【技術實現步驟摘要】
本專利技術涉及圖像數據處理，尤其涉及一種多模態遙感圖像配準方法、裝置、設備及存儲介質。
技術介紹
1、圖像配準是對在不同時間、不同視點或使用不同傳感器拍攝的同一場景的兩幅或多幅圖像進行對齊的過程。在攝影測量與遙感領域，圖像配準對于變化檢測、圖像融合和圖像拼接等高級任務至關重要。一般來說，圖像配準方法可分為基于區域、基于特征和基于學習的方法。遙感領域中對基于學習的方法研究較少，主要原因在于難以獲取足夠的多模態遙感圖像用于有效的訓練和測試。基于區域的方法僅限于二維平移搜索，對幾何變換敏感，并且需要地理信息進行初始化。相比之下，基于特征的方法更靈活和魯棒，也是主流的多模態遙感圖像配準方法。
2、現有的基于特征的圖像配準方法主要通過強度信息捕捉梯度特征，對非線性輻射變化非常敏感，極易出現非線性輻射畸變，多模態圖像配準效果有待提升。
技術實現思路
1、本專利技術提供一種多模態遙感圖像配準方法、裝置、設備及存儲介質，解決現有技術主要通過強度信息捕捉梯度特征，對非線性輻射變化非常敏感，極易出現非線性輻射畸變，多模態圖像配準效果有待提升的缺陷。
2、本專利技術提供一種多模態遙感圖像配準方法，包括：
3、獲取待配準的多模態遙感圖像；
4、基于相對全變分算法對所述多模態遙感圖像進行處理，并基于多方向多尺度的對數加博濾波算子確定所述多模態遙感圖像的方向特征圖；
5、基于相位一致性算法對所述方向特征圖進行特征提取，在提取的圖像結構特征中確定所述多
6、根據所述方向特征圖和所述關鍵點，得到所述多模態遙感圖像的描述符；
7、對所述多模態遙感圖像的描述符進行特征匹配，確定所述多模態遙感圖像的配準結果。
8、作為一個實施例，所述根據所述方向特征圖和所述關鍵點，得到所述多模態遙感圖像的描述符，包括：
9、根據所述方向特征圖，生成最大方向掩模圖；
10、根據所述最大方向掩模圖和所述關鍵點，得到所述多模態遙感圖像的描述符。
11、作為一個實施例，所述根據所述最大方向掩模圖和所述關鍵點，得到所述多模態遙感圖像的描述符，包括：
12、根據所述最大方向掩模圖確定所述關鍵點的圓形描述單元；
13、根據所述圓形描述單元內像素的所對應的所述最大方向掩模圖的特征，得到所述多模態遙感圖像的描述符。
14、作為一個實施例，所述對所述多模態遙感圖像的描述符進行特征匹配，確定所述多模態遙感圖像的配準結果，包括：
15、基于最近鄰距離匹配法對所述多模態遙感圖像的描述符進行特征匹配，得到所述多模態遙感圖像的匹配點對；
16、基于預設的篩選算法對所述多模態遙感圖像的匹配點對進行篩選，根據篩選得到的匹配點對確定所述多模態遙感圖像的配準結果。
17、作為一個實施例，所述篩選算法包括基因采樣一致性算法，對應的，所述基于預設的篩選算法對所述多模態遙感圖像的匹配點對進行篩選，根據篩選得到的匹配點對確定所述多模態遙感圖像的配準結果，包括：
18、初始化所述基因采樣一致性算法的迭代次數；
19、若當前迭代的迭代輪次小于預設值，隨機選取預設數量的所述多模態遙感圖像的匹配點對作為擬合點對；
20、根據所述擬合點對生成當前迭代的變換模型，所述變換模型用于對所述多模態遙感圖像的匹配點對進行篩選，將預設誤差范圍內的匹配點對作為支持點對，將多次迭代過程中重復出現達到預設次數或預設比重的所述支持點對作為潛在點對，執行下一迭代；
21、若當前迭代的迭代輪次大于等于預設值，根據所述多模態遙感圖像的匹配點對、歷史迭代的擬合點對、歷史迭代的支持點對以及歷史迭代的潛在點對中的一個或多個，生成當前迭代的自交變換模型、變異變換模型和/或雜交變換模型；
22、根據所述自交變換模型、所述變異變換模型和/或所述雜交變換模型對所述多模態遙感圖像的匹配點對進行篩選，將預設誤差范圍內的匹配點對作為支持點對，將多次迭代過程中重復出現達到預設次數或預設比重的所述支持點對作為潛在點對，執行下一迭代直至當前迭代的迭代輪次等于所述迭代次數；
23、根據每次迭代的支持點對的數量，確定目標變換模型；
24、根據所述目標變換模型對所述多模態遙感圖像的匹配點對進行篩選，根據預設誤差范圍內的匹配點對確定所述多模態遙感圖像的配準結果。
25、作為一個實施例，所述根據篩選得到的匹配點對確定所述多模態遙感圖像的配準結果，包括：
26、根據篩選得到的匹配點對得到所述多模態遙感圖像的單應性變換矩陣，將所述單應性變換矩陣作為所述多模態遙感圖像的配準結果。
27、作為一個實施例，所述基于相位一致性算法對所述方向特征圖進行特征提取，在提取的圖像結構特征中確定所述多模態遙感圖像的關鍵點，包括：
28、基于相位一致性算法對所述方向特征圖進行特征提取，得到所述多模態遙感圖像的結構特征；
