[发明专利]基于多种特征联合的目标SAR图像和光学图像配准方法

权利要求书

1.一种基于多种特征联合的目标SAR图像和光学图像配准方法，其特征在于：该方法不局限于单一的图像特征，使用多种图像特征联合的配准方法，提高了配准的准确性，包括以下几个步骤：

步骤一：读入原始SAR图像和光学图像数据及相关参数；

步骤二：将同一目标的SAR图像I_SAR和光学图像I_opt进行图像分割处理；

采用条件迭代法，对图像进行迭代计算全局能量E，满足收敛条件时停止迭代，得到图像分割结果；

步骤三：图像分割结果进行角点检测；

采用SUSAN算子对步骤二得到的图像分割结果进行角点检测，得到角点检测结果；

步骤四：图像分割结果进行边缘检测；

采用canny边缘检测方法将步骤二得到的图像分割结果进行边缘检测，得到边缘检测结果；

步骤五：提取图像的兴趣区域和角点；

将步骤四得到边缘检测结果进行Hough变换，提取边缘检测结果中的直线，求解直线交点得到图像兴趣区域，在兴趣区域中提取该兴趣区域中的角点；

步骤六：SAR图像和光学图像配准；

将步骤五得到的兴趣角点进行配对，求解仿射变换矩阵参数，并由仿射变换矩阵将光学图像向SAR图像配准。

2.根据权利要求1所述的一种基于多种特征联合的目标SAR图像和光学图像配准方法，其特征在于：该方法不局限于单一的图像特征，使用多种图像特征联合的配准方法，提高了配准的准确性，具体包括以下步骤：

步骤一：读入待配准的同一目标的SAR图像I_SAR和光学图像I_opt，其中，I_SAR是一个二维数组，表示待配准SAR图像的灰度值，大小为N₁×M₁；I_opt是一个二维数组，表示待配准光学图像的灰度值，大小为N₂×M₂；

步骤二：将同一目标的SAR图像I_SAR和光学图像I_opt分别进行图像分割处理，图像分割处理采用条件迭代法；具体可以分为以下几个步骤：

假设用y来表示观测图像，分割结果用x来表示，x中不同的值表示不同的种类，采用以下邻域模型作为先验模型：

p(X=x)=12e-H(x)]]>

H(x)=-βΣi=1NΣj∈ηi[2δ(xi-xj)-1]---(1)]]>

其中，β为耦合系数，Z为常数，δ(·)表示冲激函数，x_ix_j表示不同种类，N表示不同种类个数，η_i表示第i区域范围；

将

E=Σ(i,j)∈M[yij22σ2(xij)-ln(yij2σ2(xij))]+Σ(i,j)∈MH(xij)---(2)]]>

称作是能量函数；其中，M表示观测图像中的一个区域，x_ij，y_ij分别表示分割结果和观测图像中该区域中的点，i,j代表点的坐标，σ(·)表示求标准差函数；

(a)通过非监督方法得到背景和目标的高斯分布的参数，初始化耦合系数β，得到了初始的参数集合；

(b)利用初始参数，利用最大似然准则来对图像进行初始分割，即对图像中的每个像素点取为得到了初始分割场X，计算全局能量E；

(c)得到新状态：选取当前状态的邻域状态X'，计算新状态的全局能量函数E'，若满足E'≤E，则接受新状态X'，否则，不接受新状态；

(d)收敛条件：将当前状态的全局能量E和新状态的全局能量E'进行比较，如果全局能量E保持n次保持不变，一般设定n＝5，则认为是满足收敛条件，迭代结束，X为最终的分割场，E为最终的分割场能量；否则，转入步骤(3)进入下一次的迭代，直到满足条件(4)；

步骤三：将步骤二得到的SAR和光学图像图像分割结果分别进行角点检测，角点检测采用SUSAN算子；

(a)SUSAN算子模板是指用37个像素排成7行，分别有3，5，7，7，7，5，3个像素，而组成的一个模板；

(b)SUSAN模板N(x,y)在图像上滑动，在每个位置上比较模板内各个图像像素的灰度与模板核心的灰度，得到比较结果：

C(x0,y0;x,y)=1,|I(x0,y0)-I(x,y)|≤T0,|I(x0,y0)-I(x,y)|>T---(3)]]>

其中(x₀,y₀)是模板核心在图像中的位置坐标，(x,y)是模板N(x,y)中其他位置，I(x₀,y₀)和I(x,y)分别是(x₀,y₀)和(x,y)处像素的灰度，T是一个灰度差的阈值；

