[发明专利]一种遥感图像配准方法及装置

权利要求书

1.一种遥感图像配准方法，其特征在于，所述方法包括如下步骤：

(1)通过采用选择性搜索算法分别提取参考图像B和配准图像A的显著图像块；

(2)经过采用非极大值抑制方法筛选后获得待配准图像和参考图像中显著区域；

(3)使用MatchNet进行配对，经过MatchNet的配对之后，获得待配准图像和参考图像中的未经匹配的图像块集合；

(4)通过采用尺度不变特征变换算法获得对图像块映射矩阵集合；

(5)使用随机抽样一致算法，求得映射矩阵的预测值；

(6)让该映射矩阵和待配准图像相乘得到配准后的图像，得到最终的配准图像，

步骤(4)包括：获得待配准图像和参考图像匹配成功的图像块集合之后，在集合里的每一对图像块上使用SIFT算法，求出图像上的特征点，并进行特征匹配，求出待配准图像块相对于参考图像块的映射矩阵，由此得到配对图像块映射矩阵集合；

其中包括如下步骤：

(4.1)尺度空间极值点检测，计算出尺度空间的高斯差：

D(x，yσ)＝[G(x，y，kσ)一G(x，yσ)]*I(x，y)＝S(x，ykσ)一G(x，y，σ)

其中，I(x，y)为输入图像，k为相邻两尺度空间的因子差；

(4.2)特征点定位，

(4.3)剔除边缘点：

其中，主曲率的比值阈值为T_γ；H为Hessian矩阵H的特征值；α为H的最大特征值，β为H的最小特征值，

(4.4)确定关键点方向：

θ(x，y)＝tan^-1(L(x+1，y)-L(x-1，y))/L(x，y+1)-L(x，y-1)

其中，θ(x，y)是梯度的方向，m(x，y)为梯度的幅值；直方图的峰值被设为特征点的主方向；

步骤(5)包括：求得映射矩阵的预测值，再求取映射矩阵集合相对于预测映射矩阵的欧式距离：

其中X_3×3和Y_3×3分别代表预测映射矩阵和映射矩阵集合中的每个映射矩阵，所求出的欧式距离表示预测矩阵和映射矩阵集合中的每个矩阵的相似度，距离越小，说明越相似，选取其中的最小值作为图像的映射矩阵。

2.根据权利要求1所述的一种遥感图像配准方法，其特征在于，步骤(1)包括如下步骤：

(1.1)通过根据配准图像A和参考图像B相应的规则生成一系列的区域集R；

(1.2)计算区域集R中每两两相邻区域之间的相似度，记为集合S，这里相似度计算一般需要计算颜色、纹理等特征的综合相似度；

(1.3)在区域集R中查找具有最高相似度的两个区域，将这两个区域合并为一个新的集合并添加到R中；

(1.4)从S中移除所有与步骤(1.2)操作中的相关子集；

(1.5)重新计算R中所有区域之间的相似度；

(1.6)再次进去步骤(1.2)，直至S为空，得到的区域集R就是所得到候选区域。

3.根据权利要求1所述的一种遥感图像配准方法，其特征在于，步骤(2)包括：

(2.1)待处理候选框的集合R，初始化为包含全部N个框；建造一个存放最优框的集合M，初始化为空集；

(2.2)将所有集合R中的框进行排序，选出分数最高的框m，从集合H移到集合M；

(2.3)遍历集合R中的框，分别与框m计算交并比，如果高于阈值，则认为此框与m重叠，将此框从集合R中去除；

(2.4)回到第(2.2)步进行迭代，直到集合R为空；

(2.5)经过NMS筛选后集合M就是我们获得待配准图像和参考图像中显著区域。

4.根据权利要求3所述的一种遥感图像配准方法，其特征在于，所述阈值为0～0.5。

5.根据权利要求3所述的一种遥感图像配准方法，其特征在于，步骤(3)包括：将待配准图像和参考图像的图像块集合调整为统一大小后作为MatchNet的输入，网络的输出为2位，值在[0，1]之间，分别代表匹配概率和不匹配概率；经过MatchNet的配对之后，即得到待配准图像和参考图像匹配成功的图像块集合。