CN113537351B - 面向移动设备拍摄的遥感图像坐标匹配方法 - Google Patents

Abstract

本发明涉及一种面向移动设备拍摄的遥感图像坐标匹配方法，属于移动设备拍摄图像匹配领域，将原始尺寸的图像块与其尺度缩放后的所有图像块都送入遥感底图进行滑动匹配，由此获得不同尺度下的相似度矩阵。从每个相似度矩阵中获取最大相似度得分，该得分对应的位置为该尺度下的坐标位置定位。由此获得不同尺度下，相似性得分与位置坐标的一一对应关系。将相似度得分按照图像块尺度从小到大的顺序排列，从中选取任意一个相似度得分，基于邻域加权方式为其分配一个权重，生成该尺度下新的最终相似度得分。选取更新后的不同尺度下最大相似度得分为最终的坐标位置定位。本发明减少了图像匹配定位的误差，提升了找到底图中正确匹配位置的准确性。

Description

面向移动设备拍摄的遥感图像坐标匹配方法

技术领域

本发明属于移动设备拍摄图像匹配领域，涉及一种面向移动设备拍摄的遥感图像坐标匹配方法。

背景技术

图像匹配旨在通过一定的匹配算法度量两幅图像或者多幅图像之间的相似性。图像匹配作为计算机视觉领域的一个关键步骤，为高层计算机视觉任务奠定了基础。图像匹配技术可广泛应用于目标识别与跟踪、图像拼图、医学图像诊断等一系列计算机视觉系统任务中。按照数据获取条件或成像条件的差异，图像匹配可细分为以下几类：基于不同成像时间的特征匹配；基于不同视角的特征匹配；基于不同传感器的特征匹配；基于模板的特征匹配。其中基于模板的特征匹配方式常应用于遥感地理信息地图中的匹配与定位。对于基于模板的特征匹配，这类匹配方式是将获得的模板图像块在给定的底图上进行滑动匹配。每次滑动匹配完成后会生成一个相似度矩阵，取相似度矩阵中的最大值的位置作为匹配位置。图像的获取方式有很多种(获取底图截图部分区域、直接拍摄底图部分区域等)。对于直接拍摄底图获取图像的形式，将拍摄的图像在底图上进行滑动匹配并直接选取最大相似度作为匹配位置。这样的定位方式可能存在偏差，例如，以拍摄图像块尺寸大小进行图像匹配，在比例不一致的情况下相似度得分最高的区域有可能不是准确的匹配位置。仅靠单一的最高相似度得分来定位具有较大的不确定性。为了缓解这个问题，本专利提出了基于多尺度和邻域加权的遥感图像匹配方法。首先，该方法将拍摄的图像块在遥感底图上进行滑动匹配获得一个相似度矩阵，相似度矩阵中最大的相似度得分对应一个位置坐标。再将拍摄的图像块进行尺度缩放，进行一系列不同尺度图像的滑动匹配，由此获得多个相似度矩阵。不同尺度下获得的相似度矩阵中的最高相似度得分都对应一个位置坐标。然后，为不同尺度下的最大相似度得分分配权重。具体地，将不同尺度下的最大相似度得分按照缩放比例排列，计算任意一个最大相似度得分的位置坐标与其左右邻域各N个其他最大相似度的位置坐标的直线距离，根据各个距离值差异结果，为该点分配一个权重。最后，每个不同尺度下的最终相似度得分为初始的分数与权重的乘积，经过加权后的最高相似度得分为最佳尺度下的匹配位置。

发明内容

有鉴于此，本发明的目的在于提供一种多尺度和邻域加权的面向移动移动设备拍摄的遥感图像匹配方法。

为达到上述目的，本发明提供如下技术方案：

一种面向移动设备拍摄的遥感图像坐标匹配方法，包括以下步骤：

S1：采用移动设备拍摄遥感底图，获取待匹配图像块，将获取的待匹配图像块在遥感底图上进行滑动匹配，得到相似度矩阵，相似度矩阵中的最大值对应的坐标位置为该尺度条件下的最佳匹配位置；

