[发明专利]一种基于共现滤波算法的多模态遥感图像匹配方法

权利要求书

1.一种基于共现滤波算法的多模态遥感图像匹配方法，其特征在于，该方法包括以下步骤：

步骤1：输入多模态遥感图像，初始化多模态遥感图像尺度空间计算的参数，将尺度空间构建过程分为共现矩阵解算和共现矩阵窗口推导两部分；

步骤2：通过对多模态遥感图像进行共现矩阵解算，输出当前多模态遥感图像的尺度空间的共现滤波结果；

步骤2的具体方法为：

通过共现矩阵收集图像中的点状相互信息获得图像中边界的概率，从而用来衡量纹理之间的相似性，共现滤波的公式定义为：

其中，Jp和Iq是输出和输入像素值，p和q是像素索引；G_σs(p,q)·M(I_p,I_q)是像素q对像素p的输出的贡献的权重；G_σs(p,q)是高斯滤波器；M(I_p,I_q)是共现矩阵计算结果；

共现滤波的权重通过共现矩阵计算得到，其公式为：

其中，M(a，b)是基于共现矩阵C(a，b)计算获取的，将共现矩阵C(a，b)对图像中的共现值a和b除以它们的频率h(a)和h(b)进行计数；σ是初始参数；将共现矩阵代入共现滤波的公式中得到当前影像层的共现空间；

步骤3：利用初始窗口大小和图层间的尺度推导下一图层的共现矩阵窗口大小，依次计算共现滤波，输出多模态遥感图像共现尺度空间结果；

步骤4：利用低通巴特沃斯滤波计算多模态遥感图像共现尺度空间结果在梯度幅值和方向上的变化，生成新的图像梯度幅值和梯度方向；

步骤5：在新图像梯度幅值和方向上，利用Shi-Tomasi算法提取初始多模态遥感图像特征点，通过位置重复性检测，删除冗余特征点，输出最终特征点集；

步骤6：根据最终特征点集，重新划分多模态遥感图像特征点邻域子区域格网，输出新的对数极坐标描述子；

步骤6的具体方法为：

特征点邻域内子区域网格的划分是对数极坐标描述子构建的关键，在梯度位置和方向直方图的基础上对特征点的邻域子区域网格进行重划分，建立新的对数极坐标描述子，其具体方法为：

将邻域格网从右端零度方向开始，每间隔40°等分一个扇形邻域，最终将整个圆形邻域划分为9等份，即生成了19个子区域格网的新对极数坐标网格；其中每个格网中水平方向表示邻域像素点所在位置的极角；计算出每个特征点的方向直方图后，每间隔45°划分一个维度，将0～360°方向划分为8个维度；因此，每个子区域格网的邻接点具有8个维度的梯度位置和方向直方图，最后将对数极坐标子区域网格数目与维度数目相乘生成152维的新型对数极坐标描述子；

步骤7：采用欧氏距离匹配后，得到图像间的变换矩阵，并通过该矩阵计算特征点位置偏移量，构建位置欧氏距离匹配函数；

步骤8：利用构建的位置欧氏距离匹配函数对多模态遥感图像进行重匹配，并通过快速样本共识算法剔除粗差，得到匹配结果；

步骤9：获取用于验证的多模态图像并提取其同名点，利用提取的同名点检验多模态遥感图像的匹配效果。

2.根据权利要求1所述的基于共现滤波算法的多模态遥感图像匹配方法，其特征在于，步骤1的具体方法为：

对于共现滤波算法，在尺度空间构建过程中，有共现滤波原始窗口大小和尺度空间层数的参数需要完成初始化，根据实验经验，将共现滤波原始窗口大小和尺度空间层数分别设置为5和4。

3.根据权利要求1所述的基于共现滤波算法的多模态遥感图像匹配方法，其特征在于，步骤3的具体方法为：

多模态遥感图像共现尺度空间通过不同层的共现矩阵迭代计算得到，其计算公式为：

其中，OC_n表示第n个共现矩阵窗口的大小，COFSpace代表最终的多模态遥感图像的共现尺度空间结果，Jⁿ_p表示第n个图层的共现滤波后的像素值。