[发明专利]一种图像匹配系统的景象匹配区域选择与基准图优化方法

说明书

本发明一种图像匹配系统的景象匹配区域选择与基准图优化方法，针对遥感卫星图片初始化分块，根据边缘特征提取算法提取各个区域的边缘特征，并筛选边缘梯度点数集中的分块区域；利用重复模式指标度量方法计算各个区域的自相关程度，并根据内相关指标对区域由小到大进行排序，输出最优候选区域；采用空间分布描述方法建立候选区域基准图的空间特征向量；建立景象可匹配性度量评价指标集合，分析评价指标集合与匹配概率之间的关联性，输出匹配性评价指标集合；统计分析基准图与卫星图片的匹配相关面，根据基准图优化方法优化基准图。本发明在匹配系统工作在未知环境中，利用优化后的基准图实现高匹配性、高可靠性，保障图像匹配系统顺利完成任务。

技术领域

本发明涉及一种图像处理系统性能评估技术领域，具体地说是一种图像匹配系统的景象匹配区域选择与基准图优化方法。

背景技术

在景象匹配系统中，其匹配过程实质是计算实时图与基准图两者相似性，因此，基准图的质量和景象匹配精度紧密相关。而基准图作为事前规划信息，主要来源于遥感影像，存在时间上和成像体制上的多方面区别，严重影响基准图的质量，如果能在基准图制备环节，分析匹配区域的结构特性，构建基于高匹配性度量评价指标和准则，并依据这些指标选择匹配区域和优化基准图，则对于提高景象匹配系统的性能有重要意义。

景象区域适配性选择与分析具体过程，从本质上讲就是确定符合区域适配性基本指标的感兴趣区域(ROI)。在这些区域内某种特征属性区别于其相邻的区域，找寻能够全面反映区域适配性能的特征集并量化特征指标，对各种特征指标进行信息融合形成综合特征量，并提出各类综合特征量的景象区域适配性评价方法，特征指标设计原则包括：

(1)景象信息丰富的程度，景象匹配区要包含足够多的信息才能够进行匹配，信息越丰富越有利于成功匹配，如张晓晨等提出的基于信息熵的景象匹配区选取方法；

(2)景象中稳定的特征，由于成像质量较差，造成地物景象特征变得模糊，甚至消失，导致匹配失败，所以特征指标必须保证匹配区具有稳定的特征，Meth R.等提取目标稳定的曲线特征来估计目标的稳定边界；

(3)反映景象中特征的唯一性，所选匹配区内若有多个相似的明显地物，会极大地降低匹配成功概率，特征指标应当能够反映特征的唯一性，如Caves R G.引入数字地图，计算其与成像图像的高匹配区域，作为特征选取的指标；

(4)反映景象中的明显特征，为达到高匹配精度，匹配位置明显区别于非匹配位置，相关峰足够大，同时相关峰足够尖锐，如巨西诺等提出利用小波域多尺度图像计算不同尺度图像的疑似目标数目，并对各级图像进行加权，设计目标凸显性指标；

综合特征量的适配性评价多数包含在多属性决策和模式分类两类基本理论体系中:

(1)基于多属性决策理论的景象区域适配性评价

该类评价方法的基本思想是将适配性评价过程抽象成一个决策过策，将各特征指标作为决策的基本属性，通过特定的决策模型构造选好函数组成综合特征量，如赵峰伟等采用区域内各特征极值的简单加权实现决策过程，曹治国等利用修正的D-S理论完成多属性决策，通过正交实验设计获得各全局特征指标加权系数，通过反馈修正获取加权系数，实现决策过程。

(2)基于模式分类理论的景象区域适配性评价

该类评价方法的基本思想是将各个特征指标值作为感知信息，按照预先选定的分类准则设计分类器，从而将匹配概率估计问题转化为对像素或区域的分类问题，如李俊等提出的Mumford-Shah模型，通过水平集曲线演化，得到对匹配稳定局部区域和不稳定局部区域两个集合的最优划分，杨昕等利用Fisher分类器设计错分率最小阈值，进行分类结果预测。