買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉北京郵電大學(xué);中國(guó)電波傳播研究所(中國(guó)電子科技集團(tuán)公司第二十二研究所)申請(qǐng)的專利一種基于改進(jìn)的PIIFD特征描述的多源遙感圖像配準(zhǔn)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN117115214B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202310875072.X，技術(shù)領(lǐng)域涉及：G06T7/33；該發(fā)明授權(quán)一種基于改進(jìn)的PIIFD特征描述的多源遙感圖像配準(zhǔn)方法是由李寧;李雨軒;焦繼超;徐威;逄敏;董建業(yè);李嘉俊設(shè)計(jì)研發(fā)完成，并于2023-07-17向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于改進(jìn)的PIIFD特征描述的多源遙感圖像配準(zhǔn)方法在說(shuō)明書摘要公布了：本發(fā)明提出一種基于改進(jìn)的PIIFD特征描述的多源遙感圖像配準(zhǔn)方法，屬于視覺圖像處理領(lǐng)域；具體為：首先，分別提取待配準(zhǔn)的多源遙感圖像和參考圖像各自的特征點(diǎn)；對(duì)每個(gè)特征點(diǎn)通過(guò)改進(jìn)的PIIFD描述符進(jìn)行特征描述，得到各特征點(diǎn)對(duì)應(yīng)的特征描述符向量；然后，采用BBF方法，利用特征描述符向量進(jìn)行雙向初始匹配，并利用特征主方向和RANSAC法對(duì)錯(cuò)誤的匹配進(jìn)行剔除，得到精匹配點(diǎn)對(duì)；根據(jù)變換方式的不同選擇對(duì)應(yīng)數(shù)量的精匹配點(diǎn)對(duì)進(jìn)行變換矩陣的計(jì)算，并用最小二乘法優(yōu)化變換矩陣的參數(shù)；最后，將優(yōu)化了參數(shù)的變換矩陣與待配準(zhǔn)圖像進(jìn)行相乘，得到最終配準(zhǔn)結(jié)果。本發(fā)明解決了多尺度圖像難以配準(zhǔn)的問(wèn)題，在匹配數(shù)量以及配準(zhǔn)精度上都具有一定優(yōu)勢(shì)，實(shí)用性較強(qiáng)。

本發(fā)明授權(quán)一種基于改進(jìn)的PIIFD特征描述的多源遙感圖像配準(zhǔn)方法在權(quán)利要求書中公布了：1.一種基于改進(jìn)的PIIFD特征描述的多源遙感圖像配準(zhǔn)方法，其特征在于，具體步驟如下： 步驟一、對(duì)待配準(zhǔn)的多源遙感圖像和參考圖像，選取KAZE方法分別提取兩張圖像各自的特征點(diǎn)； 步驟二、對(duì)每個(gè)特征點(diǎn)通過(guò)改進(jìn)的PIIFD描述符進(jìn)行特征描述，得到各特征點(diǎn)對(duì)應(yīng)的特征描述符向量； 具體過(guò)程為： 首先，針對(duì)特征點(diǎn)，計(jì)算其尺度因子，如下式： ， 為常量；為調(diào)節(jié)尺度范圍的變量；S為子層總數(shù)，和分別為Octave尺度空間組數(shù)和sublevel子層數(shù)； 然后，通過(guò)尺度因子與標(biāo)準(zhǔn)定量k相乘，得到改進(jìn)的自適應(yīng)多尺度PIIFD描述符檢測(cè)鄰域大小為； 最后，在大小為的檢測(cè)鄰域內(nèi)，計(jì)算改進(jìn)的PIIFD描述符提取描述子； 具體為：從的正方形鄰域中，提取16個(gè)小正方形組成的區(qū)域，每個(gè)小正方形的區(qū)域?yàn)?