具体实施方式

参阅图1。根据本发明，首先对待检测的SAR图像采用滑窗的手段进行重叠等间隔采样，收集与光学模板图像尺寸大小一致的SAR图像块序列；采用循环匹配机制分别计算所有光学模板图像向SAR图像序列的匹配结果，以及所有SAR图像序列向光学模板图像的匹配结果，并根据循环匹配的距离误差合并两条循环匹配支路的SAR图像块序列结果至全图，分别得到光学模板图像向SAR全图的匹配结果；以及SAR全图向光学模板图像的匹配结果；随后将由上述两条循环匹配支路获取的匹配结果送入筛选模块，筛选各自分支的距离度量矩阵结果符合门限的特征点对，组成有效匹配点对集合；然后利用由上述两条循环匹配支路获取的相关矩阵，计算出由光学有效匹配点出发匹配得到的SAR特征点坐标和由SAR有效匹配点出发匹配得到的光学特征点坐标，合并两组坐标结果并计算其与有效匹配点对集合的距离，筛选距离最小的N组匹配点对；最后采用随机采样一致算法RANSAC将异常值筛除，获得自动匹配检索结果。

具体步骤包括：

1)在采用滑窗的手段对待检索的SAR图像进行重叠等间隔采样中，按照既定窗口大小W_光学×h_光学与步长s(s＜min(W_光学,h_光学))进行截取，获得长度为M的SAR图像块序列[I_sar1,I_sar2......I_sarM]，同时记录每一个图像块坐标位置并与光学图像I_光学配对，最终获得的图像块候选序列为[(I_光学,I_sar1),(I_光学,I_sar2),......(I_光学,I_sarM)]，其中，W_光学，h_光学分别为光学图像I_光学的长宽尺寸大小。

2)将待检索SAR图像切块与光学图像分为循环匹配分支A、循环匹配分支B两条循环匹配分支，其中，循环匹配分支A采用循环匹配机制计算光学模板图像向所有SAR图像序列的匹配结果，循环匹配分支B采用循环匹配机制计算所有SAR图像序列对向光学模板图像的匹配结果。

3)根据循环匹配的距离误差合并两条支路中SAR图像坐标重叠区域的匹配点，将SAR图像块序列结果合并至全图，分别得到光学模板图像向SAR全图的匹配结果：光学-SAR方向的匹配点对、距离度量矩阵、相关矩阵，SAR全图向光学模板图像的匹配结果：SAR-光学方向的匹配点对、距离度量矩阵、相关矩阵。

4)光学图像点向SAR图像点循环匹配分支，SAR图像点向光学图像点循环匹配分支，筛选模块筛选各自分支的距离度量矩阵符合门限的点，组成有效匹配点对集合(X^all _光学，X^all _SAR)；根据循环匹配分支A的相关矩阵获得光学图像有效匹配点X^all _光学到SAR图像X^result _SAR的匹配输出和循环匹配分支B的相关矩阵获得SAR图像有效匹配点X^all _SAR到光学图像X^result _光学的匹配输出；合并两条分支输出结果(X^all _光学，X^result _SAR)和(X^result _光学,X^all _SAR)，并筛选出合并结果中与有效匹配点对集合(X^all _光学，X^all _SAR)距离差最小的N对匹配点对(X^N _光学，X^N _SAR)。

5)最后将筛选出匹配距离最近的N个点送入异常值排除模块，采用RANSAC一致性算法排除匹配点对(X^N _光学，X^N _SAR)中的异常进行异常值筛除，得到并输出最终的匹配结果。

参阅图2。首先提取光学图像全图所有像素点的稠密特征描述子集合Pⁱⁿ _光学：Pⁱⁿ _光学＝{(x,f_x),x∈I_光学}以及SAR图像块序列[I_sar1,I_sar2......I_sarM]的全图所有像素点的稠密特征描述子集合Pⁱⁿ _SAR＝[Pⁱⁿ _SAR1,Pⁱⁿ _SAR2,...,Pⁱⁿ _SAR3]，再提取光学图像全图所有像素点的稠密特征描述子集合Pⁱⁿ _光学：Pⁱⁿ _光学＝{(x,f_x),x∈I_光学}以及SAR图像块序列[I_sar1,I_sar2......I_sarM]的全图所有像素点的稠密特征描述子集合Pⁱⁿ _SAR＝[Pⁱⁿ _SAR1,Pⁱⁿ _SAR2,...,Pⁱⁿ _SAR3]，其次从光学图像稠密特征描述子集合Pⁱⁿ _光学出发，求得向所有SAR图像块序列成员对应匹配的特征点描述子集。本实施例以第i个图像块I_sari为例：其对应匹配特征点描述子集P^middle _SARi＝{(x',f_x'),x'∈I_sari}，其中，I_光学为光学图像，I_sari为第i个SAR图像块，x为图像中的像素，f_x为像素x的特征描述子，x'为从I_光学中像素x出发，在I_sari中求得的对应匹配的像素坐标，f_x'为其特征描述子。

然后，循环匹配分支A从P^middle _SARi出发，采用同样的匹配算法返回求得对应的光学图像块序列匹配结果P^out _光学＝{(x”,f_x”),x”∈I_光学}，采用的距离函数d，计算Pⁱⁿ _光学与P^out _光学之间所有光学图像素坐标距离度量矩阵D_SARi：D_SARi＝{d(x-x”)|x',x∈I_光学，x”∈I_光学，x'∈I_sari}。其中，x”为从I_sari中像素x'出发，在I_光学中求得的对应匹配的像素坐标，f_x”为其特征描述子。上述采用的距离函数d包括但不限于L1距离、L2距离、余弦距离等。

