论文部分内容阅读
SAR图像和可见光图像是遥感领域最为常用的两种数据类型。由于不同的成像机理,两类图像可获取地物目标的不同特性,能够为对地观测提供良好的互补信息,因此,对SAR和可见光图像进行融合处理,具有非常重要的实际意义。而SAR和可见光图像配准是融合的前提,配准结果的好坏直接影响后续融合处理的效果,成为近年来遥感领域的重要研究课题之一。本文以多组实测SAR和可见光图像为研究对象,考虑到SAR和可见光图像间存在的非线性灰度差异和SAR图像的斑点噪声问题,通过深入挖掘SAR和可见光图像的共有结构信息,并将其融于点特征配准方法的相应环节,以实现SAR和可见光图像的精确配准。本文的主要研究内容及创新工作如下:1.针对SAR和可见光图像配准中存在的问题,文中提出了一种基于引导尺度空间和GGS-SIFT的SAR和可见光图像配准方法。该方法依据SIFT算法框架,首先,考虑到SAR图像的斑点噪声对配准精度的影响,分别采用引导滤波与高斯滤波来构造SAR与可见光图像的引导尺度空间与高斯尺度空间。其次,由于非线性灰度差异引入高斯伽马比值检测算子计算SAR和可见光图像的一致性梯度结构信息,以提高主方向计算的准确性和描述符构建的鲁棒性。最后,将NNDR匹配方法与RANSAC方法相结合,对初始匹配点集合进行筛选,并估算变换模型参数,实现SAR和可见光图像的精确配准。通过对4组实测SAR和可见光图像进行配准仿真分析,验证了本文所提算法的有效性。2.考虑到SAR和可见光图像配准,经常出现特征点提取的数目少或特征点分布不均匀,以及特征匹配比较耗时等问题,文中提出一种基于多尺度块相位一致性的快速SAR和可见光图像配准方法。该方法首先采用对数NL-means滤波对输入SAR图像进行斑点噪声的抑制,同时利用CLAHE算法减少SAR和可见光图像间的非线性灰度差异对后续处理的影响;其次,采用引导滤波构建多尺度引导空间,并引入多尺度相位一致性、比例系数和分块策略,以提取图像中足够数量且均匀分布的稳定特征点;然后,采用相位一致性结构信息取代图像的灰度信息构建多尺度块的圆形邻域特征描述符,以增强描述符的可区分性和对灰度变化的鲁棒性;最后,提出一种结合PCA降维和KD-Tree的快速特征匹配算法进行初匹配,并进一步采用FSC算法对初始匹配点集合进行筛选,估算变换模型参数,得到最终正确的配准结果。通过多组实测数据的配准结果表明,本文所提方法能有效解决SAR和可见光图像配准中存在的诸多难点问题,具有较好的鲁棒性和适用性。