[发明专利]一种基于点线特征的最大直方图异源图像匹配方法

说明书

本发明公开了一种基于点线特征的最大直方图异源图像匹配方法，采用基于位置的boosting检测器提取大量分布在粗大边缘上的特征点，在组合特征中选择特征点局部最大边缘方向和梯度方向构建直方图特征，以期解决密集匹配的时间消耗问题；基于双边匹配提取初匹配的特征点，采用基于差分方差的思想解决匹配中常见的误匹配问题，提高匹配准确率。本发明保证匹配系统工作在不确定环境下，对提出的异源图像匹配算法进行客观评价，可稳定的输出精确的、密集匹配的匹配点对。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于点线特征的最大直方图异源图像匹配方法。

背景技术

近年来，异源图像分析被广泛应用于跟踪、视频监控、制导和遥感监测等众多领域。这些应用往往都是采用不同成像机理的传感器获取的图像。所谓的异源图像匹配就是从不同传感器图像中定位具有相同特征和区域的过程。异源图像对提供的信息可以相互补充，有利于在缺乏有效信息的情况下解决各种检测问题。在这些需要图像分析的视觉任务中，图像匹配是最重要的处理步骤之一。然而，由于不同的传感器获取图像的原理不同，导致获取图像在相同区域呈现出不同灰度强度和纹理特征。一方面，在参考图像中呈现的单个特征可能不会出现在目标图像的相应区域中；另一方面，参考图像中的多个特征映射到目标图像中的唯一特征，反之亦然。此外，异源图像的计算效率和匹配精度及其稳定性都是后续执行图像配准、目标检测、定位和导航的巨大保障。因此，异源图像匹配仍然是一项具有挑战性的课题，仍然需要研究者开发出效率高、稳定性好的异源图像匹配算法。

一般来说，匹配的成功于否，很大程度上依赖于描述子的描述能力和对应区域之间关键点的可重复性。在异源图像匹配中，红外图像往往质量较差，且比可见光图像包含可探测特征点更少。因此，在异源图像中，基于单一的点特征描述子很难实现令人满意的匹配性能。边缘作为一种重要的图像特征，在异源图像匹配中比点特征更容易获取稳定的局部特征。然而，与基于特征点的特征匹配相比，边缘特征在图像匹配中的应用较少，因为基于边缘特征构造的描述子需要对局部信息进行编码，端点的不确定性对匹配性能有很大影响。因此，单独使用基于特征点或边缘特征在异源图像匹配中仍然难以获得满意的匹配结果。然而现阶段的异源图像匹配，为了满足匹配效率，往往都采用单一特征进行匹配，而单一特征没有充分利用图像的有用信息，导致匹配精度不高，获得的匹配点对数量也较少。

发明内容

本发明的目的在于提供一种基于点线特征的最大直方图异源图像匹配方法，通过匹配不同传感器下的不同成像特征，融合各波段有用信息以期实现遥感图像全天候监测和精准的定位，充分分析图像特征对异源图像匹配系统的影响，确立影响匹配系统性能的特征要素，设计一种融合的局部特征描述子，解决单一特征匹配方法在区域特征差异较大的异源图像匹配时存在描述特征不稳定的问题。

为达到上述目的，本发明采用的技术方案如下：

一种基于点线特征的最大直方图异源图像匹配方法，包括：

将参考图像和待匹配的异源图像分别灰度化后提取分布在粗大边缘区域的特征点；

对参考图像和待匹配的异源图像提取的特征点，构造特征点最大梯度方向特征描述，以及构造特征点最大边缘方向特征描述；

结合特征点最大梯度方向特征描述和特征点最大边缘方向特征描述，构造新的特征点描述子；

采用双边匹配规则对特征点进行匹配。

进一步的，所述将参考图像和待匹配的异源图像分别灰度化后提取粗大边缘区域的特征点，包括：

当一个潜在的目标检测器置信度附加到其预测位置时，通过考虑不同的置信阈值，能够得到一整套目标检测器，置信度对象检测器被赋予一个输入图像或一组图像，并生成一组置信度位置：