[发明专利]一种基于旋转不变的SuperGlue匹配的遥感影像配准方法

说明书

本发明涉及遥感图像处理领域，具体涉及一种基于旋转不变的SuperGlue匹配的遥感影像配准方法，在旋转不变的SuperGlue中，采用自适应中值匹配置信度准则(MMC)和几何约束自适应迭代精化，确定遥感图像配准控制点RCP，实现高精度遥感影像变换模型参数估计。该方法采用MMC自适应测度，避免了SuperGlue在确定匹配时对旋转畸变敏感和阈值依赖的缺点，并采用几何约束自适应迭代精化方法提高了匹配点精度，实现了鲁棒性匹配。实验结果表明，该方法对平移、旋转和仿射等不同类型的几何畸变具有较好的鲁棒性。也可以应用于SAR、无人机和高分辨率卫星影像。

技术领域

本发明涉及遥感图像处理领域，具体涉及一种基于旋转不变的SuperGlue匹配的遥感影像配准方法。

背景技术

随着信息技术的不断发展，互联网技术的不断进步，遥感技术进入一个全新的时代。例如：遥感技术在农业、林业、水文、气象、军事、自然灾害等方面发挥重要作用，影像是通过视觉观察事物，并获取信息的重要途径。不同时刻、不同角度、或不同传感器获取的遥感影像之间存在明显的几何和辐射畸变，寻找合适的配准方法，建立空间和影像特征的对应关系是遥感影像应用的关键步骤。

上世纪七十年代，美国首次提出影像配准技术，到了八十年代，影像融合配准技术受到很多研究学者的关注。1970年P.E.Anuta利用FFT技术提出互相关影像检测计算的影像配准，提高配准的速率；Albert Arcese通过卷积计算得出具有连续正负数值的双极参考概念；D.I.Bamae等利用模板子影像检测算法为基础提出两个结构化数据集之间融合；1989年H.Maitre等提出自回归模型的方法，通过调整摄像机的参考来实现对应，主要应用于畸变较大的影像配准；1992年Flussr提出自适应映射融合解决影像变形的问题，先按照影像分级要求分别分割影像，分割后的影像它们两者内部有较强的相似度，然后利用分割后影像间的空间位置关系来实现融合；在2004年D.C.Lowe教授提出尺度特征和噪声有较好鲁棒性的SIFT(Scale Invariant Feature Transform)算法；2006年Herbert Bay等提出了SURF(Speeded Up Robust Features)算法。SIFT算法与SURF算法是目前使用最为广泛的影像自动匹配算法，均在遥感影像配准领域发挥着重要作用。

经过多年的发展，影像配准技术已经取得很大进步，并改善了遥感卫星基础影像的数据质量。但由于遥感影像局部光谱特征特殊性，受外部环境影响，影像配准问题还是具有一定的不确定性和不可靠性，因此实现“高精度、高效率、智能化”影像配准技术仍然在路上。

影像配准是遥感图像处理中的一个关键问题，现有的方法通常对图像畸变很敏感。一般通过手工或学习方法提取的局部特征进行匹配来估计同名的点。例如：(1)Harris检测器用于提取图像上的角点，对于一般的平移、旋转和小范围的光照变化具有良好的重复性，然而，Harris点检测器不具备尺度和仿射变形不变性，因此仅能用于无尺度和视点变换的影像对配准。(2)SIFT算法通过DOG算法提取具有尺度不变性的局部特征点，具有很好的尺度不变性。然而遥感影像通常存在较明显的视点变化，导致影像存在严重仿射变形，此时SIFT算法难以获得可靠的同名点。(3)为了处理包含视点变化的图像，常使用最大稳定极值区域(MSER)进行特征检测，MSER特征区域具有较好的仿射不变性，能够在宽基线影像对中获得较高复检率的特征。然而，基于MSER的方法存在特征点定位不准确，特征点数量少，甚至对一些纹理较差的图像无法估计变换参数的问题，难以广泛的应用在遥感影像配准算法中。

发明内容

图像配准是遥感图像处理中的一个关键问题。现有的方法通常对图像畸变很敏感。针对现有技术的不足，本发明提出了一种匹配精度高、鲁棒性好的基于旋转不变SuperGlue匹配的遥感影像配准方法。

为实现上述目的，本发明采用以下技术方案。