基于多尺度相位一致性的光学图像和SAR图像配准方法技术

本发明专利技术公开了一种基于多尺度相位一致性的光学图像和SAR图像配准方法，旨在提高图像配准精度，实现步骤为：1.分别选取光学图像作为参考图像和SAR图像作为待配准图像；2.分别构建参考图像和待配准图像的多尺度细节增强高斯金字塔；3.对参考图像和待配准图像的多尺度细节增强高斯金字塔分别进行相位一致性边缘检测，生成参考图像和待配准图像的多尺度PC特征图；4.对参考图像的多尺度PC特征图进行Harris特征点检测；5.利用NCC配准算法对Harris特征点的参考模板以及对应的待匹配模板进行匹配，得到精确匹配点对；6.根据匹配点对计算空间变换参数，对待配准图像进行空间变换，得到配准图像。本发明专利技术能有效提高光学和SAR图像配准效率，实现快速鲁棒的配准。实现快速鲁棒的配准。实现快速鲁棒的配准。

【技术实现步骤摘要】
基于多尺度相位一致性的光学图像和SAR图像配准方法


[0001]本专利技术属于图像处理
，涉及一种图像配准算法，具体涉及一种基于多尺度相位一致性的光学图像和SAR(合成孔径雷达)图像配准方法，可应用于计算机视觉、遥感图像及目标识别检测等领域。

技术介绍

[0002]图像配准是图像处理应用方面非常关键的步骤，它是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅图像进行匹配对应的过程。图像配准技术在很多领域有着广泛的应用，比如计算机视觉、目标识别检测、图像融合以及模式识别领域。
[0003]光学成像系统发展最早，技术相对最为成熟，且光学图像符合人眼视觉的观察习惯，图像易于解读，相关的图像处理算法较多，图像质量较好。SAR成像系统作为一种主动式的对地观测微波成像系统，能够全天时、多天候成像，并且能够穿透地表，对人造目标尤其是金属目标比较敏感，可以有效的弥补光学图像易受天气影响的缺点。将光学图像和SAR图像配合起来使用，有助于发挥各自的优势。因此，研究有效的光学图像与SAR图像配准技术具有十分重要的意义。然而，光学图像与SAR图像之间存在的显著非线性差异仍会给配准工作带来很大的困难。由于光学图像与SAR图像之间存在着显著的非线性辐射差异和纹理差异，导致光学图像与SAR图像的特征检测重复率比较低，严重影响了图像匹配的配准准确率。同时，许多基于区域的匹配方法对像素强度有较大的敏感性，无法有效应对光学图像与SAR图像间存在的非线性强度差异，从而对光学图像与SAR图像配准失效，并且大多数基于区域匹配的方法耗时较长，无法应对处理大量图像数据的应用需求。
[0004]南京理工大学的秦杰在其发表的论文“高分辨率SAR图像与光学图像配准方法研究”(秦杰.高分辨率SAR图像与可见光图像配准方法研究[D].南京理工大学,2019.DOI:10.27241/d.cnki.gnjgu.2019.001291.)中，将Harris检测器的响应函数从一阶项扩展为二阶项,提出了提高检测角点性能的一种基于结构相似性的SAR图像与光学图像配准方法。该方法将Harris检测器的响应函数从一阶项扩展为二阶项,并构建一个通过组合像素空间及灰度信息的权值函数,从而可以更精确地构造特征描述符。然后,使用角点的幅值和方向来创建结构特征描述符用于描述局部图像区域。最后,基于生成的点特征建立对应关系,并将待配准图像中的所有像素映射到参考图像。但是，该方法仍然存在的不足之处是，检测器性能虽有所提高，但是对于结构信息较少的情况时，配准精度较低，且采用时域迭代的方法，耗时较长。
[0005]西安电子科技大学在其申请的专利文献“基于精细化特征优化提取的异源图像匹配方法”(专利申请号：2018112600781，申请公开号：CN109409292A)中，公开了一种光学图像和SAR图像匹配方法。该方法利用不同的梯度算子计算光学图像和SAR图像梯度模值及方向，利用图像中目标特有性质完成感兴趣区域标定，并通过模板匹配，得到两者之间的粗匹配仿射变换矩阵。然后利用粗匹配仿射变换矩阵，得到变换后的光学图像，再对变换后的光
学图像进行精细匹配，得到精匹配仿射变换矩阵，得到配准结果。该方法存在的不足之处是，采用梯度信息进行图像匹配，在提取特征点所对应的匹配模板时，配准耗时较长，且受光学图像和SAR图像间非线性差异的影响，使得配准精度较低。

