SAR图像匹配方法组成比例

本发明专利技术公开的一种SAR图像匹配方法，旨在提供一种匹配精度高，匹配速度快，鲁棒性高的匹配方法。本发明专利技术通过下述技术方案予以实现：首先对待匹配的合成孔径雷达SAR图像进行正射校正；然后对SAR图像进行分块，根据每一小块SAR图像的经纬度坐标去基准图中提取一小块基准图，利用分块相关匹配算法对SAR图像进行分块相关匹配；再利用相关匹配方法初步提取同名点，通过提前制备的基准图像进行配准获得同名点，根据同名点的空间位置筛选同名点，去除错误的同名点；在同名点中寻找最匹配向量最集中的区域，利用筛选出来的同名点计算仿射矩阵，在匹配过程中采用快速傅氏变换FFT来加速计算完成SAR图像与基准图的匹配。

SAR image matching method

【技术实现步骤摘要】
SAR图像匹配方法
本专利技术涉及一种可以广泛地应用于资源调查、环境监测、灾情评估用的SAR图像处理方法，尤其是把SAR图像与事先制备好的基准图进行匹配的方法。
技术介绍
合成孔径雷达(SAR)是一种工作于微波频段的主动成像雷达，SAR作为一种主动的成像系统，是现代微波遥感技术一个重大的进展。随着SAR成像技术的发展,要有效、及时地利用SAR图像,往往需要对SAR图像进行深入精细处理,SAR图像匹配技术就是一项根基技术。SAR图像匹配是指寻求SAR图像与事先制备好的基准图中像素点对应关系的过程，是SAR图像处理中的一项重要的基础技术，应用于各种场景中，例如匹配定位、图像拼接、三维重建和匹配识别等。图像匹配的质量直接关系到定位、拼接、三维重建和识别的效果。与其它相干成像系统类似，SAR也有其固有的缺点，如强斑点噪声，低信噪比等。SAR图像中存在相干斑噪声,噪声的存在会对图像匹配产生干扰。SAR图像匹配方法主要分为基于灰度的匹配和基于特征的匹配。基于灰度的方法利用待匹配图像和基准图像的灰度相似性进行匹配，主要依据图像的灰度值分布，包括互信息法、归一化互相关(NCC)、互信息(MI)、聚类奖励法和交叉累计剩余熵法等。这些方法对SAR图像来说具有一定的鲁棒性，但计算量较大，并且当待匹配图像和基准图之间存在角度和尺度差异的情况下匹配效果较差。由于获取条件与成像机理不一样，不同SAR图像之问灰度有很大差异，因此灰度信息用来作为匹配的共性特征效果较差，而且计算量大、耗费时间长，不能满足在海量基准图像中进行匹配的需求。基于特征的方法不直接利用灰度相似性，而是利用特征相似性进行匹配，主要是利用图像间的共同特征，包括点特征、线特征和区域特征。提取共同的特征信息用以匹配。较之前种方法对于某些明显的视觉特征更稳定更快速。由于传感器成像差异而没有相对应的地物信息，还可能存在特征不明显不足以提取。不同SAR图像匹配必须考虑以下问题：SAR图像受斑点噪声影响较大，特征必须具备较强的抗噪性；两幅SAR图像由于成像条件不一致，导致相同地物之间存在变形、旋转以及缩放等问题，使得很多匹配算法难以适用。SIFT匹配算法对图像之间的旋转、尺度和光照变化具有一定的鲁棒性，得到了广泛的应用，很多学者基于SIFT算法进行了改进。然而，SIFT算法应用于SAR图像时，由于SAR图像不同于光学图像，特征点提取易受SAR图像固有的相干斑噪声影响，例如SAR图像中的亮斑可能被误检测为特征点，而真正的特征点却湮没在相干斑噪声中，所以鲁棒性欠缺。
技术实现思路
本专利技术的目的是针对SAR图像匹配技术难，SAR图像匹配中的虚假匹配和鲁棒性欠缺等问题，提出一种匹配精度高，匹配速度快，鲁棒性高的SAR图像匹配方法。本专利技术实现上述目的方法步骤：首先对待匹配的SAR图像进行正射校正，通过正射校正来进行预处理消除SAR图像的旋转；然后对SAR图像进行分块，根据每一小块SAR图像的经纬度坐标去基准图中提取一小块基准图，利用分块相关匹配算法对SAR图像进行分块相关匹配；再利用相关匹配方法初步提取同名点，通过提前制备的基准图像进行配准获得同名点，根据同名点的空间位置筛选同名点，去除错误的同名点；在同名点中寻找最匹配向量最集中的区域，利用筛选出来的同名点计算仿射矩阵，在匹配过程中采用快速傅氏变换FFT来加速计算完成SAR图像与基准图的匹配。