一种SAR与可见光图像配准方法技术

本申请涉及一种SAR图像与可见光图像配准方法，该方法是基于SIFT算法和Canny边缘检测算法相结合来实现的，首先，用SIFT算法检测出候选特征点，再利用Canny边缘检测算法检测出图像的边缘特征点，比较生成的候选关键点和边缘点的坐标是否相等，去除坐标相等的点。然后，在高斯差分尺度空间中对剩下的关键点生成SIFT特征描述向量，利用FLANN算法实现高维向量空间中的快速匹配。最后，采用改进的抽样一致算法（PROSAC）剔除误匹配进一步提高匹配正确率。本申请的方法通过提取到图像中更多的特征点，保证了配准精度，也大大减少了整个算法的消耗时间。

A registration method for SAR and visible light images

The invention relates to a SAR image and optical image registration method, this method is the SIFT algorithm and Canny algorithm of edge detection based on combined to achieve the first, using SIFT algorithm to detect candidate feature points, and then detect the edge of image feature points using Canny edge detection algorithm, the coordinates of key points and compare the generation of candidate the edge points are equal, the removal of equal point coordinates. Then, in the Gauss differential scale space, the SIFT feature description vector is generated for the remaining key points, and the FLANN algorithm is applied to achieve fast matching in high-dimensional vector space. Finally, the improved sampling consensus algorithm (PROSAC) is used to eliminate mismatch and further improve the matching accuracy. By extracting more feature points in the image, the application method ensures the registration accuracy and greatly reduces the consumption time of the whole algorithm.

【技术实现步骤摘要】
一种SAR与可见光图像配准方法
本申请属于图像领域，尤其涉及SAR与可见光图像的配准领域。
技术介绍
图像配准是对不同传感器、时间或角度获取的两幅有重叠部分的影像匹配的过程，其关键技术是找到待配准图像间最优的几何变换，从而使得变换后的图像相对于一种相似性度量函数具有最大相似性。图像配准是实现模式识别、图像融合、变换检测和图像镶嵌等的前期处理。在遥感图像中，合成孔径雷达(syntheticapertureradar,SAR)图像和可见光图像是最典型的两种类型。SAR具有全天候、穿透性强、纹理信息丰富等优势，但图像不含光谱信息，且目标的微波反射特性导致相同物体的SAR图像可能呈现不同的表现形式。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，因此研究这两种图像的配准有重大意义。现有的图像配准方法大致分为两大类:基于区域配准和基于特征配准。基于区域配准主要包括互信息算法、交叉相关算法和最大似然估计算法等。这些算法虽然有一定的鲁棒性，但是计算量很大，而且当SAR与可见光图像存在角度和尺度差异时配准效果不理想。在基于特征配准的算法中，尺度不变特征变换SIFT(scale-invariantfeaturetransform,SIFT)是最为普遍的算法之一。它具有尺度变换、旋转和仿射不变性，对噪声及视角变换也有一定的鲁棒性，因此广泛应用于图像处理领域。尽管SIFT算法可以很好地配准可见光图像，但直接应用于SAR图像配准时会出现很多误匹配，最主要的原因是SAR图像存在相干斑噪声，导致提取的特征点被破坏。另外，由于传统的SIFT算法提取的特征点及生成的特征向量数量过多，带来繁重的计算量，处理时间过长。
技术实现思路
为解决上述技术问题：本申请提出了一种SAR与可见光图像匹配方法，所述方法基于SIFT算法和Canny边缘检测算法相结合来实现，其特征在于，所述方法包括：步骤一、选取候选特征点；步骤二、检测边缘特征点；步骤三、比较所述候选特征点和所述边缘特征点的坐标是否相等；步骤四、选取出坐标不相等的点，并生成SIFT特征描述向量；步骤五、根据所述特征描述向量，生成初始匹配点对；步骤六、进一步处理所述初始匹配点对，生成最佳匹配结果。优选的，所述选取候选特征点具体包括：采用双滤波BF去除SAR图像的相干斑噪声，其中，BF的定义为：（1）；p和q是像素位置，是点p的像素值，是点q的像素值，空间强度高斯核和的标准差分别为和，是归一化因子，是像素p的过滤值，选取图像的三维DOG尺度空间中检测局部极值作为特征点。优选的，所述检测边缘特征点具体包括：采用Canny边缘检测算法检测出图像的边缘特征点。优选的，选取出坐标不相等的特征点，并生成SIFT特征描述向量，具体为，首先，利用所述选取出的特征点邻域内所有像素点的梯度方向分布特性为所述特征点指定方向，使所述特征点具有旋转不变性，其中，（2）；（3）；其中，表示特征点邻域内所有像素点的坐标，为特征点的梯度模值，为特征点的梯度方向，L表示所述特征点所在的尺度空间值，其次，以所述特征点为中心的邻域内，将0°到360°等分为36个区间,计算每个像素点的梯度模值和梯度方向,将每个像素点的梯度方向投票到对应的区间上，这样就形成了所述特征点的梯度方向直方图,直方图峰值的区间对应的方向均作为该关键点的主方向。公式（2）和（3）分别为相应特征点的梯度模值和梯度方向，用直方图统计邻域像素的梯度方向，直方图的峰值即为该特征点的主方向，将坐标轴旋转为特征点的主方向，以确保旋转不变性，在特征点邻域划分成的小区域内计算梯度方向和模值，生成梯度方向直方图，由各个小区域梯度方向直方图建立关键点的特征向量，即为描述子。优选的，所述根据所述特征描述向量，生成初始匹配点对具体为，采用高维数据的快速最近邻算法FLANN算法生成初始匹配点对，FLANN模型的特征空间为一个n维的实向量空间，命名为Rn，特征点p和q的子向量分别用Dp和Dq表示，则所述P和q的欧式距离为：d(p,q)=<Dp-Dq•Dp-Dp>(4)。优选的，所述进一步处理所述初始匹配点对，生成匹配结果具体为，采用PROSAC算法，将所述特征点初始集匹配的结果作为排序的依据，使得在采样时根据匹配结果由高到低的得分进行排序，生成最佳匹配结果。本申请采用了Canny边缘检测算法，去除了提取的关键点中不稳定的边缘响应点。另外，双边滤波有效地去除了SAR图像中的斑点噪声，同时很好地保持了图像的边缘特性，从而可以提取到图像中更多的特征点，保证了配准精度。使用的FLANN算法可以在高维向量空间中快速地搜索到匹配点对，PROSAC算法比常用的抽样一致算法可以更快地剔除误匹配，大大减少了整个算法的消耗时间。另外，由于在特征检测时去除了不稳定的边缘响应点，避免了对这些错误特征点生成特征向量而消耗时间。附图说明图1为本申请提出的配准方法流程示意图；图2为尺度空间极值点检测示意图；图3为第一组实验匹配结果；图4为第二组实验匹配结果。具体实施方式下面结合附图对本申请作进一步详细描述，有必要在此指出的是，以下具体实施方式只用于对本申请进行进一步的说明，不能理解为对本申请保护范围的限制，该领域的技术人员可以根据上述申请内容对本申请作出一些非本质的改进和调整。基于SIFT与FLANN相结合的SAR与可见光图像配准算法主要包含以下几个部分：SAR图像的双边滤波、可见光图像与SAR图像的特征点检测、Canny边缘检测算法去除不稳定特征点、生成SIFT特征向量、FLANN算法初匹配、PROSAC算法剔除误匹配，具体流程如图1所示。步骤1：选取候选特征点；首先，利用双边滤波去除SAR图像的相干斑噪声。双边滤波(bilateralfilter,BF)是一种非线性滤波，它基于图像的空间邻近度和像素值相似度计算权重，同时考虑空域信息和灰度相似性。BF的定义如下：（1）；p和q是像素位置，是点p的像素值，是点q的像素值，空间强度高斯核和的标准差分别为和，是归一化因子，是像素p的过滤值，选取图像的三维DOG尺度空间中检测局部极值作为特征点。双边滤波是采用加权平均的方法，用周边像素亮度值的加权平均代表某个像素的强度，双边滤波的权重不仅考虑了像素的欧氏距离，还考虑了像素范围域中的辐射差异，在计算中心像素的时候同时考虑这两个权重，因此，总权重为空间权重与强度权重之和。双边滤波器是由几何空间距离和像素差值共同决定滤波器系数，所以可以实现保边去噪的效果，本文选择双边滤波是基于考虑避免SAR图像在SIFT算法中被高斯函数模糊边缘。选取图像的三维DOG(Difference-of-Gaussian)尺度空间中检测局部极值作为特征点,以使特征具备良好的独特性和稳定性。差分高斯尺度图像的极值检测如图2所示。其中，SIFT的原理体现如下：SIFT算法是在尺度空间中寻找稳定的对缩放、旋转甚至仿射变换保持不变的关键点，并进行描述[10]。SIFT算法的主要步骤如下：(1)关键点检测。利用DOG(Difference-of-Gaussian)算子，在图像上建立高斯差分尺度空间，并在该空间内寻找在尺度空间和图像空间都为极值的点；(2)确定关键点主方向。在以关键点为本文档来自技高网...

