[发明专利]一种基于直线段的异源图像匹配方法

权利要求书

1.一种基于直线段的异源图像匹配方法，参考图像和感知图像之间仅存在欧氏变换，即所述参考图像和所述感知图像之间仅存在旋转和平移关系，其特征在于，该方法对所述参考图像和所述感知图像中的线特征进行提取，所提取的直线段作为异源图像匹配的基元；通过分别构建线段端点与端点以及端点与线段之间的邻域关系，并利用优化方法将具有邻域关系的端点和线段连接起来，从而得到稳定性更好的直线段，构造出能够准确表示场景结构的线段集；在参考图像线段集和感知图像线段集之间构造线段对，计算可能的变换参数；选取使所述感知图像与所述参考图像具有最高相似性的变换参数作为最终的变换参数，实现所述感知图像和所述参考图像的匹配；

所述方法具体包括如下步骤：

步骤一、线段优化：通过为线段的端点设置邻域，构造出“点-点”和“点-线”匹配关系，并利用LM算法对匹配关系进行优化，将断裂的线段连接起来，并将彼此靠近的双边线段合并成一条线段，最终构造出能够准确表示场景结构的线段集；

步骤二、线段匹配：分别从感知图像线段集和参考图像线段集中各取出一条线段构成线段对，基于该线段对构造4种几何配置，每一种所述几何配置对应一组变换参数；依此求出所有的变换参数；

步骤三、线段集相似性度量：利用相似性度量算法计算变换参数的相似性度量值，选择具有最大相似性度量值的变换参数作为图像匹配算法的变换参数。

2.如权利要求1所述的基于直线段的异源图像匹配方法，其特征在于，所述感知图像为实时图，利用红外相机或SAR雷达对地面拍摄成像；所述参考图像为卫星照片。

3.如权利要求1所述的基于直线段的异源图像匹配方法，其特征在于，步骤一中，线段优化具体包括：

步骤1.1、构造“点-点”匹配关系：

如果线段l_i的端点p与线段l_j的端点q满足dist(p，q)＜t1，t1＝10像素单位，则构造点-点目标函数：

f1＝dist(p，q)² (1)；

步骤1.2、构造“点-线”匹配关系：

如果线段l_i的端点p与线段l_j满足abs(dist(p，l_j))＜t2，t2＝10像素单位，则构造点-线目标函数：

f2＝dist(p，l_j)² (2)；

假设v₀和v₁分别为l_j的两个端点，[a b c]为l_j的直线方程参数，dist(p，l_j)可写成：

其中参数a，b与v₀和v₁的关系为：

c的计算公式为：

c＝-[a b]v₀ (5)

步骤1.3、构造目标端点集：

“点-点”匹配关系涉及到的两个端点(p，q)以及“点-线”匹配关系涉及到的三个端点(p，v₀，v₁)由于在优化过程中其位置都会出现微小变化，因此将它们定义为目标端点；为每个目标端点构造目标函数：

f3＝dist(p，p′)² (6)

其中p为目标端点，p′表示p的初始位置；

步骤1.4、LM优化：

假设有N₁个“点-点”匹配关系，N₂个“点-线”匹配关系，N₃个目标端点，需要优化的全局目标函数为：

其中λ_i(i＝1，2，3)表示三种目标函数的权值；优化的目标是通过微调端点的位置实现端点与端点以及端点与线段的合并，需要优化的变量为目标端点的x,y坐标，因此构造雅克比矩阵如下：

其中P表示目标端点序列的x,y坐标构成的行向量；通过多次LM迭代进行优化；

步骤1.5、线段集精化：

经过LM优化后，具有邻域关系的“点-点”以及“点-线”均被捏合在一起，被优化之后的几条近邻线段从外观上看几乎是一条线段，为准确表达场景的几何结构需要将这些线段执行合并操作，即线段集精化；

将线段看做图结构的顶点，如果两条线段满足线段合并规则，那么它们对应的图中两个顶点之间便生成一条连通的边；接下来在图结构中提取连通的顶点集，从而得到图像中可以被合并的线段簇，利用最小二乘算法生成新的线段去取代原来的线段簇。