[发明专利]一种基于邻域投票的异源高分光学影像匹配误差剔除方法

说明书

本发明公开了一种基于邻域投票的异源高分光学影像匹配误差剔除方法。包括以异源高分影像作为影像匹配剔差研究对象，以粗匹配点之间的距离模值和主方向夹角作为邻域剔差基础，计算粗匹配点对之间的距离内积值和方向内积值，最后通过邻域投票确定阈值剔除误差较大匹配点对，保留精确匹配点对，以及重新选择正确的匹配点对，实现高分影像匹配剔差。本发明充分考虑了匹配点周围其他匹配点对该匹配点的影响，以其邻域所有其他匹配点对该匹配点的关系作为匹配点提取的二度约束，提高了影像匹配精度，同时解决了现有方法中异源高分光学影像匹配精度不高、鲁棒性欠佳的问题。

技术领域

本发明涉及高分遥感影像处理领域，特别涉及一种基于邻域投票的异源高分光学影像匹配误差剔除方法。

背景技术

高分遥感影像匹配是高分影像处理涉及的重要基础，影像匹配质量对影像融合、镶嵌、分割、对象识别、变化检测等后续处理与应用产生关键影响。

近年来，异源影像(多种不同来源遥感影像)的综合使用成为遥感数据深入应用的有效途径，异源影像匹配也成为了高分遥感影像处理中的重要环节与关键技术之一。随着传感器及平台的多样化，高精度影像匹配的技术实现越来越困难。目前异源光学影像匹配算法遇到分辨率、时相、空间旋转差异性较大的异源影像间匹配时精度较低，匹配会产生大量的错误匹配点,这些错误匹配点对无人机、机载、星载等高分影像的定位、拼接和影像特征库的建立等都会产生重要的影响。因此，影像匹配过程中的误匹配剔除是摄影测量与高分遥感领域一个不可忽视问题，异源影像遥感领域及计算机视觉领域有广泛的市场需求。

目前常采用统计模型、空间信息、函数拟合方法。基于统计模型的方法具有代表性的是随机抽样一致性算法，该方法是一种鲁棒性的参数估计方法，但该算法反复迭代，不断测试，耗时较多。同时该方法在错误匹配点较少时能剔除全部的错误匹配点，当错误匹配点增多，接近和超过总点数的，不能完全剔除错误匹配点。基于空间分布描述子的剔除方法能剔除具有简单特性的错误匹配点，但算法实现复杂且不具备抗旋转性。基于函数拟合的方法是根据已知待匹配影像情况假设所有的正确匹配点满足某一个函数模型，该方法计算简单、速度快，但如果存在较多误差较大的异常点会使拟合的函数模型的系数与实际相差较大，匹配精度较低。

解决问题的关键方法在于，在平差处理前，建立筛选正确点对的条件和相似性准则，充分考虑正确点对的聚类性，根据影像特征的相关性，即影像上任意一个像素点都会受到影像邻域内其他像素点的影响，且影响大小根据离该点距离大小而定。因此，利用影像邻域内其他所有匹配点对该点进行二度约束，由“其他”匹配点给影像上所有粗匹配点附上一个“唯一”的标签，再由这些“标签”来计算匹配点对是否合符设定阈值，进行简单快速的粗差剔除。

发明内容

本发明的目的是提供一种基于邻域投票的异源高分辨率光学影像匹配误差剔除方法，充分利用匹配点的邻域信息，能够将匹配算子所得的粗匹配点对根据所设距离阈值与方向阈值判断是否剔除或保存，以解决现有方案中仅仅依靠特征点描述子欧氏距离对特征点进行唯一性描述匹配所产生的匹配精度欠佳，鲁棒性不高的问题。

具体步骤为：

(1)对两幅具有同名区域的不同分辨率的异源高分光学影像进行备份且对其中一份进行裁剪，在同名区域中裁剪不同种类的地物对象；两幅裁剪后的不同地物影像需有的同名区域，所选地物对象以具有代表性为最佳。

(2)利用SIFT匹配算子或其它具有尺度不变性、旋转不变性的特征检测与描述算子对数据进行特征点检测和特征点匹配运算，以得到最初的粗匹配点对，且可得到每个匹配点的像平面坐标(x,y)和主方向θ，以基准影像上的匹配点像平面坐标和主方向为(x,y)和θ，待匹配影像上的匹配点像平面坐标和主方向为(x',y')和θ'，后文皆以此为准，不再赘述。

(3)分别计算基准影像与待匹配影像上任意一匹配点与邻域内其他匹配点的距离模值d_n,m和主方向夹角θ_n,m,得到矩阵D、D'、θ、θ'。