一種圖像匹配系統的景象匹配區域選擇與基準圖優化方法技術方案

本發明專利技術一種圖像匹配系統的景象匹配區域選擇與基準圖優化方法，針對遙感衛星圖片初始化分塊，根據邊緣特征提取算法提取各個區域的邊緣特征，并篩選邊緣梯度點數集中的分塊區域；利用重復模式指標度量方法計算各個區域的自相關程度，并根據內相關指標對區域由小到大進行排序，輸出最優候選區域；采用空間分布描述方法建立候選區域基準圖的空間特征向量；建立景象可匹配性度量評價指標集合，分析評價指標集合與匹配概率之間的關聯性，輸出匹配性評價指標集合；統計分析基準圖與衛星圖片的匹配相關面，根據基準圖優化方法優化基準圖。本發明專利技術在匹配系統工作在未知環境中，利用優化后的基準圖實現高匹配性、高可靠性，保障圖像匹配系統順利完成任務。

Scene matching region selection and reference chart optimization method for image matching system

Matching area selection and reference map optimization method of the present invention a scene image matching system for remote sensing satellite images, initialization block, according to the edge feature extraction algorithm to extract the edge features of each region, and selected block edge gradient points set; use correlation degree method to calculate the index to measure the complex pattern of each area, according to the relevant index to sort the area from small to large, the output of the optimal candidate regions; using the method of spatial feature vector to establish candidate region reference map describing spatial distribution; the establishment of scene matching metric evaluation index set, correlation analysis evaluation index set and the matching probability between the output matching set of evaluation index; statistical analysis, correlation surface reference map and satellite images, according to the optimization benchmark graph optimization method for reference. In the invention, the matching system works in an unknown environment, and the optimized reference map is adopted to realize high matching and high reliability, and the image matching system can be successfully completed.

