结合SIFT和RANSAC算法的InSAR影像配准
发布时间：2021-04-11 11:52
配准是合成孔径雷达干涉测量（In SAR）得到干涉图前的关键步骤。本文提出了基于SIFT和RANSAC的In SAR影像配准。尺度不变特征变换（SIFT）和随机采样一致性（RANSAC）相结合,得到特征稳定、匹配点对可靠的In SAR影像配准。利用PALSAR数据及Terra SAR-X数据,进行不同分辨率、不同波段的SAR影像配准试验,结合生成的干涉图条纹的清晰程度,评价其精度。并与目前主流的交叉互相关方法得到的相干系数进行了对比,证明了该方法在In SAR影像配准应用中是一种简单、有效的方法。
【文章来源】：测绘通报. 2015,(12)北大核心CSCD
【文章页数】：4 页
【部分图文】：
PALSAＲ数据生成的干涉图
94．155－0．0011323－6．0454e-0058．8714e-0087．6932e-0088．0247e-00962．4010．0010803－4．1519e-006－1．1592e-007－5．7026e-0087．6147e-008TerraSAＲ-X交叉互相关SIFT_ＲANSAC70．335700．0000e+0000．0000e+0000．0000e+000－1．9805e-0074．3406e-00832．326660．0000e+0000．0000e+0000．0000e+000－2．0196e-007－1．0252e-00770．366－0．00033798－0．000701262．9442e-0075．5943e-0074．8062e-00732．0910．00048910．0010749－5．584e-007－3．6696e-007－7．7958e-007图1PALSAＲ数据生成的干涉图图2TerraSAＲ数据生成的干涉图分别利用本文提出的方法及交叉互相关法计算的偏移参数对副影像重采样，并计算得到主副影像相干图，相干图中每个像元值为0～1，表征其相干系数。对得到的相干图中相干系数进行直方图统计，如图3、图4所示，图中左边柱状为交叉互相关方法，右边柱状为本文提出的方法得到的结果。其中PALSAＲ数据为徐州地区，影像覆盖地区丘陵较多，中间一片是湖泊，两幅影像时间基线相对较长相干性较低。TerraSAＲ-X数据位榆林地区，影像覆盖地区沙土较多，建筑物较少，两幅影像时间基线较短，相干性较好。从图中可以看出这本文提出的方法应用于这两组不同波长、不同分辨率得到的效果与GAMMA软件中交叉互相方法得到的结果高度拟合，证明了本文提出的方法的可靠性。五、结束语SIFT算法在旋转、缩放、遮挡等不利因素下仍然能够稳定地配准两幅影像，ＲANSAC算法能够稳健地判断适应于模型的数据点的内点和外点。本文利用SIFT算法特征提取的稳定性及ＲANSAC算法32测绘通报2015年第12期
苯拥玫窖窍裨?呐渥季?龋???避免了利用轨道信息配准中轨道参数的误差对配准结果造成的影响。由于在寻找同名点中，需要计算主影像上一个特征点与副影像上所有特征点的距离，时间消耗较大，且ＲANSAC算法效率依赖于局外点比例，以及模型参数的维度，为了满足置信度，需要增加迭代次数，这也降低了计算效率。考虑到InSAＲ偏移量较小，且几乎没有旋转，且仿射变换模型参数维度相对较小，而SIFT算法得到的局外点比例较低，因此该方法的效率相对较高，若要处理大的InSAＲ影像，大的多视比例或分块处理是个可行的选择。图3PALSAＲ-1干涉图相干性直方图图4TerraSAＲ-X干涉图相干性直方图参考文献:［1］王超，张红，刘智．星载合成孔径雷达干涉测量［M］．北京:科学出版社，2002．［2］常青，张斌，邵金玲．基于SIFT和ＲANSAC的特征图像匹配方法［J］．华东理工大学学报:自然科学版，2012(6):747-751．［3］喻小东，郭际明，黄长军，等．基于SIFT算法的In-SAＲ影像配准方法试验研究［J］．遥感信息，2013(2):66-69．［4］LOWED．