[发明专利]一种高分辨率遥感图像特征匹配方法

权利要求书

1.一种高分辨率遥感图像特征匹配方法，其特征在于，该方法包括以下步骤：

步骤S1，在参考图像上提取显著目标区域；

步骤S2，提取所述参考图像和输入图像的SIFT特征点；

步骤S3，根据最近邻匹配原则为所述参考图像的每一个SIFT特征点在输入图像的SIFT特征点集合中寻找多个候选匹配点；

步骤S4，为所述参考图像显著目标区域内的SIFT特征点集合在对应的所述候选匹配点组成的候选匹配点集合中搜索最优匹配点；

步骤S5：对每个显著目标区域按照所述步骤S4得到其最优匹配点集合，每个显著目标区域对应的SIFT特征最优匹配点集合的并集作为最后的特征匹配集合。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1进一步包括以下步骤：

步骤S11，对于参考图像X，计算其显著特征图像其中，DCT(·)和IDCT(·)分别表示离散余弦变换和离散余弦逆变换，sign(x)表示符号函数，取值为变量x的符号；

步骤S12，基于所述显著特征图像计算显著特征映射图像其中，o表示Hadamard点乘运算符，g表示高斯核函数，*表示卷积运算；

步骤S13，基于所述显著特征映射图像提取所述参考图像的显著目标区域。

3.根据权利要求2所述的方法，其特征在于，所述步骤S13中，首先对所述显著特征映射图像进行直方图统计；然后将直方图的频数较多的部分认为是背景，频数较少的像素组成的区域为显著目标区域。

4.根据权利要求1所述的方法，其特征在于，所述步骤S2进一步包括以下步骤：

步骤S21，分别构建所述参考图像和输入图像的高斯差分DOG金字塔；

步骤S22，在构建得到的DOG金字塔的每层上提取极值点；

步骤S23，对于所提取的极值点，去除其中局部曲率非常不对称的极值点，保留下来的极值点即为SIFT特征点；

步骤S24，计算SIFT特征点的亚像素级别的空间位置、尺度；

步骤S25，根据所述SIFT特征点的亚像素级别的空间位置、尺度确定所述SIFT特征点的主方向，所谓主方向是指与以SIFT特征点为中心的邻域内的梯度方向直方图的峰值对应的梯度方向；

步骤S26，根据所述SIFT特征点的主方向，为SIFT特征点构造描述向量，所谓描述向量是指用于刻画该SIFT特征点周围图像块统计特征的、由梯度方向直方图构成的向量。

5.根据权利要求4所述的方法，其特征在于，所述步骤S22中提取极值点时，选择高斯差分金字塔上的任一点，若该点在该层及上、下相邻两层的多个邻域内不是极值点，则将该点去除，否则将该点作为极值点。

6.根据权利要求4所述的方法，其特征在于，所述步骤S23中，局部曲率非常不对称的极值点为满足下面条件的极值点：tr(H)²/det(H)>10，其中det(H)表示差分图像的局部Hessian矩阵H的行列式值，tr(H)表示矩阵H的迹。