
【具體實(shí)施方式】
[0025]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說(shuō)明。
[0026]圖1是本發(fā)明提出的高分辨率遙感圖像特征匹配方法的流程圖，如圖1所示，所述方法包括以下步驟:
[0027]步驟SI，在參考圖像上提取顯著目標(biāo)區(qū)域；
[0028]該步驟中，以圖像灰度的離散余弦變換的符號(hào)函數(shù)為目標(biāo)區(qū)域顯著性度量標(biāo)準(zhǔn)來(lái)提取所述顯著目標(biāo)區(qū)域；
[0029]所述步驟SI進(jìn)一步包括以下步驟:
[0030]步驟S11，對(duì)于所述參考圖像X，計(jì)算其顯著特征圖像X = lDCT(sign{DCT(X))),
其中，DCT(.)和IDCT(.)分別表示離散余弦變換和離散余弦逆變換，Sign(X)表示符號(hào)函數(shù)，取值為變量X的符號(hào)；
[0031]步驟S12，基于所述顯著特征圖像計(jì)算顯著特征映射圖像f =其中，
ο表示Hadamard點(diǎn)乘運(yùn)算符，g表示高斯核函數(shù)，*表示卷積運(yùn)算；
[0032]步驟S13，基于所述顯著特征映射圖像提取所述參考圖像的顯著目標(biāo)區(qū)域。
[0033]該步驟中，首先對(duì)所述顯著特征映射圖像i.進(jìn)行直方圖統(tǒng)計(jì)，直方圖的灰度級(jí)數(shù)可設(shè)為3 ；
[0034]然后將直方圖的頻數(shù)較多的部分認(rèn)為是背景，頻數(shù)較少的像素組成的區(qū)域?yàn)轱@著目標(biāo)區(qū)域。
[0035]根據(jù)本發(fā)明一實(shí)施例的遙感圖像顯著目標(biāo)區(qū)域提取結(jié)果的示意圖如圖2所示。[0036]步驟S2，提取所述參考圖像和輸入圖像的SIFT特征點(diǎn)；
[0037]所述步驟S2進(jìn)一步包括以下步驟:
[0038]步驟S21，分別構(gòu)建所述參考圖像和輸入圖像的DOG (Difference of Gaussian,
高斯差分)金字塔；
[0039]設(shè)圖像為I (x，y)，則DOG金字塔中第k層高斯差分圖像表示為
【權(quán)利要求】
1.一種高分辨率遙感圖像特征匹配方法，其特征在于，該方法包括以下步驟: 步驟SI，在參考圖像上提取顯著目標(biāo)區(qū)域； 步驟S2，提取所述參考圖像和輸入圖像的SIFT特征點(diǎn)； 步驟S3，根據(jù)最近鄰匹配原則為所述參考圖像的每一個(gè)SIFT特征點(diǎn)在輸入圖像的SIFT特征點(diǎn)集合中尋找多個(gè)候選匹配點(diǎn)； 步驟S4，為所述參考圖像顯著目標(biāo)區(qū)域內(nèi)的SIFT特征點(diǎn)集合在對(duì)應(yīng)的所述候選匹配點(diǎn)組成的候選匹配點(diǎn)集合中搜索最優(yōu)匹配點(diǎn)； 步驟S5:對(duì)每個(gè)顯著目標(biāo)區(qū)域按照所述步驟S4得到其最優(yōu)匹配點(diǎn)集合，每個(gè)顯著目標(biāo)區(qū)域?qū)?yīng)的SIFT特征最優(yōu)匹配點(diǎn)集合的并集作為最后的特征匹配集合。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟SI進(jìn)一步包括以下步驟: 步驟Sll，對(duì)于參考圖像X，計(jì)算其顯著特征圖像I = IDCT(sign(DCT(J)))，其中，DCT(.)和IDCT(.)分別表示離散余弦變換和離散余弦逆變換，Sign(X)表示符號(hào)函數(shù)，取值為變量X的符號(hào)； 步驟S12，基于所述顯著特征圖像計(jì)算顯著特征映射圖像f =又)，其中，?表示Hadamard點(diǎn)乘運(yùn)算符，g表示高斯核函數(shù)，*表示卷積運(yùn)算； 步驟S13，基于所述顯著特征映射圖像提取所述參考圖像的顯著目標(biāo)區(qū)域。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟S13中，首先對(duì)所述顯著特征映射圖像I進(jìn)行直方圖統(tǒng)計(jì) ；然后將直方圖的頻數(shù)較多的部分認(rèn)為是背景，頻數(shù)較少的像素組成的區(qū)域?yàn)轱@著目標(biāo)區(qū)域。