ObjectＲecognitionfromLocalScaleInvariantFeature［C］∥ProceedingsofInternationalConferenceonComputerVision．Kerkyra:［s．n．］，1999:1150-1157．［5］LOWED．DistinctiveImageFeaturesfromScale-invari-antKeypoints［J］．IJCV，2004，60(2):91-110．［6］尤红建，付昆．合成孔径雷达图像精准处理［M］．北京:科学出版社，2011．［7］FISCHLEＲMA，BOLLESＲC．ＲandomSampleCon-sensus:AParadigmforModelFittingwithApplicationstoImageAnalysisandAutomatedCartography［J］．Com-municationsACM，1981，24(6):381-395．［8］胡伟，卢小平，李珵，等．基于改进ＲANSAC算法的屋顶激光点
【参考文献】：
期刊论文
[1]利用升降轨道SAR数据获取DEM的试验研究[J]. 王琴,陈蜜,刘书军,张鹏程. 测绘通报. 2015(06)
[2]低空UAV激光点云和序列影像的自动配准方法[J]. 陈驰,杨必胜,彭向阳. 测绘学报. 2015(05)
[3]基于MSER的SAR影像配准算法[J]. 程丹,范洪冬,邓喀中,姚国标. 测绘通报. 2014(12)
[4]基于SIFT算法的InSAR影像配准方法试验研究[J]. 喻小东,郭际明,黄长军,袁长征. 遥感信息. 2013(02)
[5]基于SIFT和RANSAC的特征图像匹配方法[J]. 常青,张斌,邵金玲. 华东理工大学学报(自然科学版). 2012(06)
[6]基于改进RANSAC算法的屋顶激光点云面片分割方法[J]. 胡伟,卢小平,李珵,贾智乐. 测绘通报. 2012(11)
[7]SURF算法和RANSAC算法相结合的遥感图像匹配方法[J]. 陈艺虾,孙权森,徐焕宇,耿蕾蕾. 计算机科学与探索. 2012(09)
[8]RANSAC算法的自适应Tc,d预检验[J]. 田文,王宏远,徐帆,方磊. 中国图象图形学报. 2009(05)
本文编号：3131205
【文章来源】：测绘通报. 2015,(12)北大核心CSCD
【文章页数】：4 页
【部分图文】：
PALSAＲ数据生成的干涉图
94．155－0．0011323－6．0454e-0058．8714e-0087．6932e-0088．0247e-00962．4010．0010803－4．1519e-006－1．1592e-007－5．7026e-0087．6147e-008TerraSAＲ-X交叉互相关SIFT_ＲANSAC70．335700．0000e+0000．0000e+0000．0000e+000－1．9805e-0074．3406e-00832．326660．0000e+0000．0000e+0000．0000e+000－2．0196e-007－1．0252e-00770．366－0．00033798－0．000701262．9442e-0075．5943e-0074．8062e-00732．0910．00048910．0010749－5．584e-007－3．6696e-007－7．7958e-007图1PALSAＲ数据生成的干涉图图2TerraSAＲ数据生成的干涉图分别利用本文提出的方法及交叉互相关法计算的偏移参数对副影像重采样，并计算得到主副影像相干图，相干图中每个像元值为0～1，表征其相干系数。对得到的相干图中相干系数进行直方图统计，如图3、图4所示，图中左边柱状为交叉互相关方法，右边柱状为本文提出的方法得到的结果。其中PALSAＲ数据为徐州地区，影像覆盖地区丘陵较多，中间一片是湖泊，两幅影像时间基线相对较长相干性较低。TerraSAＲ-X数据位榆林地区，影像覆盖地区沙土较多，建筑物较少，两幅影像时间基线较短，相干性较好。从图中可以看出这本文提出的方法应用于这两组不同波长、不同分辨率得到的效果与GAMMA软件中交叉互相方法得到的结果高度拟合，证明了本文提出的方法的可靠性。五、结束语SIFT算法在旋转、缩放、遮挡等不利因素下仍然能够稳定地配准两幅影像，ＲANSAC算法能够稳健地判断适应于模型的数据点的内点和外点。本文利用SIFT算法特征提取的稳定性及ＲANSAC算法32测绘通报2015年第12期
