[发明专利]一种基于多尺度密集结构特征提取的异源图像匹配方法

说明书

本发明属于卫星遥感领域，公开了一种基于多尺度密集结构特征提取的异源图像匹配方法，包括如下步骤：(1)对异源图像的每个像素计算结构张量，得到第一张量图；(2)对第一张量图进行多尺度张量投票，得到多个尺度投票产生的第二张量图；(3)根据张量一致性融合多个尺度的第二张量图得到融合后的第三张量图；(4)对第三张量图进行归一化得到归一化张量图；(5)计算归一化张量图之间的相似性；(6)根据步骤(5)计算得到的相似性，输出相似性最大的窗口位置作为异源图像匹配结果。本发明基于结构张量和多尺度原理，从灰度图像中提取出密集结构特征描述，然后利用密集结构特征描述匹配异源图像，能有效适应非线性灰度畸变和严重的图像噪声问题，可以获取更高的匹配正确率。

技术领域

本发明涉及一种基于多尺度密集结构特征提取的异源图像匹配方法。

背景技术

异源图像匹配技术是遥感图像处理中的一项基础而且关键的技术，是遥感图像融合、拼接和变化检测等应用中不可或缺的技术。另一方面，视觉制导与导航应用中，基准图像往往使用预先拍摄好的可见光卫星图像制作，而实时图像可能使用SAR或红外相机拍摄来让视觉系统实现全天时全天候的工作能力。因此，异源图像匹配技术一直是视觉制导与导航领域研究人员关注的关键技术。

异源图像匹配是指需要匹配的两张图像由不同类型的图像传感器获取。在视觉导航定位系统中，基准图像往往使用预先拍摄好的可见光卫星图像制作，而实时图像可能使用机载合成孔径雷达(SAR)或红外相机拍摄，因此，这些系统常常面临异源图像匹配问题。

尽管图像匹配技术经过了长期广泛的研究，但是异时异源图像匹配仍然存在难以克服的困难，因为与通常的图像匹配不同，异时异源图像匹配面临如图1所示的严重图像噪声和图2所示的非线性灰度畸变问题。

严重图像噪声：红外和SAR图像是异源图像匹配中常常需要匹配的图像类型，但是这两种图像往往包含严重的传感器或传输噪声，这些噪声往往从两个方面降低图像匹配的可靠性。一方面，由于噪声具有随机性，它会降低相同对象图像灰度之间的相关性，这会给差别/相似测量造成不利影响。另一方面，因为梯度和相位这两种特征对噪声都非常敏感，这使得基于梯度或相位的本征图像很难在噪声严重的情况下有效提取图像结构信息。

非线性灰度畸变：同源图像之间可能存在由于光照和传感器参数变化引起的灰度畸变，但是这两种因素通常会尽可能地保持灰度以连续、线性的方式变化。而异源图像之间存在由于传感器类型不同导致的灰度畸变，这种灰度畸变通常是非线性的，甚至改变图像灰度映射的单调性和函数性。换言之，传感器类型差异会严重降低图像之间灰度的关联性，即便两张图像是对相同位置拍摄。显然，非线性灰度畸变也会对匹配过程中的相似性测量造成不利影响，并严重降低匹配的正确率。

现有异时异源图像匹配算法在适应非线性灰度畸变和图像噪声的问题上存在诸多不足，导致匹配正确率不高无法满足应用需要，这正是本申请要解决的问题。

现有的异时异源图像匹配算法通常可以分为两类，一类通过改进差别/相似性测量准则来提高算法对非线性灰度畸变的适应能力。另一类通过提取图像结构信息来避免灰度畸变对匹配的不利影响。