[发明专利]基于改进SIFT-Delaunay的异源图像配准方法

说明书

本发明涉及图像配准技术领域，公开了一种基于改进SIFT‑Delaunay的异源图像配准方法，首先对SAR图像进行PPB滤波，这是一种空域滤波的算法，可以在去除SAR图像所产的相干斑噪声的同时还能有效保持边缘特性。然后在提取特征点时采用和传统的SIFT算法一样的方法，特征点梯度的计算采用改进的指数加权均值比算子，得到精度较高的边缘强度信息。最后在特征点的配准过程采用欧氏距离进行粗配准，采用Delaunay三角网格的方法进行特征点的精配准，Delaunay三角网格具有唯一性，其对图像的平移、旋转和几何畸变具有较好的不变性。

技术领域

本发明涉及异源图像配准技术领域，具体涉及一种基于改进SIFT-Delaunay的异源图像配准方法。

背景技术

图像配准技术是图像处理的基础部分，异源图像配准技术可以弥补单一传感器图像在图像配准技术中的不足，是当前图像处理领域所研究的关键技术。异源图像之间的非线性灰度差异会严重影响配准算法的性能，传统的SIFT算法具有尺度不变性、旋转不变性和光照不变性，在实际工程应用中被广泛应用。由于SAR图像存在乘性噪声，SAR图像在拥有高反射率区域获取幅值很大的梯度时，传统SIFT(尺度不变特征变换)在提取梯度时会出现一定的偏差，影响后续特征点匹配。SIFT算法在特征描述过程中利用点特征领域范围内的局部信息构建描述子，忽略了图像中各特征点之间的关联，导致SIFT算法在异源图像的配准中性能不稳定。

为了取得鲁棒性强且精确度高的异源图像配准结果，需要提取到稳定的特征点梯度信息。目前主要的梯度算子有以下几种：Roberts梯度算子、Prewitt梯度算子以及Sobel梯度算子。其中Roberts梯度算子对SAR图像产生的相干斑噪声很敏感，Prewitt梯度算子和Sobel梯度算子在抗噪性能上有一定的改善，但是由于它们的平滑原理，会损失图像的边缘信息，所以均不适用于可见光图像和SAR图像的配准算法。

发明内容

针对传统SIFT算法在异源图像配准中所存在的缺陷，本发明的目的在于提出一种基于改进SIFT-Delaunay的异源图像配准方法。该方法采用改进的ROEWA(指数加权均值比)算子计算特征点梯度，得到精度较高的边缘强度信息；采用欧氏距离进行粗配准，采用Delaunay三角网格的方法进行特征点的精配准，加强特征点之间的关联，且使图像具有较好的平移、旋转和几何畸变不变性。

为了达到上述目的，本发明采用以下技术方案予以实现。

基于改进SIFT-Delaunay的异源图像配准方法，包括以下步骤：

步骤1，选取光学图像作为参考图像，SAR图像作为待配准图像；对SAR图像进行PPB滤波处理，去除SAR图像中的相干斑噪声，得到降噪后的SAR图像；

步骤2，采用SIFT算法分别提取参考图像和降噪后的SAR图像的候选特征点；对每幅图像的候选特征点进行精炼处理，去除低对比度点和边缘响应点，得到对应的两组特征点；

步骤3，通过改进的ROEWA算子计算每组特征点的梯度幅值和梯度方向，并确定特征点的主方向；根据每组特征点的主方向对相应图像进行旋转，对应得到旋转后的图像；每个特征点在旋转后的图像对应的邻域内提取特征描述子；

步骤4，采用欧氏距离对参考图像和待配准图像中每个特征点对应的特征描述子进行度量，得到对应的粗匹配点对；

步骤5，在所述粗配准点对上构建Delaunay三角网格，以剔除误配准点对，得到精配准点对，完成两幅异源图像的配准。

与现有技术相比，本发明的有益效果为：