CN116612165B 一種針對(duì)大視角差異sar圖像的配準(zhǔn)方法 （西安電子科技大學(xué)）

本發(fā)明涉及一種針對(duì)大視角差異SAR圖像的配準(zhǔn)方法，該方法利用SAR_SIFT算法、多尺度Harris_Affine算法以及多尺度MSER算法分別提構(gòu)造Voronoi多邊形的方式，利用具有仿射不變性的A_SAR_SIFT算法進(jìn)行配準(zhǔn)并精配后再次得法深入考慮了SAR圖像中存在的散斑噪聲以及圖像之間存在的嚴(yán)重幾何畸變與輻射畸變帶來(lái)的影響，能夠顯著提升大視角差異下SAR圖像的配2H,p和SM,p；(3)利用A_SAR_SIFT算法提取參考圖與待配準(zhǔn)圖上的關(guān)鍵點(diǎn)并建立描述子，接下來(lái)在參考圖與待配準(zhǔn)圖中的每個(gè)對(duì)應(yīng)的小多邊形內(nèi)利用最近鄰原則找到初始匹配點(diǎn)對(duì)，利用LSOR算法對(duì)整幅圖像上的匹配點(diǎn)對(duì)集合初步去除誤匹配點(diǎn)對(duì)，然后通過(guò)FSC算法進(jìn)行二次2.根據(jù)權(quán)利要求1所述的針對(duì)大視角差異SAR圖像利用SAR_SIFT算法提取圖像中的關(guān)鍵點(diǎn)并建立SA利用多尺度Harris_Affine算法提取圖像中的關(guān)鍵點(diǎn)并得到每個(gè)關(guān)鍵點(diǎn)處的仿射變換利用多尺度MSER算法提取圖像中的關(guān)鍵點(diǎn)射變換矩陣對(duì)圖像進(jìn)行變換后建立SAR_SIFT3n＝8；2e)在尺度空間圖像的同一層中，將每個(gè)點(diǎn)的SAR_Ha3b)將平滑后的直方圖梯度峰值對(duì)應(yīng)的方向角作為該關(guān)鍵點(diǎn)的主方向，大于峰值能量一化就生成了136維的SAR_SIFT6b)在第k次迭代過(guò)程中，利用形狀自適應(yīng)矩陣U(k)對(duì)參考圖I1以及其上的關(guān)鍵點(diǎn)(xi,4其中T是利用形狀自適應(yīng)矩陣U(k)對(duì)圖像或坐標(biāo)進(jìn)6d)利用ROEWA算法計(jì)算正方形區(qū)域W6f)以(x_new,x_new)為中心，在圖像上重新選取一個(gè)邊長(zhǎng)為4α的正方形區(qū)域W_6i)當(dāng)ratio＜0.1時(shí)退出循環(huán)，56j)對(duì)參考圖像I1與待配準(zhǔn)圖像I2上的每6(3)中利用LSS_FLOW算法對(duì)點(diǎn)對(duì)集合進(jìn)行精配，得到更加精確的點(diǎn)對(duì)集合，其操作步驟如9a)利用參考點(diǎn)對(duì)集合中的匹配點(diǎn)對(duì)計(jì)算其中表示利用變換模型θ對(duì)待配準(zhǔn)圖進(jìn)行變換9b)對(duì)于待精配點(diǎn)對(duì)集合Scoarse中在待配準(zhǔn)圖I2上的點(diǎn)，計(jì)算其在變換后圖像上的對(duì)9c)利用ROEWA算法計(jì)算圖像I1與在尺度因子α=2下的水平梯度Gx與垂直梯度Gy，從7量拼接起來(lái)并歸一化就生成了136維的SAR_SIF的SAR_SIFT描述子圖I1_desc與圖上的對(duì)應(yīng)點(diǎn)進(jìn)行相同的操作，得到的正方形區(qū)域描述子圖像為I《_squ,其中rlf89h)遍歷待精配點(diǎn)對(duì)集合Scoarse中的每一對(duì)匹配點(diǎn)后得到了更加準(zhǔn)確的點(diǎn)對(duì)集合10c)對(duì)于每個(gè)離散點(diǎn)相鄰的三角形按順時(shí)針?lè)较蚺判虿⒂涗洠员阆乱徊竭B接生成10f)將位于每個(gè)小Voronoi多邊形內(nèi)的SAR_SIFT關(guān)鍵點(diǎn)賦予該多邊形內(nèi)的具有仿射不變性的離散點(diǎn