[发明专利]基于Gabor编码的异源图像匹配方法

说明书

技术领域

本发明涉及景象匹配技术领域，特别涉及一种基于Gabor编码的异源图像匹配方法。

背景技术

所谓异源图像，是指由不同类型传感器获得的图像。由于不同传感器间的成像特性存在差别，同一场景在异源图像上可能呈现完全不同的图像，在实际操作中，异源图像的匹配显得非常重要。

现有的异源图像匹配方法可以分为两类：基于特征的方法和基于区域的方法，具体的：

基于特征的方法包括：利用边缘特征的匹配方法、利用轮廓特征的匹配方法、利用人造景物特征的匹配方法、综合边缘特征与点特征的匹配方法等。此类方法要求异源图像中能够检测到一致的特征，因此通常只适用于图像之间差异较小的情况。当异源图像差异较大时，如SAR图像与光学图像，很难提取到一致特征，从而难以采用基于特征的方法进行匹配。

基于区域的方法是将整幅图像的灰度信息或者基于灰度的区域描述进行匹配，常用的基于区域的异源图像匹配方法为互信息及其各种改进算法。互信息是两个随机变量统计相关性的测度，当两帧具有共同物理结构的图像达到最佳匹配时，对应窗口内的互信息应为最大值。通常互信息对于红外图像和可见光图像匹配效果很好，但是对SAR图像与可见光图像的匹配效果却很不理想，影响匹配结果的因素主要包括以下两个方面：一是图像中可能存在严重噪声，如SAR图像中的斑点噪声，二是图像间的灰度非一致变化。另外，互信息方法需要对每个搜索窗口计算联合熵，其计算量很大。

基于此，现有技术确实有待于改进。

发明内容

本发明需解决的技术问题是提供一种异源图像匹配方法，以实现异源图像的有效匹配，并减少匹配过程中的计算量。

为了解决上述问题，本发明提供一种基于Gabor编码的异源图像匹配方法，其采用的技术方案如下：

S1、利用Gabor滤波器组对基准图和实时图进行滤波，得到一组基准图滤波图像和一组实时图滤波图像，所述基准图和实时图为异源图像；

S2、对各基准图滤波图像和各实时图滤波图像分别进行池化，得到各基准图滤波图像的池化数据和各实时图滤波图像的池化数据；

S3、将各基准图滤波图像的池化数据和各实时图滤波图像的池化数据进行二值化和二进制表示，得到基准图的Gabor编码特征和实时图的Gabor编码特征；

S4、利用二进制数据的位操作，计算所述基准图的Gabor编码特征与实时图的Gabor编码特征的相似度，得到基准图与实时图的匹配结果。

优选的，所述步骤S1中所述Gabor滤波器组包含多个Gabor滤波器，每个Gabor滤波器由二维Gabor奇函数构成，且每个Gabor滤波器的中心频率与高斯标准差的乘积为2。

优选的，所述步骤S2进一步包括：

对于每幅基准图滤波图像，将该基准图滤波图像等间距划分为大小相同的像素池，得到多个基准像素池；

对于每个基准像素池，将该基准像素池内的像素点对应的数据进行求和，得到该基准像素池的池化数据；

对于每幅实时图滤波图像，将该实时图滤波图像等间距划分为大小相同的像素池，得到多个实时像素池；

对于每个实时像素池，将该实时像素池内的像素点对应的数据进行求和，得到该实时像素池的池化数据。

优选的，所述步骤S3进一步包括：

按照基准图的滤波顺序，从各基准图滤波图像的池化数据中提取对应位置的池化数据并组成基准池化向量；

按照实时图的滤波顺序，从各实时图滤波图像的池化数据中提取对应位置的池化数据并组成实时池化向量；

将所述基准池化向量和所述实时池化向量分别进行二值化，并计算各基准池化向量和各实时池化向量的二进制数；

所述各基准池化向量的二进制数组成基准图的Gabor编码特征，所述各实时池化向量的二进制数组成实时图的Gabor编码特征。

优选的，所述步骤S4进一步包括：

根据二进制数据的位操作，计算所述基准图的Gabor编码特征与所述实时图的Gabor编码特征的相似度，其相似度计算公式如下：

其中，B₁(m，n)为基准图的Gabor编码特征，B₂(m，n)为实时图的Gabor编码特征，&为位与操作，f_bit(·)为按位累积函数，其输出值为输入二进制数据值为1的位的数目；

当所述特征相似度最大时，所述实时图与所述基准图的对应窗口匹配。