[发明专利]基于注意力机制的极化SAR图像配准方法

说明书

本发明实施例公开了一种基于注意力机制的极化SAR图像配准方法，包括：对两幅不同的极化SAR图像分别进行极化白化滤波，得到各自滤波后的图像；对两幅滤波后的图像执行自适应阈值约束、形态学腐蚀和非极大值抑制操作，确定关键点；分别将所述两幅极化SAR图像中各关键点周围设定尺寸的数据块，输入训练好的孪生注意力网络的两条分支进行深度特征提取，得到各关键点的深度特征描述符；利用暴力匹配方法和随机抽样一致算法，对所述两幅极化SAR图像中各关键点的深度特征描述符进行匹配，得到透视变换矩阵；利用所述透视变换矩阵，将所述一幅极化SAR图像变换为配准后图像。本发明实施例提高了极化SAR图像的配准精度及配准效率。

技术领域

本发明实施例涉及极化SAR图像配准技术领域，尤其涉及一种基于注意力机制的极化SAR图像配准方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式的微波传感器，其具有一定的穿透能力，可以不受天气情况的干扰，全天时、全天候的获取地面信息。极化合成孔径雷达(Polarimetric Synthetic Aperture Radar，极化SAR)，由于其具有不同的极化工作模式，可以利用不同极化通道中SAR复数图像来进行目标属性的分析，如目标的形状、构造、方向等。

但在极化SAR成像的过程中，会受到内部和外部各种因素的干扰，如系统因素、环境因素等，这些干扰会限制同一地区多时相的极化SAR图像获取，导致出现分辨率、角度等方面的差异，对后续的处理以及应用造成影响，所以需要对具有差异的两幅或多幅极化SAR图像进行配准，消除因角度、分辨率、传感器等因素产生的差异，为后续的应用做好预处理工作。

现有的极化SAR图像配准方法一般分为以下三种：基于区域的配准方法、基于特征的配准方法以及深度学习的配准方法。目前大多数采用基于特征的配准方法利用幅度图进行图像关键点的确定和特征描述符的构建，没有充分的利用极化数据的极化信息，导致关键点选取的不显著、不均匀，配准时效性差，配准精度不高等问题。其它相关现有技术有：CN110458876A《基于SAR-SIFT特征的多时相POLSAR图像配准方法》，和CN102520407A《基于相干系数线性度最优的极化干涉SAR图像配准方法》。

发明内容

本发明实施例提供了一种基于注意力机制的极化SAR图像配准方法、设备和介质，采用对极化白化滤波处理后的边缘数据进行自适应约束、形态学腐蚀和非极大值抑制实现快速选点，采用深度特征描述符进行匹配，提高极化SAR图像的配准效率及配准精度。

第一方面，本发明实施例提供了一种基于注意力机制的极化SAR图像配准方法，包括：

对同一场景下两幅不同的极化SAR图像分别进行极化白化滤波，得到各自滤波后的图像，其中，两幅极化SAR图像均为C3数据，滤波后的图像包括极化SAR图像的边缘和纹理信息；

对两幅滤波后的图像执行自适应阈值约束、形态学腐蚀和非极大值抑制操作，确定所述两幅极化SAR图像中特征显著的关键点；

分别将所述两幅极化SAR图像中各关键点周围设定尺寸的数据块，输入训练好的孪生注意力网络的两条分支进行深度特征提取，得到各关键点的深度特征描述符，所述训练好的孪生注意力网络能够使匹配的关键点的深度特征描述符趋于一致；

利用暴力匹配方法和随机抽样一致算法，对所述两幅极化SAR图像中各关键点的深度特征描述符进行匹配，得到从一幅极化SAR图像到另一幅极化SAR图像的透视变换矩阵；

利用所述透视变换矩阵，将所述一幅极化SAR图像变换为与所述另一幅极化SAR图像坐标一致的配准后图像。

第二方面，本发明实施例提供了一种电子设备，所述电子设备包括：

一个或多个处理器；