基于SAR-SIFT改进的SAR图像配准

合成孔径雷达(SAR)图像配准时,由于受到乘性散斑影响,匹配算法的性能受到限制。SAR-SIFT使用ROEWA算子代替差分算法计算梯度,对SAR图像的散斑具有一定的稳健性。为了进一步抑制散斑噪声,本文提出了基于SAR-SIFT改进的SAR图像配准算法。利用非线性扩散滤波生成SAR图像的非线性扩散尺度空间,在非线性尺度空间不同尺度层上计算对应的SAR-Harris函数。为了使非线性尺度空间对散斑噪声具有稳健性,在其构造过程中的梯度信息采用ROEWA算子计算。此外,利用相位一致性信息去除初始关键点中由散斑引起的虚假点。多源、多极化、多时相的SAR图像试验结果表明,与SAR-SIFT算法相比,本文算法对散斑噪声更具稳健性,提高了图像匹配性能。

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。

基于改进的SAR-SIFT的SAR图像配准

在SAR图像配准中,针对SAR-SIFT算法在SAR图像配准中通过计算整个局部区域的梯度值,然后进行统计分析确定主方向,导致时间复杂度高且易受外界干扰的问题。本文对算法中的主方向分配进行改进。首先,对特征点邻域中的像素方向梯度进行累加,构成区域Harris矩阵,再用区域Harris矩阵代替梯度直方图来计算特征点邻域的主方向。然后对主方向取绝对值,抑制强度反转现象。实验结果表明:与SAR-SIFT算法相比,改进的SAR-SIFT算法匹配性能更好,计算效率更高。

高分三号顺轨影像快速匹配并行计算方法

针对星载SAR影像匹配中影像文件大、重叠区域小等导致匹配效率低问题,该文提出一种基于重叠区域分块匹配策略的SAR-SIFT特征匹配方法,并采用Fork/Join同步并行模式处理金字塔影像以提高特征匹配效率,在特征点提取和特征描述子构建过程中采用OpenMP在CPU端进行并行计算,在GPU端进行逐像元响应函数的并行计算。为验证该方法的有效性,采用2021年覆盖云南省漾濞县“5·21”地震震区的5景高分三号顺轨影像(7104×5650)开展实验,结果表明:在5景高分三号影像匹配中,对实验影像按6×6分块,采用CPU八线程+GPU并行计算方案时效果最佳,加速比为45.15,处理时间从3683.9 s减少至81.6 s,与分块匹配策略、OpenMP多线程和减层降维3种加速方法相比,该方法效率最高,加速比为8.90,可为提高大区域顺轨影像匹配性能提供新的策略和思路。

基于仿射不变SIFT特征的SAR图像配准

针对SAR(Synthetic Aperture Radar)图像全自动配准问题,本文提出一种基于仿射不变SIFT(Scale Invariant Feature Transform)特征的精确配准方法。该方法首先对传统SIFT方法改进构建具有仿射不变性的SIFT描述子,并利用该描述子对提取的控制点进行粗匹配,然后由粗匹配点对的尺度比和方位差及其邻域的灰度相似性构建新的相似矩阵,最后利用SVD(Singular Value Decomposition)方法确定精确匹配点对,求出变换参数从而实现图像的精确配准。实验结果表明该方法优于传统的SIFT方法和SIFT+SVD方法并且可以达到亚像素的配准精度。

基于改进SIFT的SAR图像与可见光图像配准

针对SAR图像与可见光图像的自动配准问题,提出了一种基于尺度不变特征(SIFT)的SAR与可见光图像配准算法。算法首先对SIFT主方向的检测进行了优化,利用特征点邻域内边缘局部极大值点的梯度方向作为特征点的方向,并以去均值归一化互相关系数为相似性度量进行特征点对匹配,然后通过随机抽样一致性算法(RANSAC)剔除误匹配点对,最后利用剩余的特征点对实现SAR与可见光图像的自动配准。实验结果表明,本算法对不同分辨率图像和不同旋转角度图像具有较好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法。

应用于多源SAR图像匹配的级联SIFT算法

针对多源SAR(Synthetic Aperture Radar)图像几何精处理需要大量离散控制点的问题,文章中提出一种级联SIFT(Scale Invariant Feature Transform)匹配算法.首先,采用大尺度自适应各向异性高斯SIFT(Adapted Anisotropic Gaussian-SIFT,AAG-SIFT)算法进行图像粗配准,大尺度AAG尺度空间可以在模糊不稳定局部纹理干扰的同时,保持图像的结构信息,提高算法的鲁棒性;其次,级联一种局部SIFT匹配算法,在粗配准后图像间进行局部匹配,避免不相关区域内重复纹理对特征匹配的影响;最后,通过尺度和旋转等先验条件筛选匹配点对,保证匹配结果的准确性.对比实验表明,级联SIFT处理可以增加提取同名点的数量和空间分布质量,而且匹配点定位准确.

