[发明专利]一种快速鲁棒的多模态遥感影像匹配方法和系统

说明书

技术领域

本发明涉及卫星影像处理技术领域,尤其是一种多模态遥感影像匹配方法和系统，用于可见光、红外、激光雷达、合同孔径雷达以及地图等多模态影像的自动匹配。

背景技术

影像匹配是在两幅或多福影像间识别同名点的过程，它是诸多遥感影像分析如影像融合，变化检测，影像镶嵌等的基本预处理步骤，其匹配精度对后续的分析工作产生重要的影响。目前遥感卫星传感器装载有全球定位系统和惯性导航系统，可对遥感影像进行直接定位和粗匹配，消除影像间明显的旋转和尺度变化，使影像间仅存在一定量(如几十个像素内)的平移差异。尽管如此，由于影像的成像机理的不同，多模态遥感影像间(可见光，红外，激光雷达和合同孔径雷达等)存在显著的非线性辐射差异，导致同名点的自动匹配仍然非常具有挑战性。

目前多模态遥感影像的匹配方法主要可分为：特征匹配和区域匹配。特征匹配是通过影像间显著特征的相似性来实现影像的匹配。常用的特征包括了点特征的方法，线特征的方法和面特征。最近局部不变性特征如Scale Invariant Feature Transform(SIFT)，shape context等在遥感影像匹配中也得到了一定的应用。但这些方法通常需要在影像间提取出具有高重复率的特征，而对于具有显著辐射差异的多模态遥感而言，特征提取的重复率往往较低，因此它们对于多模态遥感影像的自动匹配还存在一定的局限性。

基于区域的方法主要是采用模板匹配的策略，以某种匹配相似性测度为准则，在影像间进行同名点识别。在此过程中，相似性测度的选择至关重要，直接影响到后续的匹配精度。常用的相似性测度包括了灰度差平方和、归一化相关系数和互信息等。但这些相似性测度都是利用影像间灰度的相似性进行同名点识别，而由于多模态遥感影像间的灰度信息存在较大的差异，所以它们无法较好适用于多模态遥感影像的自动匹配。相比于灰度信息，影像的结构和形状属性具有较高的相似性，而且相关研究利用梯度方向直方图(Histogram of Orientated Gradient,HOG)、局部自相似(Local Self-Similarity,LSS)等局部描述符提取影像的结构和形状特征，并在此基础上建立相似性测度进行影像匹配，提高了匹配性能。尽管如此，HOG和LSS只是在一个稀疏的采样格网(不是针对每个像素)内进行特征构建，或者利用所提取特征点的邻域信息计算特征，是一种相对稀疏的特征表达方式，难以很好地反映多模态影像间的共有属性，而且其计算效率较低。

鉴于此，本发明构建了一种快速、鲁棒的多模态遥感影像匹配框架，该框架可以整合各种局部特征描述符进行多模态遥感影像自动匹配。该框架首先对影像的每个像素提取HOG，LSS或Speeded-Up Robust Features(SURF)等局部特征描述符，形成稠密的逐像素特征表达图，来反映影像间共有的结构、形状和纹理等属性。然后基于该特征表达图，利用三维傅里叶变换在频率域建立一种快速的匹配相似性测度，并采用模板匹配的策略进行同名点识别，另外针对所发明的框架，构建了一种基于方向梯度特征的逐像素特征描述符，名为方向梯度通道特征(Channel Feature of Orientated Gradient,CFOG)。它在匹配性能和计算效率方面要优于逐像素的HOG，LSS和SURF等特征表达技术。

发明内容

本发明的发明目的在于：克服传统匹配方法的不足，提供了一种快速鲁棒的多模态遥感影像匹配框架。该框架利用通过逐像素的特征表达技术来提取影像间共有的结构、形状和纹理等特征，并在其基础上建立了快速的匹配相似性测度，可在多模态遥感影像间快速、精确地获取大量分布均匀的同名点。另外针对所发明的框架，构建了一种新颖的逐像素特征表达技术，名为方向梯度通道特征(Channel Feature of Orientated Gradient,CFOG)。

一方面，本发明提供了一种快速鲁棒的多模态遥感影像匹配方法，包括下列步骤：

A.判断参考影像和输入影像的分辨率信息，如果两幅影像具有相同的分辨率，则进行后续处理，如果分辨率不同，则将两幅影像采样为同样的分辨率；

B.采用分块的策略，在参考影像上检测出一系列分布均匀的特征点，记为P_1i(i＝1,2,3,……,N)，以点P_1i为中心选取模板区域AreaW_1i；

C.根据遥感影像自身提供的地理坐标信息，预测点集P_1i(i＝1,2,3,….,N)在输入影像上所对应的匹配区域AreaW_2i；