【技术实现步骤摘要】
本专利技术涉及遥感测量，特别地，涉及遥感影像检索匹配领域。
技术介绍
1、遥感影像匹配是将不同时间、不同传感器、不同条件下获得的两幅或多幅图像进行同名点寻找的过程，是遥感领域卫星影像处理的一项重要技术，广泛应用于军事和民用领域，例如多源遥感影像的配准以及融合等。影像匹配方法主要有基于灰度的匹配和基于特征的匹配等，基于灰度的匹配主要利用滑动模板基于像素进行图像匹配。基于特征的匹配主要利用点、线、区域等显著特征建立两幅影像之间特征的匹配对应关系。现阶段常利用基于特征的影像匹配方法进行遥感影像的自动匹配，其中特征分为手工设计的特征以及深度学习特征，传统sift方法基于手工设计的特征进行匹配，能够适应于影像旋转和尺度变化，但对于多源的遥感影像来说，其光谱信息复杂且非线性变化、极端的外观变化等都增加了多源影像匹配的困难。虽然目前大部分学者采用深度学习的方法进行遥感影像匹配，在特定影像以及特定尺度下取得了较好的效果。但对于遥感影像来说，其具有图像尺寸大且多尺度的特性，单纯用深度学习方式进行遥感影像匹配时，不具有普适性。
技术实现思路
1、为解决以上问题，本专利技术了提供了一种基于检索实现的大幅面多尺度遥感影像匹配方法，在无初始位置关系的大幅面多尺度的遥感影像匹配过程中，利用图像检索方式进行影像相对位置关系以及影像相对尺度的查找，最终在增加影像匹配适应性的同时，提高匹配精度。
2、本专利技术提供了一种无初始位置关系的大幅面遥感影像检索匹配方法,包括以下步骤：
3、s1、准
4、s2、判断参考影像以及待匹配影像是否存在金字塔，若不存在金字塔，则对参考影像和待匹配影像分别建立金字塔；若存在金字塔，则执行s3；
5、s3、对不同金字塔层级下的参考影像进行分块处理，分块大小设置为4096*4096，若参考影像大小小于该尺寸，则按实际保留，之后对不同金字塔层级下获取的影像块采用特征提取的方法提取关键点以及对应的特征描述子，并采用特征聚合的方式建立影像块的全局特征向量，保存该影像块的全局特征向量、对应的金字塔层级以及对应层级下所在的位置信息至特征库，最终建立参考影像不同金字塔层级下不同影像块的特征向量库f；
6、影像块的关键点及描述子的提取采用自监督网络的方式实现关键点检测及描述子生成，整体的网络结构包括：输入影像，经过四个卷积层，该卷积层为共享的主干网络，后输出降采样的特征图，在特征图上根据任务需求，经过得分子模块、关键点位置检测子模块以及描述子生成子模块，得到关键点位置、描述子以及关键点得分，其中得分子模块输出单通道的分数值，关键点位置检测子模块输出双通道的关键点位置，即对应关键点在该区域中的像素坐标点，描述子生成子模块输出256维的向量，将该向量作为关键点的对应描述子；
7、在网络前向训练过程中，采用加权最小化关键点位置、得分及描述子的三项损失函数作为最终的损失函数，如下公式所示：
8、ltotal＝λ1lkp+λ2lscore+λ3ldesc
9、ltotal为整体的损失函数，λ1、λ2、λ3为权重值，具体权重值依实验经验取得，lkp为关键点位置检测的损失函数，lscore为关键点得分的损失函数，ldesc为描述子的损失函数，
10、
11、k为关键点的整体个数，x1为训练阶段输入影像上检测的关键点对应的像素横坐标，x2为训练阶段输入影像经过单应变换后与x1对应的点的像素横坐标，y1为训练阶段输入影像上检测的关键点对应的像素纵坐标，y2为训练阶段输入影像经过单应变换后与y1对应的点的像素横坐标；
12、
13、k为关键点的整体个数,s1为训练阶段输入影像上检测的关键点对应的得分，s2为训练阶段输入影像上经过单应变换后与相对应的关键点对应的得分，理论上两者的得分一致；
14、
15、
16、k为关键点的整体个数,d1为训练阶段输入影像上检测的关键点对应的描述子，d2为训练阶段输入影像上经过单应变换后与相对应的关键点对应的描述子，d1-d2为计算描述子之间的欧式距离，m为描述子的维度，理论上两者的欧式距离趋近于0；
17、s4、对不同金字塔层级下的待匹配影像进行分块处理，分块大小设置为4096*4096，若不同层级下的待匹配影像大小小于该尺寸，则按实际保留，随后利用上一过程步骤s3中的特征提取以及特征聚类方式对各层级下分块处理的影像进行全局特征向量的构建，将该获取的全局特征向量与参考影像建立的特征向量库f进行相似性检索，使其与检索距离最近的两个参考影像的影像块进行匹配，设置匹配点的个数阈值，当匹配点个数大于阈值时，即表示检索成功；
