SAR与可见光图像的配准算法研究

发布时间：2020-03-29 01:08

【摘要】：图像配准,顾名思义,即通过不同方式得到的2幅具有相同部分的图像进行匹配的过程,这些方式包括角度、方位或者时间的不同进行采集。而图像配准仅仅是图像处理过程中的一部分,其为图像的融合及镶嵌提供了基础。对于遥感图像来说,在生产实践中,主要存在2种最具有代表性的分类:(1)合成孔径雷达(syntheticapertureradar,SAR),(2)可见光图像。SAR具备诸多优点:(1)其一整天均可以进行采集所需要的信息,没有时间的限制(2)对于时间的设置,在没有人的情况下就可以进行;(3)采集的数据和信息较为全面,呈现出的纹路较为清晰,然而,其也存在较多的缺陷,比如在所得到的图像中,缺乏相关的光谱,以至于在色彩方面有稍微的不足,另外由于物体的微波反射特性,同一物体的SAR图像会出现不一样的表现形式。可见光图像能直观地对目标进行成像,含有丰富的光谱信息,但受大气衰减、天气状况的影响较大,因此,两者在各个领域中的应用不言而喻,对促进经济的发展具有举足轻重的作用。本文从SAR与可见光图像的实践意义出发,参考国内和国外文献,研究了大量遥感影像在匹配方面的研究进展,以此为基础,调研并分析了SAR与后者目前存留的不足,提出了改进的方法。主要工作归纳为如下三个方面:(1)参考国内和国外文献,比较了 SAR与可见光图像这2者的研究趋势,在研究过程中,将SIFT算法作为整个研究中的关键点,该算法具备的典型特征是其在运作过程中尺度是不会发生变化的,并在此过程中整理出他们各自的优势和不足。(2)为了解决SIFT算法应用于SAR图像配准时出现很多误匹配问题,以及匹配耗时过长,本研究将SIFT与FLANN进行结合,设计出一种较为新型的算法。与传统意义上的方法有一定的区别,其主要是通过采用SIFT的优势与FLANN的特性,在实际操作中,将两者进行紧密的结合,这种算法所达到的效果是及其有效的。其在实际操作中,分别将这2中方法所得到的图像进行处理,比如将SAR中的噪声进行过滤,但是在这个过滤的过程中,该图像所生成的像素就会大大的降低,故此在这个过程中,我们就需要采取一定的措施,提高图像的分辨率,而当前,所有的技术中,FLANN在该方面的作用是有目共睹的,其主要在维数较高的向量领域中发挥作用,不会造成图像失真的现象,故此将两者进行有效的结合,那么所得到的图像几乎是完美的。最后,采用改善之后的PROSAC算法,该方法的主要用途是将错误匹配得到的数据进行删除,以提高结果的准确率。(3)为了进一步提升SAR和可见光图像的配准精度,本文提出了 SIFT和Canny边缘检测相结合的配准算法。在设计实验时,首先将特征点进行挑选,故在检测时,需要对SIFT算法进行处理,选择具有特征点的备选者,之后将其进行下步处理,选出具有边缘效果的备选者,采用的方法是Canny法,将生成的这些极具特征的点进行比较,若这两者的坐标存在一致性,则将其进行剔除。然后对剩下的关键点生成SIFT特征描述向量,最后利用FLANN算法实现快速匹配。通过实验及对比分析,结果表明:正文中所涉及的这2种算法,无论从准确度方面还是从效率方面,均比传统的SIFT算法优秀。
【图文】：

尺度空间,构建过程

Ｇ．Ｌｏｗ邋在邋２００４邋年提出了邋ＳＩＦＴ邋（ＳｃａｌｅｌｎｖａｒｉａｎｔＦｅａｔｕｒ，即一种基于尺度空间的图像局部特征描述算子［２７］，用ＳＩＦＴ算子，，能够保证待检测图像在缩小，放大以可分为特征检测、特征描述和匹配三大步，在第一步的度不变特征点检测方法主要包括以下几个过程：建立值进行检测得到最优值、处理像素、各个参数的定位、差分尺度空间逡逑根据图像尺度空间理论而提出的尺度不变特征变换算需要通过卷积可变尺度高斯函数Ｇ（ｘ，ｙ，0）与输入图像ｙ，ｃｒ）２３］，该函数定义为：逡逑Ｌ（ｘ，ｙ，ｏ）邋＝邋Ｇ（ｘ，ｙ，ａ）＊Ｉ（ｘ，ｙ）

示意图,极值点,尺度空间,示意图

；Ｄｉｆｆｅｒｅｎｃｅ逡逑ＧｉｕｓｓｉａｎｌＤＯＱ逡逑图２．１尺度空间的构建过程逡逑Ｆｉｇ２．１邋Ｔｈｅ邋ｃｏｎｓｔｒｕｃｔｉｏｎ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｓｃａｌｅ邋ｓｐａｃｅ逡逑Ｌｏｗｅ在卷积得到的三维尺度空间中寻找极大值，从而检测出稳定的特征点。逡逑１５逡逑
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP751;TN957.52

【参考文献】