申请/专利权人:南昌工学院
申请日:2023-12-29
公开(公告)日:2024-04-02
公开(公告)号:CN117809143A
主分类号:G06V10/776
分类号:G06V10/776;G06V10/46;G06V10/77;G06V10/74;G06T7/33
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明公开了一种基于跨模态映射关系一致性分析的异源配准描述符性能评价方法,包括:对同场景异源的两个遥感图像进行关键点提取,得到两个点集;对点集进行筛选,得到“配对”的两个点集;对两个配对的点集进行特征描述,得到两个特征向量集合,分别构造两个线性表示方程组,求解得到两个拟合矩阵并计算第一相似度;对两个特征向量集合进行流形降维,得到新的两个特征描述集,分别构建两个线性表示方程组,得到拟合矩阵并计算第二相似度;依据两个相似度与1三者间的大小关系,对选择的图像特征提取算法的特征描述符性能进行评价。本发明可对异源遥感图像配准中的特征描述符性能进行单独评价,弥补当前仅能对整套配准算法进行定量评价的不足。
主权项:1.一种基于跨模态映射关系一致性分析的异源配准描述符性能评价方法,其特征在于,包括以下步骤:S1、对同场景异源的两个遥感图像IA和IB进行关键点提取,得到第一点集PA和第二点集PB;S2、对点集进行筛选,得到“配对”的两个点集P″A和P″B;S3、通过选择的图像特征提取算法的特征描述符对两个配对的点集P″A和P″B进行特征描述,得到第一特征向量集合{FP″Ai}和第二特征向量集合{FP″Bi};S4、对第一特征向量集合{FP″Ai}和第二特征向量集合{FP″Bi}中的每个特征向量进行线性表示,分别构造线性表示方程组,并求解得到两个拟合矩阵Afit和Bfit;S5、计算两个拟合矩阵Afit和Bfit的第一相似度SAB;S6、对第一特征向量集合{FP″Ai}和第二特征向量集合{FP″Bi}进行流形降维,得到新的第一特征描述集{F′P″Ai}和第二特征描述集{F′P″Bi};S7、对新的第一特征描述集{F′P″Ai}和第二特征描述集{F′P″Bi}中的每个特征向量进行线性表示,分别构建线性表示方程组,求解得到两个拟合矩阵A′fit和B′fit;S8、计算两个拟合矩阵A′fit和B′fit的第二相似度SA′B′;S9、依据两个相似度SAB、SA′B′与1三者间的大小关系,对选择的图像特征提取算法的特征描述符的性能进行定量评价。
全文数据:
权利要求:
百度查询: 南昌工学院 基于跨模态映射关系一致性分析的异源配准描述符性能评价方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。