專利名稱：一種影像特征匹配方法
技術(shù)領(lǐng)域：
本發(fā)明屬于攝影測(cè)量與遙感技術(shù)中的行星攝影測(cè)量技術(shù)領(lǐng)域，涉及ー種適合于星球表面DEM生成的CXD影像特征匹配方法。
背景技術(shù)：
影像匹配技術(shù)，是建立影像間的對(duì)應(yīng)關(guān)系?；谔卣鞯挠跋衿ヅ浞椒ㄊ潜容^影像中提取的特征之間的相似性以實(shí)現(xiàn)同名點(diǎn)的提取的方法，影像特征主要包括點(diǎn)、線、面特征。這類方法通常包括三個(gè)步驟(I)特征提取利用興趣算子提取影像上的特征；(2)候選特征的確定通過(guò)對(duì)提取的特征的屬性進(jìn)行比較獲得待配準(zhǔn)的候選特征；(3)特征對(duì)應(yīng)對(duì)提取的特征進(jìn)行對(duì)應(yīng)獲得匹配結(jié)果。該方法的優(yōu)點(diǎn)受噪聲、亮度、變化及各種幾何變形影響小，如果再加上合適的約束條件，匹配速度和效率會(huì)有明顯提高，而且在區(qū)域網(wǎng)平差、數(shù) 字高程模型(Digital Elevation Model,DEM)的自動(dòng)生成等后續(xù)處理中匹配的結(jié)果可以再次利用。由于深空星體表面的特征與地球特征相比，沒(méi)有大量的地物，因此對(duì)于獲取的影像上的特征較少，在利用現(xiàn)有的常規(guī)攝影測(cè)量特征點(diǎn)提取算子提取影像上的特征點(diǎn)時(shí)，獲得的點(diǎn)數(shù)較少，不利于后續(xù)月球表面DEM的生成，因此，本發(fā)明針對(duì)這ー問(wèn)題，研究了我國(guó)的探月衛(wèi)星嫦娥一號(hào)獲得的CXD影像進(jìn)行影像匹配而獲得較多特征點(diǎn)的方法。

發(fā)明內(nèi)容
本發(fā)明的目的是提供ー種影像匹配方法，以解決現(xiàn)有的影像匹配方法針對(duì)深空星體影像存在的提取特征點(diǎn)較少不利于星體的DEM生成問(wèn)題。為實(shí)現(xiàn)上述目的，本發(fā)明的影像特征匹配方法步驟如下( I)對(duì)獲取的CXD影像進(jìn)行預(yù)處理；(2)利用SURF算子對(duì)預(yù)處理后的CXD影像提取特征點(diǎn)，利用準(zhǔn)核線約束條件和最小歐氏距離條件進(jìn)行影像匹配，獲取同名點(diǎn)信息；(3)根據(jù)獲得的同名點(diǎn)信息建立CXD影像間的仿射變形關(guān)系；(4)利用Harris角點(diǎn)提取算子提取參考影像上特征點(diǎn)，并利用仿射變換投影至搜索影像上得到待匹配點(diǎn)；(5)在待匹配點(diǎn)周圍ー鄰域內(nèi)，利用積分影像計(jì)算特征點(diǎn)與鄰域內(nèi)各點(diǎn)之間的相關(guān)系數(shù)，取極值點(diǎn)作為其同名點(diǎn)；(6)將步驟⑵和步驟(5)匹配的結(jié)果共同作為最終同名點(diǎn)信息。進(jìn)ー步的，所述步驟(I)中使用Wallis濾波器對(duì)CXD影像進(jìn)行預(yù)處理。進(jìn)ー步的，所述步驟(2)利用SURF算子提取特征點(diǎn)是計(jì)算原始影像的積分影像，然后建立尺度空間，使用Hessian矩陣的行列式同時(shí)來(lái)確定每個(gè)尺度上特征點(diǎn)的位置和尺度，當(dāng)Hessian矩陣的行列式局部取最大時(shí)，檢測(cè)出的像點(diǎn)做為特征點(diǎn)。進(jìn)ー步的，所述步驟(2)利用準(zhǔn)核線約束條件和最小歐氏距離條件進(jìn)行影像匹配的過(guò)程如下(21)根據(jù)參考影像構(gòu)像模型，對(duì)于參考影像上的每個(gè)特征點(diǎn)建立投影光線；(22)在投影光線上根據(jù)預(yù)先設(shè)定的月面點(diǎn)的近似高程Ztl以及高度誤差ΛΖ，結(jié)合搜索影像的構(gòu)像模型在搜索影像上確定準(zhǔn)核線；(23)以準(zhǔn)核線為中心，在其周圍按照參與y視差擴(kuò)展設(shè)置ー鄰域；(24)計(jì)算鄰域內(nèi)部捜索影像上的特征點(diǎn)與參考影像上特征點(diǎn)之間的歐氏距離和正則化交叉相關(guān)系數(shù)NCC ；(25)對(duì)歐氏距離和NCC進(jìn)行對(duì)比，如果兩者均達(dá)到極值，則該點(diǎn)與參考影像上的特征點(diǎn)位ー對(duì)同名像點(diǎn)。進(jìn)ー步的，所述步驟(24)中相關(guān)系數(shù)NCC的計(jì)算中，設(shè)I。為參考影像，P。為I。上的ー個(gè)像點(diǎn)，W為點(diǎn)Ptl處的相關(guān)窗ロ，窗ロ大小為MXN，NCC可以表示為
權(quán)利要求
1.ー種影像特征匹配方法，其特征在于，該方法的步驟如下 (1)對(duì)獲取的CXD影像進(jìn)行預(yù)處理； (2)利用SURF算子對(duì)預(yù)處理后的CCD影像提取特征點(diǎn)，利用準(zhǔn)核線約束條件和最小歐氏距離條件進(jìn)行影像匹配，獲取同名點(diǎn)信息； (3)根據(jù)獲得的同名點(diǎn)信息建立CCD影像間的仿射變形關(guān)系； (4)利用Harris角點(diǎn)提取算子提取參考影像上特征點(diǎn)，并利用仿射變換投影至捜索影像上得到待匹配點(diǎn)； (5)在待匹配點(diǎn)周圍ー鄰域內(nèi)，利用積分影像計(jì)算特征點(diǎn)與鄰域內(nèi)各點(diǎn)之間的相關(guān)系數(shù)，取極值點(diǎn)作為其同名點(diǎn)； (6)將步驟(2)和步驟(5)匹配的結(jié)果共同作為最終同名點(diǎn)信息。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于所述步驟(I)中使用Wallis濾波器對(duì)CCD影像進(jìn)行預(yù)處理。
