基于结构不变量的航空遥感图像快速匹配模型和匹配策略研究

Compared with local feature descriptor, the spatial structure is a higher level and reliable constraint to match feature point sets in image registration. Therefore, image registration algorithm based on spatial structure becomes one of hot topics in image registration.To solve the ambiguity caused by dynamical objects, illumination change, large geometric transformation, similar patterns and low overlapping area between images, spatial structure information will be analyzed in this research. Based on local and global structure information, matching constraints and decision criterias will be defined and a new feature matching model for aerial images regestration will be proposed. A graph matching method will be used to simplify the model and will be solved by the solution of the equation satisfying the contraction mapping principle.Then, A filtering strategy based on TSOC (Two-way Spatial Order Constraint) and ER (Error Restriction) is designed to speed the searching process. This strategy will greatly improve the registration speed for the large point sets with more outliers.After that, the parameter of the algorithm can be optimized by machine learning to improve the robustness of the registration algorithm. At last, the efficiency of the algorithm are analyzed and evaluated..The research will enrich the idea of image registration and focus on devloping a new algorithm, which will fill the void in registering aerial image captured on the sea.

作为图像的抽象信息,图像的空间结构是图像配准中可靠的高级特征。基于空间结构的图像配准算法目前已成为图像配准领域中一个新的研究方向。针对遥感图像配准中由于重叠区域低、特征单一、大尺度仿射变换及动态变化导致的匹配不一致性问题，本项目将对图像的空间结构信息进行深入研究和探索，构造空间不变量。同时考虑图像的局部结构信息、全局结构信息、匹配约束、决策限定等问题，建立基于空间结构特征的遥感图像快速匹配模型。利用图匹配的思想对其进行简化，并转化为满足压缩映像定理的方程求解。然后提出基于双向空间约束TSOC和误差限定ER的格外点过滤策略，该策略将大大提高规模大且干扰点多的点集的配准速度。继而采用机器学习的方法实现参数的选取，提高配准算法的鲁棒性。最后对算法的效率进行分析和验证。.本课题将为航空遥感领域图像配准拓展新的研究思路，提供健壮的图像配准方法，填补海上航空遥感图像配准的空白。

随着国民经济的迅速发展，航空遥感技术应用的不断普及，遥感数据处理技术深入应用到了各个领域。航空遥感图像处理中的图像配准与目标识别逐渐成为被广泛研究的热门问题。由于航空遥感图像在获取过程中存在着视场限制、大视角变换、背景不可控、大量噪声干扰、伪目标和重复特征，导致获取的图像间存在几何变换较大、背景复杂多变、亮度不稳定、干扰特征较多等问题，为遥感图像的配准和目标识别带来了极大的挑战。在解决以上问题的过程中特征匹配技术尤为重要。.本项目主要是针对航空遥感图像配准和目标识别中由于大尺度仿射变换、亮度变化、背景复杂、干扰特征多、重叠区域低导致的匹配不一致性问题展开研究，研究目标是构造结构不变量描述符、建立特征匹配模型并设计快速匹配策略以满足航空遥感实时监测的需要。主要研究内容包括对于结构特征的研究，构造基于结构的不变量描述符，特征快速匹配算法、采用机器学习的方法自适应选取参数及基于结构特征的目标识别和基于主动轮廓模型的目标识别。..项目在基于亮度不变量的特征匹配、基于仿射不变量的特征匹配、动态遥感图像的自适应特征匹配、基于结构特征的目标识别及基于主动轮廓模型的目标识别等方面取得重要成果。在国际权威学术期刊及重要国际学术会议上发表相关论文17篇，出版专著1部，申请国家发明专利1项。