S2：改变获取的待匹配图像块的尺度大小，在遥感底图上进行滑动匹配，获得不同尺度下的相似度矩阵；

S3：获取每个不同尺度相似度矩阵中的最大相似度得分及其对应的位置坐标关系；

S4：基于邻域加权法为不同尺度下的相似度得分分配权重，得到更新后的相似度得分，更新后的所有相似度得分中的最大值即为最终的匹配位置。

进一步，步骤S1中，具体包括以下步骤：

S11：采用移动设备拍摄遥感底图，由此获得需要输入的待匹配图像块；

S12：将待匹配图像块在遥感底图上滑动，度量待匹配图像块在滑动经过的每个位置上的匹配程度；

S13：以逐像素的方式从左往右，从上往下滑动待匹配图像块，每移动一个位置就进行一次待匹配图像块与遥感底图中部分区域的相似性度量；度量匹配图像与遥感底图中某一区域的公式如下：

其中：

T(x,y)表示待匹配图像块，I(x,y)表示遥感底图，R(x,y)表示相似性度量函数，w·h表示图像块的尺寸，(x,y)、(x′,y′)以及(x″,y″)表示不同的坐标位置；相似性得分被限制在[-1，1]之间，1表示匹配对象完全相同，-1表示匹配对象正好相反，0表示匹配对象之间无线性关系；

S14：图像块覆盖遥感底图上的每个位置，并输出相似度得分，保存在结果图像矩阵R中，形成相似度矩阵；

S15：采用minMaxLoc函数定位相似度矩阵R中的最大值点作为图像块初始尺寸的最佳匹配位置；minMaxLoc函数用来寻找矩阵中的最大值和最小值元素值及其对应的位置，检测遍历整个矩阵，当掩码部位空时，遍历指定的特殊区域。

进一步，步骤S2具体包括以下步骤：

S21：对初始图像块进行尺度缩放操作，由此得到具有不同尺度的待匹配图像块；

S22：将不同尺度大小的图像块在遥感底图上进行滑动匹配，由此得到不同尺度下的相似度矩阵；

S22：选择相似度矩阵中的最大值作为该尺度下的最佳相似度得分，并对应一个坐标位置。

进一步，步骤S4具体包括以下步骤：

S41：采用邻域加权法为不同尺度下的最大相似度得分分配权重；

S42：按照尺度大小排列图像相似度分数，得到不同尺度下的最大相似度得分分布图；

S43：选取任意一个相似度得分，设定其初始权重值为1；该尺度下的相似度得分点对应遥感底图中的唯一坐标位置；

S44：计算该点的位置与相似度得分左右两侧各N个尺度邻域对应的坐标位置之间的直线距离；

S45：设定阈值，若计算出的距离差值小于设定的阈值，在初始权重的基础上加1；若计算出来的距离差值大于设定的阈值，权重值不变；

S46：该点的相似度得分更新为该点的初始相似度得分与权重的乘积；

S47：计算每一个点的最终相似度得分，并从中选取最大相似度得分对应的坐标位置为最终的图像块与底图的匹配位置。

本发明的有益效果在于：本专利提出的匹配方法可以大大减少图像匹配单靠一次滑动匹配就确定定位的误差，提升找到底图中正确匹配位置的准确性。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明所述的移动设备拍摄的遥感图像坐标匹配方法流程图；

图2为待匹配图像块在遥感底图上的逐像素相似性度量示意图；

图3多尺度相似度矩阵获取示意图；

图4基于邻域加权的权重分配方法示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

请参阅图1～图4，为一种面向移动设备拍摄的遥感图像坐标匹配方法，包括以下步骤：

1)获取待匹配图像块，并实现图像块与遥感底图的图像滑动匹配方式具体实施步骤如下：

a)采用移动设备拍摄遥感底图，由此获得需要输入的待匹配图像块；

b)为了确定匹配区域，将图像块在遥感底图上滑动，度量待匹配图像块在滑动经过的每个位置上的匹配程度；

c)以逐像素的方式进行滑动(从左往右，从上往下)，每移动一个位置就进行一次图像块与遥感底图中部分区域的相似性度量。度量匹配图像与遥感底图中某一区域的公式如下：

其中：

T(x,y)表示待匹配图像块，I(x,y)表示遥感底图，R(x,y)表示相似性度量函数，w·h表示图像块的尺寸，(x,y)、(x′,y′)以及(x″,y″)表示不同的坐标位置。相似性得分被限制在[-1，1]之间，1表示匹配对象完全相同，-1表示匹配对象正好相反，0表示匹配对象之间无线性关系。

