[发明专利]基于回归学习的景象匹配区选取方法

摘要

本发明涉及景象匹配导航技术领域，提供了一种基于回归学习的景象匹配区选取方法，该方法先定义了10个空域图像适配性特征和2个频域图像适配性特征，组合这12种适配特征构成图像特征向量，用最小二乘支持向量回归机对图像特征向量进行训练，构造图像特征向量与图像匹配概率之间的回归模型；最后用最小二乘支持向量回归机对待提取图像进行预测，得到候选匹配区，再用频域自相关工具快速评价区域的唯一性，得到最终的景象匹配区。本发明可以从输入图像中快速找到少数纹理丰富、结构突出的候选匹配区，并在所述候选匹配区上进行唯一性验证，极大的减少了计算量，具有广泛的前景。

主权项

一种基于回归学习的景象匹配区选取方法，其特征在于，所述方法包括：S1、选取多个图像适配特征，组成图像特征向量，获取训练图像的图像特征向量；S2、将所述训练图像的图像特征向量与训练图像的图像匹配概率作为训练样本，建立最小二乘支持向量回归机模型，进而确定所述图像特征向量与图像匹配概率的关系；S3、在进行景象匹配区选取时，在待提取图像中遍历匹配区图像窗口，得到多个匹配区图像窗口；S4、将所述多个匹配区图像窗口的图像特征向量分别输入到所述最小二乘支持向量回归机模型中，得到多个匹配区图像窗口的预测匹配概率；将所述多个匹配区图像窗口按照所述预测匹配概率从高到低的顺序进行排序，选取前N个匹配区图像窗口作为N个候选匹配区；S5、对所述N个候选匹配区分别进行自相关计算，得到N个唯一性指标，将N个候选匹配区按照所述唯一性指标从大到小的顺序进行排序，选取前M个候选匹配区作为最终的景象匹配区，其中，N＞M≥2。