[发明专利]一种星载遥感图像匹配方法

权利要求书

1.一种星载遥感图像匹配方法，其特征在于，该方法包括以下步骤：

步骤S1，根据位置信息获取当前星载遥感图像与历史星载遥感图像的重叠区域，从当前星载遥感图像和历史星载遥感图像中取出的重叠区域图像分别作为输入图像和参考图像；

步骤S2，分别提取所述输入图像和参考图像的显著目标区域；

步骤S3，在所述输入图像和参考图像的显著目标区域中分别提取显著特征；

步骤S4，根据最近邻匹配原则为所述输入图像显著目标区域中的每一个尺度不变角点特征在所述参考图像上寻找一个匹配点，得到候选匹配点对集合；

步骤S5，剔除所述候选匹配点对集合中的误匹配点对；

步骤S6：去除所述候选匹配点对集合中的外点并根据匹配点对计算得到星载遥感图像变换参数。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2进一步包括以下步骤：

步骤S21，对于所述输入图像或参考图像I，计算其显著特征图像其中，DCT(·)和IDCT(·)分别表示离散余弦变换和离散余弦逆变换操作；

步骤S22，基于所述显著特征图像计算得到显著特征映射图像其中，ο为Hadamard点乘运算符，g表示高斯核函数，*表示卷积运算；

步骤S23，基于所述显著特征映射图像，分别提取得到所述输入图像和参考图像的显著目标区域。

3.根据权利要求2所述的方法，其特征在于，所述步骤S23中，通过对于所述显著特征映射图像进行直方图统计得到所述输入图像和参考图像的显著目标区域。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3进一步包括以下步骤：

步骤S31，构建所述输入图像和参考图像的高斯金字塔；

步骤S32，在所述高斯金字塔的每层上提取所述显著目标区域内的角点特征，得到角点特征集合；

步骤S33，从所述角点特征集合中选择尺度不变角点特征；

步骤S34，计算所述尺度不变角点特征的亚像素级别的空间位置；

步骤S35，确定所述尺度不变角点特征的主方向，其中，所述主方向是指与以所述尺度不变角点特征为中心的邻域内的梯度方向直方图的峰值对应的梯度方向；

步骤S36，为所述尺度不变角点特征构造描述向量，其中，所述描述向量是用于刻画该尺度不变角点特征周围图像块统计特征的、由梯度方向直方图构成的向量。

5.根据权利要求4所述的方法，其特征在于，所述步骤S33中，利用多尺度的特征强度极值点来从所述角点特征集合中选择尺度不变角点特征。

6.根据权利要求1所述的方法，其特征在于，所述步骤S4中，令I_a和I_b分别表示所述输入图像和参考图像显著目标区域的尺度不变角点特征集合，集合中元素的个数分别为N_a和N_b，对应的描述向量集合为A和B，以集合B作为参考集合，对集合A中的每一个特征向量，通过查询其在参考集合B中的最近邻点和次近邻点来得到参考集合B中相应的匹配点。

7.根据权利要求6所述的方法，其特征在于，所述步骤S4进一步包括以下步骤：

步骤S41，计算参考集合B在每一维上的数据分布；

步骤S42，建立索引结构和散列桶，以通过索引结构将集合A和集合B中相似的特征向量快速投影到同一个散列桶中；

步骤S43，对集合A中的每个尺度不变角点特征，根据索引结构进行投影得到散列桶的编号，从集合B中挑选具有相同散列桶编号的尺度不变角点特征子集并在其中查找集合A中尺度不变角点特征的最近邻特征点和次近邻特征点；

步骤S44，在集合B中为集合A中的每一个尺度不变角点特征q搜寻得到候选匹配点对。

8.根据权利要求7所述的方法，其特征在于，所述步骤S42进一步包括以下步骤：

步骤S421，确定索引结构的关键维和关键值；

步骤S422，计算集合B中各特征向量点的散列值；

步骤S423，将集合B中的数据点投影到散列桶中去。

9.根据权利要求1所述的方法，其特征在于，利用匹配点对与目标显著区域的一致对应关系来进行误匹配点对的剔除。

10.根据权利要求1所述的方法，其特征在于，利用渐进最小中位方差法去除所述候选匹配点对集合中的外点。