d)图像块覆盖遥感底图上的每个位置，并输出度量值(相似度得分)保存在结果图像矩阵R中，形成相似度矩阵；

e)采用minMaxLoc函数定位相似度矩阵R中的最大值点作为图像块初始尺寸的最佳匹配位置。minMaxLoc函数用来寻找矩阵中的最大值和最小值元素值及其对应的位置，该极值检测遍历整个矩阵，当掩码部位空时，遍历指定的特殊区域。

2)改变获取的待匹配图像块的大小，并在遥感底图上滑动匹配，具体包括以下几个步骤：

a)对初始图像块进行尺度缩放操作，缩放范围为0.4到1.3，由此得到具有不同尺度的待匹配图像块。

b)将不同尺度大小的图像块输入模型在遥感底图上进行滑动匹配，由此得到不同尺度下的相似度矩阵；

c)选择相似度矩阵中的最大值作为该尺度下的最佳相似度得分，并对应一个坐标位置。

3)根据获得的不同尺度下最大相似度得分及其对应的位置坐标关系，采用基于邻域加权的方法为不同尺度下的相似度得分分配权重得到更新后的相似度得分。更新后的所有相似度得分中的最大值对应最终的匹配位置。包括以下几个步骤：

a)提出邻域加权策略为不同尺度下的最大相似度得分分配权重；

b)按照尺度大小排列图像相似度分数，得到不同尺度下的最大相似度得分分布图；

c)选取任意一个相似度得分，设定其初始权重值为1；

d)该尺度下的相似度得分点对应着遥感底图中的唯一坐标位置；

e)计算该点的位置与相似度得分左右两侧各N个尺度邻域对应的坐标位置之间的直线距离；

f)设定阈值，若计算出的距离差值小于设定的阈值，在初始权重的基础上加一；若计算出来的距离差值大于设定的阈值，权重值不变；

g)此时，该点的相似度得分被更新为该点的初始相似度得分与权重的乘积；

h)计算每一个点的最终相似度得分，并从中选取最大相似度得分对应的坐标位置为最终的图像块与底图的匹配位置；

i)将拍摄的初始图像块嵌入到底图中的对应位置可能会出现尺寸不匹配问题，最佳相似度的尺寸大小的图像块能精准嵌入到底图中。

具体实施细节如下：

1、利用移动设备拍摄遥感底图的任意区域获得待匹配的图像块，将该图像块在遥感底图上进行逐像素图像匹配。针对公式(1)中的遥感底图必须为8位整数或者32位浮点数。待匹配图像块应不大于遥感底图，同时保证具有与遥感底图一致的数据类型。匹配结果的输出是一个由不同位置上的相似度得分形成的相似度矩阵R_s。假设待匹配图像块的大小为w×h，遥感底图的大小为W×H，则R_s的尺寸为(W-w+1)×(H-h+1)。对于获得的R_s，借助minMaxLoc函数求得R_s中的最大相似度得分，并定位初始尺度下的最佳匹配位置；

2、将初始待匹配图像块进行尺度缩放，缩放范围为0.4到1.3。将经过尺度缩放获得的多尺度图像块都采用以上方式在遥感底图上进行滑动匹配，由此生成多个相似度矩阵。同样借助minMaxLoc函数获取每个相似度矩阵中的最大相似度得分，生成不同尺度下的最大相似度得分分布图。每个尺度下的最大相似度得分都对应着遥感底图中唯一的坐标位置，由此得到不同尺度下的最大相似度得分对应的坐标位置分布图；

