《基于相位一致性和SIFT的SAR图像配准方法.pdf》由会员分享,可在线阅读,更多相关《基于相位一致性和SIFT的SAR图像配准方法.pdf(15页珍藏版)》请在专利查询网上搜索。
1、(10)申请公布号 CN 103914847 A (43)申请公布日 2014.07.09 CN 103914847 A (21)申请号 201410143117.5 (22)申请日 2014.04.10 G06T 7/00(2006.01) G06K 9/46(2006.01) (71)申请人 西安电子科技大学 地址 710071 陕西省西安市太白南路 2 号 (72)发明人 吴艳 樊建伟 张庆君 王凡 张强 (74)专利代理机构 陕西电子工业专利中心 61205 代理人 田文英 王品华 (54) 发明名称 基于相位一致性和SIFT的SAR图像配准方法 (57) 摘要 本发明公开了一种基于相。
2、位一致性和 SIFT 的 SAR 图像配准方法, 主要解决了传统 SIFT 方法 应用于合成孔径雷达 SAR 图像配准失效或精度较 低的问题, 本发明实现的步骤是 : (1) 输入两幅图 像 ; (2)提取SIFT特征 ; (3)筛选特征点 ; (4)滤除 错误匹配点对 ; (5) 获得几何形变参数 ; (6) 得到 配准结果。 本发明与现有技术相比, 改善了对错误 匹配点的滤除能力, 增强了对噪声的鲁棒性, 从而 提高了实测合成孔径雷达 SAR 图像配准的精度。 (51)Int.Cl. 权利要求书 3 页 说明书 7 页 附图 4 页 (19)中华人民共和国国家知识产权局 (12)发明专利申。
3、请 权利要求书3页 说明书7页 附图4页 (10)申请公布号 CN 103914847 A CN 103914847 A 1/3 页 2 1. 一种基于相位一致性和 SIFT 的 SAR 图像配准方法, 包括如下步骤 : (1) 输入两幅图像 : 任选一幅作为参考图像, 将另一幅作为待配准图像 ; (2) 提取 SIFT 特征 : (2a) 生成参考图像和待配准图像的高斯差分尺度空间图像 ; (2b) 提取参考图像和待配准图像的特征点 ; (2c) 生成参考图像和待配准图像的特征点描述符 ; (3) 筛选特征点 : (3a) 按照下式, 计算高斯差分尺度空间图像像素点的相位一致性信息 : 其中。
4、, P 表示高斯差分尺度空间图像像素点的相位一致性信息, () 表示求和操作, n 表示对数加伯 Gabor 滤波器尺度的标记, W 表示频率扩展的权重系数, An表示对数加伯 Gabor 滤波器在第 n 尺度下的幅值, n表示对数加伯 Gabor 滤波器在第 n 尺度下的相位 偏移, 表示避免分母为零而引入的小数, T表示对数加伯Gabor滤波器的噪声能量,表 示仅取正值的运算操作 ; (3b) 特征点的相位一致性信息大于 0.01 时, 则将该点作为候选特征点, 滤除那些相位 一致性小于 0.01 的特征点 ; (4) 滤除错误匹配点对 : (4a) 采用双向匹配方法, 滤除候选特征点中的。
5、错误特征点, 得到参考图像和待配准图 像的初始匹配点对集合 ; (4b) 根据匹配点对间距离比值相近原则, 滤除初始匹配点对集合中的错误匹配点对 ; (5) 获得几何形变参数 : 采用最小二乘法, 计算参考图像和待配准图像之间的仿射矩阵, 得到待配准图像的几 何形变参数 ; (6) 得到配准结果 : 利用得到的几何形变参数, 将待配准图像进行几何变换, 得到配准结果。 2. 根据权利要求 1 所述的基于相位一致性和 SIFT 的 SAR 图像配准方法, 其特征在于, 步骤 (2a) 所述的生成参考图像和待配准图像的高斯差分尺度空间图像按下式计算得到 : Dr G-G*Ir Ds G-G*Is 。