【技术保护点】
一种SAR图像与可见光图像配准方法，所述配准方法基于SIFT算法和Canny边缘检测算法相结合来实现，其特征在于，所述方法包括：步骤一、选取候选特征点；步骤二、检测边缘特征点；步骤三、比较所述候选特征点和所述边缘特征点的坐标是否相等；步骤四、选取出坐标不相等的点，并生成SIFT特征描述向量；步骤五、根据所述特征描述向量，生成初始匹配点对；步骤六、进一步处理所述初始匹配点对，生成最佳匹配结果。

【技术特征摘要】
1.一种SAR图像与可见光图像配准方法，所述配准方法基于SIFT算法和Canny边缘检测算法相结合来实现，其特征在于，所述方法包括：步骤一、选取候选特征点；步骤二、检测边缘特征点；步骤三、比较所述候选特征点和所述边缘特征点的坐标是否相等；步骤四、选取出坐标不相等的点，并生成SIFT特征描述向量；步骤五、根据所述特征描述向量，生成初始匹配点对；步骤六、进一步处理所述初始匹配点对，生成最佳匹配结果。2.根据权利要求1所述的方法，其特征在于，所述选取候选特征点具体包括：采用双滤波BF去除SAR图像的相干斑噪声，其中，BF的定义为：（1）；p和q是像素位置，是点p的像素值，是点q的像素值，空间强度高斯核和的标准差分别为和，是归一化因子，是像素p的过滤值，选取图像的三维DOG尺度空间中检测局部极值作为特征点。3.根据权利要求1所述的方法，其特征在于，所述检测边缘特征点具体包括：采用Canny边缘检测算法检测出图像的边缘特征点。4.根据权利要求1所述的方法，其特征在于，所述选取出坐标不相等的特征点，并生成SIFT特征描述向量，具体为，首先，利用所述选取出的特征点邻域内所有像素点的梯度方向分布特性为所述特...

【专利技术属性】
技术研发人员：张皖南，杨学志，陈金勇，董张玉，孙康，王冬，石聪聪，向乔妹，
申请(专利权)人：合肥工业大学，中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：安徽,34