[发明专利]基于MRF图像分割算法的SAR图像配准方法

摘要

本发明提出了一种基于MRF图像分割算法的SAR图像配准方法，用于解决现有基于特征的SAR图像配准方法中存在的配准效率低及稳定性差的技术问题，实现步骤为：利用MRF图像分割算法对SAR图像参考图和待配准图分割；对分割后的参考图和待配准图进行区域截取；将截取后的分割参考图图像块和分割待配准图像块分别对应到SAR图像参考图和待配准图中；构建SAR图像参考图图像块的SAR‑Harris尺度空间和待配准图图像块的SAR‑Harris尺度空间；提取参考图图像块和待配准图像块的SARSIFT特征点，组成匹配点对集合；利用RANSAC算法去除误匹配点对；利用互信息方法，对匹配点对集合进行优化。

主权项

1.基于MRF图像分割算法的SAR图像配准方法：包括以下步骤：(1)利用MRF图像分割方法，对SAR图像参考图和待配准图分别进行图像分割，实现步骤为：(1a)设定MRF图像分割方法的分割类别参数，得到确定类别数目的MRF图像分割方法；(1b)利用确定类别数目的MRF图像分割方法，对SAR图像参考图和待配准图进行图像分割，得到分割参考图和分割待配准图；(2)对分割参考图和分割待配准图分别进行区域截取，得到分割参考图的图像块和分割待配准图的图像块；(3)将分割参考图的图像块对应到SAR图像参考图中，同时将分割待配准图的图像块对应到SAR图像的待配准图中，得到参考图图像块和待配准图图像块；(4)利用SARSIFT算法，对参考图图像块和待配准图图像块分别进行处理，实现步骤为：(4a)构建参考图图像块的SAR‑Harris尺度空间S1,同时构建待配准图图像块的SAR‑Harris尺度空间S2；(4b)计算SAR‑Harris尺度空间S1中各像素点梯度，同时比较每个像素点梯度与该像素点邻域内的像素点梯度的大小，得到SAR‑Harris尺度空间S1的多个特征点；(4c)计算SAR‑Harris尺度空间S2中各像素点梯度，同时比较每个像素点梯度与该像素点邻域内的像素点梯度的大小，得到SAR‑Harris尺度空间S2的多个特征点；(4d)利用直方图统计法，逐一统计SAR‑Harris尺度空间S1的多个特征点中每个特征点邻域内像素点的梯度幅值和方向，得到SAR‑Harris尺度空间S1中每个特征点对应的尺度直方图，并将该直方图中最大的幅值所对应的方向作为SAR‑Harris尺度空间S1特征点的主方向；(4e)利用直方图统计法，逐一统计SAR‑Harris尺度空间S2的多个特征点中每个特征点邻域内像素点的梯度幅值和方向，得到SAR‑Harris尺度空间S2中每个特征点对应的尺度直方图，并将该直方图中最大的幅值所对应的方向作为SAR‑Harris尺度空间S2特征点的主方向；(4f)将SAR‑Harris尺度空间S1和SAR‑Harris尺度空间S2中每个特征点的邻域的坐标轴,旋转到该特征点所在尺度空间中的主方向上，得到每个特征点旋转后的邻域，计算该邻域8个方向的梯度方向直方图，并将每个梯度方向所对应的幅值作为该特征点的描述子，得到参考图图像块特征点描述子集合R1和待配准图图像块特征点描述子集合R2，将R1和R2的联合特征点描述子集合记为R＝{R1,R2}；(5)利用RANSAC算法,去除联合特征点描述子集合R中的错误匹配点对，实现步骤为：(5a)从联合特征点描述子集合R中随机选取一个包括p个匹配点对的RANSAC样本集，其中p≥4，并对该p个匹配点对进行仿射变换，得到变换矩阵M；(5b)设定阈值J,计算联合特征点描述子集合R中剩余的点对经过变换矩阵M变换后的欧式距离z，判断欧式距离z是否小于阈值J，若是，将该点对放入RANSAC样本集合中，并将该样本集合作为初步匹配点对集合,否则，舍去该点对；(6)利用互信息优化方法，对初步匹配点对集合进行优化,实现步骤为：(6a)对互信息集合进行初始化，得到空的互信息集合；(6b)从步骤(5b)中得到的初步匹配点集合中随机选取L个匹配点对，利用该L个匹配点对待配准图图像块进行仿射变换，并计算仿射变换后的待配准图图像块与参考图图像块的互信息；(6c)将互信息添加到空集互信息集合中,得到包含一个互信息集合；(6d)重复步骤(6b)～(6c),直到选取完所有的匹配点，得到包含多个互信息的互信息集合，并选出该包含多个互信息的互信息集合中最大值对应的点对作为最优匹配点对；(6e)利用仿射变换函数对最优匹配点对进行仿射变换，得到最优仿射变换矩阵，并通过该最优的仿射变换矩阵对SAR待配准图进行仿射变换，得到仿射变换的SAR待配准图；(6f)将仿射变换后的SAR图像待配准图与SAR图像参考图进行叠加，得到SAR图像待配准图与SAR图像参考图的配准图像。