6、其中, Dr, Ds分别表示参考图像和待配准图像的高斯差分尺度空间图像, G, G分别表 示尺度参数为 和 的高斯尺度空间图像, , 表示高斯差分尺度空间的尺度参数, * 表示二维卷积操作, Ir, Is分别表示参考图像和待配准图像。 3. 根据权利要求 1 所述的基于相位一致性和 SIFT 的 SAR 图像配准方法, 其特征在于, 步骤 (2b) 所述的提取参考图像和待配准图像特征点的步骤是 : 第一步, 将高斯差分尺度空间图像, 按金字塔形式排列, 得到金字塔结构的高斯差分图 权 利 要 求 书 CN 103914847 A 2 2/3 页 3 像 ; 第二步, 用金字塔结构的高斯差分图像。
7、中每一个像素点与其所有邻域点比较, 当进行 对比的像素点是其图像域和尺度域中的极大值或者极小值时, 将该像素点作为特征点。 4. 根据权利要求 1 所述的基于相位一致性和 SIFT 的 SAR 图像配准方法, 其特征在于, 步骤 (2c) 所述的生成参考图像和待配准图像的特征点描述符的步骤如下 : 第一步, 利用图像差分方法, 计算特征点邻域像素的梯度幅值和方向, 统计邻域像素的 方向, 得到方向直方图, 从方向直方图中选取其峰值作为特征点的主方向 ; 第二步, 将参考图像和待配准图像的每个特征点的坐标轴, 设置为与特征点主方向的 坐标轴一致的方向 ; 第三步, 以参考图像和待配准图像的特征点。
8、为中心, 取该特征点周围邻域 1616 的窗 口, 将所取的窗口分解成 16 个 44 的子窗口 ; 第四步, 利用图像差分方法, 计算每个子窗口内像素点的梯度幅值和方向 ; 第五步, 将 0 44、 45 89、 90 134、 135 179、 180 224、 225 269、 270 314、 315 359的八个方向, 作为 8 个梯度方向 ; 第六步, 将每个子窗口内的像素点划归到与其方向一致的 8 个梯度方向内, 将所有相 同梯度方向上的像素点梯度幅值相加, 将相加后的梯度幅值, 作为每个梯度方向上的梯度 幅值 ; 第七步, 依次将 16 个子窗口获得的 8 个梯度方向上的梯度幅。
9、值, 存放在一个 128 维的 列矢量中, 将该列矢量作为特征描述符。 5. 根据权利要求 1 所述的基于相位一致性和 SIFT 的 SAR 图像配准方法, 其特征在于, 步骤 (4a) 所述的双向匹配方法的步骤如下 : 第一步, 将参考图像和待配准图像所有特征点分别存放在集合M和Q中, 对参考图像中 的特征点与待配准图像特征点进行正向匹配, 对待配准图像中的特征点与参考图像特征点 进行逆向匹配 ; 第二步, 正向匹配 : 从参考图像特征点集合 M 中任意选取一个特征点 a, 利用向量运算 准则, 计算特征点a与待配准图像特征点集合Q中所有特征点的欧式距离, 将得到的欧式距 离按从大到小排序,。
10、 选取欧式距离最大值对应的待配准图像特征点b和欧式距离次最大 值 对应的待配准图像特征点 c, 若 0.8, 则将待配准图像特征点 b 作为与参考图 像特征点 a 的匹配点 ; 第三步, 逆向匹配 : 对于待配准图像中的特征点 b, 采用向量运算准则, 计算特征点 b 与 参考图像特征点集合 M 中所有特征点的欧式距离, 将得到的欧式距离按从大到小排序, 选 取欧式距离最大值 对应的参考图像特征点 a 和欧式距离次最大值 对应的参考图像特 征点 d, 若 0.8, 将参考图像特征点 a 作为与待配准图像特征点 b 的匹配点 ; 第四步, 比较最大值 与最大值 的大小, 若两者相等, 将参考图像。
