[发明专利]一种存在旋转变化和尺度差异的异源遥感图像匹配方法

说明书

一种存在旋转变化和尺度差异的异源遥感图像匹配方法，涉及一种异源遥感图像匹配方法。为了解决异源遥感图像匹配是存在旋转变化和尺度差异的问题。本发明利用先验匹配点对计算初始的仿射变换矩阵并将异源遥感图像分成对应的图像块，基于harris算子提取光学遥感图像块中的角点，利用HOPC算法确定光学遥感图像块上的角点坐标对应的SAR遥感图像上的坐标点；以匹配点对为中心截取子图像块，基于神经网络得到匹配损失值并进一步筛选正确的匹配点；根据每对匹配图像块中正确匹配点的损失值对匹配点进行筛选，由损失值得到仿射变换矩阵的贡献度，通过贡献度加权获得最终的仿射变换矩阵，从而实现异源遥感图像匹配。主要用于异源遥感图像的匹配。

技术领域

本发明涉及一种异源遥感图像匹配方法，属于SAR遥感图像和光学遥感图像的处理领域。

背景技术

异源视觉图像的匹配技术是广泛应用于飞机、遥感卫星、导弹等视觉导航、模式识别、制导和地形测量中的关键技术，这些系统采用的常是具有不同成像机理的传感器。所谓异源图像匹配，就是对来自不同成像传感器的图像进行匹配的技术。这些图像是由不同成像传感器在不同光照环境等条件和不同成像机理下形成的同一景象或物体、目标的图像，主要包括可见光图像、红外图像和雷达图像等图像类型。由于不同类型传感器本身结构、成像原理等方面的不同，导致异源图像上对应区域的灰度、对比度都存在较大的差异。因此，异源图像匹配是一项非常有难度的工作。

异源图像配准除了传统图像配准面临的光照变化、几何变化等难点外，还有传感器成像机理不同导致的像素级特征的显著差异，尤其面对具有选择旋转变换和尺度差异的异源遥感图像匹配，传统方法在此类条件下效果不好。作为图像配准领域一个重要分支，当前的一系列异源图像配准方法都有各自特定的适用范围或仅能在少量异源数据上使用，所以本发明借助深度学习技术提出了一种两步走的异源图像配准方法。

发明内容

针对SAR遥感图像和光学遥感图像之间存在旋转变化和尺度差异的问题，本发明提供一种存在旋转变化和尺度差异的异源遥感图像匹配方法。

一种存在旋转变化和尺度差异的异源遥感图像匹配方法，包括以下步骤：

步骤1、利用异源遥感图像中设定的先验匹配点对计算初始的仿射变换矩阵，利用初始的仿射变换矩阵将异源遥感图像分成对应的图像块；

所述异源遥感图像包括SAR遥感图像和光学遥感图像；

步骤2、基于harris算子提取光学遥感图像块中的角点，并利用HOPC算法确定光学遥感图像块上的角点坐标对应的SAR遥感图像上的坐标点；

步骤3、以匹配点对为中心分别在每个光学遥感图像和SAR遥感图像上截取子图像块，利用神经网络进行处理，计算匹配损失值并进一步筛选正确的匹配点；

步骤4、针对光学遥感图像和SAR遥感图像中的图像块，利用正确匹配点对应的正确匹配计算仿射变换矩阵；并根据每对匹配图像块中正确匹配点的损失值对匹配点进行筛选，然后由损失值得到仿射变换矩阵的贡献度，通过贡献度加权获得最终的仿射变换矩阵；

步骤5、利用最终的仿射变换矩阵对异源遥感图像进行匹配。

进一步地，步骤1所述利用异源遥感图像中设定的先验匹配点对计算初始的仿射变换矩阵，利用初始的仿射变换矩阵将异源遥感图像分成对应的图像块的过程包括以下步骤：

1.1、针对异源遥感图像，给出四对以上的匹配点像素坐标，并保证四对坐标点不在一条直线上；

1.2、利用步骤1.1中的匹配点像素坐标计算异源遥感图像的初始仿射变换矩阵；