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S2進(jìn)一步包括以下步驟: 步驟S21，分別構(gòu)建所述參考圖像和輸入圖像的高斯差分DOG金字塔； 步驟S22，在構(gòu)建得到的DOG金字塔的每層上提取極值點(diǎn)； 步驟S23，對(duì)于所提取的極值點(diǎn)，去除其中局部曲率非常不對(duì)稱(chēng)的極值點(diǎn)，保留下來(lái)的極值點(diǎn)即為SIFT特征點(diǎn)； 步驟S24，計(jì)算SIFT特征點(diǎn)的亞像素級(jí)別的空間位置、尺度； 步驟S25，根據(jù)所述SIFT特征點(diǎn)的亞像素級(jí)別的空間位置、尺度確定所述SIFT特征點(diǎn)的主方向，所謂主方向是指與以SIFT特征點(diǎn)為中心的鄰域內(nèi)的梯度方向直方圖的峰值對(duì)應(yīng)的梯度方向； 步驟S26，根據(jù)所述SIFT特征點(diǎn)的主方向，為SIFT特征點(diǎn)構(gòu)造描述向量，所謂描述向量是指用于刻畫(huà)該SIFT特征點(diǎn)周?chē)鷪D像塊統(tǒng)計(jì)特征的、由梯度方向直方圖構(gòu)成的向量。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟S22中提取極值點(diǎn)時(shí)，選擇高斯差分金字塔上的任一點(diǎn)，若該點(diǎn)在該層及上、下相鄰兩層的多個(gè)鄰域內(nèi)不是極值點(diǎn)，則將該點(diǎn)去除，否則將該點(diǎn)作為極值點(diǎn)。
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟S23中，局部曲率非常不對(duì)稱(chēng)的極值點(diǎn)為滿(mǎn)足下面條件的極值點(diǎn):tr(H)2/det(H)>10，其中det(H)表示差分圖像的局部Hessian矩陣H的行列式值，tr (H)表示矩陣H的跡。
7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟S24進(jìn)一步包括以下步驟: 首先，對(duì)高斯差分圖像D(X+AX)在特征點(diǎn)Xl處按泰勒展開(kāi)公式展開(kāi):
8.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟S26中，首先將SIFT特征點(diǎn)周?chē)鷪D像塊的坐標(biāo)軸旋轉(zhuǎn)為所述SIFT特征點(diǎn)的主方向，以確保旋轉(zhuǎn)不變性；然后將SIFT特征點(diǎn)周?chē)鷎nX kn像素的窗口內(nèi)分成ηXη像素的小塊，計(jì)算每個(gè)小塊的q個(gè)方向的梯度方向直方圖，將每個(gè)小塊的梯度方向直方圖連接起來(lái)形成kXkXq維的SIFT特征向量；最后，將其歸一化到單位長(zhǎng)度得到所述SIFT特征點(diǎn)的描述向量。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S3中，利用所述輸入圖像的SIFT特征點(diǎn)集合構(gòu)造k-d 樹(shù)，將所述參考圖像的每一個(gè)SIFT特征點(diǎn)與所述k-d樹(shù)進(jìn)行匹配，即計(jì)算所述參考圖像的每一個(gè)SIFT特征點(diǎn)與所述k-d樹(shù)中每個(gè)結(jié)點(diǎn)的描述向量之間的歐式距離，將距離最小的多個(gè)SIFT特征點(diǎn)作為所述參考圖像中該SIFT特征點(diǎn)的候選匹配點(diǎn)。
10.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S4中，利用SIFT特征點(diǎn)集合之間的相似性為所述參考圖像的每個(gè)顯著目標(biāo)區(qū)域?qū)?yīng)的SIFT特征點(diǎn)集合找到對(duì)應(yīng)的最優(yōu)匹配點(diǎn)集合。
【文檔編號(hào)】G06T7/00GK103456022SQ201310438646
【公開(kāi)日】2013年12月18日 申請(qǐng)日期:2013年9月24日 優(yōu)先權(quán)日:2013年9月24日
【發(fā)明者】霍春雷, 霍雷剛, 潘春洪, 周志鑫 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所