，?duì)應(yīng)一個(gè)方向直方圖； 通過(guò)計(jì)算相反方向的和，將16個(gè)平均覆蓋0~2π，方向分別為0°,22.5°,...,337.5°的方向直方圖轉(zhuǎn)換為8個(gè)平均覆蓋0~π，方向分別為0°,22.5°,...,157.5°的退化方向直方圖，接著利用退化方向直方圖以及其180°旋轉(zhuǎn)矩陣的行向量構(gòu)建的線性描述符，將其歸一化得到特征點(diǎn)對(duì)應(yīng)的長(zhǎng)度為128的描述符向量； 步驟三、采用BBF方法，利用特征描述符向量進(jìn)行雙向初始匹配，并利用特征主方向進(jìn)行誤匹配剔除，再采用RANSAC法對(duì)錯(cuò)誤的匹配進(jìn)行剔除，得到精匹配點(diǎn)對(duì)； 具體為： 步驟301、針對(duì)待配準(zhǔn)圖像當(dāng)前特征點(diǎn)a，依次計(jì)算該特征點(diǎn)a和參考圖像中的所有特征點(diǎn)之間的歐式距離，選擇滿足條件的最近特征點(diǎn)，與特征點(diǎn)a進(jìn)行匹配，加入初始匹配結(jié)果中； 滿足的條件如下： 參考圖像中最近的特征點(diǎn)和次近的特征點(diǎn)滿足如下公式： ， 其中為所述特征點(diǎn)a與最近特征點(diǎn)的歐式距離，為所述特征點(diǎn)a與次近特征點(diǎn)的歐式距離，為預(yù)設(shè)閥值； 步驟302、對(duì)初始匹配結(jié)果進(jìn)行統(tǒng)計(jì)，利用特征主方向進(jìn)行旋轉(zhuǎn)誤差的排除； 具體為： 隨機(jī)選擇初始匹配對(duì)應(yīng)的兩組特征點(diǎn)，其主方向分別為和，為匹配對(duì)數(shù)量，為兩組匹配特征點(diǎn)的主方向角度，所以特征主方向角度差值為： ， 將圖像扭至同一方向后，剔除不滿足的匹配對(duì)，剩下相匹配的匹配對(duì)，即為排除了旋轉(zhuǎn)誤差后的匹配結(jié)果； 步驟303、用RANSAC對(duì)錯(cuò)誤匹配進(jìn)行剔除； 具體是：針對(duì)當(dāng)前次迭代，從排除了旋轉(zhuǎn)誤差后的匹配對(duì)中隨機(jī)抽取4個(gè)不共線的匹配點(diǎn)對(duì)作為樣本數(shù)據(jù)計(jì)算出變換矩陣H，記為矩陣模型M； 然后，依次計(jì)算每個(gè)匹配對(duì)與矩陣模型M的代價(jià)函數(shù)誤差，若誤差小于設(shè)定的閾值，將當(dāng)前匹配對(duì)加入內(nèi)點(diǎn)集I； 迭代次數(shù)自增1，再次隨機(jī)抽取4個(gè)不共線的匹配點(diǎn)對(duì)作為樣本，計(jì)算矩陣模型M1，同理，計(jì)算每個(gè)匹配點(diǎn)對(duì)與矩陣模型M1的代價(jià)函數(shù)誤差，將誤差小于設(shè)定閾值的匹配對(duì)點(diǎn)加入內(nèi)點(diǎn)集I1中； 直至達(dá)到設(shè)定的迭代次數(shù)，選擇匹配點(diǎn)對(duì)數(shù)量最多的內(nèi)點(diǎn)集作為精匹配點(diǎn)對(duì)； 步驟四、從精匹配點(diǎn)對(duì)中，根據(jù)變換方式的不同選擇對(duì)應(yīng)數(shù)量的精匹配點(diǎn)對(duì)進(jìn)行變換矩陣的計(jì)算，并用最小二乘法優(yōu)化變換矩陣的參數(shù)； 步驟五、將優(yōu)化了參數(shù)的變換矩陣與待配準(zhǔn)圖像進(jìn)行相乘，得到最終配準(zhǔn)結(jié)果。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人北京郵電大學(xué);中國(guó)電波傳播研究所(中國(guó)電子科技集團(tuán)公司第二十二研究所)，其通訊地址為：100876 北京市海淀區(qū)西土城路10號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。