论文部分内容阅读
合成孔径雷达自诞生以来,发展迅速,应用广泛,在军事侦察、灾害监测、地质普查等方面发挥着巨大的作用,同时合成孔径雷达图像能较好的反应目标结构信息,相较光学成像而言,能够实现全天时、全天候工作。但是由于合成孔径雷达是相干成像,一定程度上所成的图像不符合人们已有的光学图像先验知识,针对SAR图像的特点,本文在综合分析应用需求后,主要研究了合成孔径雷达图像伪彩色增强和SAR图像与光学图像之间的异源配准。本文的研究工作主要有以下三个方面:(1)本文首先系统研究了合成孔径雷达图像的增强和配准方法。对于伪彩色增强,本文分析了传统方法和本文所用方法的异同,并且做了相关对照实验。通过分析基于极化矩阵分解各算法的优劣,选取了Freeman分解实现图像伪彩色增强。对于配准,考虑到算法的稳定性和实时性需求,并结合本文所用大场景数据的特点,选择了SIFT算法。(2)在进行基于Freeman分解的SAR伪彩色增强时,通过对相干矩阵分解后的二次散射功率和面散射功率进行分析时发现,图像部分像素点的功率为负。在对分解公式和算法提出背景两方面进行分析的基础上,共找出四个可能的原因。通过采取去定向、分离螺旋散射分量、体散射模型修正以及加入功率约束条件,消除了负功率情况,较好实现了图像的伪彩色增强。(3)因为成像机制的差异,SIFT算法提取的特征点对存在误匹配较多的情况。针对此种情况,本文采用了空间约束条件进行点对初始筛选,然后使用RANSAC算法求取变换矩阵,得到配准的结果图。另外针对本文所用数据角点特征和直线特征丰富的情况,本文采用了Harris-SCM算法和Line Intersections-SCM算法实现图像配准。对于角点和线段交点的匹配,分别用穷举法、NCC算法、SVD算法进行仿真,上述方法并不能准确实现点对匹配,借鉴SIFT算法,本文通过描述特征点得到特征向量,实现点对的正确匹配。