CN111640142A - 一种遥感图像多特征匹配方法、装置及电子设备 - Google Patents

Abstract

本发明公开了一种遥感图像多特征匹配方法、装置、电子设备及可读存储介质，该方法包括：基于基准遥感图像，对待匹配遥感图像进行纠正；确定待匹配遥感图像与基准遥感图像之间的匹配区域；匹配区域是指待匹配遥感图像与基准遥感图像之间的重叠区域；使用Harris算法对待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域进行特征点检测；使用SIFT算法计算各个提取到的Harris特征点的SIFT特征向量；根据各个提取到的Harris特征点的SIFT特征向量计算基准遥感图像和待匹配遥感图像中的匹配特征点对，得到待匹配遥感图像和基准遥感图像的图像匹配结果。通过实施该方法，能够实现对低空飞行器拍摄的遥感图像的较准确以及效率较高的匹配。

Description

一种遥感图像多特征匹配方法、装置及电子设备

技术领域

本发明涉及多媒体信息处理技术领域，尤其涉及到一种遥感图像多特征匹配方法、装置及电子设备。

背景技术

低空飞行器遥感是近年来兴起的一种新型遥感系统，因具有快速、灵活、低成本、高影像分辨率等特点，正日益成为一项空间数据获取的重要手段，在农作物监测、国土资源监测、灾害应急、灾害评估、战场侦察、火灾监测等领域发挥重要的作用。由于低空飞行器遥感具有广阔的应用前景，相应的图像处理技术也得到了广泛的关注和重视，大范围地形复杂区域(山区、丘陵等)低空飞行器序列影像拼接就是其中的一个研究热点。

现有的影像拼接主要包括影像配准和影像融合两个关键环节。在国内外影像拼接技术研究中，主要的重点都放在了影像配准这一核心环节上。但是，由于低空飞行器受自身的操控特性和风力的影响，导致飞行平台稳定性差，难以按预定的航线飞行，使得低空遥感影像全自动匹配存在以下难点：第一，相邻影像间的旋偏角大，难以直接进行灰度相关匹配；第二，飞行器的飞行高度、横滚角和俯仰角变化大，从而导致影像间的比例尺差异大，降低了灰度相关匹配的成功率和可靠性；第三，相邻影像间的左右重叠度和上下重叠度变化大，加上低空遥感影像摄影比例尺较大，造成表面不连续地物(如高楼)在影像上的投影差较大，因而无法确定匹配的搜索范围。直接应用摄影测量中灰度相关的匹配方法很难胜任低空遥感影像的全自动匹配。

因此，提供一种可以适用于低空飞行器的遥感图像的匹配方法，成为亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种遥感图像多特征匹配方法、装置及电子设备，以解决现有图像匹配方法直接适用于低空飞行器的遥感图像时的匹配效果较差的问题。

根据第一方面，本发明实施例提供了一种遥感图像多特征匹配方法，包括如下步骤：基于基准遥感图像，对待匹配遥感图像进行纠正，以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异；确定待匹配遥感图像与基准遥感图像之间的匹配区域；匹配区域是指待匹配遥感图像与基准遥感图像之间的重叠区域；使用Harris算法对待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域进行特征点检测；使用SIFT算法计算各个提取到的Harris特征点的SIFT特征向量；根据各个提取到的Harris特征点的SIFT特征向量计算基准遥感图像和待匹配遥感图像中的匹配特征点对，得到待匹配遥感图像和基准遥感图像的图像匹配结果。

