[发明专利]基于各向异性斑点抑制模型的SAR图像配准方法

说明书

本发明公开了一种基于各向异性斑点抑制模型的SAR图像配准方法。该方法首先利用各向异性斑点抑制模型(SRAD)建立图像的各向异性尺度空间表示，并在此尺度空间中检测特征点并对其进行描述。然后对于在参考图像以及待配准图像上提取出的特征点利用双向匹配策略确立同名特征点。最后根据的同名特征点对构建不规则三角网TIN，并对待配准图像进行三角形小面元的精确校正。与现有方法相比，本方法能够实现SAR图像快速精确的配准。

技术领域

本发明涉及一种遥感图像配准方法，尤其是一种基于各向异性斑点抑制模型的SAR图像配准方法，属于数字图像处理等技术领域。

背景技术

合成孔径雷达SAR(Synthetic aperture radar)图像配准的目的是找到同一场景下不同时间或不同视角、不同传感器获取的两幅或多幅SAR图像之间的对应关系,是三维重建、目标识别、匹配制导、变化检测、信息融合等应用中的关键技术。因此SAR图像的配准是SAR图像分析的基础，为SAR图像的应用提供技术支持。

现有的图像配准技术通常可以分为两类：基于区域的配准技术和基于特征的配准技术。相比于基于区域的配准技术，基于特征的配准技术具有鲁棒性好、精确度高的优点，因此在实际应用中常采用基于特征的图像匹配技术。特征点的提取是基于特征的配准技术的关键步骤。在进行特征点检测时，需要构建一副图像的多尺度空间表示，并在不同的尺度空间下提取图像的特征点。构建多尺度空间表示可以通过使用一种合适的函数在渐增的时间或者尺度上对原始图像进行滤波来实现。由于 SAR图像中斑点噪声的影响，在利用多尺度空间进行特征检测时会产生大量的由斑点噪声引起的不稳定特征点。这些不稳定特征点会影响配准的准确率。

对于构建一幅图像的多尺度空间表示，最简单的滤波函数是基于高斯核的滤波函数，比如SIFT算法。但由于高斯滤波是一种各向同性扩散函数，它对斑点噪声敏感并且不能有效的保持物体边缘细节，因此SIFT 建立的高斯尺度空间不适用于SAR图像特征点的提取。为了提高特征检测性能，一些文献提出了基于各向异性扩散函数建立尺度空间的算法。比如BFSIFT、AAG-SIFT和NDSS-SIFT算法，这些算法分别利用双边滤波、各向异性高斯滤波和P-M方程构建图像的多尺度空间。

这些算法建立的各向异性尺度空间表示可以有效的保持图像边缘细节的信息，提高特征点定位的精度，然而他们不能从根本上消除斑点噪声的影响。这是由于这些各向异性扩散函数利用图像梯度幅值作为边缘检测子。当图像受到斑点噪声污染时,由斑点噪声引起的梯度变化很可能超过由边缘引起的梯度变化。也就是说梯度幅值并不能有效区分斑点噪声和图像的边缘,滤波的结果不但不能有效去除噪声,还有可能增强噪声。这些增强的噪声在各向异性尺度空间中被检测为不稳定的特征点，影响 SAR图像配准的精度。

在这样的背景下，需要设计一种基于各向异性斑点抑制模型的SAR 图像配准技术，以有效的消除斑点噪声的影响，提高特征提取的稳定性以及特征点的正确匹配率，为SAR图像的变化检测、三维重建等遥感图像实际应用提供支持。

发明内容

本申请所要解决的技术问题在于提供一种各向异性斑点抑制模型的 SAR图像配准方法。该方法首先利用各向异性斑点抑制模型(SRAD)建立图像的各向异性尺度空间表示，然后在此尺度空间上进行特征点的检测与描述。最后对提取出的特征点利用采用双向匹配策略建立同名特征点。

为实现上述的发明目的，本发明采用下述的技术方案：

一种基于各向异性斑点抑制模型的SAR图像配准方法，包括如下步骤：