论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,简称SAR)是一种全天时、全天候、高分辨率的主动式微波传感器,SAR成像弥补了可见光、红外热成像的不足,是天基空间监视环节中必不可少的探测技术。SAR图像配准是SAR图像融合、变化检测,三维重建等应用的基础,具有重要的研究价值和广泛的应用前景。本文从SAR图像的轮廓特征出发,构造了轮廓特征点集的改进的形状上下文(Shape Context)描述子,并结合图像信息和奇异值分解(Singular Value Decomposition,简称SVD)算法给出了SAR图像的图谱配准方法,进而为了捕捉SAR图像随尺度变化的统计模式,将Shape Context描述子和Steerable滤波相结合,实现了SAR图像的多尺度配准,主要研究内容如下:(1)针对传统Shape Context描述子对SAR图像斑点噪声敏感以及匹配率低等不足,提出了基于改进Shape Context和SVD的SAR图像配准方法。首先利用改进的边缘检测算法得到轮廓特征点集并计算Shape Context描述子,然后在匹配过程中融合SAR图像的像素位置信息和灰度互相关构造相似度矩阵,最后利用SVD算法给出SAR图像的配准结果。实验验证了方法的有效性。(2)对于存在较大几何和灰度变化的SAR图像,图像中的轮廓特征点会分布在图像不同尺度上,直接对图像构建Shape Context描述子进行配准效果不佳,为此,利用Steerable滤波的多尺度和多方向特性,提取SAR图像不同尺度和方向上的结构信息,将Steerable滤波与Shape Context描述子相结合,采取由粗到细的多尺度匹配策略,实现了SAR图像的多尺度配准。实验结果显示了所提方法在运算速度和匹配精度上的优势。