[发明专利]一种基于卷积神经网络的多时相遥感影像匹配方法及系统

权利要求书

1.一种基于卷积神经网络的多时相遥感影像匹配方法，其特征在于，包括以下步骤：

步骤a，进行多时相遥感影像匹配时，对输入的参考影像和待匹配影像采用固定大小进行分块；

步骤b，采用特征点检测算子在步骤a划分所得的影像块内提取特征点；

步骤c，以步骤b提取的特征点为中心，提取固定大小的图像块，并将这些图像块输入预训练的卷积神经网络中，使用神经网络中的多个卷积层来提取图像特征，获得多尺度卷积特征；其中，卷积神经网络采用VGG-16模型，利用VGG-16模型的pool3、pool4和block5conv1层输出的特征向量作为CNN提取的高级特征，将pool4和block5conv1特征上采样至pool3层大小，并对pool3、pool4和block5conv1层特征向量进行归一化，设对pool3、pool4和block5conv1层的特征归一化结果分别为f_pool3、f_pool4和f_block5conv1，获得多尺度卷积特征F_P(x,y)＝{f_pool3,f_pool4,f_block5conv1}；

步骤d，基于多尺度卷积特征，利用最邻近加权距离度量特征之间的相似性，利用最邻近距离与次邻近距离比值获得初始匹配点对；

步骤e，采用RANSAC算法和特征点之间的局部几何约束性对步骤d所得匹配结果剔除错误匹配对，获得最终匹配结果，剔除错误匹配对的实现方式包括首先采用RANSAC算法对步骤d获取的初始匹配点对进行初步剔除，然后对于剩下的每一对初始匹配点对，寻找最邻近的若干特征点并构建几何约束关系，验证该匹配点对，从而剔除误差大的匹配点对。

2.根据权利要求1所述基于卷积神经网络的多时相遥感影像匹配方法，其特征在于：步骤d中，使用最邻近加权距离来度量特征之间的相似性时，表达式为D(x,y)＝md₁(x,y)+nd₂(x,y)+qd₃(x,y)，

其中，d₁(x,y),d₂(x,y),d₃(x,y)分别为匹配对的特征归一化结果f_pool3、f_pool4和f_block5conv1采用马氏距离计算得到的相似性，m、n、q分别为相应权重。

3.根据权利要求1或2所述基于卷积神经网络的多时相遥感影像匹配方法，其特征在于：构建局部几何约束关系实现如下，

设对于参考影像上任意一点P(x,y)，其在待配准影像上对应的特征点Q(x',y')，两者之间的几何关系为

当特征点Q(x',y')附近的特征点个数多于6个时，选取最邻近的6个来解算上述几何关系，得到系数a_i和b_j，i＝0,1,...,5，j＝0,1,...,5；当特征点Q(x',y')附近的特征点个数较少但不低于4个时，只解算一次项系数，二次项系数则为0；

然后根据该几何关系将参考影像上的特征点P映射到待匹配影像上成为点P'，若P'与Q的距离残差大于给定阈值，则剔除初始匹配点对(P，Q)，否则，认定(P，Q)为一对正确的匹配点，保留在最终结果中。