[发明专利]基于cGANs和图像转换的光学与SAR的配准方法及系统

说明书

本发明公开了一种基于cGANs和图像转换的光学与SAR的配准方法及系统，该方法包括获取待配准的成对的SAR图像和光学图像；利用训练好的条件生成对抗网络将SAR图像转化成合成光学图像小块；将合成光学图像小块进行拼接，得出合成的光学图片；对合成的光学图片提取大量特征点，形成基准集；对获取的待配准光学图像提取特征点，形成查询集；根据基准集中的特征点在查询集中查找最邻近点，形成匹配点对；利用RANSAC算法对匹配点对进行精配准，剔除错误的匹配点对后，得到精配准的图像。避免了图像之间存在的非线性强度差异，降低了SAR图像与光学图像的配准难度。

技术领域

本发明属于图像配准领域，具体涉及一种基于cGANs和图像转换的光学与SAR的配准方法及系统。

背景技术

遥感卫星获取到的数据广泛应用到各个领域，包括对环境污染、森林资源、河流信息等的监测以及对于各种灾难的及时响应等。不同的传感器对地观测所获取的信息具有各自的独特性，综合利用多源遥感数据是遥感应用领域的一个重要研究方向，其可以通过优势互补从而获得更为丰富的遥感信息。光学遥感和合成孔径雷达(Synthetic ApertureRadar,SAR)是利用遥感获取对地观测信息的两种重要的技术手段。可见光图像中的目标边缘清晰，空间分辨率高，细节明显，丰富的颜色信息利于视觉判读。然而，光学传感器容易受天气影响导致目标成像质量差。相对于光学传感器，SAR成像不受天气和光照的影响，可以实现全天时、全天候的监测，具有良好的穿透性；但是SAR对场景的纹理边缘描述不清晰，没有丰富的色彩信息，不适合人眼识别。因此，对SAR图像和光学图像进行配准和融合，可以利用双方的优势信息进行互补，既有利于提高视觉可读性，又有利于提高信息获取的全面性和准确性，从而全面观测和分析。

目前的SAR和光学配准算法都是直接将SAR图像和光学图像进行匹配。李芳芳等提出了一种基于线特征和SIFT点特征的多源遥感影像配准方法，利用线特征来约束SIFT点特征从而实现配准。LiQ等通过附加尺度方向约束，细化特征向量来改善SIFT算法匹配效果。YiZ等提出了SAR-SIFT算法，该算法使用尺度限制剔除误匹配点，进而提高匹配精度。陈华等提出了一种利用SIFT算法来解决不同分辨率、不同波段的SAR影像配准方法。肖雄武等结合SIFT算法提出了一种较为快速且具有仿射不变性的倾斜影像匹配方法。但是SAR遥感图像和光学图像由于其传感器的成像原理和成像条件不同，导致所成图像之间存在明显的非线性强度差异和一定的几何结构、旋转、分辨率差异，使得光学与SAR图像间的直接配准具有较大的难度。因此本文提出了一种新思路，以解决上述问题,即利用cGANs先将SAR图像转换成光学图像，然后再和真实的光学图像进行匹配。

发明内容

因此，本发明的目的在于提供一种基于cGANs和图像转换的光学与SAR的配准方法及系统；通过将SAR图像转化成光学图像，再进行图像配准，避免了图像之间存在的非线性强度差异降低了SAR图像与光学图像的配准难度。

为了实现上述目的，本发明的一种基于cGANs和图像转换的光学与SAR的配准方法，包括以下步骤：获取待配准的成对的SAR图像和光学图像；将待配准的SAR图像裁剪成多个图像小块；利用训练好的条件生成对抗网络将裁切后的图像小块，转化成合成光学图像小块；将合成光学图像小块进行拼接，得出合成的光学图片；对合成的光学图片提取大量特征点，形成基准集；对获取的待配准光学图像提取特征点，形成查询集；根据基准集中的特征点在查询集中查找最邻近点，形成匹配点对；利用RANSAC算法对匹配点对进行精配准，剔除错误的匹配点对后，得到精配准的图像。

优选的，所述条件生成对抗网络采用如下方法进行训练：获取成对的SAR图像和光学图像；将成对的SAR图像和光学图像剪成多个子图像块，形成SAR-光学图像数据集；将SAR-光学图像数据集划分成训练样本集和测试集样本集；

将训练样本集中的SAR图像作为输入，将对应的光学图像作为有效值输出，训练条件生成对抗网络；以使生成的图片尽可能接近目标的光学图像的分布；

利用测试集测试网络的精度，当生成的光学图像精度达到目标要求时，训练完成。