一种轻量化控制点影像数据库的制作方法与流程

1.本发明涉及一种轻量化控制点影像数据库的制作方法，属于摄影测量与遥感技术领域。


背景技术：

2.控制点影像数据库是地理配准的基础，其制作方法是摄影测量与遥感测绘领域的一项重要技术。高精度的控制点影像数据库能够充分利用现有的地理信息数据资源，并为应急响应提供有力支撑。控制点影像数据库制作方法包括数据源选择与分析、数据采集质量控制及入库管理。
3.伴随国产卫星发展，卫星成像模式及种类日渐丰富且更新速度加快，能够获取大规模高质量的基础遥感数据。基于前期积累的控制信息及获取的卫星影像，可以针对目标区域构建控制点影像数据库。但由于传统的控制点影像数据库中各控制点的属性信息是采用128位的浮点型数据进行描述，这导致数据库中控制点的信息存储量过大，内存占用过高，极大约束了控制点影像数据库移植到有限内存的移动终端进行测绘生产的能力，限制了移动终端的实时处理的效率以及精度，阻碍了智能化应用的发展。


技术实现要素：

4.本发明的目的是提供一种轻量化控制点影像数据库的制作方法，以解决目前构建的影像数据库中控制点信息存储量大、内存占用高的问题。
5.本发明提供了一种轻量化控制点影像数据库的制作方法，该方法包括以下步骤：
6.1)获取目标区域的控制点数据、航天正射影像和数字高程产品；并筛选出一对定位精度最高且成像条件最好的航天正射影像，作为构造轻量化映射函数训练数据集的立体影像对；
7.2)对获取的立体影像对进行匹配处理，并提取立体影像对的特征点对，将提取的特征点对作为轻量化映射函数的训练数据集；其中特征点对包括正确匹配的特征点对和错误匹配的特征点对；
8.3)建立用于将控制点数据转换成二值型特征描述符的轻量化映射函数，利用训练数据集中的特征点对训练所述轻量化映射函数，得到训练后的轻量化映射函数；
9.4)将目标区域的各控制点数据输入到训练好的轻量化映射函数中，得到控制点对应的二值型特征描述符，以此制作轻量化控制点影像数据库。
10.本发明通过建立轻量化映射函数，利用轻量化映射函数将128位的浮点型控制点特征描述转换成二值型特征描述符数据，减少内存占用。该方法可以实现控制点特征描述符的轻量化处理，减少了控制点信息的内存占用，进而提高控制点影像数据库移植到移动端的可行性，并加快卫星影像与控制点影像数据库的匹配速率，为智能化应用提供有力支撑。
11.进一步地，为了保证数据库中控制点数据的全面性，所述轻量化控制点影像数据
库还包括对应各控制点的辅助影像，所述辅助影像为以该控制点为中心的设定像素大小的影像块。
12.进一步地，所述步骤3)中的轻量化映射函数为哈希函数，计算公式为：
13.g(u)＝f(pu t)
14.其中，p为使用lda思想计算得到的投影矩阵，t为使用逐特征维度阈值迭代法及全局逼近方法计算得到的阈值限制，u为特征点的特征向量。
15.进一步地，为了得到最优投影矩阵保证哈希函数的准确性，所述投影矩阵p的训练过程为：
16.分别对立体影像对的正确匹配特征点对和错误匹配特征点对进行特征描述符差分计算，得到对应差分后的正对数据集和负对数据集；对所述正对数据集和负对数据集构建损失函数，输出使损失函数最小时的空间矩阵作为投影矩阵。
17.进一步地，为了得到最优阈值限制保证哈希函数的准确性，所述限制阈值t的计算过程为：
18.a使用生成的投影矩阵对特征点对中每个特征点的特征描述符进行初始映射，得到每个特征点特征描述符在汉明空间的初始映射值；
19.b引入累计分布函数cdf(t)，用来表示阈值限制为t时对应的映射值概率；求解能使正对数据集的同符号的占比最大、负对数据集的同符号的占比最小时的阈值t；其中，同符号是根据设定的同名点对判别准则判定特征点为相邻的情况；