(c)计算模板内所有点的C值，得到一个输出的游程和：

S(x0,y0)=Σ(x,y)∈N(x,y)C(x0,y0;x,y)---(4)]]>

(d)将游程和S与一个固定的几何阈值G进行比较以做出判断，G取为S_max/2，其中S_max为模板能取到的最大值，对于37个像素的圆形模板，S_max为36；

(e)若R(x₀,y₀)＝1，则确定(x₀,y₀)为图像的角点。遍历整幅图像，可以得到图像的角点检测结果；

步骤四：将步骤二得到的SAR图像和光学图像图像分割结果分别进行边缘检测，采用canny边缘检测方法；

(a)构建两个一维的行列滤波器和

∂G(x,y)∂x=kxexp(-x22σ2)exp(-y22σ2)=h1(x)h2(y)---(6)]]>

∂G(x,y)∂y=kyexp(-y22σ2)exp(-x22σ2)=h1(y)h2(x)---(7)]]>

其中k为一常数；

(b)将这两个模板分别与f(x,y)进行卷积，设f(x,y)为待检测图像，

Ex=∂G(x,y)∂x*f;Ey=∂G(x,y)∂y*f---(8)]]>

令

A(i,j)=Ex2+Ey2,a(i,j)=arctanEy(i,j)Ex(i,j)---(9)]]>

A(i,j)反映边缘强度，a(i,j)为垂直于边缘的方向；

(c)当一个像素满足以下三个条件时，则将该点标记为是图像的边缘点，

1)该点的边缘强度大于沿该点梯度方向的两个相邻像素点的边缘强度；

2)与该点梯度方向上相邻两点方向差小于45°；

3)以该点为中心的3×3领域中的边缘强度极大值小于某个阈值；

(d)遍历整幅图像，可以得到图像的边缘检测结果；

步骤五：由步骤四得到的SAR图像和光学图像边缘检测结果，分别提取图像的兴趣区域和角点；

(a)对步骤四中提取得到的每一个边缘上的点(x,y)，由Hough变换思想，投影到p-θ平面，由

p＝x*cos(θ)+y*sin(θ)(10)

即可将图像平面上的一个点对应到参数p-θ平面上的一条曲线上，在p-θ平面上创建一个二维数组R_tp，对于数组坐标(i,j)满足上曲线方程的点，则将数组该位置处的值递增1；

(b)由(a)步骤得到的二维数组R_tp，搜索数组中的超过某阈值的点，坐标为(R_tpik,R_tpjk)，即代表一个p-θ值，由式(10)可以得到在图像平面中的一条直线方程；

(c)在图像平面中，由(b)步骤中获得的直线检测结果，可以得到直线交点P_k(k＝1、2、3···)，以交点P_k为圆心，以设定的R为半径，在图像平面中画取圆形区域，即为得到的兴趣区域Area_k(k＝1、2、3···)；

(d)由步骤三中得到的角点检测结果，分别和(c)步骤中的每个兴趣区域求交集，即筛选在每个兴趣区域Area_k内的角点(i_kk,j_kk)(kk＝1、2、3···)，求取角点坐标平均值作为兴趣区域Area_k内确定的兴趣角点坐标，即

ik=1nΣikk]]>

(11)

jk=1nΣjkk]]>

对每个兴趣区域进行同样的操作，即可得到获取的兴趣角点(i_k,j_k)；

步骤六：由步骤五中得到的SAR图像和光学图像兴趣角点，对两幅图像进行配准；

(a)将在SAR图像和光学图像中分别得到的兴趣角点对，即在SAR图像和光学图像同一个兴趣区域，设为Area_k，提取出的兴趣角点，假设坐标分别为(x,y)和(x',y')，组为一个兴趣角点对；

(b)仿射变换方程为：

xy1=x′y′1*cosθsinθ0-sinθcosθ0x0y01---(12)]]>

其中，θ为仿射变换角度，(x₀,y₀)为仿射变换坐标平移量；

将(a)步骤中获得的兴趣角点对带入式(12)，解方程组，可得仿射变换矩阵参数θ和(x₀,y₀)；

(c)将光学图像中某点(opt_i,opt_j)带入仿射变换方程，即可得到光学图像点向SAR图像配准后的点坐标(opt'_i,opt'_j)，遍历光学图像每个点，即可得到光学图像向SAR图像配准后得到的配准图像。