合成孔径雷达图像与可见光图像配准方法综述

合成孔径雷达(SAR)图像与可见光图像之间存在大量互补特性,二者的综合利用能够提供更丰富的信息。由于SAR图像与可见光图像之间存在多种差异,作为信息融合的基础,两种图像的配准问题成为当前亟待解决的难题。通过对SAR图像与可见光图像的配准方法进行梳理和总结,根据配准过程对专家先验信息的依赖程度及是否具有训练、学习过程这两个角度,将SAR图像与可见光图像配准方法分为基于特征的方法和基于深度学习的方法两大类,并对两类方法的关键技术进行分析,重点阐述了基于几何特征的配准和深度学习的配准,然后介绍配准结果的通用评价指标以及常用的成对的SAR图像与可见光图像数据集,最后总结目前SAR图像与可见光图像配准仍然存在的问题并展望未来发展趋势。

利用SAR-FAST角点检测的合成孔径雷达图像配准方法

合成雷达孔径图像配准作为变化检测和图像信息融合的基础,对多时相SAR图像的解译具有重要作用。该文提出一种基于SAR-FAST角点检测的图像配准方法。首先,选用迭代引导平滑算法抑制斑点噪声对角点检测的影响;然后,以检测点为圆心,选择合适的检测半径,在圆周上选取检测窗口,统计与检测点不相似的窗口数量,判断检测点是否为角点;最后,对候选角点进行分析,根据其强度分布特点进一步剔除误检点。实验结果表明,SAR-FAST可以检测到足够数量且稳定性和重复性好的角点,应用于图像配准,也能获得较好的配准效果。

基于点特征的干涉合成孔径雷达复图像自动配准算法

在基于点特征的遥感图像配准过程中,特征点的自动提取和准确匹配是影响配准精度的关键。提出了一种干涉合成孔径雷达(InSAR)复图像对的自动配准算法,利用特征点的高曲率结构设计了模板,完成了特征点检测;根据匹配点对之间距离相近的结论设计了匹配算法,进行了特征点对的匹配。首先通过边缘检测和模板相关提取特征点;其次根据提出的匹配算法建立点的对应关系;最后利用两步法完成复图像的亚像元级配准。实验结果表明,该算法具有较高的配准精度。

基于特征点的合成孔径雷达复图像自动配准算法

提出了一种干涉合成孔径雷达复图像对的自动配准算法,利用Harris特征点检测算子,完成了特征点检测;根据匹配点对之间最大相关和距离相近的结论设计了匹配算法,进行了特征点对的匹配;首先通过Harris特征点检测算子提取特征点;其次根据提出的匹配算法建立点的对应关系;最后利用两步法完成复图像的亚像元级配准;实验结果表明,该算法具有较高的配准精度。

基于改进尺度不变特征转换算法的合成孔径雷达图像配准并行研究

提出了一种基于改进尺度不变特征转换(SIFT)算法的合成孔径雷达(SAR)图像配准方法。该方法采用多核平台对SIFT算法进行优化,克服了SIFT算法计算时间复杂度高的问题。针对SAR图像特点,首先对源图像进行空域增强处理,然后采用改进的SIFT算法完成特征点并行提取,并利用欧氏距离以及RANSAC算法完成特征点的匹配与消除误匹配,最终实现SAR图像配准。实验结果证明,该方法能在保证配准精度的同时降低配准的时间复杂度。

干涉合成孔径雷达复图像配准精度分析和方法

基于干涉合成孔径雷达 (Interfermetric Synthetic Aperture Radar-In SAR)的系统模型、干涉相位误差的统计特性 ,分析 In SAR配准精度与干涉相位误差之间的确定关系 ,讨论复图像配准过程中存在的问题 ,给出实用的 In SAR复图像配准方法 .通过对 SIR-C/X-SAR意大利 Enta火山干涉数据的处理 。

合成孔径雷达图像自动配准算法研究

针对合成孔径雷达图像配准对精度和时间的需求,文中对基于相似三角形的配准算法进行了改进:通过角度判断相似三角形,计算简单且可阻止病态三角形影响配准结果;鉴于用于视频追踪的强角点的优良性能,首次引入它作为配准点特征;基于开源计算机视觉库开发了图像自动配准软件,文中简述软件实现过程,分析了代码优化问题;与传统判断相似三角形的配准算法以及常用配准算法相比,实验数据表明,该算法能够精确求解几何形变参数,且运算时间降至毫秒级,对3种几何形变的配准率均高于97%。

干涉合成孔径雷达(INSAR)复图像配准方法

合成孔径雷达干涉测量技术是使用图像中的相位信息来提取高精度的数字地面高程模型。精确的图像配准是合成孔径雷达干涉技术提取数字高程模型的关键步骤之一,配准质量将直接影响提取的地面高程的精度。配准按照其精度分为粗配准和精配准。文中采用基于幅度互相关函数法完成图像的粗配准,在粗配准的基础上,使用最小二乘配准算法进一步提高配准的精度。实际数据处理表明,配准精度能够满足INSAR数据处理的要求。

