[发明专利]基于图像补全的空间目标异源图像匹配方法

权利要求书

1.基于图像补全的空间目标异源图像匹配方法，其特征在于，包括以下步骤：

步骤1、基于三维空间目标模型与距离多普勒算法仿真获得目标自旋情况下的ISAR图像序列；并利用投影的方法获得与ISAR图像同姿态的空间目标的光学样本；

步骤2、基于图像序列和最优权重的HaLRTC方法对空间目标对应的ISAR图像的缺失像素进行补全；

步骤3、基于金字塔重采样和优化迭代的方法对空间目标ISAR图像和光学图像进行匹配。

2.根据权利要求1所述基于图像补全的空间目标异源图像匹配方法，其特征在于，步骤2所述基于图像序列和最优权重的HaLRTC方法对空间目标ISAR图像的缺失像素进行补全的过程包括以下步骤：

2.1、构建包含空间目标的ISAR图像序列，将包含空间目标的ISAR图像作为张量X并将张量分成三个输入通道张量X_i,i＝1,2,3，X_i大小是n×n×N；

2.2、利用缺失模型构建ISAR图像缺失像素序列，对于每个输入通道张量都有一个缺失模型S_i,i＝1,2,3，经缺失模型的处理后ISAR图像缺失像素序列表示为张量大小是n×n×N；

2.3、利用基于优化权重的HaLRTC方法进行图像补全：

2.3.1、针对K个ISAR图像序列，构建ISAR图像缺失像素序列

2.3.2、计算损失函数并更新权重：

其中，k表示迭代到第k轮，是第k+1轮时第j个图像序列的第i通道对应的权重，表示损失函数；lr为更新率；

在每次迭代中记录当前的权重舍去每个通道中最大和最小的两个权重值，并利用下面的公式求得最优化权重：

当示损失函数小于阈值L^gate时停止迭代，或者达到最大迭代次数时停止迭代，并把求得的最优化权重代入HaLRTC方法进行图像补全，得到补全后的各通道张量数据按顺序组合各通道的数据得到补全后的ISAR图像数据。

3.根据权利要求2所述基于图像补全的空间目标异源图像匹配方法，其特征在于，步骤3所述的基于金字塔重采样和优化迭代的方法对空间目标ISAR图像和光学图像进行匹配的过程包括以下步骤：

3.1、对补全后的ISAR图像进行滤波，得到滤波后的ISAR图像W；

然后将光学图像和ISAR图像都转换成灰度图；

3.2、设定一个预参数w^c，对光学图像进行平移、旋转和缩放等仿射变换；光学图像O经仿射变换后的光学图像为

仿射变换矩阵是S′，预参数w^c是仿射变换矩阵最开始设定的参数；

3.3、针对转换成灰度图后的ISAR图像对应的滤波图像W和仿射变换后的光学图像分别构建拉普拉斯金字塔残差图像；

3.4、利用梯度下降优化器对匹配结果进行优化：

w^new＝w^old-η·▽loss(w^old) (6)

其中，w^old表示预参数w^c更新前的参数，w^new表示预参数w^c更新后的参数，▽loss(w^old)是损失值对参数的梯度，它决定了参数更新的方向，η是学习率；损失值loss(·)为滤波图像W和光学图像对应的拉普拉斯金字塔残差图像的互信息MI(A,B)，A、B分别为滤波图像W和光学图像对应的拉普拉斯金字塔残差图像；

当互信息MI(A,B)小于互信息阈值Γ，继续迭代，直至达到互信息阈值Γ；

3.5、利用微分同胚的方法进行非刚体匹配。

4.根据权利要求3所述基于图像补全的空间目标异源图像匹配方法，其特征在于，所述滤波图像W和光学图像对应的拉普拉斯金字塔残差图像的互信息MI(A,B)如下

MI(A,B)＝H(A)+H(B)-H(AB) (8)

其中

其中，A,B分别为滤波图像W和光学图像对应的拉普拉斯金字塔残差图像；a,b分别是图像对应的像素点；h(a,b)为图像间的联合灰度直方图。