通过基于基准遥感图像，对待匹配遥感图像进行纠正，以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异，能够消除低空飞行器图像由于飞行器的旋转偏角、飞行高度以及俯仰角等情况对飞行器图像的影响；而由于飞行器处于不断飞行移动的状态，飞行器的拍摄对象是不断变化的，在进行图像匹配时，具有匹配意义的仅为基准遥感图像和待匹配遥感图像之间的重叠区域，因此，待匹配遥感图像与基准遥感图像之间的匹配区域仅为该重叠区域，从而能够排除基准遥感图像和待匹配遥感图像中没有必要进行特征提取以及特征匹配的区域，提高该遥感图像多特征匹配方法的匹配效率；同时，通过使用Harris算法提取特征点，在再使用SIFT算法计算各个提取到的Harris特征点的SIFT特征向量，并最终基于各个Harris特征点的SIFT特征向量计算基准遥感图像和所述待匹配遥感图像中的匹配特征点对，既能够使提取到的特征点(相对于只用SIFT算法提取)的数量较少，又能够使各个特征点的特征向量对旋转、尺度缩放、亮度变化保持不变，对视角变化、仿射变换、噪声也保持一定程度的稳定性，从而能够在提高该遥感图像多特征匹配方法的匹配效率的同时，提高得到的图像匹配结果的准确性。

结合第一方面，在第一方面第一实施方式中，使用Harris算法对待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域进行特征点检测的步骤之前，还包括：对待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域进行平滑处理。

结合第一方面，在第一方面第二实施方式中，确定待匹配遥感图像与基准遥感图像之间的匹配区域的步骤，包括：根据基准遥感图像和待匹配遥感图像的拍摄角度以及拍摄位置，计算基准遥感图像和待匹配遥感图像的重叠区域；分别提取基准遥感图像和待匹配遥感图像中包含重叠区域的最小矩形区域，得到基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域。

结合第一方面第二实施方式，在第一方面第三实施方式中，在确定待匹配遥感图像与基准遥感图像之间的匹配区域的步骤之后，还包括：分别将待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域分为多个匹配块；使用Harris算法对待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域进行特征点检测的步骤，包括：使用Harris算法依次对各个匹配块进行特征提取。

通过在确定待匹配遥感图像与基准遥感图像之间的匹配区域之后，分别将待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域分为多个匹配块，能够配合执行该遥感图像多特征匹配方法的计算装置的运算能力进行分块，从而使匹配区域中的每一块的特征提取均能够较快执行，从而也能够提高整个匹配区域的特征提取效率；此外，也能够降低该遥感图像多特征匹配方法对其执行装置的性能要求。

结合第一方面第二实施方式，在第一方面第四实施方式中，遥感图像为无人机遥感图像，拍摄角度以及拍摄位置均为从无人机的POS信息中获取。

根据第二方面，本发明实施例提供了一种遥感图像多特征匹配装置，包括：图像纠正模块，用于基于基准遥感图像，对待匹配遥感图像进行纠正，以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异；区域确定模块，用于确定待匹配遥感图像与基准遥感图像之间的匹配区域；匹配区域是指待匹配遥感图像与基准遥感图像之间的重叠区域；特征点提取模块，用于使用Harris算法对待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域进行特征点检测；特征向量计算模块，用于使用SIFT算法计算各个提取到的Harris特征点的SIFT特征向量；图像匹配模块，用于根据各个提取到的Harris特征点的SIFT特征向量计算基准遥感图像和待匹配遥感图像中的匹配特征点对，得到待匹配遥感图像和基准遥感图像的图像匹配结果。

结合第二方面，在第二方面第一实施方式中，区域确定模块包括：区域计算单元，用于根据基准遥感图像和待匹配遥感图像的拍摄角度以及拍摄位置，计算基准遥感图像和待匹配遥感图像的重叠区域；区域提取单元，用于分别提取基准遥感图像和待匹配遥感图像中包含重叠区域的最小矩形区域，得到基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域。

根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的遥感图像多特征匹配方法。

根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的遥感图像多特征匹配方法。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种遥感图像多特征匹配方法的一种方法流程图；

图2为图1中步骤S102的一种具体实施方式流程图；

图3为本发明实施例提供的匹配区域的确定方式的示例图；

图4为本发明实施例提供的一种遥感图像多特征匹配方法的另一种方法流程图；

图5为本发明实施例提供的一种遥感图像多特征匹配装置的原理框图；

图6为本发明实施例提供的一种电子设备的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

实施例1

图1示出了本发明实施例的遥感图像多特征匹配方法的流程图，如图1所示，该方法可以包括如下步骤：

S101：基于基准遥感图像，对待匹配遥感图像进行纠正，以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异。

