[发明专利]基于SIFT和归一化互信息的SAR图像配准方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种基于SIFT和归一化互信息的SAR图像配准方法，应用于图像融合、目标检测、地景与地图的匹配和图像导航等领域。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种远距离、非接触的对地观测工具。作为主动式成像雷达，具有全天候、全天时工作的特点，并且能有效地识别伪装和穿透地表植被，得到高分辨率的SAR图像，其日益成为最具有代表性的对地观测手段之一。配准的方法大致可分为两类：基于灰度相关的图像配准方法和基于特征的图像配准方法。

基于灰度相关的图像配准方法虽然比较直观，容易实现，但容易受到噪声的影响，而且匹配利用的是图像的统计特性，计算量也很大。

基于特征点的图像配准方法对灰度变化有较强适应能力，且计算量小，能够处理图像间大失配的情况。常见的特征点检测算法有：Moravec特征点检测算法、SUSAN特征点检测算法、Harris特征点检测算法和SIFT特征点检测算法。四种算子中，Moravec算子抗噪性比较差，对旋转敏感；Harris算子是最不稳定的一种；SUSAN算子匹配性能较差，点匹配的应用上较少；SIFT特征点的信息丰富，相比其它三种算子，基于SIFT特征向量欧氏距离的匹配策略要更准确和更稳定，这正是SIFT特征点独有的优势。

1999年David G.Lowe总结了现有的基于不变量技术的特征检测方法，并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子－SIFT，这种算法在2004年被加以完善；2012年，文章《Modified SIFT for multi-modal remote sensing image registration》在原SIFT方法的基础上进行修改，提出了MM-SIFT方法，以改善遥感图像的配准效果。

SIFT算法在自然图像配准中效果比较好，而应用到SAR图像时，会出现很多问题。首先，受SAR图像相干斑噪声的影响，很可能将噪点检测为特征点，这样就会导致错误的配准结果；其次，机载SAR图像受实际条件的干扰，可能亮度、对比度比较暗，不能直接对SAR图像进行匹配，否则，得不到正确的匹配点对；最后，在初始匹配后，误匹配不可避免，这对配准结果影响很大。如何快速有效地剔除误匹配点对、提高配准的精度是非常重要的研究方向。

发明内容

本发明的目的是针对上述已有技术的不足，提出一种基于SIFT和归一化互信息的SAR图像配准方法，以提高SAR图像配准的精度和鲁棒性，实现SAR图像配准。

本发明的技术方案是提出一种基于SIFT和归一化互信息的SAR图像配准方法，其特征在于：包含以下步骤：

步骤1：输入两幅SAR图像，其中，一幅是基准图像I₁，另一幅是待配准图像I₂，对两幅SAR图像分别进行预处理，首先采用瑞利分布，增强系数为0.2对两幅SAR图像基准图像I₁、待配准图像I₂进行限制对比度直方图均衡(Contrast Limited Adaptive Histogram Equalization,CLAHE)增强，然后采用db1小波，分解层数为2～3进行小波分解；

步骤2：用MM-SIFT方法对两幅SAR图像分别进行特征提取，得到初始特征点对Fc和SIFT特征向量Fv₁、Fv₂；

步骤3：用SIFT特征向量Fv₁、Fv₂进行初始匹配；

步骤4：用单应矩阵模型的RANSAC策略对初始特征点对Fc进行二次筛选，得到最终正确的匹配点对Fm，然后采用最小二乘法求出配准参数pr；

步骤5：用仿射变换对待配准图像I₂进行空间变换，然后经过插值和重采样，得到粗配准后的图像I₃；

步骤6：使用上述配准参数pr作为归一化互信息配准的初始值，采用归一化互信息方法对两幅SAR图像基准图像I₁和粗配准后的图像I₃进行精配准，求得最终配准参数pr₁，并且输出配准后的图像I₄。

上述步骤2中所述的MM-SIFT方法进行特征提取的具过程包括如下：

2.1高斯模糊和尺度空间生成