)相同的仿射變換矩陣，則就得到了每個(gè)SAR_SIFT關(guān)鍵點(diǎn)的局部仿射變換矩11c)計(jì)算點(diǎn)對(duì)集合SrefT中每一對(duì)匹配點(diǎn)連線的長(zhǎng)度以及斜率，對(duì)其求和后平均得到平11d)對(duì)于待篩選點(diǎn)對(duì)集合Sfil中在待配準(zhǔn)圖I2上的某個(gè)點(diǎn)(xi,yi)，利用變換模型θ'計(jì)9T11f)利用閾值對(duì)待篩選點(diǎn)對(duì)集合Sfil中的所有點(diǎn)對(duì)進(jìn)行篩選，保留滿足條件的匹配點(diǎn)i[0002]合成孔徑雷達(dá)(SyntheticApertureRadar,SAR)作為一種主動(dòng)式微波遙感成像[0004]論文“RegistratingObliqueSARImagesBasedonComplementaryIntegratedFilteringandMultilevelMatching”提供了一種基于MSER算法和Harris_MSER算法和Harris_Affine算法得到的匹配點(diǎn)對(duì)的仿射不變性，而忽略了匹配點(diǎn)對(duì)之間的SAR圖像配準(zhǔn)方法能夠較好的完成大視角差異下SAR圖像的配準(zhǔn)任務(wù)，進(jìn)一步提升SAR圖像角點(diǎn)點(diǎn)對(duì)集合SH,c以及具有仿射不變性區(qū)域的點(diǎn)對(duì)[0009](3)利用A_SAR_SIFT算法提取參考圖與待配準(zhǔn)圖上的關(guān)鍵點(diǎn)并建立描述子，接下用LSOR算法對(duì)整幅圖像上的匹配點(diǎn)對(duì)集合初步去除誤匹配點(diǎn)對(duì)，然后通過(guò)FSC算法進(jìn)行二次篩選，得到匹配點(diǎn)對(duì)集合SA,c，再利用LSS_Flow算法進(jìn)行精配，最后得到匹配點(diǎn)對(duì)集合點(diǎn)對(duì)集合SH,c以及具有仿射不變性區(qū)域的點(diǎn)對(duì)集[0015]利用多尺度Harris_Affine算法提取圖像中的關(guān)鍵點(diǎn)并得到每個(gè)關(guān)鍵點(diǎn)處的仿射[0017]利用多尺度MSER算法提取圖像中的關(guān)鍵點(diǎn)并得到每個(gè)關(guān)[0018]進(jìn)一步地，上述的針對(duì)大視角差異SAR圖像的配準(zhǔn)方法，步驟(3)中利用A_SAR_SIFT算法提取參考圖與待配準(zhǔn)圖上的關(guān)鍵點(diǎn)并建立描述子，具體步驟為：首先利用SAR_n＝8；[0033]3b)將平滑后的直方圖峰值對(duì)應(yīng)的方向角作為該關(guān)鍵點(diǎn)的主方向，大于峰值能量[0035]進(jìn)一步地，上述的針對(duì)大視角差異SAR圖像的配準(zhǔn)方法，步驟1b)中利用多尺度[0037]6b)在第k次迭代過(guò)程中，利用形狀自適應(yīng)矩陣U(k)對(duì)參考圖I1以及其上的關(guān)鍵點(diǎn)[0042]6d)利用ROEWA算法計(jì)算正方形區(qū)域W在尺度因子α下的水平梯度G與垂直梯度[0049]將正方形區(qū)域W內(nèi)擁有最大SAR_Harris響應(yīng)值的點(diǎn)作為新的關(guān)鍵點(diǎn)坐標(biāo)U(k)=U(k)，否則迭代次數(shù)加1并繼續(xù)循環(huán)，利用更新后的形狀自適應(yīng)矩陣重新計(jì)算在關(guān)鍵點(diǎn)[0062]進(jìn)一步地，上述的針對(duì)大視角差異SAR圖像的配準(zhǔn)方法，步驟1c)中利用多尺度[0093]9a)利用參考點(diǎn)對(duì)集合中的匹配點(diǎn)對(duì)計(jì)算得到待配準(zhǔn)圖到參考圖的變換[0098]9c)利用ROEWA算法計(jì)算