在本发明实施例中，基准图像是指两个或多个待匹配图像中，拍摄视角与垂直于被拍摄地面的拍摄视角最接近的图像。

在本发明实施例中，遥感图像可以为无人机等低空飞行器拍摄的遥感图像，相应地，可以根据无人机POS系统中记录的影像外方位元素，基于基准遥感图像，对待匹配遥感图像进行纠正，或者根据其他飞行器中记录了飞行器飞行中的角度、位置等信息的文件，基于基准遥感图像，对待匹配遥感图像进行纠正，具体纠正方式均属于现有技术，在此不再赘述。

S102：确定待匹配遥感图像与基准遥感图像之间的匹配区域。在本发明实施例中，匹配区域是指待匹配遥感图像与基准遥感图像之间的重叠区域。

在本发明实施例中，重叠区域的计算仍为根据飞行器拍摄待匹配遥感图像和基准遥感图像的位置信息(包括经纬度信息和高度信息等)，以及拍摄角度(包括旋转角以及俯仰角等)进行计算得到，具体地，可以根据经纬度信息得到待匹配遥感图像和基准遥感图像的中心点距离信息，根据旋转角信息确定待匹配遥感图像和基准遥感图像之间的旋转角度，并根据俯仰角信息以及高度信息计算得到两图片之间的大小，从而计算得到待匹配遥感图像与基准遥感图像之间的重叠区域，当然，上述重叠区域的计算过程，待匹配遥感图像的相关信息以步骤S101中纠正后的待匹配遥感图像的信息为准。

S103：使用Harris算法对待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域进行特征点检测。

在本发明实施例中，为了去除待匹配遥感图像中的匹配区域以及基准遥感图像中的匹配区域中的噪点，提高该步骤S103中提取到的Harris特征点的有效性，可以在执行步骤S103之前，对待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域进行平滑处理(也即图像滤波或者模糊处理)，具体地，可以使用方框滤波函数、均值滤波函数或者高斯滤波函数等任意一种滤波函数，对待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域进行平滑处理。

S104：使用SIFT算法计算各个提取到的Harris特征点的SIFT特征向量。

在本发明实施例中，可以首先计算待匹配遥感图像中的匹配区域以及基准遥感图像中的匹配区域中的各个像素点的梯度模值和梯度方向，然后统计以各个Harris特征点为中心的邻域窗口内的各个像素点的梯度方向，得到邻域窗口内的像素点的梯度方向的主方向作为对应的Harris特征点的方向(该梯度方向的主方向是指，邻域窗口内梯度方向为该主方向的像素点的数量最多的梯度方向，也即，对邻域窗口内的像素点的梯度方向的统计直方图中，直方图的峰值的梯度方向)，然后统计邻域窗口内的各个像素点梯度方向和梯度模值，生成对应的Harris特征点的SIFT特征向量(为了保证得到的SIFT特征向量的旋转不变形，将SIFT特征向量的坐标轴旋转到对应的Harris特征点的方向)。