基于多尺度特征聚类算法的不确定目标检测

提出一种基于无样本的SAR图像目标检测分类方法。针对空战过程中难以获得大量SAR图像目标样本问题,采用基于全局CFAR的多尺度SIFT特征进行目标纹理描述,并针对特征维度较高及特征描述之间存在的冗余问题,通过PCA算法对其进行降维处理后,采用DBSCAN算法对潜在目标区域的多尺度SIFT特征进行分类实现目标检测。通过单一目标和多类目标图像进行实验验证,实验结果表明该方法具有一定的有效性和可行性。

SIFT在高分辨率SAR图像自动配准中的性能分析

合成孔径雷达(SAR)图像的自动配准长期以来都未能很好的解决,特别是高分辨率SAR图像其配准的关键是稳健的特征提取与特征匹配算法。在光学图像配准中,最常用的特征点提取算法是Harris算子,而近年来SIFT(尺度不变特性变换)算法也因其优越的性能成为当前比较流行的算法。探讨了Harris和SIFT特征提取算法在高分辨SAR图像自动配准中的应用,并选取4对有代表性的SAR图像进行了配准实验,对2种特征提取算法的运行时间、所提取匹配点对的正确率以及特征点的提取精度进行了比较。通过定性及定量分析,在同轨获取的高分辨率SAR图像配准中,SIFT均能实现精确配准,其适用性及精度均优于Harris。

基于SIFT-Delaunay编码的SAR图像自动配准算法

合成孔径雷达(SAR)图像自动配准问题是SAR图像解译的关键技术之一,长期以来未有得到很好的解决。SIFT(Scale-invariant feature transform)可以通过检测局部特征对图像进行配准,是一种比较成功的自动配准算法,但由于场景的复杂性,单纯的SIFT算法不能解决相似特征不同位置的问题,本文针对SAR图像的特点,基于Delaunay三角拓扑理论,提出了一种SIFT-Delaunay编码的自动配准算法,通过实测数据试验,该算法能够解决SAR图像仿射变换中SIFT算法配准中的问题,实现SAR图像自动配准。

基于PCA-SIFT和马氏距离的SAR图像自动配准

针对SAR图像特征,提出了一种基于PCA-SIFT算法和马氏距离的SAR图像自动配准方法。首先,利用PCA-SIFT和马氏距离不变量理论相结合获得特征点及完成特征点配对;然后,利用RANSAC算法消除误匹配,并据此估计变换矩阵;最后,根据得到的变换矩阵进行图像间的映射,并对其进行重采样,实现SAR图像的自动配准。实验证明,该方法能够实现本文图像的配准,具有一定有效性和鲁棒性。

集成互补不变特征的SAR影像自动配准

合成孔径雷达(synthetic aperture Radar,SAR)影像的精确配准是使用SAR影像准确分析矿区变形的前提。虽然目前已有的影像配准算法很多,但是直接应用于SAR影像配准的效果还不够理想。为此,提出了一种集成互补不变特征的配准方法。该方法首先利用Canny边缘检测算法对影像进行区域分割,利用获得的分割区域进行粗匹配,然后应用改进Canny边缘特征的SIFT算法进行精匹配,最终获得精确配准的SAR影像。该方法能够降低由单纯使用SIFT特征进行匹配所产生的巨大计算量。通过实验分析可知,该方法能够准确配准矿区SAR影像,为矿区变形分析和综合治理提供高质量的影像数据。

基于稀疏表示模型的SAR图像目标检测算法

针对合成孔径雷达(synthetic aperture radar,SAR)图像可视性差、目标区域小以及特征不明显等特性对目标检测造成的困难,将稀疏表示模型应用于SAR图像目标检测,提出一种基于稀疏表示模型的SAR图像目标检测算法。首先,利用KSVD算法训练样本提取对样本最具描述能力的SIFT特征形成字典;其次,通过将进化机制和稀疏表示结合,逐步提取整幅图像中含有目标的图像块;最后,输出稀疏表示误差小于阈值的图像块的位置作为目标检测的结果。实验结果表明,与传统目标检测算法相比,该算法在检测率和运行效率方面均有一定的提高,取得了较好的效果。

