基于结构条件互信息的SAR图像与可见光图像配准方法技术

本发明专利技术公开了一种基于结构条件互信息的SAR图像与可见光图像配准方法，主要解决现有技术不稳定且配准精度较低的问题，其实现如下：1)输入参考图像与待配准图像；2)分别计算参考图像与待配准图像的经过非局部均值滤波算法处理的相位一致性信息；3)用参考图像与待配准图像的相位一致性信息分别计算参考图像与待配准图像的相位一致性边缘强度图和方向图；4)根据相位一致性边缘强度图和方向图计算参考图像与待配准图像的结构条件互信息；5)在确定搜索空间下，记录结构条件互信息最大时所对应的变换参数；6)利用变换参数对待配准图像进行变换，得到配准结果。本发明专利技术配准稳定，且配准精度较高，可用于遥感图像融合与变化检测。

Registration method of SAR and visible images based on structural condition mutual information

The invention discloses a method for registration of SAR image and visible light image based on mutual information of structural conditions, which mainly solves the problems of instability of existing technology and low registration accuracy. Its implementation is as follows: 1) input reference image and image to be registered; 2) calculate reference image and image to be registered through non-local mean filtering, respectively. The phase consistency information is processed by the method. 3) The phase consistency edge intensity and pattern of the reference image and the image to be registered are calculated by using the phase consistency information of the reference image and the image to be registered, respectively. 4) The mutual information of the structure conditions of the reference image and the image to be registered is calculated according to the phase consistency edge intensity and pattern. (6) Record the transformation parameters corresponding to the maximum mutual information of the structural conditions in the determined search space; 6) Transform the registration image with the transformation parameters, and get the registration results. The invention has stable registration and high registration accuracy, and can be used for remote sensing image fusion and change detection.