11、特征点 a 和待配 准图像特征点 b 作为匹配点对 ; 第五步, 遍历参考图像和待配准图像所有特征点, 重复第二、 第三、 第四步, 得到参考图 像和待配准图像的初始匹配点对集合。 6. 根据权利要求 1 所述的基于相位一致性和 SIFT 的 SAR 图像配准方法, 其特征在于, 步骤 (4b) 所述的匹配点对间距离比值相近原则的步骤如下 : 权 利 要 求 书 CN 103914847 A 3 3/3 页 4 第一步, 选取参考图像和待配准图像初始匹配点对集合 =(u1, v1)(u2, v2), ., (uk, vk), 中任意一对匹配点 (uk, vk), 分别计算参考图像特征点 uk与。
12、参考图像剩余特征点 间的欧式距离、 待配准图像特征点 vk与待配准图像剩余特征点间的欧式距离, 其中, k 表示 匹配点对的标记符号 ; 第二步, 用参考图像特征点 uk与参考图像剩余特征点间的欧式距离, 除以待配准图像 特征点 vk与待配准图像剩余特征点间的欧式距离, 得到欧式距离比向量 ; 第三步, 将欧式距离比向量所有元素相加, 用相加后的欧式距离比, 除以欧式距离比向 量的元素个数, 得到欧式距离比平均值; 第四步, 遍历参考图像和待配准图像中所有的匹配点对, 重复第二和第三步, 得到所有 匹配点的距离比平均值, 将距离比平均值按从大到小排序, 从中选出距离比平均值的最大 值 max;。
13、 第五步, 将距离比平均值大于 0.93 倍距离比平均值最大值 max的第 k 对匹配点, 作为正确匹配点对。 权 利 要 求 书 CN 103914847 A 4 1/7 页 5 基于相位一致性和 SIFT 的 SAR 图像配准方法 技术领域 0001 本发明属于图像处理技术领域, 更进一步涉及雷达图像处理技术领域中的一种基 于相位一致性尺度不变特征转换 (Scale Invariant Feature Transform,SIFT) 的合成孔 径雷达 (Synthetic Aperture Radar,SAR) 图像配准的方法。本发明可用于不同波段、 不同 时相、 不同极化方式的 SAR 。
14、图像配准和图像校正。 背景技术 0002 图像配准是对取自不同时间、 不同视角或不同传感器的同一景物的两幅或多幅图 像进行匹配、 叠加的过程。它的主要目的是消除或减少基准图像和待校正图像之间由于成 像条件不同所引起的几何形变, 从而获得具有几何一致性 (最佳空间位置匹配) 的两幅图 像。它在图像融合、 多时相图像变化检测等领域都得到了广泛的应用。 0003 英属哥伦比亚大学申请的专利 “Method and apparatus for identifying scale invariant features in an image and use of same for locating an。
15、 object in an image” (申请号 : US09/519,893, 公开号 : US6711293B1) 提出了一种构建 SIFT 特征描述子 的方法。该方法通过对图像进行高斯滤波生成差分高斯尺度空间, 然后在尺度空间上寻找 极值点, 并对极值点进行筛选找出稳定特征点, 最后提取稳定特征点周围邻域局部特性, 生 成 SIFT 特征描述子。由于提取的 SIFT 特征具有尺度和旋转不变性, 且对光照变化和视觉 变化具有不变性, 因而被成功应用于光学图像配准领域。 该方法存在的不足之处在于, 采用 SIFT对SAR图像进行特征提取时, 由于SAR图像存在大量的乘性斑点噪声, 严重影响。
16、了根据 图像灰度信息所提取到的特征点, 使得检测到的稳定特征点数量减少, 而在对特征点进行 匹配时, 图像中依赖特征点周围邻域灰度信息生成的特征向量相关性较差, 使得错误匹配 点对数量增加, 因此 SIFT 方法不能为 SAR 图像配准提供大量且准确的特征匹配点对, 从而 导致配准失效或配准精度较低的情况。 发明内容 0004 本发明的目的在于克服上述现有技术的不足, 提出一种基于相位一致性和尺度不 变特征转换SIFT的合成孔径雷达SAR图像配准方法, 可以更好的滤除大量由于乘性斑点噪 声引起的错误特征点, 解决了现有技术中进行合成孔径雷达 SAR 图像配准时效果不好的问 题。 0005 实现。
