專利名稱：月面影像的特征點選擇和提取方法
技術領域：
本發(fā)明屬于計算機視覺和地理信息系統(tǒng)的技術領域，涉及圖像的特征點提取，特別是涉及三維模型重建過程中，對航(衛(wèi))片進行特征點選擇和提取的方法。
背景技術：
“嫦娥一號”衛(wèi)星的發(fā)射成功，引起了國際政治、軍事和學術界的高度關注，它的任務之一就是獲取月面的三維影像圖。特征點提取是同名像點匹配的前提和基礎，而同名像點匹配則是實現(xiàn)由影像自動構建月面三維影像圖的關鍵，特征點提取的數(shù)量、穩(wěn)定性和準確性直接影響同名像點匹配率，并進一步?jīng)Q定自動構建的月面三維影像圖的分辨率和精度。這是因為生成三維影像圖需要得到不同影像上的同名像點，并根據(jù)立體視覺原理計算每個像素點的三維坐標，傳統(tǒng)方法需要較多的人工干預，并且要利用激光高度計的探測數(shù)據(jù)來補充和融合。如果能夠自動從二維影像中提取到足夠密度的特征點，并對CCD立體相機所拍攝的正視、前視和后視三幅不同角度影像的特征點進行匹配，得到同名像點，進而計算出該點的三維坐標，那么就可以避免大量的人工干預，提高月面三維影像圖的成圖速度和質量。由此可見，提取月面影像特征點應具備盡可能高的密度，并同時滿足較高的準確性。目前特征點的提取通常是針對不同的圖像特征和不同的應用背景，采用各種提取算子。Moravec算子、Forstner算子作為傳統(tǒng)的特征點提取算子，原理直觀、算法簡單、計算方便，但是對于復雜的圖像，提取的質量不高。Harris算子算法簡單、定位準確，不受圖像旋轉、灰度變化的影響，但是抗縮放、抗仿射變形功能較弱。SIFT算子不受圖像尺度和旋轉的影響，對光線變化、噪聲、仿射變形都具有魯棒性。SUNSAN算子對角點的檢測比對邊緣檢測的效果好，適用于基于角點匹配的圖像配準。但上述這些常用的方法不能完全適應月面的影像特征，且無法滿足月面三維影像圖自動構建對特征點的數(shù)量、穩(wěn)定性和準確性的需求。

發(fā)明內容
本發(fā)明的目的是解決月球三維影像圖自動構建過程中，從月面二維影像中提取什么樣的特征和怎樣提取的問題，提出一種月面影像的特征點選擇和提取方法。本發(fā)明月面影像的特征點選擇和提取方法實現(xiàn)方案如下1.根據(jù)月表月坑的特點，設計了五類特征點分別為大面積陰影區(qū)域中心、大面積高亮區(qū)域中心、陰影中心、亮度中心、陰影中心和亮度中心的連線中心。2.上述五類特征點的選擇和提取方法包括以下步驟步驟一分別確定陰影和高亮亮度閾值，根據(jù)月面影像各像素亮度與閾值的大小關系，計算大面積陰影區(qū)域中心和大面積高亮區(qū)域中心位置，并計算表征特征大小的參數(shù)——半徑。其中，中心位置(x，y)以及它們的特征半徑(radius)由下式確定
χ = ^χ weight [Ium [ζ]] / ^ weight [Ium [i]]
ι = 0/ i = 0
η - 1/ η - 1
y -χ weight [Ium [/]] / ^ weight [Ium [ζ']]
radius = -yft
=sjn/n式中，η為大面積陰影或大面積高亮區(qū)域內的像素點數(shù)，(Ci，r,)為第i個陰影點或高亮點的像素坐標，lum[i]為第i個陰影點或高亮點的亮度，weight[lUm]是灰度為Ium 的像素點的權值。步驟二對月面影像分別進行行掃描和列掃描，提取列方向和行方向上亮度同為極小值的像素點，即為陰影中心；提取列方向和行方向上亮度同為極大值的像素點，即為亮度中心；然后計算表征特征大小的參數(shù)一半徑和表征特征變化程度的參數(shù)一梯度。表征陰影中心或亮度中心P的特征參數(shù)半徑(radius)的計算分為兩步首先以陰影中心或亮度中心P在行方向和列方向上的特征長度較小者作為初始半徑radius，然后以 P為圓心，radius為半徑，建立圓形窗口，根據(jù)離圓心距離依次求得AverageLumti]，i表示離圓心的距離，AverageLumti]表示距離圓心為i所有像素點的平均亮度，i = radius，...， 1,0,如果 AverageLum[i] < AverageLum[i_l]，則 radius 減 1，依次類推，得到最終 radius。特征參數(shù)梯度diff計算公式如下diff = (AverageLum