【技术实现步骤摘要】
基于结构条件互信息的SAR图像与可见光图像配准方法
本专利技术属于遥感图像处理
，更进一步涉及一种SAR图像与可见光图像的配准方法，可用于遥感图像融合与变化检测。
技术介绍
遥感图像配准是对不同时间、不同视场、不同成像模式的两幅或多幅图像进行空间几何变换，使得各个图像在几何上能够匹配对应起来。其主要目的是减少或消除参考图像与待配准图像之间的几何形变，在遥感图像融合等领域有着广泛的应用。S.Suri等人在其发表的论文“Mutual-information-basedregistrationofTerraSAR-XandIkonosimageryinurbanareas”(《IEEETRANSACTIONSONGEOSCIENCEANDREMOTESENSING》文章编号：0196-2892(2010)48-0939-10)利用直方图分割的方式提取图像中的部分信息用来计算互信息，在不影响配准精度的情况下，提高了大幅SAR图像与可见光图像配准速度，但是该方法对噪声较大，灰度差异较大的图像无法得到稳定的配准结果。J.P.W.Pluim等人在其发表的论文“Imageregistrationbymaximizationofcombinedmutualinformationandgradientinformation”(《IEEETRANSACTIONSONMEDICALIMAGING》文章编号：0278-0062(2000)19-0809-05)提出了一种基于梯度互信息的图像配准方法，该方法将图像的梯度信息作为空间信息与互信息相结合，提高了图像配准的稳定性，但是由于梯度对图像噪声的敏感性，使得该方法主要针对质量较好的图像进行配准，对于涉及噪声较大的SAR图像配准则配准结果不稳定且精度较低，影响后续遥感图像融合或变化检测的效果。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种基于结构条件互信息的SAR图像与可见光图像配准方法，以提高配准的稳定性和精度，便于后续使用。本专利技术的技术方案是：首先对参考图像与待配准图像计算相位一致性信息，并通过非局部均值滤波对其处理，利用滤波后的相位一致性信息计算得到参考图像与待配准图像的相位一致性边缘强度图与方向图；然后计算参考图像与待配准图像的结构条件互信息，选择搜索空间中最大条件互信息值所对应的变换参数，对待配准图像进行变换，得到配准结果。其实现步骤包括如下：(1)输入可见光图像与SAR图像，并将可见光图像作为参考图像V，SAR图像作为待配准图像S；(2)利用非局部均值滤波算法分别对参考图像V和待配准图像S的相位一致性信息进行滤波，得到滤波后的参考图像相位一致性信息CV和待配准图像的相位一致性信息CS；(3)用参考图像V的相位一致性信息CV计算参考图像的相位一致性边缘强度图EV和方向图ΦV；用待配准图像S的相位一致性信息CS计算待配准图像的相位一致性边缘强度图ES和方向图ΦS；(4)计算参考图像V与待配准图像S的结构条件互信息：(4a)分别对待配准图像S以及对应的相位一致性边缘强度图ES及方向图ΦS进行空间变换；(4b)计算参考图像的相位一致性方向图ΦV与待配准图像的相位一致性方向图ΦS的角度差ΔΦV,S：(4c)计算参考图像V与待配准图像S在角度差ΔΦV,S下的条件互信息CMI(V,S|ΔΦV,S)：CMI(V,S|ΔΦV,S)＝H(V,ΔΦV,S)+H(S,ΔΦV,S)-H(V,S,ΔΦV,S)-H(ΔΦV,S)其中，H(V,ΔΦV,S)表示参考图像V与角度差ΔΦV,S的联合信息熵，H(S,ΔΦV,S)表示待配准图像S与角度差ΔΦV,S的联合信息熵，H(V,S,ΔΦV,S)表示参考图像V、待配准图像S与角度差ΔΦV,S三者的联合信息熵，H(ΔΦV,S)表示角度差ΔΦV,S的信息熵；(4d)利用参考图像V的相位一致性边缘强度图EV和方向图ΦV，待配准图像S的相位一致性边缘强度图ES和方向图ΦS，计算权重W(V,S)：其中，x为矢量，表示图像中每一点的坐标，V∩S表示参考图像V与待配准图像S的重合区域；(4e)计算参考图像V与待配准图像S的结构条件互信息SCMI(V,S)：SCMI(V,S)＝W(V,S)·CMI(V,S|ΔΦV,S)(5)在确定的搜索空间下，重复执行步骤(4)，记录整个搜索空间下结构条件互信息最大时所对应的变换参数；(6)利用(5)中的变换参数对待配准图像S进行空间变换，得到配准结果。本专利技术与现有技术相比具有如下优点：第一，由于本专利技术利用了经过非局部均值滤波处理的相位一致性信息，克服了基于梯度方法的特征提取算子对SAR图像的噪声较为敏感的问题，保证提取的图像结构特征能够反映图像的真实信息。第二，由于本专利技术在计算互信息中引入图像相位一致性边缘强度信息与方向信息，有效的结合了图像的空间结构信息，提高了图像配准的稳定性。第三，由于本专利技术采用图像相位一致性信息与图像的灰度信息计算得到的结构条件互信息作为相似性度量，减少了陷入局部极值的可能性，提高了图像配准的精度。附图说明图1为本专利技术的实现流程图；图2为本专利技术的实验仿真图。图3为本专利技术的实验结果图与现有的常用两种方法的配准结果图。具体实施方式下面结合附图和实例对本专利技术的技术方案和效果做进一步描述：参照图1，本专利技术的实施步骤如下。步骤1，设定参考图像和待配准图像。输入需要进行配准的两幅实测图像，即可见光图像与SAR图像，并将可见光图像作为参考图像V，SAR图像作为待配准图像S。步骤2，分别对参考图像V和待配准图像S的相位一致性信息进行滤波，得到滤波后的参考图像相位一致性信息CV和待配准图像的相位一致性信息CS。常用的滤波方法有均值滤波、中值滤波、非局部均值滤波等，本实例使用但不限于用非局部均值滤波算法对图像的相位一致性信息进行处理，其实现步骤如下：2.1)利用非局部均值滤波算法对参考图像V相位一致性中的能量EnV进行滤波处理，即对能量EnV中的任一点x的值EnV(x)，通过该点邻域内的每一点与该点的权重关系按下式重新计算该点的值DEnV(x)：其中x为矢量，表示EnV中的任一点，IV表示以点x为中心的邻域，y为矢量，表示邻域IV中的任一点，wV(x,y)表示点y在加权平均时的权重系数，vx,k表示以点x为中心的图像块Δx中的第k个像素点的灰度值，vy,k表示以y为中心的图像块Δy的第k个像素点的灰度值，αk表示中心对称的高斯核，h表示控制平滑程度的滤波参数；2.2)遍历参考图像V相位一致性中的能量EnV中的所有点，得到非局部均值滤波后的能量DEnV；2.3)按照下式，计算得到滤波后的参考图像任一点的相位一致性信息CV(x)：其中，x为矢量，表示图像中的某一像素点的位置，WV(x)表示参考图像频率传播的权重系数，DEnV(x)表示参考图像滤波后的复数形式能量，表示参考图像在尺度n下的幅度，T表示噪声阈值，ε表示一个很小的常数,ε＞0；2.4)遍历参考图像中所有点，得到滤波后的参考图像相位一致性信息CV；2.5)利用非局部均值滤波算法对待配准图像S相位一致性中的能量EnS进行滤波处理，即对能量EnS中的任一点x的值EnS(x)，通过该点邻域内的每一点与该点的权重关系按下式重新计算该点的值DEnS(x)：本文档来自技高网...