S105：根据各个提取到的Harris特征点的SIFT特征向量计算基准遥感图像和待匹配遥感图像中的匹配特征点对，得到待匹配遥感图像和基准遥感图像的图像匹配结果。

在本发明实施例中，可以通过计算从待匹配遥感图像中提取到的各个Harris特征点的SIFT特征向量与从基准遥感图像中提取到的各个Harris特征点的SIFT特征向量之间的欧式距离，得到基准遥感图像和待匹配遥感图像中的特征匹配点对，具体地，可以计算一个从待匹配遥感图像中提取到的Harris特征点(假设为第一特征点)的SIFT特征向量与各个从基准遥感图像中提取到的Harris特征点的SIFT特征向量之间的欧式距离，从而得到与该第一特征点欧式距离最近的Harris特征点(假设为第二特征点)，并将该最近距离与预设距离阈值进行比较，当该最近距离小于预设距离阈值时，则确定上述两个欧式距离最近的Harris特征点(第一特征点和第二特征点)为特征匹配点对；还可以通过计算一个从待匹配遥感图像中提取到的Harris特征点(假设为第三特征点)的SIFT特征向量与各个从基准遥感图像中提取到的Harris特征点的SIFT特征向量之间的欧式距离，从而得到距离该第三特征点欧式距离最近的Harris特征点(假设为第四特征点)和欧式距离次近的Harris特征点，并将该最近距离和次近距离进行比较，当最近距离和次近距离之间的差值大于预设差值阈值时，则确定上述两个欧式距离最近的Harris特征点(第三特征点和第四特征点)为特征匹配点对；当然，也可以通过上述两种方式的结合进行特征匹配点对的确定，在此不再赘述。

在本发明实施例中，还可以通过计算各个从待匹配遥感图像中提取到Harris特征点的SIFT特征向量与各个从基准遥感图像中提取到的Harris特征点的SIFT特征向量之间马氏距离的方式，得到基准遥感图像和待匹配遥感图像中的特征匹配点对，使基于马氏距离的计算得到特征匹配点对的具体方式，可以参照上述基于欧式距离的计算得到特征匹配点对的具体方式来理解，在此不再赘述。

在本发明实施例中，通过基于基准遥感图像，对待匹配遥感图像进行纠正，以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异，能够消除低空飞行器图像由于飞行器的旋转偏角、飞行高度以及俯仰角等情况对飞行器图像的影响；而由于飞行器处于不断飞行移动的状态，飞行器的拍摄对象是不断变化的，在进行图像匹配时，具有匹配意义的仅为基准遥感图像和待匹配遥感图像之间的重叠区域，因此，待匹配遥感图像与基准遥感图像之间的匹配区域仅为该重叠区域，从而能够排除基准遥感图像和待匹配遥感图像中没有必要进行特征提取以及特征匹配的区域，提高该遥感图像多特征匹配方法的匹配效率；同时，通过使用Harris算法提取特征点，在再使用SIFT算法计算各个提取到的Harris特征点的SIFT特征向量，并最终基于各个Harris特征点的SIFT特征向量计算基准遥感图像和所述待匹配遥感图像中的匹配特征点对，既能够使提取到的特征点(相对于只用SIFT算法提取)的数量较少，又能够使各个特征点的特征向量对旋转、尺度缩放、亮度变化保持不变，对视角变化、仿射变换、噪声也保持一定程度的稳定性，从而能够在提高该遥感图像多特征匹配方法的匹配效率的同时，提高得到的图像匹配结果的准确性。

作为本实施例的一种可选实施方式，步骤S102可以包括如下步骤：

S201：根据基准遥感图像和待匹配遥感图像的拍摄角度以及拍摄位置，计算基准遥感图像和待匹配遥感图像的重叠区域。

在本发明实施例中，该步骤的具体内容可以参照上述步骤S102的具体内容来理解。

S202：分别提取基准遥感图像和待匹配遥感图像中包含重叠区域的最小矩形区域，得到基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域。

在本发明实施例中，由于步骤S201中得到的重叠区域有较大可能性为非矩形区域，而在图像处理中，最常见以及最容易进行处理的图像为矩形图像，因此，通过执行该步骤S202，使最终得到的匹配区域为矩形，具体地，如图3所示，若步骤S201中得到的基准遥感图像和待匹配遥感图像的重叠区域为区域S，则基准遥感图像中的匹配区域为矩形区域S1，待匹配遥感图像中的匹配区域为矩形区域S2。

作为本实施例的一种可选实施方式，本发明实施例提供了遥感图像多特征匹配方法的另一种具体实施方式，如图4所示，包括如下步骤：

S401：基于基准遥感图像，对待匹配遥感图像进行纠正，以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异。

