[发明专利]基于自适应阈值分割和组合优化的SAR图像配准

说明书

技术领域

本发明属于遥感图像处理领域，涉及SAR图像的配准问题，具体涉及一种基于自适应阈值分割和组合优化的SAR图像配准方法，可用于对SAR图像的配准。

背景技术

合成孔径雷达(synthetic aperture radar,SAR)具有分辨率高，全天时、全天候工作的特点，与可见光、红外传感器比较具有独特的优势和无法替代的作用，被广泛应用于工农业生产、科研和军事等领域。图像配准的过程就是将在不同时间、不同传感器、不同视角及不同成像条件下获取的同一场景下的多幅图像进行匹配和叠加的过程。从方法的角度对图像配准进行分类，可以将图像的配准技术分为三类：基于灰度的配准、基于变换域的配准以及基于特征的配准。

基于灰度的配准有一个前提，那就是两幅图像的灰度必须要相近，不能相差太大，所以一般用于同源图像的配准，不太适合于异源图像的配准。这类方法一般是利用参考图和待配图之间的灰度统计信息作为相似度评价标准，然后利用优化算法寻优找到最优的变换参数。它的一个很明显的优势在于不需要复杂的前期预处理过程，也没有复杂的特征提取过程，而且精度高，鲁棒性好。但是它的缺点也很明显，对灰度变化敏感，没有充分利用灰度统计特性，对每一点的灰度依赖大，同时对光照变化也很敏感，对非线性形变不适用。还有一点，由于采用的是优化算法寻优，运算的时间复杂度很高。

基于变换域的配准是基于一些快速算法实现的，比如fft快速算法、小波分解等等。所以它的优势非常明显，那就是高速，易于硬件实现，而且抗低频噪声强，能做到实时的配准。经过一系列的实验验证，这类方法要求两幅图像之间的重叠区域要大，而且它只能处理平移、旋转、尺度变换，无法处理非线性形变，通常碰到高频噪声配准效果也不太好。

基于特征的图像配准实际上只利用少量的特征信息来精确的定位目标信息，实现图像的配准。其实，直接从视觉感官的角度来讲，我们能直接看出两幅是否是同一场景，这是基于我们对目标相似性的一个判断。比如两幅图像里的某些区域是一致的，某些曲线是对应的等等。所以我们从最直观的角度出发，寻找我们需要的就像肉眼看到的一些图像里的显著的特征。由于特征的多样性，基于特征的配准方法也五花八门。由于我们只采用了图像里的部分特征信息，这就减小了我们的计算量。同时特征有很多优点，它抗噪性好，对灰度变化也不敏感，而且它对图像形变以及光照不均都有很好的适应力(以点特征为代表)。缺点也显而易见，特征提取比较难，特别是对于异源图像。

发明内容

本发明的目的是提供一种基于自适应阈值分割和组合优化的SAR图像配准方法。

本发明的技术方案是，基于自适应阈值分割和组合优化的SAR图像配准，包括如下步骤：

步骤101：导入两幅同一地区的待配准的SAR图像；

步骤102：采用自适应阈值分割提取出最佳阈值，将图像中的显著区域与其它区域分离开来；

步骤103：将分割出的目标区域的灰度归一化到同一灰度级，从0～255归一化到0～25；

步骤104：对归一化的区域图像采用PSO(粒子群算法)对两幅图像之间的互信息进行寻优，搜索到使互信息达到最大的配准参数；

步骤105：对归一化的区域图像做三层小波分解，只取低频分量用于Powell寻优，寻优策略还是搜索配准参数使两幅图像之间的互信息达到最大，由于小波分解改变了图像的大小，我们搜索的空间也将变小，这就会降低我们的寻优时间；

步骤106：假定旋转角度为θ，水平平移为Δx，垂直平移为Δy，尺度缩放为α，将PSO搜索得到的配准参数(θ,Δx,Δy,α)变为(θ,Δx/8,Δy/8,α)，作为Powell算法在小波分解第3层搜索的初始点，搜索配准参数(θ₁,Δx₁,Δy₁,α₁)；

步骤107：因为每层之间图像大小都是两倍关系，将得到的(θ₁,Δx₁,Δy₁,α₁)变换为(θ₁,2Δx₁,2Δy₁,α₁)作为下一层搜索的初始点，继续搜索配准参数；

步骤108：重复步骤107，直到搜索到最高层即原图大小，则得到的配准参数就是最终的配准参数；

步骤109：根据得到的配准参数将待配准图像变换回去，然后与参考图叠加得到配准结果图；

所述的步骤102，包括如下步骤：