一种由粗到精的光学与SAR遥感图像配准算法

发布时间：2021-01-25 05:09

　　由于光学遥感图像和SAR图像具有明显的非线性强度差异,且SAR图像存在斑点噪声,使得其配准存在较大难度。为此,本文结合基于特征和基于区域图像配准方法的优点,并组合为混合模型,提出一种由粗到精的自动配准算法。以光学遥感图像和SAR图像分别为参考图像和待配准图像,先以基于特征点的SAR-SIFT完成粗配准,再以基于区域的ROEWA-HOG完成精配准。①采用SAR-SIFT算法进行特征点检测和特征匹配来计算图像的仿射变换模型,以消除参考图像和待配准图像之间明显的旋转、尺度和平移差异,至此完成图像粗配准;②在此基础上利用分块Harris角点检测在参考图像上获得特征点,并根据特征点确定待配准图像上的同名点搜索区域;③计算图像的ROEWA梯度,构造以特征点为中心的模板区域内的HOG特征向量,以SSD作为相似性测度搜索待配准图像上的同名点,完成高精度的图像配准;④进行图像配准实验,对配准结果进行目视检查和精度评估。经过多组光学与SAR图像配准实验,验证本文算法能够结合基于特征和基于区域的图像配准方法的优点,较好地抵抗光学与SAR图像之间的非线性强度、旋转、尺度、平移差异和SAR图像的噪声影响,并逐步... 

【文章来源】：地球信息科学学报. 2020,22(11)北大核心

【文章页数】：9 页

【部分图文】：

构造多尺度梯度幅值空间

ROEWA滤波窗口

为了使描述子具有更高的独特性，采用一种似GLOH描述子[8]。首先，以特征点为中心取半径r=12σ的圆形支撑区域，嵌套圆形区域其半径从小到大为{0.5r,0.75r,r}，其邻域划分为如图4中所示的对数极坐标扇形子区域，半径最小的圆不划分区域，共17个子区域。然后，将邻域主方向轴（图4中0°方向）旋转到主方向，（0°,180°）划分为8个方向，在每个子区域有效期统计8个方向的梯度幅值累加直方图，统计直方图时梯度幅值需要乘以一个指数权重函数e(i,j)以防止像素位置微小的变化给描述向量带来突变，最终连接成8×17共136维的向量，最后对向量进行归一化，生成最终的描述向量，即特征点描述子。图4 似GLOH描述子

【参考文献】：
期刊论文
[1]基于SAR干涉数据的东帕米尔高原冰川变化[J]. 郭唯娜,柯长青,范宇宾.  地球信息科学学报. 2019(11)
[2]基于模板匹配约束下的光学与SAR图像配准[J]. 杨勇,胡思茹.  系统工程与电子技术. 2019(10)
[3]基于几何结构属性的光学和SAR影像自动配准[J]. 叶沅鑫,郝思媛,曹云刚.  红外与毫米波学报. 2017(06)
[4]SIFT与粗差剔除算法相结合的机载SAR影像匹配研究[J]. 姜文聪,张继贤,程春泉,梁勇.  地球信息科学学报. 2013(03)



本文编号：2998632