[发明专利]山区SAR图像的匹配方法及系统

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及一种山区SAR图像的匹配方法及系统。

背景技术

山区SAR(SyntheticApertureRadar，合成孔径雷达)图像的匹配技术是国防科技中的一项重要的技术，精确的SAR图像匹配算法为飞行器定位等其它问题的解决提供了坚实的基础。现有的SAR图像匹配算法，大多是针对城市地区而提出的基于线特征、角点特征等的匹配算法。此类匹配算法针对线特征、角点特征差别较大的城市区域匹配效果较好，而山区由于地形起伏复杂，海拔跳跃比较大，不同的入射角度或不同传感器的成像结果具有很大的差异，因此使用此类方法所得到的匹配率并不是很高。此外，此类传统的匹配算法，对于基准图和实时图之间的视角不同以及存在仿射变换的情况，没有很好的鲁棒适应性。

SIFT(ScareInvariantFeatureTransform，尺度不变特征转换)特征匹配算法是DavidG.Lowe在2004年总结了现有基于不变量技术特征检测方法的基础上，提出的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特征匹配算法。该算法匹配能力较强，能提取稳定的特征，可以处理两幅图像之间发生平移、旋转、仿射变换、视角变换、光照变换情况下的匹配问题，从而可以实现差异较大的两幅图像之间的特征匹配。由于SIFT算法具有以上优良的性质，因此近几年来，SIFT变换用于SAR图像匹配的案例也越来越多。

但是，由于SAR图像中斑点噪声的存在，使得其幅度值的动态范围变化很大，导致使用SIFT算法进行关键点检测时很容易出现误检和漏检的现象。主要有以下两方面的原因：一方面，斑点噪声会被误当成关键点被检测出来，造成关键点的误检；另一方面，斑点噪声由于幅度值特别大或者特别小，会掩盖其周围真正的关键点，而导致关键点的漏检。

在使用SIFT算法对关键点进行特征描述时，由于SIFT的特征描述子保存的是关键点邻域的梯度特征，这就要求图像的噪声模型是加性模型；而SAR图像的斑点噪声是乘性模型，从而使得计算的梯度特征值出现很大的偏差。因此，即使基准图和实时图能够在对应相同的位置检测到关键点，也很有可能出现无法正确匹配的现象。对于非同源的两幅SAR图像，匹配率很低，甚至很多时候是无法正确匹配的，这也是近几年来SIFT特征匹配算法在SAR图像匹配应用中所面临的一个重要的问题。

发明内容

本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种山区SAR图像的匹配方法，该方法能够有效减小斑点噪声对匹配效果的影响，提高对山区SAR图像的匹配效果，并且对噪声有很强的抗干扰能力。

本发明的另一个目的在于提供一种山区SAR图像的匹配系统。

为了实现上述目的，本发明第一方面的实施例提出了一种山区SAR图像的匹配方法，包括以下步骤：获取等效视数，并根据所述等效视数确定Non-local滤波器的参数，并通过所述Non-local滤波器分别对基准图和实时图进行滤波；通过尺度不变特征转换SIFT算法分别提取滤波后的基准图的SIFT特征和滤波后的实时图的SIFT特征，并将所述基准图的SIFT特征存储以建立基准图特征模板库；根据SIFT算法将所述实时图的SIFT特征与所述基准图特征模板库进行匹配，并通过随机抽样一致方法处理之后输出匹配结果。

根据本发明实施例的山区SAR图像的匹配方法，首先使用等效视数确定Non-local滤波器的参数，之后对基准图滤波以减少基准图的斑点噪声；使用SIFT算法对滤波后的基准图提取SIFT特征，并建立基准图特征模板库，以节省匹配时基准图的处理时间，保证SAR实时图匹配的实时性；对得到的实时图使用等效视数评估方法确定Non-local滤波器的参数，之后对实时图滤波；对滤波后的实时图提取SIFT特征；最后使用SIFT匹配算法对实时提取的实时图特征与基准图特征模板库进行特征匹配，经过随机抽样一致(RANSC)方法处理之后输出匹配结果。因此，该方法能够有效减小斑点噪声对匹配效果的影响，提高对山区SAR图像的匹配效果，并且对噪声有很强的抗干扰能力，同时，该方法运算简单、稳定性高、空间和时间复杂性低、且准确率高、时间成本低。

另外，根据本发明上述实施例的山区SAR图像的匹配方法，还可以具有如下附加的技术特征：

在一些示例中，所述等效视数通过如下公式计算：