[发明专利]一种稳健的视频SAR图像序列配准方法

说明书

本发明提供一种稳健的视频SAR图像序列配准方法。技术方案是：首先，设第一帧SAR图像为基准帧图像，计算视频SAR图像序列中所有相邻图像对的配准变换矩阵；然后，对每帧SAR图像，采用帧间积累方法将相关的配准变换矩阵累乘，得到每帧SAR图像和基准帧图像之间的配准变换矩阵；最后，基于配准变换矩阵将视频SAR图像序列中的所有帧SAR图像变换至基准帧图像所在的空间坐标基准下，从而得到视频SAR图像序列准确、稳健的配准结果。本发明有效解决了现有配准算法在视频SAR图像序列配准中出现的配准精度低、稳健性差、运算速度较慢等问题。

技术领域

本发明涉及微波遥感技术领域，特别涉及一种稳健的视频SAR(SyntheticAperture Radar，合成孔径雷达)图像序列配准方法。

背景技术

视频SAR是一种全新的空间对地侦察技术，它通过对场景进行高帧率、高分辨率成像，实现对地面状态的动态观测，实时掌握目标区域的相关信息，尤其是运动目标的状态位置信息。视频SAR图像序列配准是实现视频SAR运动目标状态感知的第一步，也是视频SAR图像序列预处理的关键步骤，通常要求将序列中的所有图像，特别是邻近帧的图像配准至相同的空间坐标基准下。

利用视频SAR系统获得的SAR图像序列是按时序排列的若干帧SAR图像，因此可以将SAR图像的配准方法应用于视频SAR的配准中，选取某帧SAR图像为基准帧，并将其余帧SAR图像与该基准帧配准至统一的空间坐标基准下。现有的SAR图像配准算法可以划分为2大类：基于区域信息的配准算法和基于特征匹配的配准算法，其中基于特征匹配的配准算法将对整帧图像的分析转化为对图像中某种特征的分析，大大降低了运算量，且能够较好地适应图像的旋转、位移及遮挡等变化，成为目前使用广泛的配准算法。在基于特征的配准算法中，目前常用的SAR图像配准算法是SIFT(Scale Invariant Feature Transform，尺度不变特征变换)算法，具体内容参见文献《Distinctive image features from scale-invariant keypoints》(International journal of computer vision，Vol.60，No.2，2004，第91页至第110页)。但该算法由于运算速度较慢，难以满足视频SAR实时处理的需求。此外，SURF(Speeded-up Robust Feature，加速鲁棒特性)算法也是常用的SAR图像配准算法，这种算法首先根据尺度空间上的特定响应检测两帧图像中的稳健特征点，再结合特征点周围小邻域的信息构建描述子向量，最后根据不同特征点之间的距离进行特征匹配，进而得到SAR图像的变换矩阵和配准结果。但在实际应用中，由于观测视角、地物散射特性和相干斑等噪声的变化，视频SAR图像序列的特征也在不断变化，观测时间相隔越远，特征差异就越大，而SURF是以特征匹配为基础的配准算法，其性能严重依赖于稳健的图像特征。因此，在视频SAR图像帧间隔较大时，现有SURF算法会受到图像特征变化的影响，其配准精度会严重下降，甚至出现失配，因此现有SURF算法在视频SAR图像序列配准中存在配准精度低、稳健性差的问题。

发明内容

本发明要解决的技术问题是，提供一种稳健的视频SAR图像序列配准方法，有效解决了现有配准算法在视频SAR图像序列配准中出现的配准精度低、稳健性差、运算速度较慢等问题。

本发明的技术方案是：首先，设第一帧SAR图像为基准帧图像，计算视频SAR图像序列中所有相邻图像对的配准变换矩阵；然后，对每帧SAR图像，采用帧间积累方法将相关的配准变换矩阵累乘，得到每帧SAR图像和基准帧图像之间的配准变换矩阵；最后，基于配准变换矩阵将视频SAR图像序列中的所有帧SAR图像变换至基准帧图像所在的空间坐标基准下，从而得到视频SAR图像序列准确、稳健的配准结果。

本发明的有益效果是：基于特征点匹配的方法实现相邻帧的高精度配准，引入了积分图像和箱式滤波器，从而有效提高了运算速度；进一步通过帧间积累，解决了现有算法在图像帧间隔较大时配准精度低、稳健性差等问题。