【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种面向机载传感器的交叉视角异源图像匹配方法。
技术介绍
1、随着机载传感器技术的快速发展，为适应未来复杂战场形势和作多样化战任务，机载空面探测系统能够覆盖的能力领域日益扩展，系统内载荷之间功能兼容、性能互补趋势愈专利技术显，多谱段光电探测、异构传感器协同成为现代先进机载空面成像类探测设备的关键特征。
2、先进机载空面探测系统中，为最大化发挥作战使用效能，不同成像谱段、不同成像机制的异构传感器间并非简单堆砌，而是从任务规划到信息处理各个层面均实现了高度协同。以拉斐尔公司litening吊舱光电-sar传感器协同为例，sar传感器弥补了光电传感器受到气象条件制约明显、远距高精度定位困难的短板，而光电传感器则解决了sar传感器近距成像分辨力上限低和成像实时性差的问题。对于异构成像探测类传感器，交叉视角异源图像高精度实时配准技术保障了图像跨传感器像素级对齐、探测信息跨体制高精度融合，是系统内多传感器高效协同的先决条件。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种面向机载传感器的交叉视角异源图像匹配方法，该方法主要是跨谱段异源机载传感器间或机载传感器与数字地图之间的交叉视角异源图像匹配方法。本专利技术通过投影变换初步对齐地面景物的结构特征，后通过基于图像梯度边缘特征的快速粗配准与基于图像相位信息的多尺度特征精配准组合的机制，有效地实现了匹配精度与计算速度间的平衡，同时方法对于机载异源图像有着较好的鲁棒性。
2、本专利
3、获取待匹配的配准图像和参考图像；
4、采用投影变换方法修正配准图像和参考图像之间的视角差异，再利用灰度梯度信息分别提取配准图像和参考图像的边缘特征；
5、基于配准图像和参考图像边缘特征间的hausdorff距离将配准图像和参考图像进行粗对准；
6、将配准图像和参考图像的尺寸分别压缩构建对应的多尺度图像序列，迭代提取hopc模板特征，随后在粗对准的位置基础上进行匹配获取特征对，并整理为多尺度特征对集合；
7、基于多尺度特征对集合，通过ransac算法估计图像间的变换矩阵，最终完成图像精匹配。
8、优选地，采用投影变换方法修正配准图像和参考图像之间的视角差异，包括采用如下投影变换矩阵实现变换：
9、
10、式中，和分别为从世界坐标系到参考图片传感器坐标系和配准图片传感器坐标系的旋转变换矩阵；
11、和分别为从视景中心到参考图片传感器坐标系和配准图片坐标系的位置矢量；
12、为参考图片传感器内部参数；
13、为配准图片传感器内部参数，传感器内部参数可以基于设计或者标定获取。
14、优选地，边缘特征间的hausdorff距离将配准图像和参考图像进行粗对准的目标函数为：
15、
16、式中，和和分别为配准图片与参考图片的边缘特征点集合。
17、优选地，将配准图像和参考图像的尺寸分别压缩构建对应的多尺度图像序列，包括：以为最小压缩比例，为比例间隔，分别压缩配准图片与参考图片以构建多尺度图像序列，形成配准图片序列和参考图片序列，其中与缩小比为，与缩小比为,与与原尺寸图像对一致。
18、优选地，多尺度特征对集合获取过程，包括：
19、首先在缩比图像对与中以窗口尺寸提取hopc模板特征，然后以粗对准位置为中心搜索匹配的特征对，形成特征对集合，基于该集合运行ransac算法估计缩比图片对间的变换矩阵，基于变换矩阵修正配准位置，随后基于新的配准位置，以多尺度图像序列中的下一组图片对为对象重复本过程，直到完成所有图片序列的特征提取和匹配，获得特征对集合。
20、优选地，将全部特征对集合整合为多尺度特征对集合，基于多尺度特征对集合运行ransac算法估计最终的变换矩阵，完成配准图片与参考图片间的精匹配。
21、优选地，采用canny或sobel，基于图像灰度梯度信息的边缘提取算法获得边缘特征。
22、优选地，待匹配的配准图像和参考图像均包括机载光电传感器图片，合成孔径雷达传感器图片或者数字地图图片。
23、本专利技术第二个目的是提供一种面向机载传感器的交叉视角异源图像匹配系统，包括：
24、图像采集模块，用于获取待匹配的配准图像和参考图像；采用投影变换方法修正配准图像和参考图像之间的视角差异，再利用灰度梯度信息分别提取配准图像和参考图像的边缘特征；
25、粗对准模块，用于基于配准图像和参考图像边缘特征间的hausdorff距离将配准图像和参考图像进行粗对准；
26、特征对提取模块，用于将配准图像和参考图像的尺寸分别压缩构建对应的多尺度图像序列，迭代提取hopc模板特征，随后在粗对准的位置基础上进行匹配获取特征对，并整理为多尺度特征对集合；
