[发明专利]一种基于2D‑Gabor的高分遥感影像局部特征提取方法

说明书

技术领域

本发明属于高分辨率遥感影像处理领域，尤其涉及一种基于2D-Gabor的高分遥感影像局部特征提取方法。

背景技术

随着遥感技术的发展，高分辨率遥感影像的出现，遥感图像的细节更加丰富。和普通图像相比，遥感影像的尺寸更大，数据信息分布也更为复杂，这种复杂性决定了处理遥感影像时不能使用单一的特征提取模型。此外，遥感成像的非均匀光照、过饱和等因素均会对传统的基于全局特征提取的方法造成影响。使用局部特征检测及特征描述方式，可以使获得的局部特征只是对整个图像内容进行高度抽象，这样遥感影像本身的信息量将得到大大的压缩。

局部特征提取技术主要包括两个阶段：局部特征检测和局部特征描述。

在局部特征检测阶段，主要研究如何确定遥感影像中我们感兴趣的特征所在的位置，该阶段是局部特征提取的首要环节，直接影响着后续特征描述和特征匹配的进行。有代表性的局部特征检测方法是角点特征检测。Harris角点检测算法采用了微分算子和矩阵特征值来判断角点，计算复杂而且不具有尺度不变形。Smith等人提出的SUSAN角点检测算法直接使用遥感影像的灰度信息进行角点检测，计算过程简单，但亮度的阈值不容易确定，不易处理模糊的影响。FAST角点检测算法是Rosten等人在SUSAN算子的基础上提出的，具有高效性并且定位精度和可重复性高，但是依然不具有尺度不变形。

在局部特征描述阶段，主要研究如何量化检测到的特征，从而表征图像的局部结构信息。最常见的局部特征描述方法是基于梯度分布的描述方法，如Lowe提出的SIFT描述子，Ke提出的PCA-SIFT描述子，Bay提出的T描述子，Mikolajczyk和Schmid提出的GLOH描述子等，他们使用了梯度直方图的方式生成特征适量，但是，占用内存大且不具有实时性。

高分遥感影像的特征提取技术是很多遥感分析任务(比如：遥感影像自动配准、遥感影像融合、遥感影像分类、遥感影像的目标识别及影像中地物特征的变化检测等)的基础环节。提取出具有不变性的局部特征能够有效地解决遥感领域的应用问题。此外，高分辨率遥感影像使用的传感器观测范围广，遥感影像中目标的细节特征比较丰富，结构性特征、纹理特征和形状特征往往比较突出。

传统的局部特征提取技术大多基于高斯核函数构成的尺度空间来获得遥感影像中不变性的局部特征。这种方法缺乏对遥感影像频率方向的选择过程，在频率域中方向变化比较明显的特征就会被忽略掉。

发明内容

本发明的目的是针对高分遥感影像的特点以及现有的局部特征提取技术中存在的不足，提供一种基于2D-Gabor的高分遥感影像局部特征提取方法。该方法利用了2D-Gabor变换的多尺度多通道性能，对遥感影像的空间位置、频率和方向具有很强的选择性，能够捕捉到遥感影像中显著的局部特征信息，能提取出鲁棒性更好、匹配率更高、更符合人类视觉特性的局部特征。

一种基于2D-Gabor的高分遥感影像局部特征提取方法，包括如下步骤：

S1、使用2D-Gabo生成遥感影像的尺度空间，所述2D-Gabor的核函数是方向角为θ，频率为w₀的复正弦函数调制二维高斯函数h(x,y,θ,σ_x,σ_y)，所述尺度空间为L(x,y,σ_s)，其中，h(x,y,θ,σ_x,σ_y)＝g(x',y')exp[2πj(u₀x+ν₀y)]，

(x，y)表示所述尺度空间的位置信息，exp(*)表示以e为底的指数函数，

x'＝xcosθ+ysinθ，y'＝-xsinθ+ycosθ，