本发明公开了一种航空图像特征点匹配扩散递归校准方法，包括以下步骤：S1：对基准图像和匹配图像分别划分密度单元；S2：对基准图像和匹配图像均执行以下操作：根据密度单元中的特征点的数量设定阈值n，将特征点数量≥n的密度单元标记为高密度单元，其他密度单元标记为低密度单元；S3：对基准图像和匹配图像均执行以下操作：将连通的高密度单元提取出来，得到航空图像的高密度区域；S4：对基准图像和匹配图像均执行以下操作：对所有高密度区域进行位置标记；S5：对基准图像和匹配图像的高密度区域进行匹配。本发明有效提高了抗干扰能力和效率。
1.航空图像特征点匹配扩散递归校准方法，其特征在于：包括以下步骤：S1：对基准图像和匹配图像分别划分密度单元；
S2：对基准图像和匹配图像均执行以下操作：根据密度单元中的特征点的数量设定阈值n，将特征点数量≥n的密度单元标记为高密度单元，其他密度单元标记为低密度单元；
S3：对基准图像和匹配图像均执行以下操作：将连通的高密度单元提取出来，得到航空图像的高密度区域；
S4：对基准图像和匹配图像均执行以下操作：对所有高密度区域进行位置标记；
S51：对基准图像的所有高密度区域都进行以下操作：以基准图像的高密度区域的位置标记点为中心，向四周扩散40×40的像素单元形成基准图像的高密度扩展区域；
S52：将步骤S51得到的基准图像的所有高密度扩展区域构成基准图像的高密度扩展区域矩阵X；
S53：对匹配图像的所有高密度区域都进行以下操作：以匹配图像的高密度区域的位置标记点为中心，向四周扩散40×40的像素单元形成匹配图像的高密度扩展区域；
S54：将步骤S53得到的匹配图像的所有高密度扩展区域构成匹配图像的高密度扩展区域矩阵Y；根据式(2)计算出X和Y的相关性系数ρX,Y：式(2)中，cov(X,Y)为X和Y的协方差，σX为X的标准差，σY为Y的标准差，μX为X的均值，μY为Y的均值；
S55：取相关性系数矩阵ρX,Y的所有元素中最大元素所对应的X中元素与Y中元素作为一组同名高密度区域，根据式(3)计算出rx和ry：式(3)中，rx为匹配图像要达到和基准图像对齐所需要水平位移的像素个数，ry为匹配图像要达到和基准图像对齐所需要垂直位移的像素个数，xl为该组同名高密度区域中X的元素的横坐标，xr为该组同名高密度区域中Y的元素的横坐标，yl为该组同名高密度区域中X的元素的纵坐标，yr为该组同名高密度区域中Y的元素的纵坐标，d为基准图像和匹配图像中密度单元的边长。
2.根据权利要求1所述的航空图像特征点匹配扩散递归校准方法，其特征在于：步骤S1中，基准图像根据式(1)划分密度单元：式(1)中，d为密度单元的边长，t为密度单元所包含像素点数量的开根，w为特征点提取算子检测窗口的边长，l为基准图像的边长。
3.根据权利要求1所述的航空图像特征点匹配扩散递归校准方法，其特征在于：步骤S2中，高密度单元的总数不超过所有密度单元的总数。
4.根据权利要求1所述的航空图像特征点匹配扩散递归校准方法，其特征在于：步骤S3具体包括以下步骤：S31：对基准图像和匹配图像均建立x、y坐标系，根据x、y坐标系里的坐标组成键；
S32：在所有高密度单元组成的集合中查询键对应的值，即查询是否有相邻的高密度单元，如果有则继续进行步骤S33，没有则结束；
S33：判断该相邻的高密度单元是否在之前已经扩散到了，如果有则结束，没有则继续进行步骤S34；
5.根据权利要求1所述的航空图像特征点匹配扩散递归校准方法，其特征在于：步骤S4的具体过程为：选择高密度区域中所有高密度单元的最小y值分量作为位置标记点的纵坐标，选择高密度区域中所有高密度单元的最小x值分量作为位置标记点的横坐标。
航空图像特征点匹配扩散递归校准方法
技术领域
[0001] 本发明涉及航空摄影测量领域，特别是涉及航空图像特征点匹配扩散递归校准方法。
背景技术