20.c根据生成的投影矩阵和得到的阈值t构建映射函数，增加一个阈值t的全局改正量
△
t，先设全局改正量为0，代入构建好的映射函数中，依照已有的同名点对判别准则进行逐点对判断，计算正对数据集和负对数据集中的正确点对个数，并计算
△
t为0时的存优率；
21.d通过设置全局改正量的迭代步长和迭代范围，不断迭代更新
△
t并同时更新映射函数，计算不同迭代下的存优率，得到存优率最大时的最优全局改正量
△
t，得到最终阈值限制为t＝t
△
t。
22.进一步地，为了得到最优的立体影像对，保证后续构建哈希函数的准确性，所述步骤1)中原始立体影像对的筛选过程为：根据正射影像中控制点的像点坐标，结合坐标转换参数计算控制点的地理坐标，并基于数字高程模型判断正射影像的定位精度，选出定位精度最好的两幅正射影像。
23.进一步地，为了快速、准确实现立体影像对的匹配和误匹配剔除，所述立体影像对的匹配方法为sift方法，误匹配提剔除方法为gms与ransac组合法。
24.进一步地，为了避免参与计算的正确匹配点对数量和错误匹配点对数量差别过大而造成的误匹配结果，所述错误匹配特征点对需保留的数量为正确匹配特征点对数量的百分之一。
25.进一步地，所述轻量化控制点影像数据库中每个控制点包括控制点必要属性信息、二值型特征描述符和辅助影像，其中控制点的必要属性信息、辅助影像采用二进制形式。
附图说明
26.图1是本发明轻量化控制点影像数据库的制作流程图；
27.图2是本发明基于特征点对描述符的哈希函数训练流程图；
28.图3是本发明轻量化控制点影像数据库基于星载平台嵌套使用模式示意图。
具体实施方式
29.下面结合附图对本发明的具体实施方式作进一步地说明。
30.本发明提供了一种轻量化控制点影像数据库的制作方法，具体流程如图1所示。首先获取目标区域的控制点信息、航天正射影像及数字高程产品，并筛选出一对航天正射影像作为立体影像对；再对立体影像对进行匹配处理，并提取特征点对作为轻量化映射函数的训练数据集；然后利用训练数据集中的特征点对轻量化映射函数进行训练，得到训练后的轻量化映射函数；最后将所有控制点信息输入到训练好的轻量化映射函数中，将所有轻量化后的控制点构成轻量化控制点影像数据库。本发明能够依据影像覆盖目标地区正射影像的立体影像对，训练哈希函数实现控制点的特征描述符轻量化，能够减少控制信息的内存占用，提高控制影像数据库移植到移动端的可行性，并加快卫星影像与控制点影像数据库的匹配速率，为智能化应用提供有力支撑。
31.步骤1.获取测区数据及数据筛选
32.获取目标区域的控制点信息、航天正射影像、以及对应的数字高程模型(dem)。在本实施例中，首先，获取制作数据库影像区域的控制点信息，根据目标区域范围，收集该区域一年以内的高分辨率航天正射影像、坐标转换参数及高精度的数字高程模型(dem)。根据获取的控制点信息，匹配得到每张航天正射影像上控制点所在的像素点坐标，根据确定待测区域范围内的数字高程模型，针对正射影像上控制点的像素坐标，结合坐标转换参数计算控制点的地理坐标，判断所获取的航天正射影像的精度；根据判断得到定位精度最好的两幅正射影像，同时满足成像条件最好，将这两幅影像组建立体影像对，构建轻量化映射函数训练集的原始影像。
33.步骤2.构建轻量化映射函数的训练数据集
34.根据步骤1得到的立体影像对，采用sift对该立体影像对进行匹配处理，而后使用gms和ransac误匹配剔除方法进行几何约束，筛选并保留匹配的特征点对，将最终得到的特征点对分为两类：正确匹配的特征点对和错误匹配的特征点对，作为构建轻量化映射函数的训练数据集。