基于SAR-SIFT和快速稀疏编码的合成孔径雷达图像配准

SAR-SIFT(Synthetic Aperture Radar-Scale-Invariant Feature Transform)特征是一种类SIFT特征,为了较好的适应SAR图像的特点,SAR-SIFT在SIFT的基础上针对SAR图像的统计特性改进了局部描述子的提取方式。SAR-SIFT相比SIFT具有更好的抗噪性能,然而在强噪声下仍然会提取许多异常点。为了解决强噪声情况下SAR图像的特征点提取及匹配问题,在SAR-SIFT基础上,首先提出了一种新的梯度计算方法,它的大小和方向对散斑噪声都具有很强的鲁棒性,使得对SAR图像进行特征点检测与特征描述提取时具有一定的抗噪性能。其次,使用快速稀疏编码方法对提取到的特征点进行稀疏表示,利用稀疏表示的聚类效果和更好的信号表达能力来减少噪声对特征点提取的影响,从而达到减少异常点的目的。最后通过NNDR(Nearest Neighbor Distance Ratio)和RANSAC(Random Sample Consensus)来完成特征点的匹配以及参数的估计。实验结果表明,利用本文方法能显著减少强噪声SAR图像所提取特征点中的异常点数量并提高匹配精度。

基于高斯低通滤波算法的合成孔径雷达图像快速配准模型

为了提高合成孔径雷达图像配准的正确匹配数与速度,提出基于高斯低通滤波算法的合成孔径雷达(Synthetic Aperture Radar,SAR)图像快速配准模型。在图像匹配前,利用低通滤波器归一化SAR图像背景,为后续图像快速匹配奠定基础。在此基础上,通过高斯低通滤波算法滤除图像的散斑噪声,最终实现图像的快速配准。仿真实验结果表明,所提出的方法可以有效提高配准正确数量,且配准运行时间低于8 s,运行稳定,可以为图像配准提供一定基础依据。

机载合成孔径雷达海岸带图像匹配优化仿真

机载合成孔径雷达(Synthetic Aperture Radar,SAR)海岸带图像匹配技术是海冰监控、石油泄漏检测和海运监控等应用的核心步骤。通过对匹配技术进行优化能提高匹配精度,也能直接提升上述应用的效果。由于机载SAR海岸带图像中广泛存在乘性噪声的干扰,导致传统匹配算法无法提取准确反映地貌信息的特征,出现匹配结果误差大、精度低的问题。针对这一难点,对传统的SAR图像匹配算法进行了优化,使用SIFT提取特征点的位置和方向信息,将特征点周围的图像信息输入卷积神经网络,提取更为全局的特征以消除乘性噪声的影响,用度量学习模块得到更具有区分性的相似性度量做特征点对应,最后使用RANSAC算法实现配准。仿真结果显示,经过优化的算法可以显著地提高匹配精度,可直接用于后续SAR图像应用中。

基于FKICA-SIFT特征的合成孔径图像多尺度配准

针对合成孔径(SAR)图像的配准,提出一种基于仿射不变快速核独立成分分析-尺度不变特征变换(FKICA-SIFT)的多尺度配准方法。首先,根据特征点的Hessian矩阵构建仿射不变SIFT描述子。接着,利用FKICA提取该描述子的独立成分得到新的描述子FKICA-SIFT。然后,利用该描述子对Steerable滤波后的各层带通合成子图像提取的特征点进行匹配。最后,采用由粗到细的匹配策略逐步优化变换参数,实现图像的多尺度精确配准。实验结果表明,对有较大仿射变化的SAR图像,当阈值小于0.7时,该方法的匹配正确率大于85%,阈值小于0.5时,匹配正确率可达90%以上,配准精度达到亚像素水平,优于SIFT,PCA-SIFT,ICA-SIFT及SURF等相关方法。使用该方法准确地检测出了地震前后唐家山堰塞湖水域的变化情况,基本满足了SAR图像变换检测前精确配准的要求。

基于控制点影像库的合成孔径雷达图像几何校正

近年来，多谱段和高分辨率合成孔径雷达(SAR)成像技术已取得巨大进步，人们也高度重视其潜在的应用前景。但是，因为雷达斜视成像性质和地形起伏影响，SAR图像在山区的几何畸变非常复杂，采用常规方法不能达到正射校正的结果，所以目前SAR图像的应用情况并不尽人意。实际应用的雷达图像正射纠正方法，特别是密集三角形格网的数字微分纠正方法需要大量纠正控制点，但是，雷达图像噪声和目标边缘模糊使自动匹配的选点算法难以成功。提出了一种基于控制点影像库的纠正控制点选点方法，用以提高点位精度和工作效率。该方法包括纠正区域控制点影像建库、灵活交互操作机制设计和点匹配操作。对不同空间分辨率雷达图像的实验处理结果表明，该方法具有较好的应用价值。

