[发明专利]一种基于变形空间金字塔的大尺度差异图像特征点匹配方法

说明书

本发明提供一种基于变形空间金字塔的大尺度差异图像特征点匹配方法，以两幅分辨率尺度差异大的图像为对象，首先采用Dense SIFT算法以一个固定大小的网格或者边界框，固定的步长在图像上自左向右、从上到下的重叠方式提取特征点及其描述，然后采用变形空间金字塔算法进行特征点的匹配，最后运用RANSAC剔除误匹配点,获得最终的匹配结果。本文算法匹配效果非常好，能够为国土资源管理部门与生产单位进行国土资源动态遥感监测提供多源数据协同的技术支撑，可以运用到地质调查、矿山监测、农林调查、资源与环境遥感、灾害预警等多方面，具有较大的潜在社会、经济价值与效益。

技术领域

本发明属于遥感图像处理数据预处理技术领域，是一种基于变形空间金字塔的大尺度差异图像特征点匹配方法。

背景技术

多源遥感影像的高精度配准是多源遥感数据融合的前提，也是多传感器协同进行国土资源调查与监测的必要手段，是遥感影像变化检测、目标提取、分类识别与理解的基础，在国土资源的动态遥感监测与调查方面，具有重要的科学研究与应用价值。分辨率、尺度差异较大的高、中分辨率影像的高精度配准方法成为当前研究的热点与难题。与中低分辨率遥感影像数据相比，高空间分辨率遥感影像数据能够表征同一地物内部丰富的细节，空间信息更加强大，但其光谱统计特性不如中低分辨率多光谱、高光谱影像稳定，类内光谱差异较大。在国土资源进行动态遥感监测和实地调查时,通常需要将中分辨率多光谱影像和高空间分辨率全色影像进行融合，以此来共同处理目标位置信息，将目标位置的结构、形状以及纹理信息等内容，完整而又清晰的表现出来。此时，多源数据融合及时空变量动态分布的同化，面临一个重要的困难是难以建立多源数据之间的配准，其困难表现在时相、分辨率、尺度差异较大；以及噪声干扰、几何形变、灰度变化等多种影响因素，造成很难构建对应的精确匹配关系。

由于遥感影像数据的多样性、国土资源动态监测具体应用需求的差异，难以找到适合各种场合的统一的影像配准方法，基于特征的影像配准方法常划分为区域特征、线特征与点特征的配准方法。其中，区域特征方法的配准精度受到分割算法精度的影响，并需要图像中有足够的同名区域；线特征的提取依赖于边缘检测的准确度和精度；基于特征点的遥感图像配准有相对优势，其应用最为广泛，但是在影像空间分辨率差异较大的情况下，易产生误匹配点对，导致配准误差。大尺度差异图像之间不易获得相同的直接特征，难以进行有效地匹配。为了解决这个问题，本技术引入了一个可变形的空间金字塔模型(DSP)快速密集匹配算法，将其用于大尺度差异图像的匹配，并取得了良好的效果。

发明内容

本发明的目的在于针对现有技术的缺点和不足，面向高分辨率和中分辨率遥感影像，提出了一种基于变形空间金字塔的大尺度差异图像特征点匹配方法，本发明去除了原变形空间金字塔算法必须首先提取目标轮廓的步骤，直接以遥感影像为目标，采用DenseSIFT算法以一个固定大小的网格或者边界框，固定的步长在图像上自左向右、从上到下的重叠方式提取特征点，省略了计算高斯差分和局部极值的判断等过程，极大地降低计算复杂度。Dense SIFT采用固定网格和步长的滑动窗口方式对整幅图像进行扫描，每个网格内提取一个Dense SIFT特征，因而提取特征速度快。此外，该变形空间金字塔特征点匹配方法包括了从粗到精的两级匹配策略：网格层和像素层匹配。对于在网格层(传统的图像金字塔)，每个网格单元和像素是一个节点，连接所有相邻节点和边缘，以及在相邻水平上的父子节点。而变形空间金字塔模型在传统的图像金字塔模型(网格层)上进一步添加一个像素层，对于像素级层，此模型不连接相邻像素，每个像素只与它的父单元相连接。这种方法可以在多个空间范围内同时规范匹配的一致性，从整幅图像，到粗网格单元，到每一个像素，这种新颖的正则化方法大大提高了像素级图像匹配精度。匹配方法能够适用于高分辨率和中分辨率遥感影像处理领域。

本发明所采用的技术方案是一种基于变形空间金字塔的大尺度差异图像特征点匹配方法，包括以下步骤：

步骤a，输入分辨率差异大的两幅影像；

步骤b，采用Dense SIFT特征提取方法分别提取两幅影像的特征点，并获得特征点描述符；