27、精对准模块，用于基于多尺度特征对集合，通过ransac算法估计图像间的变换矩阵，最终完成图像精匹配。
28、本专利技术至少具有如下有益效果：
29、本专利技术提供了一种面向机载传感器的交叉视角异源图像匹配方法，本专利技术针对输入图像对（配准图像与参考图像），本专利技术首先通过投影变换将参考图像的视轴与配准图像对齐，这一投影变换以两传感器姿态信息，传感器内部参数信息为输入，计算图像间的投影变换矩阵。投影变换矩阵的计算分为两个部分，第一步将参考图像投影至世界坐标系，第二步将该图像再次投影到配准图像传感器坐标系。
30、图像对间的视轴差异虽然可以通过投影变换得到一定程度的解决，然而图像对间显著的非线性辐射度量差异必须通过匹配算法适应。现有高精度的匹配方法往往有较高的计算复杂度，难以实现机载环境和较高实时性要求下的直接应用。本专利技术设计了一种粗精结合的二级匹配，在粗配准中应用精度相对较低但计算效率高的算法，以较快的速度大幅缩减配准位置的搜索范围；在精配准中应用精度高但计算复杂的算法，以小搜索范围保障其计算效率。
31、在粗配准中，本专利技术采用基于图像梯度信息的边缘特征进行图像匹配，可采用的方法典型为canny算法和sobel算法，这一类算法有着很高的计算效率，可以快速完成图像结构特征的提取。粗配准的过程以图像对边缘特征点集的hausdorff距离为优化目标函数，取最小hausdorff距离位置为粗配准位置。
32、在精配准中，本专利技术采用基于图像相位信息的hopc特征进行图像匹配，该特征对于异源图像间的非线性辐射度量差异有着较好的适应能力。本专利技术设计了一种多尺度特征对集合提取机制，通过将图片按照一系列等间距比例压缩，得到多尺度图像序列。通过在图片序列中迭代运行hopc特征与匹配特征对搜索、ransac配准位置估计和配准位置更新这一过程，可以得到不同尺度的特征对集合，将这些集合进行整合便得到多尺度特征对集合。最后，本专利技术基于多尺度特征对集合运本文档来自技高网...
【技术保护点】
1.一种面向机载传感器的交叉视角异源图像匹配方法，其特征在于，包括：
2.根据权利要求1所述的面向机载传感器的交叉视角异源图像匹配方法，其特征在于，采用投影变换方法修正配准图像和参考图像之间的视角差异，包括采用如下投影变换矩阵实现变换：
3.根据权利要求1所述的面向机载传感器的交叉视角异源图像匹配方法，其特征在于，边缘特征间的Hausdorff距离将配准图像和参考图像进行粗对准的目标函数为：
4.根据权利要求1所述的面向机载传感器的交叉视角异源图像匹配方法，其特征在于，将配准图像和参考图像的尺寸分别压缩构建对应的多尺度图像序列，包括：以为最小压缩比例，为比例间隔，分别压缩配准图片与参考图片以构建多尺度图像序列，形成配准图片序列和参考图片序列，其中与缩小比为，与缩小比为,与与原尺寸图像对一致。
5.根据权利要求4所述的面向机载传感器的交叉视角异源图像匹配方法，其特征在于，多尺度特征对集合获取过程，包括：
6.根据权利要求5所述的面向机载传感器的交叉视角异源图像匹配方法，其特征在于，将全部特征对集合整合为多尺度特征对集合，基
7.根据权利要求1所述的面向机载传感器的交叉视角异源图像匹配方法，其特征在于，采用Canny或Sobel，基于图像灰度梯度信息的边缘提取算法获得边缘特征。
8.根据权利要求1所述的面向机载传感器的交叉视角异源图像匹配方法，其特征在于，待匹配的配准图像和参考图像均包括机载光电传感器图片，合成孔径雷达传感器图片或者数字地图图片。
9.一种面向机载传感器的交叉视角异源图像匹配系统，其特征在于，包括：
...【技术特征摘要】
1.一种面向机载传感器的交叉视角异源图像匹配方法，其特征在于，包括：
2.根据权利要求1所述的面向机载传感器的交叉视角异源图像匹配方法，其特征在于，采用投影变换方法修正配准图像和参考图像之间的视角差异，包括采用如下投影变换矩阵实现变换：
3.根据权利要求1所述的面向机载传感器的交叉视角异源图像匹配方法，其特征在于，边缘特征间的hausdorff距离将配准图像和参考图像进行粗对准的目标函数为：
4.根据权利要求1所述的面向机载传感器的交叉视角异源图像匹配方法，其特征在于，将配准图像和参考图像的尺寸分别压缩构建对应的多尺度图像序列，包括：以为最小压缩比例，为比例间隔，分别压缩配准图片与参考图片以构建多尺度图像序列，形成配准图片序列和参考图片序列，其中与缩小比为，与缩小比为,与与原尺寸图像对一致。
5.根据权...
【专利技术属性】
技术研发人员：李杰，翟方超，胡银记，王海潇，刘可辉，
申请(专利权)人：中国航空工业集团公司洛阳电光设备研究所，
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。