基于结构信息的可见光和SAR图像两阶段配准方法

针对可见光和合成孔径雷达(synthetic aperture radar,SAR)图像配准中存在的配准精度低和非线性辐射差异问题,提出了一种新的基于结构信息的可见光和SAR图像两阶段配准算法。在粗配准阶段,利用改进的最大自不相似性检测器(maximal self-dissimilarity detector,MSD)分别检测可见光和SAR图像中的特征点,基于图像局部自相似性提取图像结构信息构建最大自相似性索引图,利用最近邻与次近邻之比和快速抽样一致性识别正确匹配点对,估计变换模型。在精配准阶段,分别建立可见光和SAR图像的像素化结构特征表示,在可见光图像中以特征点为中心选取模板窗口,利用变换模型估计SAR图像中相对应的搜索区域,采用欧氏距离作为模板匹配的相似性度量,并利用快速傅里叶变换(fast Fourier transform,FFT)加速计算模板匹配过程。在9对真实可见光和SAR图像上的实验结果表明,该算法在可见光和SAR图像配准方面具有明显优势。较RIFT、HAPCG、OSS、LNIFT和ASS算法,正确匹配数(number of correct matches,NCM)分别提高了7.95、10.86、29.32、14.75和9.84倍,定位精度分别提高了0.44、0.42、0.35、0.41和0.40 pixel。