[发明专利]面向非线性辐射畸变的稳健遥感影像特征点对提取方法

说明书

本发明公开了一种面向非线性辐射畸变的稳健遥感影像特征点对提取方法，其具体步骤包括：对获取的两幅多模态遥感影像进行影像预处理；对主从影像分别提取其精确角点与边缘特征点，获取每个影像的特征点：生成特征点的特征向量：对多模态影像特征点的特征向量进行配准：对所有候选匹配点对，利用RANSAC算法作进一步筛选，最终得到精准、均匀且对非线性辐射畸变鲁棒的特征匹配点对。本发明利用对非线性辐射畸变鲁棒的相位一致性测度矩图作为特征点提取的对象，可以获得大量准确鲁棒的特征点信息，采用分图像块提取Harris角点的方式，有效避免因光照辐射不均导致的图像特征点分布过于集中，特征提取效率低下的问题。

技术领域

本发明属于遥感图像处理技术领域，尤其涉及一种面向非线性辐射畸变的稳健遥感影像特征点对提取方法。

背景技术

目前，多模态遥感影像特征匹配已经成为遥感图像处理领域的一个非常重要的研究方向。由多模态遥感影像特征提取的匹配信息，能广泛应用于国民生产生活与经济建设的诸多领域，如自然灾害与环境监测，多源信息联合定位，城市规划与重大工程建设等。然而，多模态遥感影像来源各异，其分辨率、光谱、角度、时相等细节均有所不同，也为克服异源图像匹配差异、提高匹配精确性与稳定性带来了不小的挑战。

多模态遥感影像特征匹配方法中，目前应用比较广泛的是基于互信息的遥感影像匹配方法和基于SIFT及其改进策略的模板特征提取方法。这两类方法在特定的任务中具有很好的表现，但是仍存在不小的局限性，难以应对较高的非线性辐射畸变和噪声。

李欣，杨宇辉等人在论文《利用方向相位特征进行多源遥感影像匹配》(武汉大学学报(信息科学版),2020,45(04):488-494)中公开了一种基于方向相位特征进行多源遥感影像匹配的方法，该方法利用已有的成像参数和地理参考信息对图像作初步校准，基于校准图应用分块Harris算法提取参考影像的特征点，接着利用影像在多个方向上的相位特征图像对特征点构建密集特征描述符，并采用滑动窗口的方式确定匹配点对，最后利用一定阶数的泰勒级数将匹配结果精度拟合到子像素级，实现稳定可靠同名点的匹配。虽然该方法有效利用了相位一致性特征，可以在一定程度上对抗非线性辐射畸变，但是该方法对地理信息的初步校准具有很强的依赖性，仅在具有少量像素偏差时准确性较高，当遥感影像偏差较大时，其计算量变大同时性能变差。

西南交通大学提出的专利申请“一种快速鲁棒的多模态遥感影像匹配方法和系统”(申请号CN201710773285.6，公开号CN107563438A)公开了一种整合各种局部特征描述符的多模态遥感影像自动匹配方法。该方法首先对影像的每个像素提取局部特征描述符，形成逐像素的特征表达图，然后基于该特征表达图利用三维傅里叶变换在频率域建立一种快速的匹配相似性测度，最后采用模板匹配进行同名点识别。该方法通过对多个传统局部特征描述符如HOG、LSS或SURF的综合，在一定程度上提高了对影像共有结构、形状、纹理等属性描述的精确性与匹配性能，但传统的描述符仍不具有对非线性辐射畸变的鲁棒性，而逐像素的匹配方法也降低了计算的效率，不利于多模态影像的有效匹配。

发明内容

针对现有多模态遥感影像难以提取精准均匀的鲁棒性特征信息，导致异源信息融合困难、卫星无控定位精度低的问题，本发明公开了一种面向非线性辐射畸变的稳健遥感影像特征点对提取方法。

本发明公开了一种面向非线性辐射畸变的稳健遥感影像特征点对提取方法，其具体步骤如下：

S1，对获取的两幅多模态遥感影像进行影像预处理，具体包括：

S11，判断所获取的多模态遥感影像是否为全色黑白，如果是则转入S12，否则将多模态遥感影像加权成为黑白影像；

S12，设置多模态遥感影像中的一幅影像为主影像，另一幅影像为从影像；

S13，将主影像和从影像分别进行重采样，使其分辨率大小相同；

S14，分别提取主影像和从影像的相位一致性最大矩图与最小矩图；