-AverageLum[radius])/radius步驟三根據(jù)太陽光入射方向對陰影中心和亮度中心進行配對，提取成對的陰影中心和亮度中心的連線中心，并計算表征特征大小的參數(shù)——半徑以及表征特征變化程度的參數(shù)——梯度。連線中心的確立是根據(jù)太陽星歷數(shù)據(jù)，計算太陽光線的入射方向，確定成對的陰影中心和亮度中心，且成對的陰影中心和亮度中心具有唯一性。其中連線中心特征參數(shù)半徑(radius)以及梯度(diff)由其對應的陰影中心和亮度中心的參數(shù)決定radius = radiuss+radiusbdiff = (diffs+diffb)/2其中，radius,是陰影中心的半徑，radiusb是高亮中心的半徑；diffs是陰影中心的梯度，diffb是高亮中心的梯度。本發(fā)明月面影像的特征點選擇和提取方法的優(yōu)點1.因為巧妙地利用月面的自然特點，選擇了五類特征點，從而擺脫了構建月球三維影像圖時傳統(tǒng)方法需要大量人工干預的弊端，自動化程度高；2.設計的五類月面影像特征點的提取算法簡單快速，提取效率高；3.根據(jù)設計的五類月面影像特征點提取算法，提取到的特征點密度高，是月球三維影像圖自動構建技術實現(xiàn)的基礎。


圖1根據(jù)月面影像的特征點選擇和提取方法得到的大面積陰影區(qū)域中心(方框) 和大面積高亮區(qū)域中心(三角形)示意圖2根據(jù)月面影像的特征點選擇和提取方法得到的陰影中心和亮度中心的連線中心(方框)示意圖。圖3根據(jù)月面影像的特征點選擇和提取方法得到的陰影中心(方框)和亮度中心 (三角形)示意具體實施例方式現(xiàn)結合附圖和實施例對本發(fā)明月面影像的特征點選擇和提取方法做進一步詳細描述。實施例中以“嫦娥一號”衛(wèi)星拍攝的第168軌影像的特征點提取為例。本發(fā)明月面影像特征點選擇和提取方法，是根據(jù)月表各種月坑在太陽光照射下影像所具有的特點，設計并選擇五類特征點，分別是大面積陰影區(qū)域中心、大面積高亮區(qū)域中心、陰影中心、亮度中心、相關陰影中心和亮度中心的連線中心；并設計了五類特征點的提取算法，能夠快速地從月面二維影像中提取大量的特征點，圖1、圖2、圖3分別是從第168軌影像提取出的不同種類特征點的示意圖，由于影像尺寸很大，只截取了部分影像。本發(fā)明月面影像的特征點選擇和提取方法詳細描述如下1.月面大量的撞擊坑在太陽光照射下形成了一些大面積的陰影區(qū)和高亮區(qū)，它們特征明顯，定位精度高，唯一性和一致性好，所以選擇大面積陰影區(qū)域和大面積高亮區(qū)域中心作為特征點。2.陰影中心和亮度中心是圖像局部區(qū)域亮度極值點當該點為亮度極大值點時稱為亮度中心，為亮度極小值點時稱為陰影中心，這兩類特征是由于月面高低起伏的地形受太陽光照射不均而形成的，它們在影像中大量存在，定位精度較高，一致性較好，可以彌補大面積陰影區(qū)域和大面積高亮區(qū)域中心分布稀疏的缺點，因此選擇陰影中心和亮度中心作為特征點。3.很多陰影中心和亮度中心是成對出現(xiàn)的，它們的連線中心隱含的信息比陰影中心和亮度中心更多，在特定的區(qū)域內，按照一定的條件可以篩選出具有唯一性的連線中心， 因此選擇陰影中心和亮度中心的連線中心作為一類特征點。4.大面積陰影區(qū)域中心的提取方法為1)設大面積陰影區(qū)域亮度閾值為MASS_SILL，亮度權值因子為f。2)取影像上一點P，其坐標為(c，r)，亮度為I (c，r)。如果I (c，r) >MASS_SILL，則 P點不屬于陰影區(qū)域，算法回到步驟2)繼續(xù)檢測相鄰點；否則，將該點入棧，進入步驟3)。3)判斷棧是否為空。當棧非空時棧頂元素出棧，作為當前檢測點，進入步驟4)；棧為空時進入步驟5)。4)若當前檢測點已經(jīng)插入大面積陰影區(qū)域隊列，則返回步驟3)；否則將當前檢測點插入大面積陰影區(qū)域隊列，然后檢查當前檢測點周圍是否有未經(jīng)檢測的點且該點滿足 I ( MASS_SILL，有則將該點入棧，并返回步驟3)。5)從大面積陰影區(qū)域隊列(隊列長度為η)中依次取出各像素，根據(jù)下式計算大面積陰影區(qū)域的中心(x，y)及表征區(qū)域特征大小的參數(shù)半徑radius。
