由于光學(xué)遙感圖像和SAR圖像具有明顯的非線性強(qiáng)度差異,且SAR圖像存在斑點(diǎn)噪聲,使得其配準(zhǔn)存在較大難度。為此,本文結(jié)合基于特征和基于區(qū)域圖像配準(zhǔn)方法的優(yōu)點(diǎn),并組合為混合模型,提出一種由粗到精的自動(dòng)配準(zhǔn)算法。以光學(xué)遙感圖像和SAR圖像分別為參考圖像和待配準(zhǔn)圖像,先以基于特征點(diǎn)的SAR-SIFT完成粗配準(zhǔn),再以基于區(qū)域的ROEWA-HOG完成精配準(zhǔn)。①采用SAR-SIFT算法進(jìn)行特征點(diǎn)檢測(cè)和特征匹配來計(jì)算圖像的仿射變換模型,以消除參考圖像和待配準(zhǔn)圖像之間明顯的旋轉(zhuǎn)、尺度和平移差異,至此完成圖像粗配準(zhǔn);②在此基礎(chǔ)上利用分塊Harris角點(diǎn)檢測(cè)在參考圖像上獲得特征點(diǎn),并根據(jù)特征點(diǎn)確定待配準(zhǔn)圖像上的同名點(diǎn)搜索區(qū)域;③計(jì)算圖像的ROEWA梯度,構(gòu)造以特征點(diǎn)為中心的模板區(qū)域內(nèi)的HOG特征向量,以SSD作為相似性測(cè)度搜索待配準(zhǔn)圖像上的同名點(diǎn),完成高精度的圖像配準(zhǔn);④進(jìn)行圖像配準(zhǔn)實(shí)驗(yàn),對(duì)配準(zhǔn)結(jié)果進(jìn)行目視檢查和精度評(píng)估。經(jīng)過多組光學(xué)與SAR圖像配準(zhǔn)實(shí)驗(yàn),驗(yàn)證本文算法能夠結(jié)合基于特征和基于區(qū)域的圖像配準(zhǔn)方法的優(yōu)點(diǎn),較好地抵抗光學(xué)與SAR圖像之間的非線性強(qiáng)度、旋轉(zhuǎn)、尺度、平移差異和SAR圖像的噪聲影響,并逐步... 

【文章來源】：地球信息科學(xué)學(xué)報(bào). 2020,22(11)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

構(gòu)造多尺度梯度幅值空間

ROEWA濾波窗口

為了使描述子具有更高的獨(dú)特性，采用一種似GLOH描述子[8]。首先，以特征點(diǎn)為中心取半徑r=12σ的圓形支撐區(qū)域，嵌套圓形區(qū)域其半徑從小到大為{0.5r,0.75r,r}，其鄰域劃分為如圖4中所示的對(duì)數(shù)極坐標(biāo)扇形子區(qū)域，半徑最小的圓不劃分區(qū)域，共17個(gè)子區(qū)域。然后，將鄰域主方向軸（圖4中0°方向）旋轉(zhuǎn)到主方向，（0°,180°）劃分為8個(gè)方向，在每個(gè)子區(qū)域有效期統(tǒng)計(jì)8個(gè)方向的梯度幅值累加直方圖，統(tǒng)計(jì)直方圖時(shí)梯度幅值需要乘以一個(gè)指數(shù)權(quán)重函數(shù)e(i,j)以防止像素位置微小的變化給描述向量帶來突變，最終連接成8×17共136維的向量，最后對(duì)向量進(jìn)行歸一化，生成最終的描述向量，即特征點(diǎn)描述子。圖4 似GLOH描述子

【參考文獻(xiàn)】：
期刊論文
[1]基于SAR干涉數(shù)據(jù)的東帕米爾高原冰川變化[J]. 郭唯娜,柯長青,范宇賓.  地球信息科學(xué)學(xué)報(bào). 2019(11)
[2]基于模板匹配約束下的光學(xué)與SAR圖像配準(zhǔn)[J]. 楊勇,胡思茹.  系統(tǒng)工程與電子技術(shù). 2019(10)
[3]基于幾何結(jié)構(gòu)屬性的光學(xué)和SAR影像自動(dòng)配準(zhǔn)[J]. 葉沅鑫,郝思媛,曹云剛.  紅外與毫米波學(xué)報(bào). 2017(06)
[4]SIFT與粗差剔除算法相結(jié)合的機(jī)載SAR影像匹配研究[J]. 姜文聰,張繼賢,程春泉,梁勇.  地球信息科學(xué)學(xué)報(bào). 2013(03)



本文編號(hào)：2998632