35.其中，若正确匹配的特征点对个数为n，错误匹配的特征点对个数为m，在后续训练中，需保留一定数量的错误匹配点对参与计算。因此，通过设置权重参数β对参与计算的错误匹配点对的数量进行约束，保留m
β
个错误匹配的特征点对，其中m
β
＝n/β。最终，n个正确匹配的特征点对，m
β
个错误匹配的特征点对作为构建轻量化映射函数的训练数据集。在本实施例中，β取值为0.01。作为其他实施方式，β的取值可根据实际匹配特征点对的数量确定。
36.步骤3.训练轻量化映射函数
37.本发明采用的轻量化映射函数为哈希函数，具体训练过程如图2所示。
38.根据步骤2得到的特征匹配点对，将正确匹配特征点对的特征描述符做差分，得到正对数据集us，将错误匹配特征点对的特征描述符做差分，得到负对数据集uq。采用改良的lda方法，对特征描述符统计性分析得到的投影矩阵p，考虑局部维度与全局向量特性迭代优化阈值t，计算得到哈希函数g(u)＝f(pu t)，u表示特征点的特征向量。
39.其中，当经过哈希函数映射后，正对数据集中的汉明距离的期望最小，负对数据集中的汉明距离的期望最大时，即能够使损失函数l达到最小，损失函数最小时的空间矩阵即为最优投影矩阵。具体计算过程如下：
40.损失函数的计算公式为：
41.l＝αe{dis
ham
(ur)}-e{dis
ham
(uq)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
42.式中，α为正负数据集的平衡参数，e{
·
}表示期望值，dis
ham
(uj),(j＝s,q)表示j类数据的汉明距离，s为正对特征点对数据集，q为负对特征点对数据集。
43.为了方便损失函数的优化并结合先验信息，假定所求投影矩阵p为正交阵，tr{
·
}为矩阵迹，则有e{dis
ham
(us)}＝tr{p∑sp
t
}，e{dis
ham
(uq)}＝tr{p∑qp
t
}，损失函数可以转化为l＝atr{p∑sp
t
}-tr{p∑qp
t
}；
44.使用归一化公式φ(ui)对正确匹配的特征描述符与错误匹配的特征描述符ui进行处理得到u'i；计算正对数据集的协方差矩阵记为∑s，计算负对数据集的协方差矩阵记为∑q；本实例中使用的归一化公式为
45.基于构建的卫星影像特征描述符训练集，将特征描述符u'乘以∑q-1/2
来变换坐标，则l的第二项转化为常数，则可得损失函数的正比关系：l
∝
tr{p∑q-1/2
∑s∑q-t/2
p
t
}＝tr{p∑s∑q-1
p
t
}＝tr{p∑rp
t
}，其中∑r＝∑s∑q-1
是正对数据集的协方差与负对数据集协方差之比，对其进行特征分解，即∑r＝vdv
t
；
46.一个使损失函数取得最小值的投影矩阵，应该是将特征描述符投影至为∑r的最小特征向量的空间的矩阵，投影矩阵p为：
47.其中，阈值限制t的计算过程如下：
48.(1)先使用生成的投影矩阵p对每个提取的特征点的特征描述符进行映射处理，得到两幅正射影像上的特征描述符在汉明空间的初始映射值，记作val
si
,val
qi
。令y_querlyidxi＝piu'
ri
，y_trianidxi＝piu'
ri
(i＝1,...,m；r＝s,p)，其中，y_querlyidxi,y_trianidxi分别为左右影像中特征描述符的第i维数据投影至汉明空间的矢量值，pi为投影矩阵p的第i行m维的行向量，u'
ri
为r类特征点的第i维数值的集合。
