[发明专利]一种遥感图像配准方法及装置

说明书

本发明公开一种遥感图像配准方法及装置，所述方法包括如下步骤：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；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；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；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；使用随机抽样一致算法，求得映射矩阵的预测值；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。本发明提出图像‑特征‑特征点的匹配思想，参考图像的特征点的描述信息只在待匹配图像的配对图像块中的特征点的描述信息中进行匹配，降低了匹配错误率。

技术领域

本发明设计图像配准方法及装置，具体涉及一种遥感图像配准方法及装置。

背景技术

随着新型传感器的不断出现，人们获取到大量的来自不同空间分辨率、不同光谱分辨率的SAR、红外等数据，使得系统获得的信息量急剧增加，传统的信息处理方法已经不能满足需求，迫切需要研究新方法来解决人们所面临的新问题。图像配准是遥感图像处理研究中的热点和重点，也是遥感图像处理中的关键一步，它实现了不同时间、不同成像条件、不同成像机理下的遥感图像匹配。

由于遥感图像的数量越来越多，图像的类型也越来越复杂，同时图像配准在不同应用领域也存在着差异，再加上复杂的外界因素会对图像配准产生一定的影响，造成图像配准技术处理数据时有一定的困难，所以不断改进图像配准技术才能满足人类今后的发展需要。

目前用于遥感图像匹配的方法有很多种。这些方法通常分为两类：基于强度的方法和基于特征的方法。基于强度的方法通过使用具有指定的相似性度量的原始像素强度来找到匹配信息，其主要应用在医学领域。相比之下，基于特征的方法主要通过描述符相似性和/或空间几何关系来寻求局部特征(区域，线，点)之间的对应关系。使用局部显著特征使得基于特征的方法运行速度快，并且对噪声，复杂几何失真和显着的辐射测量差异具有鲁棒性。基于特征点的匹配由于其快速有效，最近一直是遥感图像匹配的主要研究方向。最近，卷积神经网络(CNN)在计算机视觉领域取得了巨大成功。通过学习，CNN可以自动获得比传统方法更具表现力的特征。近三年，受到Siamese网络的启发，一种关于描述符学习的双分支并行网络模型被提出用于遥感图像的图像块匹配。韩等设计了一个MatchNet，它依赖于连体结构之后的全连接层来学习特征比较功能。Simoserra等使用欧式距离来比较图像块来替换非线性匹配网络。Altwaijry等在Siamese结构中引入了注意机制，产生一组可能的匹配，从而进一步提高性能。这些方法的都是图像-特征点的匹配思想，流程为特征提取-特征描述-特征匹配的方式，即先在参考图像和待配准图像中直接提取特征点，然后通过各自的特征描述方法描述特征点，接着用参考图像中每个特征点的描述信息去匹配待配准图像中每个特征点的描述信息。

在上述流程中，用参考图像中每个特征点的描述信息去匹配待配准图像中每个特征点的描述信息是不合理的。因为用参考图像的特征点的描述信息去匹配待匹配图像的无关区域产生的特征点的描述信息是多余的，并且会有误匹配。本文提出图像-特征-特征点的匹配思想，不同于图像-特征点的匹配思想，用选择性搜索(Search Selective)算法提取两幅遥感图像的显著图像块，再将参考图像和待配准图像的显著图像块用MatchNet进行匹配，最后对配对成功的图像块使用尺度不变特征变换(SIFT)算法进行点匹配，这样参考图像的特征点的描述信息只在待匹配图像的配对图像块中的特征点的描述信息中进行匹配，降低了匹配错误率。

发明内容

发明目的：本发明的第一目的是提供一种遥感图像配准方法；

本发明的第二目的是提供一种遥感图像配准装置。

技术方案：本发明提供了一种遥感图像配准方法，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；