18、s5、计算待匹配影像块在对应金子塔层级上影像的位置以及参考影像块在对应金字塔层级上的影像位置，采用二阶多项式，根据待匹配影像以及参考影像对应金字塔层级上的匹配点，计算二阶多项式系数u，确定待匹配影像的金字塔层级z1以及参考影像金子塔层级z2，以及在对应金字塔层级上的相对位置关系；
19、s6、选取待匹配影像金字塔层级z1上的影像p以及参考影像金子塔层级z2上的影像q，对影像p进行分块处理，分块大小为1024*1024，滑窗步长为800，利用上一过程s5中的待匹配影像以及参考影像对应金字塔层级上的位置关系即二阶多项式系数u，求取影像p上的每一块在影像q上对应的块，对其进行匹配，最终将匹配点映射回原始的待匹配影像以及原始的参考影像上，得到两张影像的同名匹配点。
20、在可选的实施例中，s3中影像分块过程中，采用滑动窗口的分块方式，分块大小为4096*4096，分块步长为3800。
21、在可选的实施例中，s4中设置匹配点的个数阈值为40，当匹配点个数大于40时，即表示检索成功。
22、在可选的实施例中，所述参数λ1取0.8，λ2取0.3，λ3取1.2。
23、在可选的实施例中，在提取到影像块的关键点及描述子之后，采用特征聚合的方式建立影像块的全局特征向量，利用vlad聚类方式，将局部特征聚类为全局特征。
24、在可选的实施例中，将局部特征聚类为全局特征包括：首先对提取到的k*m的特征描述子进行聚类，获得n个聚类中心，记为cn，其中k为描述子个数，m为描述子维度，后通过以下公式，将局部特征转化为全局特征v；
25、
26、xi表示第i个局部特征，cn表示第n个聚类中心，xi和cn都是m维向量，j表示m维向量上的第j维度，xi(j)表示第i个局部特征上第j维度的值，cn(j)表示聚类中心上第j维度上的值，f(xi)是一个符号函数，如果xi不属于聚类中心cn，则f(xi)＝0，如果属于聚类中心，则f(xi)＝1；
27、最终将聚类生成的全局特征向量建立特征向量库f。
28、在可选的实施例中，s5中，二阶多项式变换函数为：
29、x本文档来自技高网...
【技术保护点】
1.一种无初始位置关系的大幅面遥感影像检索匹配方法，其特征在于，包括：
2.根据权利要求1所述的检索匹配方法，其特征在于，S3中影像分块过程中，采用滑动窗口的分块方式，分块大小为4096*4096，分块步长为3800。
3.根据权利要求1所述的检索匹配方法，其特征在于，S4中设置匹配点的个数阈值为40，当匹配点个数大于40时，即表示检索成功。
4.根据权利要求1所述的检索匹配方法，其特征在于，所述参数λ1取0.8，λ2取0.3，λ3取1.2。
5.根据权利要求1所述的检索匹配方法，其特征在于，在提取到影像块的关键点及描述子之后，采用特征聚合的方式建立影像块的全局特征向量，利用VLAD聚类方式，将局部特征聚类为全局特征。
6.根据权利要求5所述的检索匹配方法，其特征在于，将局部特征聚类为全局特征包括：首先对提取到的K*M的特征描述子进行聚类，获得N个聚类中心，记为Cn，其中K为描述子个数，M为描述子维度，后通过以下公式，将局部特征转化为全局特征V；
7.根据权利要求1所述的检索匹配方法，其特征在于，S5中，二阶
...【技术特征摘要】
1.一种无初始位置关系的大幅面遥感影像检索匹配方法，其特征在于，包括：
2.根据权利要求1所述的检索匹配方法，其特征在于，s3中影像分块过程中，采用滑动窗口的分块方式，分块大小为4096*4096，分块步长为3800。
3.根据权利要求1所述的检索匹配方法，其特征在于，s4中设置匹配点的个数阈值为40，当匹配点个数大于40时，即表示检索成功。
4.根据权利要求1所述的检索匹配方法，其特征在于，所述参数λ1取0.8，λ2取0.3，λ3取1.2。
5.根据权...
【专利技术属性】
技术研发人员：闫丽阳，李传广，宋科，宋瑞丽，芦秋迪，邵晓晗，
申请(专利权)人：感知天下北京信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。