[0002] 飞行器拍摄时光线明暗，和角度旋转带来的影响使得空中三角测量图像在匹配特征点时难度升高。为解决这一问题，本发明提出一种基于特征点分布密度的区域校准算法，使特征点匹配算法具有尺度不变性，并增强匹配鲁棒性。使特征点匹配具有尺度不变性有很多种方式，主要有以Sift算子为代表的探究特征方向和以Mean Shift算法为代表的寻找图像整体特征信息这两种方式。在航空影像中最大的干扰是光线导致的亮度变化，Sift类似算法并不能很好的克服，而Mean Shift算法虽有优势但效果不稳定。
发明内容
[0003] 发明目的：本发明的目的是提供一种抗干扰能力强的航空图像特征点匹配扩散递归校准方法。
[0004] 技术方案：为达到此目的，本发明采用以下技术方案：
[0005] 本发明所述的航空图像特征点匹配扩散递归校准方法，包括以下步骤：
[0006] S1：对基准图像和匹配图像分别划分密度单元；
[0007] S2：对基准图像和匹配图像均执行以下操作：根据密度单元中的特征点的数量设定阈值n，将特征点数量≥n的密度单元标记为高密度单元，其他密度单元标记为低密度单元；
[0008] S3：对基准图像和匹配图像均执行以下操作：将连通的高密度单元提取出来，得到航空图像的高密度区域；
[0009] S4：对基准图像和匹配图像均执行以下操作：对所有高密度区域进行位置标记；
[0010] S5：对基准图像和匹配图像的高密度区域进行匹配。
[0011] 进一步，所述步骤S1中，基准图像根据式(1)划分密度单元：
[0012]
[0013] 式(1)中，d为密度单元的边长，t为密度单元所包含像素点数量的开根，w为特征点提取算子检测窗口的边长，l为基准图像的边长。
[0014] 进一步，所述步骤S2中，高密度单元的总数不超过所有密度单元的总数。
[0015] 进一步，所述步骤S3具体包括以下步骤：
[0016] S31：对基准图像和匹配图像均建立x、y坐标系，根据x、y坐标系里的坐标组成键；
[0017] S32：在所有高密度单元组成的集合中查询键对应的值，即查询是否有相邻的高密度单元，如果有则继续进行步骤S33，没有则结束；
[0018] S33：判断该相邻的高密度单元是否在之前已经扩散到了，如果有则结束，没有则继续进行步骤S34；
[0019] S34：返回步骤S32。
[0020] 进一步，所述步骤S4的具体过程为：选择高密度区域中所有高密度单元的最小y值分量作为位置标记点的纵坐标，选择高密度区域中所有高密度单元的最小x值分量作为位置标记点的横坐标。
[0021] 进一步，所述步骤S5具体包括以下步骤：
[0022] S51：对基准图像的所有高密度区域都进行以下操作：以基准图像的高密度区域的位置标记点为中心，向四周扩散40×40的像素单元形成基准图像的高密度扩展区域；
[0023] S52：将步骤S51得到的基准图像的所有高密度扩展区域构成基准图像的高密度扩展区域矩阵X；
[0024] S53：对匹配图像的所有高密度区域都进行以下操作：以匹配图像的高密度区域的位置标记点为中心，向四周扩散40×40的像素单元形成匹配图像的高密度扩展区域；
[0025] S54：将步骤S53得到的匹配图像的所有高密度扩展区域构成匹配图像的高密度扩展区域矩阵Y；根据式(2)计算出X和Y的相关性系数ρX,Y：
[0026]
[0027] 式(2)中，cov(X,Y)为X和Y的协方差，σX为X的标准差，σY为Y的标准差，μX为X的均值，μY为Y的均值；
[0028] S55：取相关性系数矩阵ρX,Y的所有元素中最大元素所对应的X中元素与Y中元素作为一组同名高密度区域，根据式(3)计算出rx和ry：
[0029]
[0030] 式(3)中，rx为匹配图像要达到和基准图像对齐所需要水平位移的像素个数，ry为匹配图像要达到和基准图像对齐所需要垂直位移的像素个数，xl为该组同名高密度区域中X的元素的横坐标，xr为该组同名高密度区域中Y的元素的横坐标，yl为该组同名高密度区域中X的元素的纵坐标，yr为该组同名高密度区域中Y的元素的纵坐标，d为基准图像和匹配图像中密度单元的边长。
