[发明专利]一种线阵遥感影像密集匹配方法

权利要求书

1.一种线阵遥感影像密集匹配方法，其特征在于，包括以下步骤：

步骤1)构建基于金字塔的多尺度匹配框架；

步骤2)进行基于DAISY算子的代价计算；

步骤3)进行基于超像素块的代价聚合；

步骤4)进行基于Patch-Match算法的标签改进策略。

2.根据权利要求1所述的一种线阵遥感影像密集匹配方法，其特征在于，所述的步骤1)基于金字塔的多尺度匹配框架包括：

先在最粗分辨率层上进行密集匹配，匹配完成后，参考影像的最粗分辨率影像上的每个点，都能在匹配影像上最粗分辨率影像上找到一一对应的点，设金字塔第一层影像的区域为N×N区域；

对第一层影像的每个像素及邻域进行牵引，确定第2层即次粗分辨率层里参考影像和匹配影像的大概范围，设第二层影像的区域为NS×NS区域，S为金字塔层之间的尺度因子，对牵引下来块进行密集匹配完成一一对应关系，只保存中心的S×S块；

重复牵引匹配，直到完成原始分辨率所有像素点的一一对应关系，从而完成密集匹配任务。

3.根据权利要求2所述的一种线阵遥感影像密集匹配方法，其特征在于，所述的步骤2)进行基于DAISY算子的代价计算包括：

设参考影像上某一点p匹配到匹配影像上一点p′发生了平移、旋转和尺度的变化，将这一变化的标签设为四维向量l＝(u,v,s,θ)，所述的(u,v)是X轴和Y轴的平移量，s表示旋转量，θ表示尺度的变化；

则参考影像上P点匹配到待匹配图像上P′点的代价为：

所述的为参考影像上点p的原始DAISY特征，为匹配影像上点p′经过旋转、缩放后的DAISY特征。

4.根据权利要求3所述的一种线阵遥感影像密集匹配方法，其特征在于，所述的步骤3)进行基于基于超像素块的代价聚合包括：

先计算每个超像素块的外接矩形区域向外延伸r个像素的区域内的所有标签空间内的代价，构成一个半径为r的窗口，然后对每个超像素块的外接矩形内的所有像素进行导向滤波代价聚合操作，当完成聚合后，只留下每个超像素块区域内的聚合结果，并记录每个超像素块内，聚合后代价最小值和对应的标签，为了后续避免重复标签的计算，每次标签可以先记录在该超像素块的访问空间里，如果后续有区别不大的标签，则不考虑进行代价聚合操作。

5.根据权利要求4所述的一种线阵遥感影像密集匹配方法，其特征在于，所述的步骤4)进行基于Patch-Match算法的标签改进策略包括：

输入同一尺度层下的两张同一区域的线阵遥感影像，分别为参考影像和匹配影像，先对参考影像采用超像素分割，分割成相互邻接但是没有重叠的超像素块结构，接着对由超像素分割结果生成图结构；

构成图后，进行基于Patch-Match算法传播过程，即与当前块有邻接边的每一个超像素块中，随机采样一些像素点的最佳标签组成标签集，加入当前的超像素块作为候选标签进行代价的计算和聚合，检查这些标签是否在之前已经计算过，如果计算过则重新采样选择标签组成标签集，如果聚合后的某一个标签的代价比该像素当前的最小代价更小，则更新当前最佳像素标签，同时记录这个新的最小代价值；

在当前最佳标签位置处迭代随机产生若干标签，并和已访问标签集比较是否是新的标签，如果是，计算代价值和聚合代价值，更新最佳标签和最佳标准对应的代价值，最后更新已访问标签集；

将搜索的空间区域行、列各缩小一半，重新随机生成标签，迭代搜索更新直到空间搜索范围不足一个像素为止；重复直到匹配像素变化个数小于阈值为止；所述阈值根据实际情况来定；

算法结束后，得到参考影像上每个像素对应在匹配影像上的位置，即参考影像上一像素点p坐标(x,y)的标签l_p＝(u_p,v_p,s_p,θ_p)，计算匹配影像上对应像素p′坐标(x′,y′)：