49.(2)为了方便计算，引入累计分布函数cdf的概念，cdf(t)表示连续函数中所有小于等于t的函数值的概率，此处用来表示某一维度的阈值限制为t时对应的映射值概率。求解能使正对数据集的同符号的占比最大、负对数据集的同符号的占比最小时的阈值t。其中，根据设定的同名点对判别准则，判定正对数据集和负对数据集中特征点对是否相邻，相邻特征点对记为同符号，不相邻特征点对记为异符号。当(val
si
ti),(val
qi
ti)同符号时判定其相邻，异符号时判定其距离较远。令w
max
＝max{-val
si
,-val
qi
}，w
min
＝min{-val
si
,-val
qi
}，同名点对的判别准则为：
[0050][0051]
(3)根据生成的投影矩阵和得到的阈值t构建映射函数，增加一个阈值t的全局改正量
△
t，先设全局改正量为0，代入构建好的映射函数中，依照已有的同名点对判别准则进行逐点对判断，计算正对数据集和负对数据集中的正确点对个数，并计算
△
t为0时的存优
率；
[0052]
根据计算生成的投影矩阵p和阈值t构建一个映射函数pu t，增加一个全局改正量
△
t，对阈值t进行进一步优化，令δt＝δt0＝0，将匹配的特征描述符和代入构建好的映射函数pu t中，根据上述步骤(2)中的同名点对判别准则进行逐点对判断，累计计算其对应的正确点对个数num0_s,num0_q，计算其存优率，公式如下：
[0053][0054]
(4)通过设置全局改正量的迭代步长和迭代范围，不断迭代更新
△
t并同时更新映射函数，计算不同迭代下的存优率，得到存优率最大时的最优全局改正量
△
t，得到最终阈值限制为t＝t
△
t。
[0055]
将初始t的最后一位有效数字作为迭代步长记作d，迭代范围b为对称的整数集合，迭代计算的形式为δtm＝b*d δt0(b∈z)，m为迭代次数，则对应每一次迭代后的哈希函数为pu t
△
tm，继续通过上述步骤(2)中的同名点对判别准则进行逐点对判断，通过公式计算每一次迭代后的存优率hm，当满足迭代次数后，找到其中存优率最大时对应最优改正值的δtm，得到最优的阈值限制t'i＝ti δtm(t'i∈t,i＝1,2,...,m)，t
′i即为最终的阈值限制t。
[0056]
步骤4.轻量化控制点影像数据库生成
[0057]
将目标区域的控制点数据输入到训练好的轻量化映射函数中，得到轻量化后控制点的二值型特征描述符；所有轻量化后的控制点构成轻量化控制点影像数据库。
[0058]
同时为了保证数据库的全面性，选择成像条件最好的卫星影像作为待裁剪影像，依照辅助参数反算得到控制点的像素坐标，以该点为中心点，裁剪尺寸大小为50*50像素的影像块，并将其转化为二进制数据流形式，作为辅助影像。作为其他实施方式，控制点影像裁剪大小可根据具体实际情况确定。对控制点影像块使用匹配方法进行特征检测并描述，依照行列号得到中心像素的浮点型特征描述符，使用训练好的哈希函数得到其二值型描述符表达形式，作为特征表述信息。
[0059]
将所有获取的控制点的经纬度等必要属性信息转化为二进制形式，构建形式为“控制点必要属性信息 特征表述信息 辅助影像”的二值型数据流，得到该控制点的轻量化表述形式；并按照经纬度次序将控制信息依次存入轻量化控制点数据库。
[0060]
通过上述方法得到的控制点影像数据库可以直接用于影像匹配，例如图3所示，将生成的控制点影像数据库在星载平台固化写入，对在轨实时影像进行特征点检测，将生成的特征点通过训练好的哈希函数进行二值型转化，与生成的控制点影像数据库中的控制点进行汉明距离相似度判定，输出匹配成功的特征点，实现星载平台影像匹配。