(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210921778.0 (22)申请日 2022.08.02 (71)申请人 北京卫星信息 工程研究所 地址 100086 北京市海淀区知春路61号 (72)发明人 常江　贺广均　冯鹏铭　金世超　 刘世烁　梁银川　莫毅君　符晗　 邹同元　韩昱　张鹏　车程安　 (74)专利代理 机构 北京谨诚君睿知识产权代理 事务所 (特殊普通合伙) 11538 专利代理师 延慧 (51)Int.Cl. G06V 10/75(2022.01) G06T 7/246(2017.01) G06T 7/33(2017.01)G06V 10/46(2022.01) G06V 10/74(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 遥感数据多目标关联匹配与轨迹生成方法 及设备 (57)摘要 本发明涉及一种遥感数据多目标关联匹配 与轨迹生成方法及设备， 利用SIFT尺度不变的特 性对多模态序列遥感图像进行空间配准， 再利用 基于拓扑特征相似度匹配的多目标关联匹配方 法对图像中的目标信息进行关联匹配， 该发明可 以将不同传感器在空间及时间上的冗余或互补 信息进行 组合， 获得比单一传感器单时相数据更 完善更准确的目标轨迹信息， 具有高效率、 高精 度的特点。 权利要求书3页 说明书8页 附图6页 CN 115100449 A 2022.09.23 CN 115100449 A 1.一种遥感数据多目标关联匹配与轨 迹生成方法， 包括以下步骤： 步骤S1、 获取预设区域的多模态多时相序列遥感图像数据， 并提取图像序列中的感兴 趣目标信息； 步骤S2、 对获取的多模态序列遥感图像进行空间配准； 步骤S3、 对序列中任意两张图像进行多组感兴趣目标关联匹配，  根据关联结果将相对 应的感兴趣目标进行融合； 步骤S4、 计算融合后的多个感兴趣目标在整个图像序列中经过空间配准的所有坐标位 置， 拟合得到多个感兴趣目标的运动轨 迹。 2.根据权利 要求1所述的方法， 其特征在于， 在所述步骤2中， 利用基于SIFT特征匹配的 方法对获取的多模态序列遥感图像进行空间配准， 具体包括： 步骤S21、 选取图像序列中任一图像作为整个图像序列空间配准的基准影像， 剩余图像 作为待配准影 像； 步骤S22、 根据SIFT算法提取 出所有影像中的尺度不变特 征点及其描述向量； 步骤S23、 利用KNN算法对待配准影像中的每一个特征点计算在基准影像中与之匹配程 度最高的K个特 征点， K=2时， 得到其 最近邻匹配点和次近邻匹配点； 步骤S24、 基于待配准影像和基准影像的特征点匹配结果， 使用最小二乘法拟合仿射变 换矩阵； 步骤S25、 根据拟合得到的仿射变换矩阵， 将所述待配准影像 中的感兴趣目标位置变换 到与所述基准影 像一致的坐标系中， 完成图像序列的空间配准。 3.根据权利要求2所述的方法， 其特征在于， 在步骤S23中， 当任一特征点与其最近邻匹 配的距离和次近邻匹配的距离的比值r大于预设阈值T时， 将该匹配结果剔除。 4.根据权利要求2所述的方法， 其特征在于， 在步骤S24中， 当最小二乘拟合的误差平方 和大于预设误差阈值 δ 时， 则其舍弃对应的待配准影 像。 5.根据权利要求1所述的方法， 其特征在于， 在所述步骤3 中， 利用拓扑特征相似性匹配 的方法对序列中任意两张图像进 行多组感兴趣目标关联匹配， 根据关联结果将相对应的感 兴趣目标进行融合， 具体包括： 步骤S31、 对图像序列中的任一幅图像， 利用尺度不变特征变换算法提取感兴趣目标的 尺度不变特 征点； 步骤S32、 计算全部感兴趣目标的特 征点集的二维拓扑 特征描述向量； 步骤S33、 根据所述描述向量计算任意两张图像之间感兴趣目标的拓扑 特征相似度； 步骤S34、 根据拓扑特征相似度进行两张图像之间的感兴趣目标的关联， 并根据关联结 果将相对应的感兴趣目标进行融合。 6.根据权利要求5所述的方法， 其特征在于， 在步骤S34中， 根据拓扑特征相似度进行两 张图像之间的感兴趣目标的关联， 具体包括： 步骤S341、 计算两张图像的拓扑 特征相似度矩阵， 其公式为： 权　利　要　求　书 1/3 页 2 CN 115100449 A 2其中， 为前一幅图像中的感兴趣目标数量， 为后一幅图像中的感兴趣目标数量， 为前一幅图像中第 个感兴趣目标与后一幅图像中第 个感兴趣目标的拓扑 特征相似度； 步骤S342、 在矩阵中查找最大元素 ， 若 ， 则前一幅图像中第 个目标与后一幅 图像中第 个目标相关联， 其关联置信度为 ， 并从矩阵中删除第 行和第 列； 重复上述过程 直至矩阵中所有元 素都小于预设 关联置信度阈值 ε， 其中ε= 0.7。 7.根据权利要求5所述的方法， 其特征在于， 在步骤S34中， 利用递归建立关联树群的方 法将相对应的感兴趣目标进行融合， 具体包括： 步骤S343、 选取任一感兴趣目标作为根节点建立一个关联树， 并将该感兴趣目标的所 有关联目标作为第一级子节点； 步骤S344、 将第 一级子节点的关联目标中尚未出现在该关联树中的目标作为第一子级 节点的第二级子节 点， 以此类推， 得到一个完整的关联树； 对于任意尚未出现在 任何关联树 中的感兴趣目标， 重复该步骤， 得到由多个独立的关联树组成的涵盖所有感兴趣目标的关 联树群； 步骤S345、 判断任一关联树中是否存在两个节点对应同一图像上的不同感兴趣目标， 若是， 则删除两个节点之间的路径上关联置信度最低的连接， 将原始关联树拆分为两个新 的关联树； 步骤S346、 所得关联树群代表最终的关联结果， 其中任一关联树所包含的节点即为需 要进行融合的感兴趣目标。 8.根据权利要求5所述的方法， 其特征在于， 在所述步骤S32中， 计算全部感兴趣目标的 特征点集的二维拓扑 特征描述向量， 具体包括： 以感兴趣目标质心为极点建立极坐标系， 将所有特征点按照极角大小分入8个区间， 每 个区间为 π/4弧度的扇形区域； 计算每 个区间的拓扑 特征值， 其公式为： 其中， 为第 个区间的拓扑特征值， 为第 个区间的特征点数量， 为第 个区间第 个 特征点的极径； 则该感兴趣目标的拓扑 特征描述向量V 表示为： 。 9.根据权利要求5所述的方法， 其特征在于， 在步骤S33中， 根据 所述描述向量计算任意 两张图像之间感兴趣目标的拓扑 特征相似度， 具体包括： 其中， 为两个感兴趣目标的拓扑特征相似度， D和Sum为用于计算拓扑特征相似度的中 间计算量， 为第一个图像中的一个感兴趣目标 的拓扑特征描述向量， 为第二个图像中权　利　要　求　书 2/3 页 3 CN 115100449 A 3