[0031] 有益效果：本发明公开了航空图像特征点匹配扩散递归校准方法，先找出基准图像和匹配图像的高密度区域，再进行高密度区域匹配，有效提高了抗干扰能力；密度单元的划分大大简化了方法的复杂度，将遍历整幅图像的所有像素点转化成遍历有限个数的矩阵，提高了方法的效率。
附图说明
[0032] 图1为本发明具体实施方式中方法的流程图。
具体实施方式
[0033] 下面结合具体实施方式对本发明的技术方案作进一步的介绍。
[0034] 本具体实施方式公开了一种航空图像特征点匹配扩散递归校准方法，如图1所示，包括以下步骤：
[0035] S1：对基准图像和匹配图像分别划分密度单元；
[0036] S2：对基准图像和匹配图像均执行以下操作：根据密度单元中的特征点的数量设定阈值n，将特征点数量≥n的密度单元标记为高密度单元，其他密度单元标记为低密度单元；其中高密度单元的总数不超过高密度单元和低密度单元个数之和的20％；
[0037] S3：对基准图像和匹配图像均执行以下操作：将连通的高密度单元提取出来，得到航空图像的高密度区域；
[0038] S4：对基准图像和匹配图像均执行以下操作：对所有高密度区域进行位置标记；
[0039] S5：对基准图像和匹配图像的高密度区域进行匹配。
[0040] 步骤S1中，基准图像根据式(1)划分密度单元：
[0041]
[0042] 式(1)中，d为密度单元的边长，t为密度单元所包含像素点数量的开根，w为特征点提取算子检测窗口的边长，l为基准图像的边长。
[0043] 匹配图像也和基准图像一样划分密度单元，此处就不再赘述。
[0044] 步骤S2中，高密度单元的总数不超过所有密度单元的总数。
[0045] 步骤S3具体包括以下步骤：
[0046] S31：对基准图像和匹配图像均建立x、y坐标系，根据x、y坐标系里的坐标组成键；
[0047] S32：在所有高密度单元组成的集合中查询键对应的值，即查询是否有相邻的高密度单元，如果有则继续进行步骤S33，没有则结束；
[0048] S33：判断该相邻的高密度单元是否在之前已经扩散到了，如果有则结束，没有则继续进行步骤S34；
[0049] S34：返回步骤S32。
[0050] 步骤S4的具体过程为：选择高密度区域中所有高密度单元的最小y值分量作为位置标记点的纵坐标，选择高密度区域中所有高密度单元的最小x值分量作为位置标记点的横坐标。
[0051] 步骤S5具体包括以下步骤：
[0052] S51：对基准图像的所有高密度区域都进行以下操作：以基准图像的高密度区域的位置标记点为中心，向四周扩散40×40的像素单元形成基准图像的高密度扩展区域；
[0053] S52：将步骤S51得到的基准图像的所有高密度扩展区域构成基准图像的高密度扩展区域矩阵X；
[0054] S53：对匹配图像的所有高密度区域都进行以下操作：以匹配图像的高密度区域的位置标记点为中心，向四周扩散40×40的像素单元形成匹配图像的高密度扩展区域；
[0055] S54：将步骤S53得到的匹配图像的所有高密度扩展区域构成匹配图像的高密度扩展区域矩阵Y；根据式(2)计算出X和Y的相关性系数ρX,Y：
[0056]
[0057] 式(2)中，cov(X,Y)为X和Y的协方差，σX为X的标准差，σY为Y的标准差，μX为X的均值，μY为Y的均值；
[0058] S55：取相关性系数矩阵ρX,Y的所有元素中最大元素所对应的X中元素与Y中元素作为一组同名高密度区域，根据式(3)计算出rx和ry：
[0059]
[0060] 式(3)中，rx为匹配图像要达到和基准图像对齐所需要水平位移的像素个数，ry为匹配图像要达到和基准图像对齐所需要垂直位移的像素个数，xl为该组同名高密度区域中X的元素的横坐标，xr为该组同名高密度区域中Y的元素的横坐标，yl为该组同名高密度区域中X的元素的纵坐标，yr为该组同名高密度区域中Y的元素的纵坐标，d为基准图像和匹配图像中密度单元的边长。
