[发明专利]顾及高阶结构特征的异源遥感影像同名点匹配方法

摘要

本发明属于测绘科学与技术领域，提供了一种顾及高阶结构特征的异源遥感影像同名点匹配方法，包括进行异源影像匹配前的数据准备；进行特征点簇的划分与提取；特征点候选匹配点的确定；顾及高阶结构特征的同名点匹配；对每层金字塔影像匹配结果，利用融合选权迭代法的RFM模型区域网平差方法；逐层精化匹配结果直到完成原始影像层，最终实现异源遥感影像同名点的自动可靠匹配。本发明综合运用有理函数模型和超图影像匹配模型，将几何约束特征和高阶结构特征引入到逐层金字塔影像匹配中，既保证了超图模型的稀疏性，也使超边采样带来的信息损失降到最小；本发明提高了异源遥感影像匹配的可靠性和成功率，有效降低同名点人工量测的工作量。

主权项

1.一种顾及高阶结构特征的异源遥感影像同名点匹配方法，其特征在于：所述顾及高阶结构特征的异源遥感影像同名点匹配方法包括以下步骤：1)异源影像匹配前的数据准备：所述异源影像匹配前的数据包括生成金字塔影像；所述金字塔影像包括原始影像层以及非原始影像层；所述非原始影像层以及原始影像层自上而下依次叠加并形成金字塔结构；所述原始影像层为第0层金字塔影像；2)在金字塔影像上的原始影像层进行特征点簇的划分与提取：将原始影像层的整幅原始影像均匀分布一定大小的子区，在各子区内部，进一步划分若干均匀分布的格网；在每个格网范围内，采用摄影测量中常用的Forstner特征提取算子点的方法在每个格网内提取最佳特征点，形成特征点点簇；3)特征点匹配候选点的确定：在每层金字塔影像上进行特征点初始点位的预测、建立核线几何约束方程、匹配窗口影像的几何粗纠正以及基于归一化互信息测度的匹配，确定每个特征点对应的匹配候选点；4)顾及高阶结构特征的同名点匹配：待步骤3)中的每个特征点对应的匹配候选点的确定完成后，在每层金字塔影像上以原始影像层的特征点点簇为单元，同时考虑每个特征点所对应的匹配候选点的灰度相似性特征以及高阶的几何特征，通过基于超图的整体影像匹配方法确定每个特征点对应的同名点；所述每个特征点所对应的匹配候选点的灰度相似性特征是一阶特征；所述高阶的阶数不低于两阶；5)在每层金字塔影像中进行基于RFM模型的区域网平差，剔除错误的匹配候选点以及计算匹配候选点所对应物方坐标；6)自上而下逐层完成金字塔影像的匹配直到完成原始影像层，最终实现异源遥感影像同名点的自动可靠匹配；所述步骤4)的具体实现方式是：4.1)构建超图模型；4.2)对步骤4.1)所得到的超图模型进行超边采样；4.3)根据采样结果对超图模型进行解算，由解算结果确定每个特征点对应的同名点；所述步骤4.1)的具体实现方式是：设某个特征点点簇为P¹，特征点个数为N₁，所述特征点所对应的匹配候选点集合为P²，特征点个数为N₂，表示集合P¹和P²的第i个特征点；集合P¹和P²对应的超图模型为G＝(V，E，A)和G′＝(V′，E′，A′)；其中：V和V′分别为对应的特征点顶点集合，即为超边的集合，d为超边包含特征点个数；A和A′为超边所对应的属性集；设特征点点簇P1对应的匹配候选点的顶点响应集合为C的一个k元组如公式(1)所示：c_s1＝(v₁，v′₁)，…，c_s1＝(v_k，v′_k)     (1)其中：(v₁，…，v_k)∈V；(v′₁，…，v′_k)∈V′；分别令超边e_1，…，k表示包含了顶点v₁，…，v_k的边，超边e′_1，…，k表示包含了顶点v′₁，…，v′_k的边；对于一个k阶图的超图匹配，通过比较两个度为k的超边的相似性来衡量k元组的相似性；指定k维相似性度量函数f_k，所述k维相似性度量函数f_k的参数为超图属性集合A和A′中的属性向量；可以将更低阶的超边同时考虑，此时k阶超边的相似度张量为：T_si⁽¹⁾＝f₁(a_i，a′_i)      (2)式中：参数γ^(k)表示k阶超边相似度的加权系数；T的右上标(k)表示张量的维数；a_1，…，k，a′_1，…，k分别表示k阶超图属性集合中的向量参数；设超边最大阶数为δ，相似性张量T^δ为高阶张量，包含了所有不同度超边的相似性信息；所述步骤4.2)的具体实现方式是：对特征点点簇及特征点所对应的匹配候选点，采用k‑d树(k‑dimensional树)建立起空间索引，对特征点点簇的每个特征点，采用随机采样的方式，随机抽取一定数量的包含该特征点的3元组作为其超边；而在特征点匹配候选点所在影像上，并非采样所有的三元组，而是仅考虑由该特征点采样超边所包含特征点对应匹配候选点构成的3元组，且3元组中任意两个点均不重复；所述步骤4.3)的具体实现方式是：超图匹配，是在顶点响应集合C中，寻找最优的响应关系，用一个二进制赋值矩阵描述，其一般满足双向约束，即对二进制赋值矩阵X向量化，用x表示，则对于x，其对应的影像匹配总相似度为：score(x)取得最大值所对应的x^*即为最优二进制赋值矩阵所对应的向量；公式(4)可用张量积表示为：超图匹配利用张量幂迭代算法进行求解，获取特征点点簇中每个特征点所对应的同名点。