【技術實現步驟摘要】
一種圖像匹配系統的景象匹配區域選擇與基準圖優化方法
本專利技術涉及一種圖像處理系統性能評估
，具體地說是一種圖像匹配系統的景象匹配區域選擇與基準圖優化方法。
技術介紹
在景象匹配系統中，其匹配過程實質是計算實時圖與基準圖兩者相似性，因此，基準圖的質量和景象匹配精度緊密相關。而基準圖作為事前規劃信息，主要來源于遙感影像，存在時間上和成像體制上的多方面區別，嚴重影響基準圖的質量，如果能在基準圖制備環節，分析匹配區域的結構特性，構建基于高匹配性度量評價指標和準則，并依據這些指標選擇匹配區域和優化基準圖，則對于提高景象匹配系統的性能有重要意義。景象區域適配性選擇與分析具體過程，從本質上講就是確定符合區域適配性基本指標的感興趣區域(ROI)。在這些區域內某種特征屬性區別于其相鄰的區域，找尋能夠全面反映區域適配性能的特征集并量化特征指標，對各種特征指標進行信息融合形成綜合特征量，并提出各類綜合特征量的景象區域適配性評價方法，特征指標設計原則包括：(1)景象信息豐富的程度，景象匹配區要包含足夠多的信息才能夠進行匹配，信息越豐富越有利于成功匹配，如張曉晨等提出的基于信息熵的景象匹配區選取方法；(2)景象中穩定的特征，由于成像質量較差，造成地物景象特征變得模糊，甚至消失，導致匹配失敗，所以特征指標必須保證匹配區具有穩定的特征，MethR.等提取目標穩定的曲線特征來估計目標的穩定邊界；(3)反映景象中特征的唯一性，所選匹配區內若有多個相似的明顯地物，會極大地降低匹配成功概率，特征指標應當能夠反映特征的唯一性，如CavesRG.引入數字地圖，計算其與成像圖像的高匹配區域，作為特征選取的指標；(4)反映景象中的明顯特征，為達到高匹配精度，匹配位置明顯區別于非匹配位置，相關峰足夠大，同時相關峰足夠尖銳，如巨西諾等提出利用小波域多尺度圖像計算不同尺度圖像的疑似目標數目，并對各級圖像進行加權，設計目標凸顯性指標；綜合特征量的適配性評價多數包含在多屬性決策和模式分類兩類基本理論體系中:(1)基于多屬性決策理論的景象區域適配性評價該類評價方法的基本思想是將適配性評價過程抽象成一個決策過策，將各特征指標作為決策的基本屬性，通過特定的決策模型構造選好函數組成綜合特征量，如趙峰偉等采用區域內各特征極值的簡單加權實現決策過程，曹治國等利用修正的D-S理論完成多屬性決策，通過正交實驗設計獲得各全局特征指標加權系數，通過反饋修正獲取加權系數，實現決策過程。(2)基于模式分類理論的景象區域適配性評價該類評價方法的基本思想是將各個特征指標值作為感知信息，按照預先選定的分類準則設計分類器，從而將匹配概率估計問題轉化為對像素或區域的分類問題，如李俊等提出的Mumford-Shah模型，通過水平集曲線演化，得到對匹配穩定局部區域和不穩定局部區域兩個集合的最優劃分，楊昕等利用Fisher分類器設計錯分率最小閾值，進行分類結果預測。因此，目前的基準圖選取主要是集中在圖像灰度信息分析或者特征質量的評價上，并沒有關聯到匹配性能上進行基準圖的事前優化，尤其是在圖像匹配系統中，圖像匹配系統多數工作在紅外成像體制上，對于圖像匹配系統的事前基準圖制備，應該采用同源測試圖像來標定完成，即紅外圖像序列。但在實際的未知環境中，同源的紅外圖像序列很難獲取，而可見光的異源圖像是非常容易獲取的，如衛星圖像、航拍圖像，這種成像體制帶來的分析誤差則更少關注，這些都導致匹配概率下降。這就需要建立一種面向異源圖像的基準圖選取與評價方法，能夠適應異源圖像制備條件，同時具備事前優化基準圖的功能，促使基準圖制備向高質量的目標接近，而這方面的制備和優化基準圖的方法還沒有相關成果發表。
技術實現思路
針對現有技術的不足，本專利技術提供一種利用異源圖像的邊緣特征相似性，使用遙感衛星圖像，建立內相關和外相關評價指標集合，監督基準圖制備過程，完成區域選擇與基準圖優化的方法。本專利技術為實現上述目的所采用的技術方案是：一種圖像匹配系統的景象匹配區域選擇與基準圖優化方法，包括以下步驟：步驟1：針對遙感衛星圖片初始化分塊，根據邊緣特征提取算法提取各個區域的邊緣特征，并篩選邊緣梯度點數集中的分塊區域；步驟2:利用重復模式指標度量方法計算各個區域的自相關程度，并根據內相關指標對區域由小到大進行排序，輸出最優候選區域；步驟3：采用空間分布描述方法建立候選區域基準圖的空間特征向量；步驟4：建立景象可匹配性度量評價指標集合，分析評價指標集合與匹配概率之間的關聯性，輸出匹配性評價指標集合；步驟5：統計分析基準圖與衛星圖片的匹配相關面，根據基準圖優化方法優化基準圖。所述邊緣特征提取算法為Canny算子邊緣特征提取算法。所述篩選邊緣梯度點數集中的分塊區域包括一下過程：步驟1：針對每一個分塊子區域，利用Canny算子提取邊緣特征；步驟2：計算每個子區域的梯度變化直方圖分布；步驟3：比較各子區域的梯度點集分布，按梯度變化從小到大，選擇點集集中一個或者多個區域為候選區域。所述重復模式指標度量方法包括以下步驟：步驟1：針對每一個分塊區域，選取一幅子圖i，其重復模式指標的計算公式為：式中s為子圖i在候選區域上逐點匹配時參與匹配計算的圖塊數；Pi為在匹配過程中，s個圖塊和子圖i之間邊緣點相關系數大于門限的圖塊數目；步驟2：計算參考圖重復模式的公式為：其中，cf為整個圖塊重復模式度量程度；n為選取的子圖塊數。所述采用空間分布描述方法建立候選區域基準圖的空間特征向量包括以下過程：步驟1：將基準圖進行特征抽取，表述為方向特征和規模特征，建立特征的靈敏性分析試驗；步驟2：根據方向特征最小可分辨區間對參考圖區域的基準圖進行區間劃分；步驟3：統計區間內規模點數，建立形式為{X1,X2,X3,X4,X5,X6}的多維特征向量。所述基準圖優化方法為：步驟1：利用Harsdoff距離匹配方法完成匹配過程，并計算匹配性度量指標；步驟2：評判匹配性度量指標的優劣后，計算主峰與次峰的主要影響區間；步驟3：修正該區間的邊緣數量，并進行基準圖優化，重新計算匹配性度量指標，直到滿足匹配性閾值要求結束。本專利技術具有以下有益效果及優點：1.本專利技術方法采用圖像特征分析方法，針對圖像邊緣特征信息，利用自相似指標搜索評價最可匹配性候選區域，并利用基準圖空間分布描述建立特征向量，建立評價指標，通過度量匹配系統的匹配相關面，修正優化特征向量；2.本專利技術方法特別適用于異源匹配系統的基準圖制備，通過內相關和外相關兩個層面的分析與評價，提高可匹配性，并建立監督指標體系，實時度量基準圖質量，引導與優化基準圖，實現高質量基準圖的制備。附圖說明圖1為本專利技術的整體流程圖；圖2為本專利技術子區域直方比較圖；圖3為基準圖的空間分布分析圖，(a)為方向特征靈敏性分析圖，(b)為規模特征靈敏性分析圖；圖4為本專利技術方法優化后的匹配指標曲線圖。具體實施方式下面結合附圖及實施例對本專利技術做進一步的詳細說明。如圖1所示，本專利技術圖像匹配系統的景象匹配區域選擇與基準圖優化方法包括以下步驟：(1)分塊提取各個區域的邊緣特征，并篩選邊緣梯度點數穩定的分塊區域；(2)利用重復模式指標度量各個區域的自相關程度，并根據內相關指標對區域進行排序，輸出最優候選區域；(3)采用空間分布描述方法建立候選區域基準圖的空間特征向量；(4)建立本文檔來自技高網...