S402：确定待匹配遥感图像与基准遥感图像之间的匹配区域。在本发明实施例中，匹配区域是指待匹配遥感图像与基准遥感图像之间的重叠区域。

S403：分别将待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域分为多个匹配块。

在本发明实施例中，分别将待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域分成的匹配块的数量，可以根据相应的匹配区域的大小以及用以执行本发明实施例中的遥感图像多特征匹配方法的计算装置的运算能力来确定，在此不做任何限制。

S404：使用Harris算法依次对各个匹配块进行特征提取。

S405：使用SIFT算法计算各个提取到的Harris特征点的SIFT特征向量。

S406：根据各个提取到的Harris特征点的SIFT特征向量计算基准遥感图像和待匹配遥感图像中的匹配特征点对，得到待匹配遥感图像和基准遥感图像的图像匹配结果。

本发明实施例的具体内容可以参照步骤S101-S105的具体内容来理解。

在本发明实施例中，通过在确定待匹配遥感图像与基准遥感图像之间的匹配区域之后，分别将待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域分为多个匹配块，能够配合执行该遥感图像多特征匹配方法的计算装置的运算能力进行分块，从而使匹配区域中的每一块的特征提取均能够较快执行，从而也能够提高整个匹配区域的特征提取效率；此外，也能够降低该遥感图像多特征匹配方法对其执行装置的性能要求。

实施例2

图5示出了本发明实施例的一种遥感图像多特征匹配装置的原理框图，该装置可以用于实现实施例1或者其任意可选实施方式所述的遥感图像多特征匹配法。如图5所示，该装置包括：图像纠正模块10，区域确定模块20，特征点提取模块30，特征向量计算模块40和图像匹配模块50。其中，图像纠正模块10用于基于基准遥感图像，对待匹配遥感图像进行纠正，以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异。

区域确定模块20用于确定待匹配遥感图像与基准遥感图像之间的匹配区域。在本发明实施例中，匹配区域是指待匹配遥感图像与基准遥感图像之间的重叠区域。

特征点提取模块30用于使用Harris算法对待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域进行特征点检测。

特征向量计算模块40用于使用SIFT算法计算各个提取到的Harris特征点的SIFT特征向量。

图像匹配模块50用于根据各个提取到的Harris特征点的SIFT特征向量计算基准遥感图像和待匹配遥感图像中的匹配特征点对，得到待匹配遥感图像和基准遥感图像的图像匹配结果。

在本发明实施例中，通过执行上述遥感图像匹配装置中各个模块对应的程序或者指令，能够准确高效的实现对低空飞行器的遥感图像的匹配。

作为本发明实施例的一种可选实施方式，区域确定模块20包括：区域计算单元和区域提取单元，其中，区域计算单元用于根据基准遥感图像和待匹配遥感图像的拍摄角度以及拍摄位置，计算基准遥感图像和待匹配遥感图像的重叠区域；区域提取单元用于分别提取基准遥感图像和待匹配遥感图像中包含重叠区域的最小矩形区域，得到基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域。

实施例3

本发明实施例提供了一种电子设备，如图6所示，该电子设备可以包括处理器61和存储器62，其中处理器61和存储器62可以通过总线或者其他方式连接，图6中以通过总线连接为例。

处理器61可以为中央处理器(Central Processing Unit，CPU)。处理器61还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器62作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的遥感图像多特征匹配方法对应的程序指令/模块。处理器61通过运行存储在存储器62中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的遥感图像多特征匹配方法。

存储器62可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器61所创建的数据等。此外，存储器62可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器62可选包括相对于处理器61远程设置的存储器，这些远程存储器可以通过网络连接至处理器61。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器62中，当被所述处理器61执行时，执行如图1-图4所示实施例中的遥感图像多特征匹配方法。

上述电子设备具体细节可以对应参阅图1至图4所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (9)

