一种鲁棒的区域自适应异源图像匹配方法

1.一种鲁棒的区域自适应异源图像匹配方法，其特征在于，包括以下步骤：S1.基于VE-FAST的区域自适应特征点提取；所述S1包括以下步骤：S11.引入分块策略，将图像分成个N×N个子图像块，记录每个子图像块的FAST特征点得分，并降序排列；S12.根据信息论的方法，按照信息熵H I 计算公式，对于每个子图像块，信息熵大于设定阈值λ e 的选取前m u 个点作为候选点，在不满足设定信息熵阈值的，提取m w 个候选点，所述信息熵H I 计算公式如下：其中，p i 为第i级别灰度出现的概率，i∈[1,k]；S13.基于每个候选点确定模板区域和搜索区域，计算每个候选点对应的模板区域和搜索区域的方差乘积Q p ；所述S13中的每个候选点对应的模板区域和搜索区域的方差乘积Q p 计算公式如下：其中，V o 为模板区域的方差， 为所有模板区域的方差最小值， 为模板区域方差最大值，V s 为搜索区域的方差， 为所有搜索区域的方差最小值， 为搜索区域方差最大值；对于大小为M I ×N I 的图像I(x,y)，方差V定义如下：其中，μ I 为图像的像素平均值，由下述计算公式(4)获得，S14.根据方差乘积Q p 和方差乘积阈值λ v 的大小关系，提取区域自适应且均匀分布的特征点；S2.基于区域特征匹配的相似性图生成；S3.基于SK-NMS的匹配点筛选。 2.根据权利要求1所述的一种鲁棒的区域自适应异源图像匹配方法，其特征在于，所述S2包括以下步骤：S21.参考光学图像的模板区域及待匹配SAR图像的搜索区域，利用MOGF分别构建特征描述符；S22.采用互相关作为评估模板区域和搜索区域内特征描述符之间相似度的指标，通过傅里叶变换将此过程转换到频域处理，利用频域中的乘法操作代替空域中的卷积运算在频域内计算模板区域和搜索区域的归一化互相关值，从而得到相似性图。 3.根据权利要求2所述的一种鲁棒的区域自适应异源图像匹配方法，其特征在于，所述S21包括以下步骤：S211.使用滤波器得到图像在x方向和y方向上的梯度大小IG和方向OG；S212.考虑算法鲁棒性，光学图像选择使用考虑综合因素的Sobel算子提取梯度信息，SAR图像考虑乘性斑点噪声的影响，选择使用ROEWA算子；S213.利用下述计算公式，得到每个像元的梯度向量： 4.根据权利要求1所述的一种鲁棒的区域自适应异源图像匹配方法，其特征在于，所述S3包括以下步骤：S31.通过主次峰值之比R和相似性图的偏度S k 的计算公式分别计算相似性图的主次峰值之比R和相似性图的偏度S k ，并设定阈值λ r 和λ s ；S32.当该相似性图的主次峰值之比R大于λ r 且偏度S k 大于λ s 时，认为该相似性图的最大值才适用于计算匹配点，从而得到一个可靠匹配点对；S33.通过对上述相似性图进行处理和筛选，得到了一组匹配点对；S34.从匹配点对的几何变换关系模型出发，使用FSC方法消除离群匹配点。 5.根据权利要求4所述的一种鲁棒的区域自适应异源图像匹配方法，其特征在于，所述S31中的主次峰值之比R和相似性图的偏度S k 的计算公式如下所示：其中，IoU为主峰窗口和次峰窗口的交并比，ε为防止交并比为0而引入的机器零度，它是一个接近于0但大于0的数，P p 为主峰值强度，P s 为次峰值强度；其中， 为均值，x i 为第i个元素，n为采样数量。