[发明专利]一种无人机重复纹理影像局部显著特征点匹配方法

说明书

本发明提供了一种无人机重复纹理影像局部显著特征点匹配方法，包括：分别提取参考影像局部显著特征点和待匹配影像局部显著特征点；在参考影像和待匹配影像上基于局部显著特征点的特征响应强度值选择种子点并匹配；利用同名种子点计算参考影像与待匹配影像之间的几何变换模型，基于该几何变换模型计算参考影像上每个局部显著特征点在待匹配影像上的同名特征搜索区域；在待匹配影像搜索区域内利用NNDR方法寻找每个参考影像局部显著特征点的同名点。该方法提出了适用于无人机重复纹理影像匹配的局部显著特征点检测算子，通过该特征点检测算子获取的特征点同时具有较强的定位能力和可区分性，在匹配过程中能够被正确匹配出来，保证较高匹配正确率。

技术领域

本发明涉及遥感影像处理技术领域，具体涉及一种无人机重复纹理影像局部显著特征点匹配方法。

背景技术

长期以来，传统的以飞机和卫星为平台的航空、航天遥感影像被广泛应用于各种比例尺地形图测绘。但对于小面积范围和大比例尺测绘而言，常规的航摄系统因成本高、性能价格比差和受飞机转场条件严格等多种因素的限制而无法满足大比例尺遥感影像快速更新的需求。随着国家低空空域的逐步放开，发展低空无人机遥感平台建设以及观测数据快速获取、处理与集成应用智能系统的研究，是当前重大工程建设和科学决策中的迫切需求。无人机遥感平台作为卫星遥感和传统航空摄影测量的有效补充手段，具有以下几个独特的优势：受天气的影响较小，作业方式灵活快捷；不受重访周期的限制，可以根据任务需要随时起飞，并可在云下飞行，影像时效性和针对性强，分辨率高；平台构建、维护以及作业的成本低；能够获取大比例尺高精度影像；不必申请空域，国家对一千米以下的空域不实行管制；能够获取高重叠度的影像，增强了后续处理的可靠性。

虽然无人机遥感平台在遥感数据获取方面具有独特的优势，但是其数据处理的自动化和智能化水平仍难以满足地理信息应用行业日益增长的紧迫性需求。在无人机遥感数据自动化处理众多关键技术中，影像匹配技术尤为重要。

现有针对重复纹理影像的匹配方法主要包括两类：

一类方法将全局上下文特征引入到特征匹配方法中，通过扩大特征区域的范围并计算特征内部关系来约束匹配过程。该方法在一些包含重复纹理的影像上获得了较好的匹配效果。但是，该方法依赖于特征对的匹配结果，当影像中包含大面积的重复纹理时，扩大后的特征区域仍然不具备足以正确匹配的可区分度，此时，这类方法将匹配失败。

另一类方法利用GNSS/INS(Global Navigation Satellite System andInertial Navigation System)等遥感影像地理参考信息构造距离和角度等几何约束条件，将几何约束与局部特征相结合进行影像匹配。通过几何约束，可以在一定程度上避免错误匹配的产生，进而提高匹配正确率。但是，由于这类方法中的特征点检测结果中含有大量的相似特征，通过几何约束剔除错误匹配的同时，难以在影像重复纹理区域获得正确匹配，导致最终获得的正确匹配数量非常少，且分布不均匀，不利于匹配结果的后续应用。

发明内容

针对现有技术存在的不足，本发明提供了一种无人机重复纹理影像局部显著特征点匹配方法。

为了实现上述目的，本发明采用如下技术方案：

一种无人机重复纹理影像局部显著特征点匹配方法，包括以下步骤：

步骤一：分别提取参考影像中的参考影像局部显著特征点和待匹配影像中的待匹配影像局部显著特征点；其中，提取局部显著特征点的步骤如下：

1-1：根据无人机飞行参数，估计参考影像与待匹配影像的影像重叠区域；

1-2：将所述影像重叠区域划分为多个子区域，并利用协方差矩阵公式(1)计算每个所述子区域内每个像素的协方差矩阵：