基于影像融合技术的合成孔径雷达(SAR)图像目标识别方法的探讨

对美国密歇根大学电子工程系的研究人员提出的一种多源数据融合算法进行了介绍,对SAR图像与可见光图像融合的一系列相关技术及其主要步骤进行了探讨,简要概括了评价融合后图像效果的标准和方法,并介绍了目标的检测与识别。

干涉式逆合成孔径雷达成像技术综述

干涉式逆合成孔径雷达(InISAR)成像是一种将干涉技术与逆合成孔径分辨相结合的高分辨雷达三维成像方法,能够实现对远距离运动目标全天候、全天时的三维成像,在军事和民用领域都呈现出广泛的应用前景和实用价值。其基本思想是利用位置分布不同的多个天线获取成一定视角差的多幅逆合成孔径雷达(ISAR)复图像,实现目标散射中心的二维分辨,然后通过干涉相位处理,恢复出目标散射中心的真实三维分布。本文综述了InISAR三维成像的理论框架,回顾了InI-SAR成像技术的发展历程,着重对图像配准、相位解缠绕、运动补偿、斜视、基线配置等关键技术难点进行了分析和评估,明确了研究中存在的问题,阐述了有待进一步研究的方向,最后对InISAR的发展现状和趋势进行了总结和展望。

合成孔径雷达干涉测量(InSAR)关键技术研究

合成孔径雷达干涉测量(InSAR)技术是近二十年来迅速发展起来的空间对地观测新技术。简述InSAR干涉处理过程的基础上,重点介绍并分析了其关键技术SAR图像配准和相位解缠的常用算法,并对由ERS1/2得到的两幅复杂SAR图像为实验对象,综合使用图像配准和相位解缠的经典算法对SAR图像配准生成干涉图,对干涉图相位解缠。最后简要介绍国内外InSAR技术发展方面的现状及发展趋势。

融合上下文特征与密集网络的光学遥感图像配准

光学遥感图像的地理位置特征复杂多样,且多尺度特征空间信息丰富,在配准过程中难以充分提取图像特征,配准精度较低。针对上述问题,提出融合上下文特征与密集网络的配准模型,通过把位置信息嵌入注意力中加深对位置信息的关注,并集成多个不同内核的深度可分离卷积整合多个不同感受野来聚合丰富的多阶特征语义信息。首先采用融合后的密集网络对图像进行特征信息提取,接着使用双向皮尔逊相关匹配得到双向匹配关系,并通过回归得到的双向参数加权合成最终参数,最后通过仿射变换完成图像配准。实验结果表明,关键点正确估计的比例指标系数为0.05,0.03和0.01情况下,在Aerial-image数据集中分别高达83.9%,60.3%和15.3%,有效提高了光学遥感图像配准精度。

基于模板匹配约束下的光学与SAR图像配准

主要研究光学与合成孔径雷达(synthetic aperture radar,SAR)图像的配准。光学图像与SAR图像间完全不同的成像特性以及后者中斑点噪声的影响,增加了二者之间的配准难度。此外,SAR图像数据量随着分辨率的升高而增大,这也对配准算法的实时性提出了更高的要求。针对这些问题,提出了一种逐步求精的光学与SAR图像配准方法,首先对SAR图像提取感兴趣区域用于图像间的粗配准,以减少算法压力,之后提取图像中稳定结构特征,构建光学图像与SAR图像间精确变换关系。通过实测数据实验,证明了该算法的有效性。

基于水平集的SAR图像与光学图像的配准

为解决常用图像配准算法中特征提取易受噪声影响及配准过程受特征提取精度影响的问题,提出一种新的图像配准算法,即在水平集框架下,通过映射函数将SAR图像特征和光学图像特征结合,构造能量泛函模型,并采用水平集方法求解曲线演化方程,进而实现SAR图像和光学图像的配准。通过两个场景的配准实验表明,该算法不仅对高信噪比SAR图像和光学图像的配准有效,且对低信噪比的配准优势更加明显。

基于空间约束SIFT的光学与SAR图像配准

针对光学与合成孔径雷达（SAR）图像难以配准的问题,提出一种基于空间约束的尺度不变牲变换（SIFT）算法。该算法对光学图像和SAR图像分别进行预处理,包括利用增强Frost滤波抑制SAR图像的相干斑噪声,及运用自适应直方图均衡法增强光学和SAR图像之间的共性轮廓特征。人工选取3个~4个同名控制点对进行粗配准。通过改进的SIFT方法提取特征点,以结构相似性指数作为特征点之间的相似性测度,并采用kd-tree搜索策略得到初始匹配点对。使用空间约束条件和随机抽样一致性算法筛选匹配点对,利用最终的精匹配点对完成配准。实验结果表明,该算法对光学和SAR图像的配准可以取得较高的精度,配准精度优于2个像素。