【技术保护点】
1.一种基于结构条件互信息的SAR图像与可见光图像配准方法，包括：(1)输入可见光图像与SAR图像，并将可见光图像作为参考图像V，SAR图像作为待配准图像S；(2)利用非局部均值滤波算法分别对参考图像V和待配准图像S的相位一致性信息进行滤波，得到滤波后的参考图像相位一致性信息CV和待配准图像的相位一致性信息CS；(3)用参考图像V的相位一致性信息CV计算参考图像的相位一致性边缘强度图EV和方向图ΦV；用待配准图像S的相位一致性信息CS计算待配准图像的相位一致性边缘强度图ES和方向图ΦS；(4)计算参考图像V与待配准图像S的结构条件互信息：(4a)分别对待配准图像S以及对应的相位一致性边缘强度图ES及方向图ΦS进行空间变换；(4b)计算参考图像的相位一致性方向图ΦV与待配准图像的相位一致性方向图ΦS的角度差ΔΦV,S：

【技术特征摘要】
1.一种基于结构条件互信息的SAR图像与可见光图像配准方法，包括：(1)输入可见光图像与SAR图像，并将可见光图像作为参考图像V，SAR图像作为待配准图像S；(2)利用非局部均值滤波算法分别对参考图像V和待配准图像S的相位一致性信息进行滤波，得到滤波后的参考图像相位一致性信息CV和待配准图像的相位一致性信息CS；(3)用参考图像V的相位一致性信息CV计算参考图像的相位一致性边缘强度图EV和方向图ΦV；用待配准图像S的相位一致性信息CS计算待配准图像的相位一致性边缘强度图ES和方向图ΦS；(4)计算参考图像V与待配准图像S的结构条件互信息：(4a)分别对待配准图像S以及对应的相位一致性边缘强度图ES及方向图ΦS进行空间变换；(4b)计算参考图像的相位一致性方向图ΦV与待配准图像的相位一致性方向图ΦS的角度差ΔΦV,S：(4c)计算参考图像V与待配准图像S在角度差ΔΦV,S下的条件互信息CMI(V,S|ΔΦV,S)：CMI(V,S|ΔΦV,S)＝H(V,ΔΦV,S)+H(S,ΔΦV,S)-H(V,S,ΔΦV,S)-H(ΔΦV,S)其中，H(V,ΔΦV,S)表示参考图像V与角度差ΔΦV,S的联合信息熵，H(S,ΔΦV,S)表示待配准图像S与角度差ΔΦV,S的联合信息熵，H(V,S,ΔΦV,S)表示参考图像V、待配准图像S与角度差ΔΦV,S三者的联合信息熵，H(ΔΦV,S)表示角度差ΔΦV,S的信息熵；(4d)利用参考图像V的相位一致性边缘强度图EV和方向图ΦV，待配准图像S的相位一致性边缘强度图ES和方向图ΦS，计算权重W(V,S)：其中，x为矢量，表示图像中每一点的坐标，V∩S表示参考图像V与待配准图像S的重合区域；(4e)计算参考图像V与待配准图像S的结构条件互信息SCMI(V,S)：SCMI(V,S)＝W(V,S)·CMI(V,S|ΔΦV,S)(5)在确定的搜索空间下，重复执行步骤(4)，记录整个搜索空间下结构条件互信息最大时所对应的变换参数；(6)利用(5)中的变换参数对待配准图像S进行空间变换，得到配准结果。2.根据权利要求1所述的方法，其特征在于，步骤(2)利用非局部均值滤波算法对参考图像V的相位一致性信息进行滤波，按如下步骤进行：2a)利用非局部均值滤波算法对参考图像V相位一致性中的能量EnV进行滤波处理，即对能量EnV中的任一点x的值EnV(x)，通过该点邻域内的每一点与该点的权重关系按下式重新计算该点的值DEnV(x)：其中x为矢量，表示EnV中的任一点，IV表示以点x为中心的邻域，y为矢量，表示邻域IV中的任一点，wV(x,y)表示点y在加权平均时的权重系数，vx,k表示以点x为中心的图像块Δx中的第k个像素点的灰度值，vy,k表示以y为中...

【专利技术属性】
技术研发人员：吴艳，于丰，党倩楠，曹宜策，李明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61