17、本发明的思路是, 首先提取参考图像和待配准图像的 SIFT 特征, 然后利用相 位一致性信息, 双向匹配和匹配点对间距离比值相近原则对 SIFT 特征点进行筛选, 最后采 用最小二乘法, 计算参考图像和待配准图像之间的仿射矩阵, 得到待配准图像的几何形变 参数, 将待配准图像进行几何变换, 得到配准结果。 0006 实现本发明的具体步骤如下 : 0007 (1) 输入两幅图像 : 0008 任选一幅作为参考图像, 将另一幅作为待配准图像 ; 说 明 书 CN 103914847 A 5 2/7 页 6 0009 (2) 提取 SIFT 特征 : 0010 (2a) 生成参考图像和待配准图像的高。
18、斯差分尺度空间图像 ; 0011 (2b) 提取参考图像和待配准图像的特征点 ; 0012 (2c) 生成参考图像和待配准图像的特征点描述符 ; 0013 (3) 筛选特征点 : 0014 (3a) 按照下式, 计算高斯差分尺度空间图像像素点的相位一致性信息 : 0015 0016 其中, P 表示高斯差分尺度空间图像像素点的相位一致性信息, () 表示求和 操作, n 表示对数加伯 Gabor 滤波器尺度的标记, W 表示频率扩展的权重系数, An表示对数 加伯 Gabor 滤波器在第 n 尺度下的幅值, n表示对数加伯 Gabor 滤波器在第 n 尺度下的 相位偏移, 表示避免分母为零而引。
19、入的小数, T 表示对数加伯 Gabor 滤波器的噪声能量, 表示仅取正值的运算操作 ; 0017 (3b) 特征点的相位一致性信息大于 0.01 时, 则将该点作为候选特征点, 滤除那些 相位一致性小于 0.01 的特征点 ; 0018 (4) 滤除错误匹配点对 : 0019 (4a) 采用双向匹配方法, 滤除候选特征点中的错误特征点, 得到参考图像和待配 准图像的初始匹配点对集合 ; 0020 (4b) 根据匹配点对间距离比值相近原则, 滤除初始匹配点对集合中的错误匹配点 对 ; 0021 (5) 获得几何形变参数 : 0022 采用最小二乘法, 计算参考图像和待配准图像之间的仿射矩阵, 。
20、得到待配准图像 的几何形变参数 ; 0023 (6) 得到配准结果 : 0024 利用得到的几何形变参数, 将待配准图像进行几何变换, 得到配准结果。 0025 本发明与现有技术相比具有以下优点 : 0026 第一, 由于本发明在对合成孔径雷达 SAR 图像配准的过程中, 利用相位一致性信 息对 SIFT 检测到的特征点进行筛选, 克服了现有技术在提取特征点的过程中出现大量错 误或不稳定特征点的不足, 使得本发明提高了实测合成孔径雷达 SAR 图像配准的精度。 0027 第二, 由于本发明分别采用双向匹配和匹配点对间距离比值相近原则滤除错误匹 配点, 克服了现有技术仅采用最近邻方法时出现很多错。
21、误匹配点对的不足, 使得本发明提 高了对错误匹配点的滤除能力, 增强了对噪声的鲁棒性。 附图说明 0028 图 1 是本发明的流程图 ; 0029 图 2 是本发明的仿真图 ; 说 明 书 CN 103914847 A 6 3/7 页 7 具体实施方式 0030 下面结合附图对本发明做进一步描述 : 0031 参照图 1, 本发明的实施步骤如下 : 0032 步骤 1, 输入两幅图像。 0033 任选一幅作为参考图像, 将另一幅作为待配准图像。 0034 步骤 2, 提取 SIFT 特征。 0035 生成参考图像和待配准图像的高斯差分尺度空间图像。 0036 按下式计算得到参考图像和待配准图像。
