[发明专利]一种基于联合图频谱特征分析的异源图像匹配方法

权利要求书

1.一种基于联合图频谱特征分析的异源图像匹配方法，其特征在于，该方法步骤如下：

(1)提取光线过高或低的可见光图像与红外图像的角点，使用两张图像的角点关系构造相邻矩阵；

(2)通过定义常规拉普拉斯及分解相邻矩阵的特征值从而得到联合图的特征向量，再由三维重构构建特征函数对；

(3)检测每组特征函数对的极值区域，使用提出的Euclidean-Hamming算法对区域特征进行匹配；

(4)根据上述步骤将最小的K个特征向量重构的特征频谱对的极值区域进行匹配，便可得到最终的匹配结果。

2.根据权利要求1所述的一种基于联合图频谱特征分析的异源图像匹配方法，其特征在于，所述步骤(1)中，提取可见光与红外图像的角点，使用两张图像的角点关系构造相邻矩阵，具体方法如下：

(1.1)给定待匹配的可见光图像和红外图像，分别使用SIFT算法提取待匹配的可见光图像和红外图像的角点，汇集为角点点集V₁和V₂，其中，V₁为可见光图像中所有的角点集合，称为节点集n₁指代节点的个数；V₂为红外图像中所有的角点集合，称为节点集n₂指代节点的个数；

(1.2)角点集合V₁与V₂，它们的关联图分别是G₁(V₁,E₁,W₁)与G₂(V₂,E₂,W₂)，其中，E₁是V₁中任意两个节点之间边的集合，E₂是V₂中任意两个节点之间边的集合，W₁是可见光图像所有角点之间的权重值的一个n₁×n₁的邻接矩阵，其定义如下：

其中，n₁指代节点集合V₁中节点的个数，W₁指代连接集合V₁中任意两节点的边的权重值组成的n₁×n₁的相邻矩阵，w_ij是权重值，其代表由角点v_i和v_j所代表的像素之间的相关性；

W₂是红外图像所有角点之间权重值的一个n₂×n₂的邻接矩阵，其定义如下：

其中，n₂指代节点集合V₂中节点的个数，W₂指代连接集合V₂中任意两节点的边的权重值组成的n₂×n₂的相邻矩阵，w_ij是权重值，其代表由角点v_i和v_j所代表的像素之间的相关性；

联合图G(V,E,W)定义为V＝V₁∪V₂，E＝E₁∪E₂∪E₁₂，E₁₂指代的是连接V₁中任一节点与V₂中任一节点的边的集合，联合图G的邻接矩阵W的定义如下：

其中，C指的是连接集合V₁中任一节点与集合V₂中任一节点的边的权重值组成的n₁×n₂相邻矩阵，C^T是C的转置矩阵；

(1.3)使用KNN算法来遍历角点集合中的所有点并取离每个样本点最近的k个点作为它的近邻，只有和样本距离最近的k个点之间的权重值w_ij＞0，与其它点之间的权重值取0，为了保证对称型，只要一个点在另一个点的K近邻中，则保留s_ij，用于度量连接两角点的边权重值的公式如下：

其中，x_i,x_j是任意两个角点v_i,v_j的描述子，x_i∈KNN(x_j)指的是角点v_i属于距离角点v_j最近的k个点之一，x_j∈KNN(x_i)指的是角点v_j属于距离角点v_i最近的k个点之一。