3.根據(jù)權(quán)利要求I所述的方法，其特征在于所述步驟(2)利用SURF算子提取特征點(diǎn)是計(jì)算原始影像的積分影像，然后建立尺度空間，使用Hessian矩陣的行列式同時(shí)來(lái)確定每個(gè)尺度上特征點(diǎn)的位置和尺度，當(dāng)Hessian矩陣的行列式局部取最大時(shí)，檢測(cè)出的像點(diǎn)做為特征點(diǎn)。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于所述步驟(2)利用準(zhǔn)核線約束條件和最小歐氏距離條件進(jìn)行影像匹配的過(guò)程如下 (21)根據(jù)參考影像構(gòu)像模型，對(duì)于參考影像上的每個(gè)特征點(diǎn)建立投影光線； (22)在投影光線上根據(jù)預(yù)先設(shè)定的月面點(diǎn)的近似高程Ztl以及高度誤差ΛΖ，結(jié)合搜索影像的構(gòu)像模型在搜索影像上確定準(zhǔn)核線； (23)以準(zhǔn)核線為中心，在其周圍按照參與y視差擴(kuò)展設(shè)置ー鄰域； (24)計(jì)算鄰域內(nèi)部捜索影像上的特征點(diǎn)與參考影像上特征點(diǎn)之間的歐氏距離和正則化交叉相關(guān)系數(shù)NCC ； (25)對(duì)歐氏距離和NCC進(jìn)行對(duì)比，如果兩者均達(dá)到極值，則該點(diǎn)與參考影像上的特征點(diǎn)位ー對(duì)同名像點(diǎn)。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟(24)中相關(guān)系數(shù)NCC的計(jì)算中，設(shè)I。為參考影像，Po為I。上的ー個(gè)像點(diǎn)，w為點(diǎn)P。處的相關(guān)窗ロ，窗ロ大小為MXN，NCC可以表示為
6.根據(jù)權(quán)利要求1-5中任一項(xiàng)所述的方法，其特征在于，所述步驟(2)完成后，在步驟(3)開始之前對(duì)同名點(diǎn)進(jìn)行粗差剔除，并進(jìn)行最小ニ乘優(yōu)化。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述對(duì)同名點(diǎn)進(jìn)行粗差剔除是應(yīng)用RANSAC剔除粗差匹配點(diǎn)，過(guò)程如下 (221)建立兩幅影像上的同名點(diǎn)關(guān)系； (222)任意選取3對(duì)同名點(diǎn)，建立兩幅影像之間的仿射變換模型；
8.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述步驟(4)中利用Harris角點(diǎn)提取算子提取參考影像上特征點(diǎn)的過(guò)程如下 (41)計(jì)算圖像在X和y方向的梯度gx，gy； (42)計(jì)算自相關(guān)函數(shù)矩陣
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述步驟(5)中利用積分影像計(jì)算特征點(diǎn)與鄰域內(nèi)各點(diǎn)之間的相關(guān)系數(shù)是，以待匹配點(diǎn)為中心，定義ー窗ロ，采用積分圖像計(jì)算窗ロ內(nèi)部的各點(diǎn)的相關(guān)系數(shù)，
全文摘要
本發(fā)明涉及一種影像特征匹配方法，對(duì)獲取的CCD影像進(jìn)行預(yù)處理；利用SURF算子對(duì)預(yù)處理后的CCD影像提取特征點(diǎn)，利用準(zhǔn)核線約束條件和最小歐氏距離條件進(jìn)行影像匹配，獲取同名點(diǎn)信息；根據(jù)獲得的同名點(diǎn)信息建立CCD影像間的仿射變形關(guān)系；利用Harris角點(diǎn)提取算子提取參考影像上特征點(diǎn)，并利用仿射變換投影至搜索影像上得到待匹配點(diǎn)；在待匹配點(diǎn)周圍一鄰域內(nèi)，利用積分影像計(jì)算特征點(diǎn)與鄰域內(nèi)各點(diǎn)之間的相關(guān)系數(shù)，取極值點(diǎn)作為其同名點(diǎn)；將兩次匹配的結(jié)果綜合作為最終同名點(diǎn)信息；本發(fā)明的方法可以利用在深空環(huán)境下獲得的深空星體表面影像進(jìn)行影像匹配而獲得高精度的CCD影像同名點(diǎn)信息，實(shí)現(xiàn)特征匹配。
文檔編號(hào)G06T7/00GK102693542SQ201210156650
公開日2012年9月26日 申請(qǐng)日期2012年5月18日 優(yōu)先權(quán)日2012年5月18日
發(fā)明者何鈺, 周楊, 孫偉, 徐青, 李建勝, 藍(lán)朝楨, 邢帥, 郭海濤, 靳國(guó)旺 申請(qǐng)人:中國(guó)人民解放軍信息工程大學(xué)