圖像I1與I2T在尺度因子α=2下的水平梯度Gx與垂直梯度域的直方圖向量拼接起來(lái)并歸一化就生成了136維的SAR_SIFT像I1與的SAR_SIFT描述子圖I1_desc與IE_desc:心，在SAR_SIFT描述子圖I1_desc上取出一個(gè)邊長(zhǎng)為2·rlf+1的正方形區(qū)域描述子圖像I1_為E_squ,其中rlf取61；[0112]9g)利用圖像的變換模型θ計(jì)算點(diǎn)(xiT_new,yiT_new)在原始待配準(zhǔn)圖I2[0114]9h)遍歷待精配點(diǎn)對(duì)集合Scoarse中的每一對(duì)匹配點(diǎn)后得到了更加準(zhǔn)確的點(diǎn)對(duì)集合對(duì)象建立Voronoi多邊形，得到每個(gè)SAR_SIFT關(guān)鍵點(diǎn)的局部仿射變換矩陣，其操作步驟如[0121]10f)將位于每個(gè)小Voronoi多邊形內(nèi)的SAR_SIFT關(guān)鍵點(diǎn)賦予該多邊形內(nèi)的具有仿[0122]10g)利用點(diǎn)對(duì)集合SH,p和SM,p在待配準(zhǔn)圖像I2上的所有具有仿射不變性的離散點(diǎn)[0124]11a)利用參考點(diǎn)對(duì)集合計(jì)算得到待配準(zhǔn)圖像到參考圖像的變換模型θ'，其H,p[0131]11d)對(duì)于待篩選點(diǎn)對(duì)集合Sfil中在待配準(zhǔn)圖I2上的[0134]11f)設(shè)置閾值對(duì)待篩選點(diǎn)對(duì)集合Sfil中的所有點(diǎn)對(duì)進(jìn)行篩選，保留滿足條件的匹[0140]2.本發(fā)明提出在參考圖與待配準(zhǔn)圖上圍繞已經(jīng)獲得的具有仿射不變性的多尺度MSER匹配點(diǎn)對(duì)與多尺度Harris_Affine匹配點(diǎn)對(duì)建立Voronoi多邊形，將落在每個(gè)小Voronoi多邊形內(nèi)的SAR_SIFT關(guān)鍵點(diǎn)賦予該多邊形內(nèi)具有仿射不變性的匹配點(diǎn)相同的仿射[0159](1)利用SAR_SIFT多尺度Harris_Affine算法以及多尺度最大穩(wěn)定極值區(qū)域(MaximallyStableExtremal比(nearestneighbordistanceratio，NNDR)算法找到參考圖與待配準(zhǔn)圖之間的初始匹[0163]利用多尺度Harris_Affine算法提取圖像中的關(guān)鍵點(diǎn)并得到每個(gè)關(guān)鍵點(diǎn)處的仿射[0165]利用多尺度MSER算法提取圖像中的關(guān)鍵點(diǎn)并得到每個(gè)關(guān)[0167](3)利用A_SAR_SIFT算法提取參考圖與待配準(zhǔn)圖上的關(guān)鍵點(diǎn)并建立描述子，具體參考圖與待配準(zhǔn)圖上的所有點(diǎn)為對(duì)象建立Voronoi多邊形，得到每個(gè)SAR_SIFT關(guān)鍵點(diǎn)的局基于長(zhǎng)度和斜率的異常點(diǎn)刪除(outlierremovalbasedonlengthandslop[0169]本實(shí)施例彌補(bǔ)了現(xiàn)有SAR圖像配準(zhǔn)方法的不足，提出使用三階段配準(zhǔn)框架對(duì)大視角差異下的SAR圖像進(jìn)行配準(zhǔn)。在第一階段任務(wù)中利用多尺度MSER算法、多尺度Harris_局變換模型。該方法深入考慮了SAR圖像中存在的散斑噪聲以及圖像之間存在的嚴(yán)重幾何n＝8。