【技術保護點】
一種圖像匹配系統的景象匹配區域選擇與基準圖優化方法，其特征在于：包括以下步驟：步驟1：針對遙感衛星圖片初始化分塊，根據邊緣特征提取算法提取各個區域的邊緣特征，并篩選邊緣梯度點數集中的分塊區域；步驟2:利用重復模式指標度量方法計算各個區域的自相關程度，并根據內相關指標對區域由小到大進行排序，輸出最優候選區域；步驟3：采用空間分布描述方法建立候選區域基準圖的空間特征向量；步驟4：建立景象可匹配性度量評價指標集合，分析評價指標集合與匹配概率之間的關聯性，輸出匹配性評價指標集合；步驟5：統計分析基準圖與衛星圖片的匹配相關面，根據基準圖優化方法優化基準圖。

【技術特征摘要】
1.一種圖像匹配系統的景象匹配區域選擇與基準圖優化方法，其特征在于：包括以下步驟：步驟1：針對遙感衛星圖片初始化分塊，根據邊緣特征提取算法提取各個區域的邊緣特征，并篩選邊緣梯度點數集中的分塊區域；步驟2:利用重復模式指標度量方法計算各個區域的自相關程度，并根據內相關指標對區域由小到大進行排序，輸出最優候選區域；步驟3：采用空間分布描述方法建立候選區域基準圖的空間特征向量；步驟4：建立景象可匹配性度量評價指標集合，分析評價指標集合與匹配概率之間的關聯性，輸出匹配性評價指標集合；步驟5：統計分析基準圖與衛星圖片的匹配相關面，根據基準圖優化方法優化基準圖。2.根據權利要求1所述的圖像匹配系統的景象匹配區域選擇與優化方法，其特征在于：所述邊緣特征提取算法為Canny算子邊緣特征提取算法。3.根據權利要求1所述的圖像匹配系統的景象匹配區域選擇與優化方法，其特征在于：所述篩選邊緣梯度點數集中的分塊區域包括以下過程：步驟1：針對每一個分塊子區域，利用Canny算子提取邊緣特征；步驟2：計算每個子區域的梯度變化直方圖分布；步驟3：比較各子區域的梯度點集分布，按梯度變化從小到大，選擇點集集中一個或多個區域為候選區域。4.根據權利要求1所述的圖像匹配系統的景象匹配區域選擇與優化方法，其特征在于：所述重復模式指標度量方法包括以下步驟：步驟1：針對每一個分塊區域，選取一幅子圖i，其重復模式指標...

【專利技術屬性】
技術研發人員：史澤林，向偉，花海洋，常錚，王喆鑫，王學娟，
申請(專利權)人：中國科學院沈陽自動化研究所，
類型：發明
國別省市：遼寧,21