22、的高斯差分尺度空间图像 : 0037 Dr G-G*Ir 0038 Ds G-G*Is 0039 其中, Dr, Ds分别表示参考图像和待配准图像对应的高斯差分尺度空间图像, G, G分别表示尺度参数为 和 对应的高斯尺度空间图像, , 均表示高斯差分尺度空 间的尺度参数, * 表示二维卷积操作, Ir, Is分别表示参考图像和待配准图像。 0040 提取参考图像和待配准图像的特征点。 0041 第一步, 将高斯差分尺度空间图像, 按金字塔形式排列, 得到金字塔结构的高斯差 分图像。 0042 第二步, 用金字塔结构的高斯差分图像中每一个像素点与其同尺度的 8 个相邻点 和上下相邻尺度对应的 。
23、92 个点共 26 个点比较, 若进行对比的像素点是其图像域和尺度 域中的极大值或者极小值, 则将该像素点作为特征点。 0043 生成参考图像和待配准图像对应的特征点描述符。 0044 第一步, 利用图像差分方法, 计算特征点邻域像素的梯度幅值和方向, 统计邻域像 素的方向得到方向直方图, 从方向直方图中选取其峰值作为特征点的主方向。梯度的幅值 和方向定义如下 : 0045 0046 其中, g 表示梯度幅值, 表示梯度方向, Lx,y-1、 Lx,y+1、 Lx-1,y、 Lx+1,y为尺度图像 Lx,y 上下左右四个邻域的灰度信息。 0047 第二步, 将参考图像和待配准图像的每个特征点的。
24、坐标轴, 设置为与特征点主方 向的坐标轴一致的方向。 0048 第三步, 以参考图像和待配准图像的特征点为中心, 取该特征点周围邻域 1616 的窗口, 将所取的窗口分解成 16 个 44 的子窗口。 0049 第四步, 利用图像差分方法, 计算每个子窗口内像素点的梯度幅值和方向 ; 0050 第五步, 将 0 44、 45 89、 90 134、 135 179、 180 224、 225 269、 270 314、 315 359的八个方向, 作为 8 个梯度方向。 0051 第六步, 将每个子窗口内的像素点, 按其梯度方向划分到所取的 8 个梯度方向内, 将所有相同梯度方向上的像素点梯度。
25、幅值相加, 将相加后的梯度幅值, 作为每个梯度方向 上的梯度幅值。 说 明 书 CN 103914847 A 7 4/7 页 8 0052 第七步, 依次将 16 个子窗口获得的 8 个梯度方向上的梯度幅值, 存放在一个 128 维的列矢量中, 将该列矢量作为特征描述符。 0053 步骤 3 : 筛选特征点。 0054 按照下式, 计算高斯差分尺度空间图像像素点的相位一致性信息 : 0055 0056 其中, P 表示高斯差分尺度空间图像像素点的相位一致性信息, ( ) 表示求和操 作, n 表示对数加伯 Gabor 滤波器的尺度标记, W 表示频率扩展的权重系数, An表示对数加 伯 Gab。
26、or 滤波器在第 n 尺度下的幅值, n表示对数加伯 Gabor 滤波器在第 n 尺度下的相 位偏移, 为避免分母为零引入的小数, T表示对数加伯Gabor滤波器的噪声能量,表示 该符号中的值为正, 则为其本身, 否则为 0。 0057 特征点的相位一致性信息大于 0.01 时, 则将该点作为候选特征点, 滤除那些相位 一致性小于 0.01 的特征点。 0058 步骤 4 : 滤除错误匹配点对。 0059 采用双向匹配方法, 滤除候选特征点中的错误特征点, 得到参考图像和待配准图 像的初始匹配点对集合。 0060 第一步, 将参考图像和待配准图像所有特征点分别存放在集合M和Q中, 对参考图 像。