上述采用的特征描述子提取方法包括但不限于传统方法sift、surf以及深度学习网络特征resnet、vgg、hardnet、lisrd等；上述采用的特征描述子提取方法包括但不限于传统方法sift、surf以及深度学习网络特征resnet、vgg、hardnet、lisrd等；上述采用的匹配方法包括但不限于传统匹配方法Flann、暴力匹配以及深度学习cnn网络、superglue、transformer等。

通过合并模块，根据[D_SAR1,D_SAR2,...D_SARM]值，以及每个像素点对应的原图坐标，将所有SAR切块匹配结果按置信度最小值合并到大图，合并出SAR原图完整的匹配结果(X_光学，X_SAR)，以及合并后的距离矩阵D^compose _SAR，光学模板图像向SAR图像重叠区域相同原始坐标点匹配的最终匹配结果为集合中距离差最小值对应的SAR特征点坐标，最后根据(X_光学，X_SAR)获得光学图像向SAR图像的相关矩阵Cor_光学-SAR。

循环匹配分支B提取循环匹配分支A中已获得的光学模板图像的全图所有像素点的稠密特征描述子集合Pⁱⁿ _光学＝{(x,f_x),x∈I_光学}，以及SAR图像块序列[I_sar1,I_sar2......I_sarM]的全图所有像素点的稠密特征描述子集合Pⁱⁿ _SAR：Pⁱⁿ _SAR＝[Pⁱⁿ _SAR1,Pⁱⁿ _SAR2,...,Pⁱⁿ _SAR3]，且Pⁱⁿ _SARi＝{(x,f_x),x∈I_sari}；从SAR图像块序列稠密特征描述子集合Pⁱⁿ _SAR＝[Pⁱⁿ _SAR1,Pⁱⁿ _SAR2,...,Pⁱⁿ _SAR3]出发，采用与循环匹配分支A相同的特征匹配方法，求得每一个SAR图像块特征子集合Pⁱⁿ _SARi对应的光学图像块特征点集，本实施例以第i个图像块I_sari为例，其对应的P^middle _光学i＝{(x',f_x'),x'∈I_光学}，其中，I_光学为光学图像，I_sari为第i个SAR图像块，x为图像中的像素，f_x为像素x的特征描述子，x'为从I_sari中像素x出发，在I_光学中求得的对应匹配的像素坐标，f_x'为其特征描述子。然后，循环匹配分支B从P^middle _光学i出发，采用同样的匹配算法返回求得对应的SAR图像块序列匹配结果P^out _SARi＝{(x”,f_x”),x”∈I_sari}，采用的距离函数d，计算Pⁱⁿ _SARi与P^out _SARi之间所有光学图像素坐标距离度量矩阵D_SARi：D_SARi＝{d(x-x”)|x',x∈I_sari，x”∈I_sari，x'∈I_光学}

合并模块根据[D_SAR1,D_SAR2,...D_SARM]值，以及每个像素点对应的原图坐标，将所有SAR切块匹配结果按置信度最小值合并到大图，合并出SAR原图完整的匹配结果(X_SAR，X_光学)，以及合并后的距离矩阵D^compose _SAR，SAR图像重叠区域向光学模板图像匹配时，原始坐标点匹配的最终匹配结果为集合中距离差最小值对应的SAR特征点坐标，最后根据(X_SAR，X_光学)获得SAR图像向光学图像的相关矩阵Cor_SAR-光学

筛选模块筛选各自分支的循环匹配结果符合门限的点，形成匹配点对，从出发源图像点x出发，计算得到的目的源图像的匹配点x'，再反向匹配到出发源图像特征点x”，最终获取x与x”距离的过程；筛选模块设定门限Th，筛选回溯距离小于门限的特征点，分别从(X_光学,X_SAR)和(X_SAR,X_光学)获取更加优质的匹配特征点对(X¹ _光学，X¹ _SAR)与(X² _SAR,X² _光学)

合并模块合并筛选模块中两条循环匹配分支获取的优质的匹配特征点对组成有效匹配点对集合：将(X² _SAR,X² _光学)点对顺序对调为(X² _光学，X² _SAR)并与(X¹ _光学，X¹ _SAR)合并，结果命名为(X^all _光学，X^all _SAR)。

筛选模块根据采用与循环匹配分支A循环匹配机制，获得的光学图像向SAR图像的相关矩阵Cor_光学-SAR，输入X^all _光学特征点集，得到输出特征点集X^result _SAR：X^result _SAR＝X^all _光学·Cor_光学-SAR；根据获得的SAR图像向光学图像的相关矩阵Cor_SAR-光学，输入X^all _SAR特征点集，得到输出特征点集X^result _光学：X^result _光学＝X^all _SAR·Cor_SAR-光学。

筛选模块合并循环匹配分支输出结果(X^all _光学，X^result _SAR)和(X^result _光学,X^all _SAR)并计算与(X^all _光学，X^all _SAR)距离差最小的N对匹配点对(X^N _光学，X^N _SAR)：由于SAR图像与光学图像的匹配点应具备统计学的一致性，因此采用RANSAC一致性算法排除异常，得到最终的匹配结果。

以上所述为本发明较佳实施例，应该注意的是上述实施例对本发明进行说明，然而本发明并不局限于此，并且本领域技术人员在脱离所附权利要求的范围情况下可设计出替换实施例。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。