權利要求
1.一種月面影像的特征點選擇和提取方法，其特征在于，該方法根據(jù)月表月坑的特點， 設計并選擇了五類特征點大面積陰影區(qū)域中心、大面積高亮區(qū)域中心、陰影中心、亮度中心、陰影中心和亮度中心的連線中心；月面影像的特征點選擇和提取方法的實現(xiàn)包括以下步驟步驟一分別確定陰影和高亮亮度閾值，根據(jù)月面影像各像素亮度與閾值的大小關系， 提取大面積陰影區(qū)域中心和大面積高亮區(qū)域中心，并計算表征特征大小的參數(shù)——半徑；步驟二 對月面影像分別進行行掃描和列掃描，提取列方向和行方向上亮度同為極小值的像素點，即為陰影中心；提取列方向和行方向上亮度同為極大值的像素點，即為亮度中心；然后計算表征特征大小的參數(shù)——半徑和表征特征變化程度的參數(shù)——梯度；步驟三根據(jù)太陽光入射方向對陰影中心和亮度中心進行配對，提取成對的陰影中心和亮度中心的連線中心，并計算表征特征大小的參數(shù)——半徑以及表征特征變化程度的參數(shù)——梯度。
2.根據(jù)權利要求1所述一種月面影像的特征點選擇和提取方法，其特征在于步驟一所述的大面積陰影區(qū)域中心和大面積高亮區(qū)域的中心位置(χ，y)以及它的特征參數(shù)半徑 (radius)由下式確定
3.根據(jù)權利要求1所述一種月面影像的特征點選擇和提取方法，其特征在于，所述步驟二表征陰影中心或亮度中心P的特征參數(shù)半徑(radius)的計算分為兩步首先以陰影中心或亮度中心P在行方向和列方向上的特征長度較小者作為初始半徑radius ；然后以P為圓心，radius為半徑，建立圓形窗口，根據(jù)離圓心距離依次求得AverageLum[i]，i表示離圓心的距離，AverageLum [i]表示距離圓心為i所有像素點的平均亮度，i = radius, ... ,1, 0，如果 AverageLum[i] < AverageLum[i_l]，則 radius 減 1，依次類推，得到最終 radius ；特征參數(shù)梯度diff計算公式如下diff = (AverageLum
-AverageLum[radius D/radius。
4.根據(jù)權利要求1所述一種月面影像的特征點選擇和提取方法，其特征在于所述步驟三連線中心的確立是根據(jù)太陽星歷數(shù)據(jù)，計算太陽光線的入射方向，確定成對的陰影中心和亮度中心，且成對的陰影中心和亮度中心具有唯一性。
5.根據(jù)權利要求1所述一種月面影像的特征點選擇和提取方法，其特征在于所述步驟三的連線中心特征參數(shù)半徑(radius)以及梯度(diff)由其對應的陰影中心和亮度中心的參數(shù)決定radius = radiuss+radiusb diff = (diffs+diffb)/2其中，radius是陰影中心的半徑，radius b是高亮中心的半徑；diffs是陰影中心的梯度，diffb是高亮中心的梯度。
全文摘要
本發(fā)明涉及一種月面影像的特征點選擇和提取方法，用于實現(xiàn)全月面自動三維重建。該方法根據(jù)月坑的特點，選擇了五類特征點，分別是大面積陰影區(qū)域中心、大面積高亮區(qū)域中心、陰影中心、亮度中心、陰影中心和亮度中心的連線中心；并從月面影像中提取出此五類特征點。其步驟是將影像各像素亮度與設定的陰影、高亮亮度閾值進行比較，提取大面積陰影區(qū)域中心和大面積高亮區(qū)域中心。對月面影像掃描，提取列、行方向上亮度同為極小值或極大值的像素點，即為陰影中心或亮度中心。根據(jù)太陽光入射方向對陰影中心和亮度中心進行配對，提取它們的連線中心。優(yōu)點是該方法巧妙地利用了月面的自然特點，計算簡單快速，提取的特征點密度高。
文檔編號G06K9/52GK102236792SQ20101016070
公開日2011年11月9日 申請日期2010年4月30日 優(yōu)先權日2010年4月30日
發(fā)明者于鳳坤, 李學軍, 楊阿華, 王新波, 王明印, 王林旭, 胡杰, 謝劍薇, 鄒紅霞, 鄒蕾, 韋群, 龔雪晶 申請人:中國人民解放軍裝備指揮技術學院