技术实现思路

[0006]本专利技术的目的在于克服上述现有技术存在的不足，提出一种基于多尺度相位一致性的光学图像和SAR图像配准方法，用于解决现有技术中存在的光学图像和SAR图像配准过程中对非线性强度差异鲁棒性低，配准耗时较长的技术问题。
[0007]本专利技术实现上述目的的思路是：首先构造参考图像和待配准图像的多尺度相位一致性特征图，该特征是一种非冗余特征，特征构造简单，耗时短，并且多尺度相位一致性PC特征图不包含像素梯度信息，对于非线性强度差异鲁棒，然后利用特征点匹配算法对参考图像的多尺度PC图和待配准图像的多尺度PC图进行配准，得到最优匹配点对，最后利用最优匹配点对计算得到参考图像和待配准图像的仿射变换参数，根据仿射变换参数得到配准图像，提高光学图像和SAR图像配准精度和配准速度。
[0008]根据上述技术思路，实现本专利技术目的采取的技术方案包括如下步骤：
[0009](1)选取参考图像I
o
和待配准图像I
s
：
[0010]将一幅分辨率为M
×
N的光学图像作为参考图像I
o
，并将一幅同样大小的SAR图像作为待配准图像I
s
，其中，M≥512，N≥512；
[0011](2)构建参考图像I
o
的多尺度细节增强高斯金字塔和待配准图像I
s
的多尺度细节增强高斯金字塔：
[0012](2a)对参考图像I
o
和待配准图像I
s
分别进行log2min(M,N)个尺度的高斯模糊，得到l层的参考图像I
o
的多尺度高斯金字塔J
o
(x,y,σ
o
)和l层的待配准图像I
s
的多尺度高斯金字塔J
s
(x,y,σ
s
)：
[0013]J
o
(x,y,σ
o
)＝G(x,y,σ)*I
o
(x,y)
[0014]J
s
(x,y,σ
s
)＝G(x,y,σ)*I
s
(x,y)
[0015][0016]其中，σ
o
表示参考图像I
o
的多尺度因子，σ表示参考图像I
o
和待配准图像I
s
的多尺度因子，G(x,y,σ)表示尺度因子为σ的高斯函数，I
o
(x,y)表示参考图像I
o
在点(x,y)处的像素值，σ
s
表示待配准图像I
s
的多尺度因子，I
s
(x,y)表示待配准图像I
s
在点(x,y)处的像素值，*表示卷积操作；σ1表示初始尺度因子，1≤l≤log2min(M,N)；
[0017](2b)对参考图像I
o
的多尺度高斯金字塔J
o
(x,y,σ
o
)的每一层金字塔图像，以及待配准图像I
s
的多尺度高斯金字塔J
s
(x,y,σ
s
)的每一层金字塔图像分别进行引导滤波，便于图像边缘细节特征的提取，得到参考图像I
o
的多尺度细节增强高斯金字塔J
og
和待配准图像I
s
的多尺度细节增强高斯金字塔J
sg
；
[0018](3)分别构建参考图像I<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度相位一致性的光学图像与SAR图像配准方法，其特征在于，包括以下步骤：(1)选取参考图像I
o
和待配准图像I
s
：将一幅分辨率为M
×
N的光学图像作为参考图像I
o
，并将一幅同样大小的SAR图像作为待配准图像I
s
，其中，M≥512，N≥512；(2)构建参考图像I
o
的多尺度细节增强高斯金字塔和待配准图像I
s
的多尺度细节增强高斯金字塔：(2a)对参考图像I
o
和待配准图像I
s
分别进行log2min(M,N)个尺度的高斯模糊，得到l层的参考图像I
o
的多尺度高斯金字塔J
o
(x,y,σ
o
)和l层的待配准图像I
s
的多尺度高斯金字塔J
s
(x,y,σ
s
)：J
o
(x,y,σ
o
)＝G(x,y,σ)*I
o
(x,y)J
s
(x,y,σ
s
)＝G(x,y,σ)*I
s
(x,y)其中，σ
o
表示参考图像I
o
的多尺度因子，σ表示参考图像I
o
和待配准图像I
s
的多尺度因子，G(x,y,σ)表示尺度因子为σ的高斯函数，I
o
(x,y)表示参考图像I
o
在点(x,y)处的像素值，σ
s
表示待配准图像I
s
的多尺度因子，I
s
(x,y)表示待配准图像I
s
在点(x,y)处的像素值，*表示卷积操作；σ1表示初始尺度因子，1≤l≤log2min(M,N)；(2b)对参考图像I
o
的多尺度高斯金字塔J
o
(x,y,σ
o
)的每一层金字塔图像，以及待配准图像I
s
的多尺度高斯金字塔J
s
(x,y,σ
s
)的每一层金字塔图像分别进行引导滤波，得到参考图像I
o
的多尺度细节增强高斯金字塔J
og
和待配准图像I
s
的多尺度细节增强高斯金字塔J
sg
；(3)分别构建参考图像I
o
及待配准图像I
s
的多尺度相位一致性PC特征图：(3a)对参考图像I
o
对应的多尺度细节增强高斯金字塔J
og
和待配准图像I
s
对应的多尺度细节增强高斯金字塔J
sg
分别进行相位一致性边缘检测，得到参考图像I
o
的多尺度相位一致性高斯金字塔J
opc
和待配准图像I
s
的多尺度相位一致性高斯金字塔J
spc
；(3b)对参考图像I
o
的多尺度相位一致性高斯金字塔J
opc
的全部层,以及待配准图像I
s
的多尺度相位一致性高斯金字塔J
spc
的全部层分别进行平均加权融合，并对两个平均加权融合后的的结果分别进行二值化处理，得到参考图像I
o
的多尺度PC特征图I
opc
和待配准图像I
s
的多尺度PC特征图I
spc
；(4)检测Harris特征点：将参考图像I
o
的多尺度PC特征图I
opc
以及待配准图像I
s
的多尺度PC特征图I
spc
分别均匀划分为个网格，并对参考图像I
o
的多尺度PC特征图I
opc
所划分的每个网格进行Harris特征点检测，得到多尺度PC特征图I
opc
每个网格中t个Harris值对应的均匀分布的像素点，2≤t，再将检测到的t个Harris值对应的素点作为该网格中的t个Harris特征点；(5)构建每个Harris特征点所对应的的参考模板以及待匹配模板:分别选取以多尺度PC特征图I
opc
，多尺度PC特征图I
spc
中第i个Harris特征点为中心、...

【专利技术属性】
技术研发人员：丁金闪，孙慧明，姜明，徐众，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：