29、基于預設檢測器對所述多模態遙感圖像的結構特征進行檢測，確定所述多模態遙感圖像的關鍵點。
30、本專利技術還提供一種多模態遙感圖像配準裝置，包括：
31、關鍵點檢測模塊，用于獲取待配準的多模態遙感圖像，基于相對全變分算法對所述多模態遙感圖像進行處理，并基于多方向多尺度的對數加博濾波算子確定所述多模態遙感圖像的方向特征圖；基于相位一致性算法對所述方向特征圖進行特征提取，在提取的圖像結構特征中確定所述多模態遙感圖像的關鍵點；
32、特征描述模塊，用于根據所述方向特征圖和所述關鍵點，得到所述多模態遙感圖像的描述符；
33、特征匹配模塊，用于對所述多模態遙感圖像的描述符進行特征匹配，確定所述多模態遙感圖像的配準結果。
34、本專利技術還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如上述任一種所述多模態遙感圖像配準方法。
35、本專利技術還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如上述任一種所述多模態遙感圖像配準方法。
36、本專利技術提供的多模態遙感圖像配準方法、裝置、設備及存儲介質，獲取待配準的多模態遙感圖像；基于相對全變分算法對所述多模態遙感圖像進行處理，并基于多方向多尺度的對數加博濾波算子確定所述多模態遙感圖像的方向特征圖；基于相位一致性算法對所述方向特征圖進行特征提取，在提取的圖像結構特征中確定所述多模態遙感圖像的關鍵點；根據所述方向特征圖和所述關鍵點，得到所述多模態遙感圖像的描述符；對所述多模態遙感圖像的描述符進行特征匹配，確定所述多模態遙感圖像的配準結果。本專利技術通過相對全變分算法對所述多模態遙感圖像進行圖像主體結構強化和圖像紋理抑制，再通過相位一致性算法進行特征提取，能夠得到多模態遙感圖像的強結構信息，避免因非線性輻射畸變導致的多源遙感圖像之本文檔來自技高網...
【技術保護點】
1.一種多模態遙感圖像配準方法，其特征在于，包括：
2.根據權利要求1所述的多模態遙感圖像配準方法，其特征在于，所述根據所述方向特征圖和所述關鍵點，得到所述多模態遙感圖像的描述符，包括：
3.根據權利要求2所述的多模態遙感圖像配準方法，其特征在于，所述根據所述最大方向掩模圖和所述關鍵點，得到所述多模態遙感圖像的描述符，包括：
4.根據權利要求1-3任一項所述的多模態遙感圖像配準方法，其特征在于，所述對所述多模態遙感圖像的描述符進行特征匹配，確定所述多模態遙感圖像的配準結果，包括：
5.根據權利要求4所述的多模態遙感圖像配準方法，其特征在于，所述篩選算法包括基因采樣一致性算法，對應的，所述基于預設的篩選算法對所述多模態遙感圖像的匹配點對進行篩選，根據篩選得到的匹配點對確定所述多模態遙感圖像的配準結果，包括：
6.根據權利要求5所述的多模態遙感圖像配準方法，其特征在于，所述根據篩選得到的匹配點對確定所述多模態遙感圖像的配準結果，包括：
7.根據權利要求1-3、5-6任一項所述的多模態遙感圖像配準方法，其特征在于，
8.一種多模態遙感圖像配準裝置，其特征在于，包括：
9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述多模態遙感圖像配準方法。
10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述多模態遙感圖像配準方法。
...【技術特征摘要】
1.一種多模態遙感圖像配準方法，其特征在于，包括：
2.根據權利要求1所述的多模態遙感圖像配準方法，其特征在于，所述根據所述方向特征圖和所述關鍵點，得到所述多模態遙感圖像的描述符，包括：
3.根據權利要求2所述的多模態遙感圖像配準方法，其特征在于，所述根據所述最大方向掩模圖和所述關鍵點，得到所述多模態遙感圖像的描述符，包括：
4.根據權利要求1-3任一項所述的多模態遙感圖像配準方法，其特征在于，所述對所述多模態遙感圖像的描述符進行特征匹配，確定所述多模態遙感圖像的配準結果，包括：
5.根據權利要求4所述的多模態遙感圖像配準方法，其特征在于，所述篩選算法包括基因采樣一致性算法，對應的，所述基于預設的篩選算法對所述多模態遙感圖像的匹配點對進行篩選，根據篩選得到的匹配點對確定所述多模態遙感圖像的配準結果，包括：
...【專利技術屬性】
技術研發人員：姜智卓，鄧志常，王學謙，劉瑜，李耀文，李徵，李劭輝，
申請(專利權)人：深圳清華大學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。