1.一种遥感图像多特征匹配方法，其特征在于，包括如下步骤：

基于基准遥感图像，对待匹配遥感图像进行纠正，以消除所述待匹配遥感图像与所述基准遥感图像之间的几何形变、尺度以及旋转差异；

确定所述待匹配遥感图像与所述基准遥感图像之间的匹配区域；所述匹配区域是指所述待匹配遥感图像与所述基准遥感图像之间的重叠区域；

使用Harris算法对所述待匹配遥感图像中的匹配区域和所述基准遥感图像中的匹配区域进行特征点检测；

使用SIFT算法计算各个提取到的Harris特征点的SIFT特征向量；

根据所述各个提取到的Harris特征点的SIFT特征向量计算所述基准遥感图像和所述待匹配遥感图像中的匹配特征点对，得到所述待匹配遥感图像和所述基准遥感图像的图像匹配结果。

2.根据权利要求1所述的遥感图像多特征匹配方法，其特征在于，所述使用Harris算法对所述待匹配遥感图像中的匹配区域和所述基准遥感图像中的匹配区域进行特征点检测的步骤之前，还包括：

对所述待匹配遥感图像中的匹配区域和所述基准遥感图像中的匹配区域进行平滑处理。

3.根据权利要求1所述的遥感图像多特征匹配方法，其特征在于，所述确定所述待匹配遥感图像与所述基准遥感图像之间的匹配区域的步骤，包括：

根据所述基准遥感图像和所述待匹配遥感图像的拍摄角度以及拍摄位置，计算所述基准遥感图像和所述待匹配遥感图像的重叠区域；

分别提取所述基准遥感图像和所述待匹配遥感图像中包含所述重叠区域的最小矩形区域，得到所述基准遥感图像中的匹配区域以及所述待匹配遥感图像中的匹配区域。

4.根据权利要求3所述的遥感图像多特征匹配方法，其特征在于，在所述确定所述待匹配遥感图像与所述基准遥感图像之间的匹配区域的步骤之后，还包括：

分别将所述待匹配遥感图像中的匹配区域和所述基准遥感图像中的匹配区域分为多个匹配块；

所述使用Harris算法对所述待匹配遥感图像中的匹配区域和所述基准遥感图像中的匹配区域进行特征点检测的步骤，包括：

使用Harris算法依次对各个匹配块进行特征提取。

5.根据权利要求3所述的遥感图像多特征匹配方法，其特征在于，所述遥感图像为无人机遥感图像，所述拍摄角度以及拍摄位置均为从无人机的POS信息中获取。

6.一种遥感图像多特征匹配装置，其特征在于，包括：

图像纠正模块，用于基于基准遥感图像，对待匹配遥感图像进行纠正，以消除所述待匹配遥感图像与所述基准遥感图像之间的几何形变、尺度以及旋转差异；

区域确定模块，用于确定所述待匹配遥感图像与所述基准遥感图像之间的匹配区域；所述匹配区域是指所述待匹配遥感图像与所述基准遥感图像之间的重叠区域；

特征点提取模块，用于使用Harris算法对所述待匹配遥感图像中的匹配区域和所述基准遥感图像中的匹配区域进行特征点检测；

特征向量计算模块，用于使用SIFT算法计算各个提取到的Harris特征点的SIFT特征向量；

图像匹配模块，用于根据所述各个提取到的Harris特征点的SIFT特征向量计算所述基准遥感图像和所述待匹配遥感图像中的匹配特征点对，得到所述待匹配遥感图像和所述基准遥感图像的图像匹配结果。

7.根据权利要求6所述的遥感图像多特征匹配装置，其特征在于，所述区域确定模块包括：

区域计算单元，用于根据所述基准遥感图像和所述待匹配遥感图像的拍摄角度以及拍摄位置，计算所述基准遥感图像和所述待匹配遥感图像的重叠区域；

区域提取单元，用于分别提取所述基准遥感图像和所述待匹配遥感图像中包含所述重叠区域的最小矩形区域，得到所述基准遥感图像中的匹配区域以及所述待匹配遥感图像中的匹配区域。

8.一种电子设备，其特征在于，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-5任一项所述的遥感图像多特征匹配方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-5任一项所述的遥感图像多特征匹配方法。

Images