本专利技术相比于现有技术具有如下有益技术效果：(1)匹配精度高。本专利技术首先通过正射校正来进行预处理，然后利用相关匹配方法初步提取同名点，最后根据同名点的空间位置来筛选同名点，提高了同名点的质量，从而提高了匹配的精度。(2)鲁棒性高。本专利技术首先通过正射校正来进行预处理消除SAR图像的旋转，然后利用相关匹配方法初步提取同名点，最后根据同名点的空间位置来筛选同名点，提高了SAR图像匹配的精度和鲁棒性。利用相关匹配方法初步提取同名点，通过提前制备的基准图像进行配准获得同名点，根据同名点的空间位置筛选同名点，去除错误的同名点，从整体上进行相关匹配，受SAR图像相干斑的影响较小，匹配结果比较可靠；区别于基于特征的匹配方法，，本专利技术匹配成功率比基于特征的匹配方法有很大提高。(3)匹配速度快。本专利技术在同名点中寻找最匹配向量最集中的区域，利用筛选出来的同名点计算仿射矩阵，在匹配过程中采用快速傅氏变换FFT来加速计算完成SAR图像与基准图的匹配。由于在匹配过程中采用了FFT来加速计算，可以达到很高的运行速度。附图说明图1是本专利技术SAR图像匹配流程图。图2是图1的正射校正的流程图。下面通过具体的实施例并结合附图对本专利技术作进一步详细的描述。具体实施方式参阅图1。根据本专利技术，合成孔径雷达SAR图像匹配分为三个步骤：(1)对待匹配的SAR图像进行正射校正，消除SAR图像的旋转的正射校正；(2)利用分块相关匹配算法对SAR图像和提前制备的基准图像进行配准获得同名点；(3)对同名点进行筛选并计算仿射矩阵，完成SAR图像与基准图的匹配。(1)正射校正。参阅图2。对待匹配的合成孔径雷达SAR图像进行正射校正，是指把图像重采样到一个统一的经纬度坐标系中，可以消除合成孔径雷达SAR图像的旋转，为下一步相关匹配创造条件，可以理解为粗匹配，基准图通常采用经纬度坐标系，经过正射校正粗匹配，待匹配的合成孔径雷达SAR图像与基准图之间基本没有旋转关系，剩下的主要是平移关系。正射校正的步骤如下：(a)确定合成孔径雷达SAR图像四个角点的经纬度将待匹配SAR图像中待定位目标的行列坐标设为(i,j)，针对待定位目标建立距离-多普勒方程组：距离方程FR＝R0+(i-i0)ΔR-|P′S-P|＝0(1)多普勒方程椭球方程其中，R0是场景中心点的斜距，(i0,j0)是SAR图像场景中心点在图像中的行列坐标，ΔR是距离分辨率，PS′是目标对应的雷达地心地固(ECEF)坐标系的坐标，P是待定位点的ECEF坐标，V是雷达的ECEF速度，fdc是多普勒中心，λ是波长，X、Y和Z分别表示待定位点的ECEF坐标P的三个坐标轴分量，a表示参考椭圆的半长轴长度，b表示参考椭圆的半短轴长度，h表示目标高度。目标对应的雷达ECEF坐标其中，PS是雷达参考中心的ECEF坐标，PRF是脉冲重复频率，并且PS＝[XSYSZS]T，ECEF速度V＝[VXVYVZ]T，T表示向量的转置。“·”表示两个向量的数量积，|…|表示向量的长度长度。利用最小二乘法对上述距离方程FR、多普勒方程FD和椭球方程FE的方程组进行求解，得到待定位点的ECEF坐标P，进而可以转化为经纬高坐标Plla。按照上述方法，计算SAR图像四个角点的经纬高Plla1＝[Lon1,Lat1,H1]、Plla2＝[Lon1,Lat1,H1]、Plla3＝[Lon3,Lat3,H3]和Plla4＝[Lon4,Lat4,H4]，其中，Lon1、Lat1和H1分别表示左上角的经度、纬度和高度，Lon2、Lat2和H2分别表示左下角的经度、纬度和高度，Lon3、Lat3和H3分别表示右上角的经度、纬度和高度，Lon4、Lat4和H4分别表示右下角的经度、纬度和高度。(b)确定正射校正后图像的经纬度范围和点数，根据四个角点的经纬度来确定正射校正后图像的经纬度范围：Lonmin＝m本文档来自技高网...

