[发明专利]基于改进特征提取和博弈论超图的SAR图像与可见光图像匹配方法

说明书

本发明公开了一种基于改进特征提取和博弈论超图的SAR图像与可见光图像匹配方法，包括：首先，对SAR图像进行预处理，提取SAR图像的轮廓，同时在轮廓上提取CSS角点作为特征点。对于可见光图像，也预先对图像进行图像锐化的预处理，提取轮廓，同时提取轮廓上的CSS角点；然后，使用CPD算法对角点和角点周围的轮廓点进行匹配，将匹配问题转化为概率密度估计问题，对两幅图的特征点进行一致性漂移运动，分别对每幅图的匹配点构建超图模型，并且分别对两个超图模型建立超边的邻接张量；最后，使用基于博弈论的超图匹配算法，将匹配问题转化为博弈问题，计算达到纳什均衡点，消除错误匹配点对。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于改进特征提取和博弈论超图的SAR图像与可见光图像匹配方法。

背景技术

合成孔径雷达(SAR)技术发展以来，不断受到各界的关注，因SAR具有较强的穿透能力以及全天候、全天时的优点，使得其在军事侦察、气象预报、航空航天等领域被广泛应用。由于SAR对金属材料的物体和地表敏感，所以成像时会有明显的纹理特征，可以用于探寻矿产资源、探测地形变化。除了探测地面以上的物体，SAR图像还可以穿透地表，探测到地下的目标。但是SAR图像也存在较多的缺陷，光谱的缺乏导致的图像色彩上的不足，同时，在相干斑噪声的影响下，图像的纹理会比较模糊。而可见光遥感图像在成像环境良好的情况下，所成图像具有丰富的光谱信息和灰度纹理信息，可较好的反映地物特征。针对上述可见光图像与SAR图像各自的优劣势，如果能将两者进行一定的关联结合，优劣互补，将对遥感技术等领域的应用提供较大的帮助，所以，对于SAR与可见光图像的匹配有重大的意义。

图像的匹配方法主要分为两大类，分别是基于特征的匹配方法和基于区域的匹配方法。由于特征匹配算法不仅对空间变换、目标遮挡等具有较高的鲁棒性，而且匹配的质量较高，特征点匹配的精准度较高，所以本发明使用的是基于特征的匹配方法。又因为SAR图像和可见光图像的成像原理的不同，所以在灰度和分辨率上有较大差异，并且SAR图像上往往因相干斑噪声的影响，所以图像不够清晰。为了实现SAR图像与可见光图像的匹配，本发明需要选择提取异源图像中共有的稳定特征，这是本发明需要解决的重要问题，并且本发明还需要选择合适的方法来提高匹配的正确率和精度。

发明内容

发明目的：针对以上问题，由于SAR图像在成像过程中容易形成相干斑，图像细节不够清晰，与可见光的灰度差异也比较大，因此对SAR图像使用纹理进行匹配的效果往往是不够理想的，但SAR图像却能保留较为清晰的轮廓特征，所以在本发明中使用图像的轮廓特征结合角点特征进行匹配。在匹配方法上，本发明选择使用一致性点漂移(CPD)的匹配算法，CPD算法对刚性和非刚性点集都具有较好的适应性，并且可以自动的调整尺度，可以适当的调整角度，能充分的利用特征点的空间位置关系进行匹配。在本发明使用CPD算法匹配之后，为了去除掉误匹配点对，提出对于已经初步匹配的特征点，构造超图结构，并且建立超边的邻接张量，利用两个图像超边张量的相似性度量结合基于博弈论的最优化算法，来去除误匹配点对，这样的匹配方法有更好的精确性，最终该方法可以得到SAR图像与可见光图像精确匹配结果。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于改进特征提取和博弈论超图的SAR图像与可见光图像匹配方法，包括如下步骤：

(1)针对待匹配的SAR图像和可见光图像，在提取特征之前，需要对SAR图像进行预处理，平滑相干斑噪声，对于可见光图像，也预先对图像进行图像锐化的预处理；

(2)针对待匹配SAR图像，使用改进的ROEWA算法提取SAR图像的轮廓；

(3)针对待匹配的可见光图像，使用SOBEL算子对可见光图像卷积，提取轮廓；

(4)针对待匹配的SAR图像和可见光图像，对图像提取轮廓之后，在轮廓上提取CSS角点作为特征点；

(5)使用CPD算法对角点和角点周围的轮廓点进行匹配，将匹配问题转化为概率密度估计问题，对两幅图的特征点进行一致性漂移运动；