ROEWA)算法計(jì)算圖像在不同尺度因子下的水平梯度Gx,α與垂直梯度Gy,α,從而得到圖像在不[0184]3b)將平滑后的直方圖峰值對(duì)應(yīng)的方向角作為該關(guān)鍵點(diǎn)的主方向，大于峰值能量rmax方圖向量拼接起來(lái)并歸一化就生成了136維的SAR_S[0188]4b)如果則此關(guān)鍵點(diǎn)與距離它最近的關(guān)鍵點(diǎn)互為正確匹配點(diǎn)對(duì)，當(dāng)閾值distRatio取0.8時(shí)得到較小的點(diǎn)對(duì)[0196]5d)遍歷點(diǎn)對(duì)集合Cl中的每一對(duì)匹配點(diǎn)，將變換誤差e＜3的所有匹配點(diǎn)對(duì)進(jìn)行匯[0198]本實(shí)施例的SAR圖像配準(zhǔn)方法中，步驟1b)中利用多尺度Harris_Affine算法計(jì)算[0200]6b)在第k次迭代過(guò)程中，利用形狀自適應(yīng)矩陣U(k)對(duì)參考圖I1以及其上的關(guān)鍵點(diǎn)[0205]6d)利用ROEWA算法計(jì)算正方形區(qū)域W在尺度因子α[0205]6d)利用ROEWA算法計(jì)算正方形區(qū)域W在尺度因子α下的水平梯度G與垂直梯度[0213]將正方形區(qū)域W內(nèi)擁有最大SAR_Harris響應(yīng)值的點(diǎn)作為新的關(guān)鍵點(diǎn)坐標(biāo)U(k)=U(k)，否則迭代次數(shù)加1并繼續(xù)循環(huán)，利用更新后的形狀自適應(yīng)矩陣重新計(jì)算在關(guān)鍵點(diǎn)變換矩陣對(duì)圖像進(jìn)行變換。對(duì)于參考圖像I1上的某個(gè)關(guān)鍵點(diǎn)(xi,yi)，利用仿射變換矩陣3互包含的極值區(qū)域，即Q-Q.,若極值區(qū)域?yàn)樽畲蠓€(wěn)定極值區(qū)域，[0256]8e)利用橢圓的長(zhǎng)半軸w、[0260]本實(shí)施例的SAR圖像配準(zhǔn)方法中，步驟(2)和(3)中利用LSS_FLOW算法對(duì)點(diǎn)對(duì)集合[0261]9a)利用參考點(diǎn)對(duì)集合中的匹配點(diǎn)對(duì)計(jì)算得到待配準(zhǔn)圖到參考圖的變換[0266]9c)利用ROEWA算法計(jì)算圖像I1與在尺度因子α=2下的水平梯度Gx與垂直梯度yy像I1與的SAR_SIFT描述子圖I1_desc與E_desc:心，在SAR_SIFT描述子圖I1_desc上取出一個(gè)邊長(zhǎng)為2·rlf+1的正方形區(qū)域描述子圖像I1_為__squ,其中rlf取61；[0279]9g)利用圖像的變換模型θ計(jì)算點(diǎn)(xiT_new,yiT_new)在原始待配準(zhǔn)圖I2[0281]9h)遍歷待精配點(diǎn)對(duì)集合Scoarse中的每一對(duì)匹配點(diǎn)后得到了更加準(zhǔn)確的點(diǎn)對(duì)集合[0282]本實(shí)施例的SAR圖像配準(zhǔn)方法中步驟(3)中以SH,p和SM,p為對(duì)象建立Voronoi多邊[0288]10f)將位于每個(gè)小Voronoi多邊形內(nèi)的SAR_SIFT關(guān)鍵點(diǎn)賦予該多邊形內(nèi)的具有仿[0289]10g)利用點(diǎn)對(duì)集合SH,p和SM,p在待配準(zhǔn)圖像I2上的所有具有仿射不變性的離散點(diǎn)[0290]本實(shí)施例的SAR圖像配準(zhǔn)方法中，步驟(3)和(4)中利用LSOR算法對(duì)整幅圖像上的[0291]11a)利用參考點(diǎn)對(duì)集合計(jì)算得到待配準(zhǔn)圖像到參考圖像的變換模型θ'，其H,p[0299]11d)對(duì)于待篩選點(diǎn)對(duì)集合Sfil中在待配準(zhǔn)圖I2上的[0302]11f)利用閾值對(duì)待篩選點(diǎn)對(duì)集合Sfil中的所有點(diǎn)對(duì)進(jìn)行篩選，保留滿足條件的匹(4α+1)范圍內(nèi)的像素點(diǎn)灰度值的指數(shù)加權(quán)均值Mm和Mn,然后將Mm和Mn作商并取對(duì)