27、中的特征点与待配准图像特征点进行正向匹配, 对待配准图像中的特征点与参考图像特 征点进行逆向匹配。 0061 第二步, 正向匹配 : 从参考图像特征点集合 M 中任意选取一个特征点 a, 利用向量 运算准则, 计算特征点a与待配准图像特征点集合Q中所有特征点的欧式距离, 将得到的欧 式距离按从大到小排序, 选取欧式距离最大值对应的待配准图像特征点b和欧式距离次 最大值 对应的待配准图像特征点 c, 若 0.8, 则将待配准图像特征点 b 作为与参 考图像特征点 a 对应的匹配点。 0062 第三步, 逆向匹配 : 对于待配准图像中的特征点 b, 采用向量运算准则, 计算特征 点 b 与参考图像。
28、特征点集合 M 中所有特征点的欧式距离, 将得到的欧式距离按从大到小排 序, 选取欧式距离最大值 对应的参考图像特征点 a 和欧式距离次最大值 对应的参考 图像特征点 d, 若 0.8, 将参考图像特征点 a 作为与待配准图像特征点 b 对应的匹配 点。 0063 第四步, 比较最大值 与最大值 的大小, 若两者相等, 将参考图像特征点 a 和 待配准图像特征点 b 作为匹配点对。 0064 第五步, 遍历参考图像和待配准图像所有特征点, 重复第二、 第三、 第四步, 得到参 考图像和待配准图像的初始匹配点对集合。 0065 根据匹配点对间距离比值相近原则, 滤除初始匹配点对集合中的错误匹配点。
29、对。 0066 第一步, 选取参考图像和待配准图像初始匹配点对集合 =(u1, v1), (u2, v2), (uk, vk), ) 中任意一对匹配点 (uk, vk), 分别计算参考图像特征点 uk与参考图像剩余特征 说 明 书 CN 103914847 A 8 5/7 页 9 点间的欧式距离、 待配准图像特征点 vk与待配准图像剩余特征点间的欧式距离, 其中, k 表 示匹配点对的标记符号。 0067 第二步, 用参考图像特征点 uk 与参考图像剩余特征点间的欧式距离, 除以待配准 图像特征点 vk与待配准图像剩余特征点间的欧式距离, 得到欧式距离比向量。 0068 第三步, 将欧式距离比。
30、向量所有元素相加, 用相加后的欧式距离比, 除以欧式距离 比向量的元素个数, 得到欧式距离比平均值。 0069 第四步, 遍历参考图像和待配准图像中所有的匹配点对, 重复第二和第三步, 得到 所有匹配点的距离比平均值, 将距离比平均值按从大到小排序, 从中选出距离比平均值的 最大值 max; 0070 第五步, 将距离比平均值大于 0.93 倍距离比平均值最大值 max的第 k 对匹 配点, 作为正确匹配点对。 0071 步骤 5 : 获得几何形变参数。 0072 采用最小二乘法, 计算参考图像和待配准图像之间的仿射矩阵, 得到待配准图像 的几何形变参数。 0073 步骤 6 : 得到配准结果。
31、。 0074 利用得到的几何形变参数, 将待配准图像进行几何变换, 得到配准结果。 0075 下面结合实验仿真对本发明效果做进一步说明。 0076 1. 仿真条件 : 0077 本发明的仿真实验平台采用 Intel(R)Core(TM)2CPU E63001.86GHz, 内存为 2GB, 运行 Windows7 的 PC 机, 编程语言为 Matlab2011b 和 C 语言。 0078 2. 仿真内容与结果分析 : 0079 图 2 为本发明的仿真图。图 2(a)、 2(b) 为美国航空航天局, 在互联网上公开的美 国对地观测卫星 Terra 在不同时相、 不同视角获取的成像数据, 图像大。
32、小均为 400400, 其 中图 2(a) 作为本发明用于合成孔径雷达 SAR 图像配准的参考图像, 图 2(b) 作为本发明用 于合成孔径雷达 SAR 图像配准的待配准图像, 图 2(c) 作为图 2(a) 和 2(b) 利用本发明得到 的配准结果。从图 2(c) 可以看出, 本发明得到的配准结果, 与参考图像中的机场跑道等图 像信息吻合, 没有出现模糊。从表 1 可以看出, 由于本发明剔除了大量的错误特征点, 参考 图像和配准后的待配准图像间的最小均方误差明显降低, 提高了合成孔径雷达 SAR 图像配 准的精度。在本发明得到的特征点数中, 前面一个数字表示相位一致性筛选后的特征点数 量, 。
