CN115861792B 一种加权相位定向描述的多模态遥感影像匹配方法 （武汉大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115861792B(45)授权公告日2025.07.08

(21)申请号202211397518.4

(22)申请日2022.11.09

(65)同一申请的已公布的文献号申请公布号CN115861792A

(43)申请公布日2023.03.28

(73)专利权人武汉大学

地址430072湖北省武汉市武昌区珞珈山

武汉大学

(72)发明人张永军姚永祥刘伟玉熊铭涛万一

(74)专利代理机构武汉科皓知识产权代理事务所(特殊普通合伙)42222

专利代理师王琪

(51)Int.CI.

GO6V20/10(2022.01)

GO6V10/44(2022.01)

GO6V10/75(2022.01)

(56)对比文件

CN112288784A,2021.01.29CN113313002A,2021.08.27审查员邓雪彬

权利要求书3页说明书8页附图5页

(54)发明名称

一种加权相位定向描述的多模态遥感影像匹配方法

(57)摘要

CN115861792B本发明公开了一种加权相位定向描述的多模态遥感影像匹配方法，分为聚合特征的关键点提取、描述子构建、匹配及粗差剔除等三部分。首先，实现聚合特征点提取，即采用相位一致性模型建立影像最大矩和最小矩特征并分别提取斑点和角点特征，再通过设计的聚合特征模型优化特征点来完成关键点提取。其次，构建加权相位定向特征描述子。先构建加权带宽函数生成相位定向特征的权重系数，采用这些权重系数构造加权相位定向特征，通过这些特征生成规则化极坐标描述子向量。最后，采用欧氏距离进行最近邻

CN115861792B

一

一种加权相位定向描述的多模态遥感影像匹配

多模态影像多模态影像I?初始匹配参数设置

非线性影像尺度空间构建

基于相位一致性模型的影像尺度空间最大矩和最小矩特征构建

多模态影像的斑点特征和角点特征提取

聚合特征策略下的特征点过滤与

优化

加权带宽函数构建

加权相位定向特征模型设计

规则化对数极坐标描述子向量计算

影像匹配与快速样本共识的粗差剔除

多模态影像匹配结果检验

CN115861792B权利要求书1/3页

2

1.一种加权相位定向描述的多模态遥感影像匹配方法，其特征在于，包括以下步骤：

步骤1,初始化多模态遥感影像匹配的计算参数，对多模态遥感影像进行非线性扩散；

步骤2,通过相位一致性模型分别解算影像尺度空间的最大矩特征和最小矩特征，输出解算结果；

步骤3,利用海森矩阵对最大矩进行斑点特征提取，利用Fast检测器对最小矩进行角点特征提取，依次完成对应图层的提取并汇总到一个特征点集，输出该特征点集合；

步骤4,利用聚合特征优化模型过滤步骤3中提取的特征点，通过设置特征点显著性检测阈值确定最终特征点集；

步骤5,利用加权带宽函数计算多模态遥感影像相位形状分量，获取影像在相位特征中的权重系数；

步骤6,利用权重系数构建加权相位定向特征模型，计算多模态遥感影像的加权相位定向特征图；

步骤7,根据获取的加权相位定向特征图，计算每个特征点的规则化对数极坐标描述子，输出特征点的描述子向量集；

步骤8,根据特征点的描述子向量集进行匹配，并剔除粗差，完成多模态遥感影像的匹配。

2.根据权利要求1所述的一种加权相位定向描述的多模态遥感影像匹配方法，其特征在于：步骤1中对非线性影像尺度空间的图层数、特征点的非极大值阈值窗口范围大小、特征点的过滤阈值以及描述子的初始邻域范围大小参数完成初始化。

3.根据权利要求1所述的一种加权相位定向描述的多模态遥感影像匹配方法，其特征在于：步骤2中最大矩和最小矩特征的公式如(1)和(2)所示：

(1)

(2)

式(1)中，PC(x,y)表示影像的相位一致性测度结果；w。(x,y)表示加权函数；Aso(x,y)表示振幅分量；S表示尺度；0表示卷积方向；ξ表示一个极小值；↓表示封闭数量为负数时取零；△①so(x,y)表示相位偏差函数；T表示噪声补偿项；式(2)中，M表示影像的相位一致性最大矩；Mmin表示影像的相位一致性最小矩；PC(θo)表示影像在0方向的映射；A、B和C是相位力矩计算的中间量；0是方向o的角度。

4.根据权利要求1所述的一种加权相位定向描述的多模态遥感影像匹配方法，其特征在于