[发明专利]用于机载光电图像模板匹配的特征点提取方法及系统

说明书

本发明提供一种用于机载光电图像模板匹配的特征点提取方法，包括：首先对输入的图像，根据原始图像透视成像参数，进行反透视变换处理和透视变换处理，得到新的不同视角下的图像；然后，遍历每一幅变换图，进行点特征计算。依次计算SIFT特征点和特征矢量，计算FAST特征点和特征矢量；同时，将梯度角度图的角度值加π后，进行特征点矢量计算；最后，将所有循环的特征点进行合并输出，供后续匹配使用。本发明能够很好解决大视角差图像变换导致点特征不匹配、不同纹理场景的特征点提取数量不均、因灰度反转导致特征点方向和特征矢量提取不匹配等问题。

技术领域

本发明涉及图像匹配、目标识别技术领域，特别是一种用于机载光电图像模板匹配的点特征提取方法。

背景技术

图像匹配属于传统图像处理研究范畴，在遥感影像配准、影像融合、精确制导等领域广泛应用，根据图像匹配中利用的图像信息，可将现有的图像匹配方法大致分为两类：基于灰度的配准方法和基于特征的配准方法。基于点特征的匹配方法一种重要的特征匹配方法。SIFT和FAST特征算子是两种常用的点特征匹配算法。其中SIFT算法考虑高斯尺度空间的极值点作为特征点，并计算这些特征点的方向梯度特征作为特征矢量；FAST算法主要是一种特征点定位方法，考虑满足一定条件的灰度变化的角点作为特征点。SIFT特征点一般在灰度变化平坦区域，FAST特征点则一般在灰度变化剧烈区域。

如公开号为CN110210491A公开的基于FAST与SIFT的快速图像特征提取方法，该方法适用FAST角点探测方法，对图像的特征点进行快速高效提取。之后结合SIFT方法对特征点进行主方向的计算并生成SIFT描述符，在保证旋转不变性、特征点描述符稳定可靠的同时，实现图像特征点的快速、高效提取与描述。但是，在机载光电图像模板匹配应用中，模板图像一般来源于某个视角方向拍摄的图像，或者星载卫星正下视图。实际飞机平台的观测视角与模板图不同，光电图像与模板图像会存在着大视角差、缩放、灰度反转等现象，采用SIFT或FAST点特征匹配技术能够较好的适应旋转、缩放等图像变换的情况，但对于大视角图像变换、灰度反转的情况适应性差。点特征的稳定性和匹配点对的数量决定了最终匹配定位的准确性。单独考虑SIFT或FAST提取特征点时，不同纹理的场景下特征点数差异大，容易导致失配。因此，非常有必要针对机载光电图像模板匹配设计更具适应性的点特征提取方法。

发明内容

本发明所要解决的技术问题在于对机载光电图像模板匹配的点特征进行提取，并解决大视角差图像变换、不同纹理的场景特征点提取数量不均、因灰度反转导致特征点方向和特征矢量提取不匹配等问题，。

本发明通过以下技术手段实现解决上述技术问题的：

用于机载光电图像模板匹配的特征点提取方法，包括以下步骤：

S1、透视变换处理：针对输入的图像，根据原始图像透视成像参数，进行反透视变换处理和透视变换处理，得到新的不同视角下的图像；点特征匹配时，选择与待匹配图像成像参数最接近的变换图；

S2、变换图循环：遍历每一幅变换图，进行点特征计算；

S3、计算SIFT特征点和特征矢量：按照SIFT算法进行特征点位置计算和特征矢量计算，同时，增加灰度反转时的特征点矢量；

S4、计算FAST特征点和特征矢量：按照FAST算法进行特征点位置计算，在每个特征点位置上，按照SIFT算法进行特征矢量计算，同时，增加灰度反转时的特征点矢量；

S5、合并特征点：将所有的SIFT和FAST特征点合并；

S6、循环结束判断：迭代执行步骤S2～S5，直到所有变换图的点特征计算完成；

S7、输出特征点：输出所有循环提取的特征点。