33、后面一个数字表示传统尺度不变特征转换 SIFT 方法得到的特征点数量。 0080 表 1 本发明与传统 SIFT 方法比较结果 0081 0082 图 2(d) 和 2(e) 为宇宙航空研究开发机构, 在互联网上公开的日本机载合成孔径 说 明 书 CN 103914847 A 9 6/7 页 10 雷达 PISAR 在不同极化方式获得的成像数据, 其中图 2(d) 作为本发明用于合成孔径雷达 SAR 图像配准的参考图像, 大小为 576522, 图 2(e) 作为本发明用于合成孔径雷达 SAR 图 像配准的待配准图像, 大小为 602533, 图 2(f) 作为图 2(d) 和 2(e) 利用。
34、本发明得到的配 准结果。 从图2(f)可以看出, 本发明得到配准结果, 与参考图像中的纹理信息基本吻合。 从 表 2 可以看出, 本发明有效地去除了由斑点噪声引起的错误匹配点对, 能够完成噪声比较 大的合成孔径雷达SAR图像间配准, 配准精度也低于1个像素, 而传统的尺度不变特征转换 SIFT 方法由于引入较多的错误匹配点对, 对图 2(d) 和 2(e) 的配准失效。在本发明得到的 特征点数中, 前面一个数字表示相位一致性筛选后的特征点数量, 后面一个数字表示传统 尺度不变特征转换 SIFT 方法得到的特征点数量。 “-” 表示用传统尺度不变特征转换 SIFT 方法对图 2(d) 和 2(e。
35、) 配准失效。 0083 表 2 本发明与传统 SIFT 方法比较结果 0084 0085 图 2(g) 和 2(h) 为美国航空航天局, 在互联网上公开的美国机载合成孔径雷达 AIRSAR在不同波段获取的成像数据, 其中图2(g)作为本发明用于合成孔径雷达SAR图像配 准的参考图像, C 波段, 大小为 376391, 图 2(h) 作为本发明用于合成孔径雷达 SAR 图像配 准的待配准图像, L 波段, 大小为 325309, 图 2(i) 作为图 2(g) 和 2(h) 利用本发明得到的 配准结果。从图 2(i) 可以看出, 本发明得到配准结果, 与参考图像中的图像信息基本吻合。 008。
36、6 表 3 本发明与传统 SIFT 方法比较结果 0087 0088 从表 3 可以看出, 本发明有效地剔除了由斑点噪声引起的错误匹配点对, 能够完 成灰度差异较大的合成孔径雷达 SAR 图像间配准, 具有较高的配准精度, 而传统尺度不变 特征转换 SIFT 方法由于引入较多的错误匹配点对, 对图 2(g) 和 2(h) 的配准失效。在本发 明得到的特征点数中, 前面一个数字表示相位一致性筛选后的特征点数量, 后面一个数字 表示传统尺度不变特征转换 SIFT 方法得到的特征点数量。 “-” 表示用传统尺度不变特征 转换 SIFT 方法对图 2(g) 和 2(h) 配准失效。 0089 由以上三。
37、个实验仿真表明, 本发明采用相位一致性信息、 双向匹配和匹配点对间 说 明 书 CN 103914847 A 10 7/7 页 11 距离比值相近原则, 剔除了 SIFT 特征中由斑点噪声引起的错误特征点以及错误匹配点对, 有效的保证了匹配点对的正确率, 解决了传统尺度不变特征转换 SIFT 应用于合成孔径雷 达 SAR 图像配准失效或精度较低的问题。 说 明 书 CN 103914847 A 11 1/4 页 12 图 1 说 明 书 附 图 CN 103914847 A 12 2/4 页 13 说 明 书 附 图 CN 103914847 A 13 3/4 页 14 说 明 书 附 图 CN 103914847 A 14 4/4 页 15 图 2 说 明 书 附 图 CN 103914847 A 15 。