【技术保护点】
1.一种SAR图像匹配方法，其特征在于包括如下步骤：首先对待匹配的合成孔径雷达SAR图像进行正射校正，通过正射校正来进行预处理消除SAR图像的旋转；然后对SAR图像进行分块，根据每一小块SAR图像的经纬度坐标去基准图中提取一小块基准图来进行相关匹配，利用分块相关匹配算法对SAR图像和提前制备的基准图像进行分块相关匹配；再利用相关匹配方法初步提取同名点，通过提前制备的基准图像进行配准获得同名点，根据同名点的空间位置筛选同名点，去除错误的同名点；在同名点中寻找最匹配向量最集中的区域，利用筛选出来的同名点计算仿射矩阵；在匹配过程中采用快速傅氏变换FFT来加速计算完成SAR图像与基准图的匹配。

【技术特征摘要】
1.一种SAR图像匹配方法，其特征在于包括如下步骤：首先对待匹配的合成孔径雷达SAR图像进行正射校正，通过正射校正来进行预处理消除SAR图像的旋转；然后对SAR图像进行分块，根据每一小块SAR图像的经纬度坐标去基准图中提取一小块基准图来进行相关匹配，利用分块相关匹配算法对SAR图像和提前制备的基准图像进行分块相关匹配；再利用相关匹配方法初步提取同名点，通过提前制备的基准图像进行配准获得同名点，根据同名点的空间位置筛选同名点，去除错误的同名点；在同名点中寻找最匹配向量最集中的区域，利用筛选出来的同名点计算仿射矩阵；在匹配过程中采用快速傅氏变换FFT来加速计算完成SAR图像与基准图的匹配。2.如权利要求1所述的SAR图像匹配方法，其特征在于：在正射校正中，首先确定合成孔径雷达SAR图像四个角点的经纬度，将待匹配SAR图像中待定位目标的行列坐标设为(i,j)，针对待定位目标建立距离-多普勒方程组：距离方程FR＝R0+(i-i0)ΔR-|PS′-P|＝0(1)多普勒方程椭球方程其中，R0是场景中心点的斜距，(i0,j0)是SAR图像场景中心点在图像中的行列坐标，ΔR是距离分辨率，PS′是目标对应的雷达地心地固(ECEF)坐标系的坐标，P是待定位点的ECEF坐标，V是雷达的ECEF速度，fdc是多普勒中心，λ是波长，X、Y和Z分别表示待定位点的ECEF坐标P的三个坐标轴分量，a表示参考椭圆的半长轴长度，b表示参考椭圆的半短轴长度，h表示目标高度。3.如权利要求2所述的SAR图像匹配方法，其特征在于：目标对应的雷达ECEF坐标其中，PS是雷达参考中心的ECEF坐标，PRF是脉冲重复频率，并且PS＝[XSYSZS]T，ECEF速度V＝[VXVYVZ]T，T表示向量的转置。“·”表示两个向量的数量积，|…|表示向量的长度长度。4.如权利要求2所述的SAR图像匹配方法，其特征在于：利用最小二乘法对距离方程FR、多普勒方程FD和椭球方程FE的方程组进行求解，得到待定位点的ECEF坐标P，进而转化为经纬高坐标Plla。5.如权利要求2所述的SAR图像匹配方法，其特征在于：按最小二乘法，计算SAR图像四个角点的经纬高Plla1＝[Lon1,Lat1,H1]、Plla2＝[Lon1,Lat1,H1]、Plla3＝[Lon3,Lat3,H3]和Plla4＝[Lon4,Lat4,H4]，其中，Lon1、Lat1和H1分别表示左上角的经度、纬度和高度，Lon2、Lat2和H2分别表示左下角的经度、纬度和高度，Lon3、Lat3和H3分别表示右上角的经度、纬度和高度，Lon4、Lat4和H4分别表示右下角的经度、纬度和高度。6....

【专利技术属性】
技术研发人员：吴元，赖作镁，
申请(专利权)人：西南电子技术研究所中国电子科技集团公司第十研究所，
类型：发明
国别省市：四川,51