苯拥玫窖窍裨?呐渥季?龋???避免了利用轨道信息配准中轨道参数的误差对配准结果造成的影响。由于在寻找同名点中，需要计算主影像上一个特征点与副影像上所有特征点的距离，时间消耗较大，且ＲANSAC算法效率依赖于局外点比例，以及模型参数的维度，为了满足置信度，需要增加迭代次数，这也降低了计算效率。考虑到InSAＲ偏移量较小，且几乎没有旋转，且仿射变换模型参数维度相对较小，而SIFT算法得到的局外点比例较低，因此该方法的效率相对较高，若要处理大的InSAＲ影像，大的多视比例或分块处理是个可行的选择。图3PALSAＲ-1干涉图相干性直方图图4TerraSAＲ-X干涉图相干性直方图参考文献:［1］王超，张红，刘智．星载合成孔径雷达干涉测量［M］．北京:科学出版社，2002．［2］常青，张斌，邵金玲．基于SIFT和ＲANSAC的特征图像匹配方法［J］．华东理工大学学报:自然科学版，2012(6):747-751．［3］喻小东，郭际明，黄长军，等．基于SIFT算法的In-SAＲ影像配准方法试验研究［J］．遥感信息，2013(2):66-69．［4］LOWED．ObjectＲecognitionfromLocalScaleInvariantFeature［C］∥ProceedingsofInternationalConferenceonComputerVision．Kerkyra:［s．n．］，1999:1150-1157．［5］LOWED．DistinctiveImageFeaturesfromScale-invari-antKeypoints［J］．IJCV，2004，60(2):91-110．［6］尤红建，付昆．合成孔径雷达图像精准处理［M］．北京:科学出版社，2011．［7］FISCHLEＲMA，BOLLESＲC．ＲandomSampleCon-sensus:AParadigmforModelFittingwithApplicationstoImageAnalysisandAutomatedCartography［J］．Com-municationsACM，1981，24(6):381-395．［8］胡伟，卢小平，李珵，等．基于改进ＲANSAC算法的屋顶激光点
【参考文献】：
期刊论文
[1]利用升降轨道SAR数据获取DEM的试验研究[J]. 王琴,陈蜜,刘书军,张鹏程. 测绘通报. 2015(06)
[2]低空UAV激光点云和序列影像的自动配准方法[J]. 陈驰,杨必胜,彭向阳. 测绘学报. 2015(05)
[3]基于MSER的SAR影像配准算法[J]. 程丹,范洪冬,邓喀中,姚国标. 测绘通报. 2014(12)
[4]基于SIFT算法的InSAR影像配准方法试验研究[J]. 喻小东,郭际明,黄长军,袁长征. 遥感信息. 2013(02)
[5]基于SIFT和RANSAC的特征图像匹配方法[J]. 常青,张斌,邵金玲. 华东理工大学学报(自然科学版). 2012(06)
[6]基于改进RANSAC算法的屋顶激光点云面片分割方法[J]. 胡伟,卢小平,李珵,贾智乐. 测绘通报. 2012(11)
[7]SURF算法和RANSAC算法相结合的遥感图像匹配方法[J]. 陈艺虾,孙权森,徐焕宇,耿蕾蕾. 计算机科学与探索. 2012(09)
[8]RANSAC算法的自适应Tc,d预检验[J]. 田文,王宏远,徐帆,方磊. 中国图象图形学报. 2009(05)
本文编号：3131205
本文链接：https://www.wllwen.com/kejilunwen/wltx/3131205.html