3、采用基于邻域加权的权重分配方式更新不同尺度下的最大相似度的得分。选取相似度的分分布图中的任意一个相似度得分点，并设置该点的初始权重为1。选取该点左右各N个邻居相似度得分点。每一个邻居相似度点都对应遥感底图中的一个坐标位置，计算该点的坐标与每个邻居点坐标的直线距离。设置一个阈值，若两点间的直线距离小于设定的阈值，在初始权重值的基础上加一；若两点间的直线距离大于设定的阈值，权重值不变。2N个邻域距离差值计算完成后，得到最终权重值。此时，该点的最终相似度得分被更新为初始相似度得分与权重的乘积。计算每一个点的最终相似度得分，并从中选取最大相似度得分为待匹配图像块与底图的最终位置匹配。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种面向移动设备拍摄的遥感图像坐标匹配方法，其特征在于：包括以下步骤：

S1：采用移动设备拍摄遥感底图，获取待匹配图像块，将获取的待匹配图像块在遥感底图上进行滑动匹配，得到相似度矩阵，相似度矩阵中的最大值对应的坐标位置为当前尺度条件下的最佳匹配位置；具体包括以下步骤：

S11：采用移动设备拍摄遥感底图，由此获得需要输入的待匹配图像块；

S12：将待匹配图像块在遥感底图上滑动，度量待匹配图像块在滑动经过的每个位置上的匹配程度；

S13：以逐像素的方式从左往右，从上往下滑动待匹配图像块，每移动一个位置就进行一次待匹配图像块与遥感底图中部分区域的相似性度量；度量匹配图像与遥感底图中某一区域的公式如下：

其中：T′(x′,y′)＝T(x′,y′)-1/(w·h)·∑_x″,y″T(x″,y″)

I′(x+x′,y+y′)＝I(x+x′,y+y′)-1/(w·h)·∑_x″,y″I(x+x″,y+y″)

T(x,y)表示待匹配图像块，I(x,y)表示遥感底图，R(x,y)表示相似性度量函数，w·h表示图像块的尺寸，(x,y)、(x′,y′)以及(x″,y″)表示不同的坐标位置；相似性得分被限制在[-1，1]之间，1表示匹配对象完全相同，-1表示匹配对象正好相反，0表示匹配对象之间无线性关系；

S14：图像块覆盖遥感底图上的每个位置，并输出相似度得分，保存在结果图像矩阵R中，形成相似度矩阵；

S15：采用minMaxLoc函数定位相似度矩阵R中的最大值点作为图像块初始尺寸的最佳匹配位置；minMaxLoc函数用来寻找矩阵中的最大值和最小值元素值及其对应的位置，检测遍历整个矩阵，当掩码部位空时，遍历指定的特殊区域；

S2：改变获取的待匹配图像块的尺度大小，在遥感底图上进行滑动匹配，获得不同尺度下的相似度矩阵；

S3：获取每个不同尺度相似度矩阵中的最大相似度得分及其对应的位置坐标关系；

S4：基于邻域加权法为不同尺度下的相似度得分分配权重，得到更新后的相似度得分，更新后的所有相似度得分中的最大值即为最终的匹配位置；具体包括以下步骤：

S41：采用邻域加权法为不同尺度下的最大相似度得分分配权重；

S42：按照尺度大小排列图像相似度分数，得到不同尺度下的最大相似度得分分布图；

S43：选取任意一个相似度得分，设定其初始权重值为1；该尺度下的相似度得分点对应遥感底图中的唯一坐标位置；

S44：计算该点的位置与相似度得分左右两侧各N个尺度邻域对应的坐标位置之间的直线距离；

S45：设定阈值，若计算出的距离差值小于设定的阈值，在初始权重的基础上加1；若计算出来的距离差值大于设定的阈值，权重值不变；

S46：该点的相似度得分更新为该点的初始相似度得分与权重的乘积；

S47：计算每一个点的最终相似度得分，并从中选取最大相似度得分对应的坐标位置为最终的图像块与底图的匹配位置。

2.根据权利要求1所述的面向移动设备拍摄的遥感图像坐标匹配方法，其特征在于：步骤S2具体包括以下步骤：

S21：对初始图像块进行尺度缩放操作，由此得到具有不同尺度的待匹配图像块；

S22：将不同尺度大小的图像块在遥感底图上进行滑动匹配，由此得到不同尺度下的相似度矩阵；

S22：选择相似度矩阵中的最大值作为该尺度下的最佳相似度得分，并对应一个坐标位置。

Images