基于SIFT弹载SAR图像匹配算法

基于尺度不变特征算法,提出了一种适用于弹载合成孔径雷达图像匹配的改进算法。该算法首先通过在构建的高斯差分尺度空间中搜索特征点,然后利用指数加权均值比算子计算特征点的梯度幅值和方向,并通过简化的特征描述子生成特征向量,最后采用距离比和几何一致性准则剔除错误匹配的特征点对,实现图像匹配。实验结果表明,改进算法对SAR图像在旋转、光照、尺度变化等情况下都有很好的匹配效果,并且降低了计算复杂度,有较强的鲁棒性和实时性。

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SIFT特征的合成孔径雷达景象匹配方法

根据合成孔径雷达图像的特点,提出一种基于SIFT特征的合成孔径雷达(SAR)景象匹配的方法。首先利用改进的特征描述符初步提取实时图与参考图的SIFT关键点;然后利用距离比和RANSAC算法去除错配,匹配出可靠的同名点对;最后计算反映实时图和参考图之间变换关系的转换参数,完成景象匹配。实验结果表明,本方法快速实用,有较强的有效性和鲁棒性。

基于大尺度双边SIFT的SAR图像同名点自动提取方法

针对SIFT应用于SAR图像同名点自动提取的问题,该文提出了一种新的基于各向异性尺度空间的同名点提取方法。该方法首先基于双边滤波器建立图像的各向异性尺度空间,在滤除斑点噪声的同时保留了图像细节;然后利用SIFT在大尺度上检测并描述特征,弱化了斑点噪声对匹配的影响;最后采用双向匹配策略建立同名点,提高了正确匹配的概率。该方法在保持同名点精度的同时增加了同名点的数量。通过不同时相、不同极化、不同波段以及不同视角下的SAR图像同名点提取实验,验证了该方法的优越性和适应性。

SAR图像最佳欧式空间距离矩阵匹配方法

在基于尺度不变特征变换算法的合成孔径雷达图像配准算法中,一个特征点通常具有多个主方向,虽然该主方向分配方式可以有效增加正确匹配对数,但是匹配性能会受到特征向量之间的相互影响而下降。文章提出了一种最佳欧式距离匹配方法,该方法通过欧式空间距离矩阵计算待匹配图像两组特征向量集的相似度,获得最佳相似特征点。此外,文章引入代表位置关系的转换距离作为判断特征点空间一致性的依据,有效地消除错误匹配点。与DM等匹配方法相比较,最佳欧式空间距离矩阵匹配方法在匹配精度和匹配效率上验证了其有效性。

尺度不变特征变换法在SAR影像匹配中的应用

通过几组可代表合成孔径雷达(Synthetic aperture radar,SAR)影像配准主要实际应用情景的实验,对尺度不变特征变换法(Scale invariant feature transformation,SIFT)在SAR图像配准中的应用能力进行了系统的评价.发现SIFT方法可以实现同轨获取的多时相斜距影像之间、斜距与地距影像之间、地距影像与经过地理编码的斜距影像之间的精确配准.为了利用SIFT实现整景遥感影像间的配准,提出了分块处理的方法.实验发现分块寻找特征点虽然可引起特征点总数的降低,但特征点的重复出现率仍大于76%,可满足大影像间配准的需要.同时也发现SIFT匹配过程过于耗时是阻碍其在遥感领域实际和用的技术瓶颈.本文指出了解决该瓶颈的技术方向,并对不变特征匹配法在遥感领域的应用进行了展望.

基于SIFT特征的异源遥感影像匹配方法研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为影像匹配带来了困难。针对异源遥感影像成像机理的不同特点,从影像特征角度,引入尺度不变特征变换(Scale-Invariant-Feature-Transform,SIFT)方法,实现光学影像、SAR影像和多光谱影像间的匹配;针对SIFT单向匹配算法的不足,引入匹配约束,采用双向匹配策略对其优化,提高了匹配的可靠性。实验表明,该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征等差异的异源遥感影像的高精度匹配。