[发明专利]一种异源图像配准方法、系统及装置

说明书

本发明公开了一种异源图像配准方法、系统及装置，该方法包括：对SAR图像进行滤波并与对应的光学图像组成图像块对；将图像块对样本本输入深度卷积生成对抗网络进行训练；对训练样本进行数据增强并进行划分；基于训练集训练深度孪生匹配网络；基于训练完成的匹配网络生成匹配点对；根据匹配点对计算变换矩阵并配准图像。该系统包括：图像对样本模块、训练样本模块、划分模块、训练模块、匹配模块和配准模块。该装置包括存储器以及用于执行上述异源图像配准方法的处理器。通过使用本发明，能够提高异源配准精度。本发明作为一种异源图像配准方法、系统及装置，可广泛应用于图像配准领域。

技术领域

本发明涉及图像配准领域，尤其涉及一种异源图像配准方法、系统及装置。

背景技术

现有的图像配准技术大致分为三种：基于区域的图像配准方法、基于特征的图像配准方法和近年来兴起的基于网络的图像配准方法，但是这几种配准方法均存在较大的缺陷，成像原理的不同和成像条件的差异造成了SAR图像和光学图像之间存在非线性强度差异，因此基于灰度的方法结果不佳；SAR图像的成像原理造成SAR图像中存在严重的散斑噪声，因此基于点特征的方法难以在SAR图像上提取可靠的特征点，在光学图像中应用良好的配准方法在异源图像配准中一般难以取得预期的效果；基于卷积神经网络的方法需要大量的训练数据以获得好的模型、防止过拟合，但现实应用中的光学图像和SAR图像数据集的数据量往往远远不足以训练出一个较好的网络

发明内容

为了解决上述技术问题，本发明的目的是提供一种异源图像配准方法、系统及装置，提高异源配准精度。

本发明所采用的第一技术方案是：一种异源图像配准方法，包括以下步骤：

对SAR图像进行滤波并与对应的光学图像组成图像块对，得到图像块对样本；

将图像块对样本本输入深度卷积生成对抗网络进行训练，得到训练样本；

对训练样本进行数据增强并进行划分，得到训练集和测试集；

基于训练集训练深度孪生匹配网络，得到训练完成的匹配网络；

提取测试集中图片的图像块并输入至训练完成的匹配网络，得到匹配点对；

根据匹配点对计算变换矩阵并配准图像。

进一步，所述对SAR图像进行滤波具体包括以下步骤：

读取SAR图像的图像数据矩阵；

滑动预设的滤波窗口对SAR图像进行处理，并结合图像数据矩阵计算窗口内参数；

基于窗口内参数和滤波方程，输出滤波结果，得到滤波后的SAR图像。

进一步，所述滤波方程公式表示如下：

上式中，表示滤波后的值，b表示预设参数，m表示观测值，表示局部窗口内的像素均值。

进一步，所述深度卷积生成对抗网络设有两组，所述将图像块对样本本输入深度卷积生成对抗网络进行训练，得到训练样本这一步骤，其具体包括：

将图像块对样本中的光学图像输入一组深度卷积生成对抗网络，基于生成器生成伪SAR图像，基于判别器生成判别标签；

将图像块对样本中滤波后的SAR图像输入另一组深度卷积生成对抗网络，基于生成器生成伪光学图像，基于判别器生成判别标签；

根据SAR图像、伪SAR图像、光学图像、伪光学图像和判别标签，构成训练集。

进一步，所述对训练样本进行数据增强并进行划分，得到训练集和测试集这一步骤，其具体包括：

对训练样本进行几何变换，得到增强后训练样本；