[发明专利]一种基于几何模型的SAR斜距图像同名点自动提取方法

说明书

技术领域

本发明属于遥感图像处理领域，涉及一种基于几何模型的SAR斜距图像同名点自动提取方法。 

背景技术

稀疏控制点条件下，利用区域网平差方法拼接多条航带的SAR图像时，需要从存在较大视角差异的斜距图像上提取同名点。另外，同名点提取在图像配准、立体像对以及目标检测和识别等领域也具有重要应用。同名点提取可分为三个阶段：(1)特征检测与描述：检测图像中的点、线或面特征，并计算特征邻域的结构或形状信息形成描述子向量；(2)特征匹配：采用相似性度量准则计算描述子间的距离并得到匹配对；(3)匹配点筛选：根据几何约束条件筛选出正确的匹配点，即同名点。学者们提出了大量自动提取同名点的算法，SIFT是其中较为经典的一个，它具有旋转、尺度以及局部仿射和灰度不变性，因此广泛应用于计算机视觉、医学图像处理以及遥感图像处理等领域。 

针对相邻航带的斜距图像，不同视角和地形导致图像不同位置处存在不同的几何畸变，因此将SIFT应用于SAR斜距图像同名点提取时，存在两个问题：一是检测的特征点不容易匹配，二是正确的匹配点不容易筛选。可考虑使用具有仿射不变特性的ASIFT算法，但其通过构建仿射模板来模拟仿射变形，计算复杂度非常高。与自然场景图像不同，遥感图像通常记录了成像时的姿态信息，因此我们考虑利用SAR平台的飞行轨迹和DEM这些先验信息变换图像，进而减轻仿射变形的影响。变换后的图像间仍存在局部仿射变形，可利用SIFT提取同名点，但其提取的同名点中通常包含错误的，传统的RANSAC算法只能筛选出部分正确的，漏掉了大量正确的同名点，因此将该方法应用到SAR图像中时，急需结合SAR斜距图像的特性做相应的改进。 

发明内容

本发明的目的是提供一种基于几何模型的SAR斜距图像同名点自动提取方法，克服了斜距图像间几何畸变较大时SIFT提取不到足量重复特征的问题，并基于改进的RANSAC算法，有效地筛选出正确的匹配点。 

为达到上述目的，本发明的技术解决方案如下： 

该基于几何模型的SAR斜距图像同名点自动提取方法，首先利用载机航迹和DEM建立两 幅图像间的成像几何关系，进而将一幅图像A变换到另一幅图像B的坐标上，得图像C；然后在采样的图像上采用尺度不变特征变换方法(SIFT)提取图像B和C之间的同名点，最后采用多模型随机抽样一致方法(RANSAC)筛选出正确的同名点，将图像C上的同名点坐标变换到图像A上，得图像A和B的同名点。 

其中多模型随机抽样一致方法(RANSAC)筛选同名点采用以下方法： 

（1）设有n对匹配点，首先随机抽选4对点，计算匹配点对间的一次多项式变换模型； 

（2）利用变换模型测试其他匹配点对，如果符合模型则认为它为内点，如果内点数量小于设定的阈值，则开始下一次迭代； 

（3）利用所有内点，采用最小二乘拟合方法重新计算变换模型，计算变换模型与内点的错误率，并保留内点和模型参数，进行下一次迭代； 

（4）重复步骤（1）、（2）、（3）直到迭代次数k满足收敛条件，迭代结束，得到每次符合条件的迭代所保存的内点，剔除重复点，则得到最后筛选出来的匹配点对。 

本发明的有益效果： 

本发明基于SAR成像模型，将SIFT成功应用于SAR斜距图像同名点的自动提取：（1）利用SAR的几何模型改进SIFT算法，克服了斜距图像间几何畸变较大时SIFT提取不到足量重复特征的问题，（2）将多模型引入到RANSAC算法，增加了筛选后的正确点数量。 

附图说明

图1为本发明基于几何模型的SAR斜距图像同名点自动提取方法的流程示意图。 

图2为本发明第一步中相邻航带的成像几何关系图。 

图3为本发明第一步中图像变换前后示意图。图3（a）为第一幅图像B，图3（b）为第二幅图像A，图3（c）为第一幅图像B变换后的图像C。 

图4为本发明中第三步多模型RANSAC算法的流程图。 

图5为本发明与传统SIFT算法的结果对比图。 

具体实施方式

以下结合实施例和附图对本发明方法进一步说明。 

图1为本发明基于基于几何模型的SAR斜距图像同名点自动提取方法的流程示意图，具体步骤包括： 

第一步，利用载机航迹和DEM建立两幅图像间的成像几何关系，进而将一幅图像A变换到另一幅图像B的坐标上，得图像C； 

第二步，采用大尺度SIFT方法提取图像B和C之间的同名点；