[发明专利]一种基于非线性引导滤波与比率梯度的SAR高精度匹配方法

说明书

本发明提供一种基于非线性引导滤波与比率梯度的SAR高精度匹配方法，分别对SAR参考图像和SAR待匹配图像，基于非线性引导滤波的图像多尺度空间金字塔构建算法，构建多尺度图像空间；对构建多尺度图像空间后的SAR参考图像和SAR待匹配图像，进行基于指数加权均值比率算子与Harris‑Laplace检测算子相结合的特征点检测；基于SIFT描述子的描述符构建；对特征进行K最近邻搜索得到可能的匹配点对，并采用随机抽样一致性算法，剔除错误匹配点，得到全局匹配的变换矩阵。本发明采用基于非线性引导滤波的图像多尺度空间金字塔构建算法，同时将指数加权均值比率算子与Harris‑Laplace检测算子相结合用于检测稳定和准确的不变特征点，从而提高匹配时正确匹配特征点的比例，提高匹配精度。

技术领域

本发明属于合成孔径雷达图像高精度全局匹配技术领域，具体涉及一种基于非线性引导滤波与比率梯度的SAR高精度匹配方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)是现代遥感技术中微波遥感的重要发展。SAR用作主动成像传感器，可提供足够高分辨率的图像，并且能够实现全天时全天候工作的目标。由于这个优点，它被用于许多不同的应用，例如图像分类，三维重建，快速映射，变化检测，图像融合等。

自动SAR图像匹配是有效利用SAR数据的重要步骤。与光学图像匹配类似，SAR图像匹配是从不同视点、在不同时间、利用相同/不同的传感器拍摄的同一场景的两个或更多个图像之间找到对应/同源部分(例如，区域、特征、点、像素等)的过程。SAR图像高精度全局匹配的目的是建立两幅SAR图像中每个像素点对应关系，即把两幅SAR图像的各个像素关联到同一的坐标系统中。其基本途径主要分成两步：第一步是是自动找到一些不变特征点，也可以称为同名点(同一地物点在不同图像中的像素点)；第二步是当匹配了几个关键点时，寻找一种映射模型(图像的变形模型，可能是有参数)，计算空间变换以最小化两个图像之间的相似度量，通过使用几何或使用强度最小化某些成本函数来估计最佳变换，得到基于同名点的参数估计，在参数估计的基础将两幅图像中像素关联起来。

高精度SAR图像匹配的技术难点在于：SAR图像灰度不一致性；相干斑噪声对图像局部不变特征的提取产生负面影响，即引入虚假的不变特征点；SAR图像存在一定的空间仿射变换。

从全局匹配的精度上看，其精度基本上在单个像素到几个像素误差左右。现有的基于特征的匹配算法，例如经典的尺度不变特征变换(Scale Invariant FeatureTransform,SIFT)及其框架模式下的改进算法在光学图像匹配中取得了很好的结果。然而，由于SAR图像固有的斑点噪声和局部变形的影响，当直接用于SAR图像匹配时，这些方法的性能显著降低。因为SIFT算法使用高斯滤波器来构建尺度空间(线性尺度空间)，其缺点是它平滑整个图像，但是不能够有效的抑制SAR图像固有的相干斑噪声，同时模糊了边缘或者边界。

发明内容

本发明要解决的技术问题是：提供一种基于非线性引导滤波与比率梯度的SAR高精度匹配方法，能够提高匹配的精度。

本发明为解决上述技术问题所采取的技术方案为：一种基于非线性引导滤波与比率梯度的SAR高精度匹配方法，其特征在于：它包括以下步骤：

S1、尺度空间的构建：

分别对SAR参考图像和SAR待匹配图像，基于非线性引导滤波的图像多尺度空间金字塔构建算法，构建多尺度图像空间；

S2、特征点检测：

对构建多尺度图像空间后的SAR参考图像和SAR待匹配图像，进行基于指数加权均值比率算子与Harris-Laplace检测算子相结合的特征点检测；

S3、基于SIFT描述子的描述符构建；

S4、对特征进行K最近邻搜索得到可能的匹配点对，并采用随机抽样一致性算法，剔除错误匹配点，得到全局匹配的变换矩阵。