CN103295232A

CN103295232A - 基于直线和区域的sar图像配准方法

Info

Publication number: CN103295232A
Application number: CN2013101803845A
Authority: CN
Inventors: 刘坤; 张楠; 王爽; 焦李成; 马文萍; 马晶晶; 张涛; 刘闯
Original assignee: Xidian University
Current assignee: Xidian University
Priority date: 2013-05-15
Filing date: 2013-05-15
Publication date: 2013-09-11
Anticipated expiration: 2033-05-15
Also published as: CN103295232B

Abstract

本发明公开了一种基于直线和区域分割的SAR图像配准方法，主要解决现有技术配准效果差及计算复杂度高的问题，其实现步骤为：(1)输入两幅SAR图像，用Hough变换检测这两幅图像中的直线；(2)对检测出的直线按斜率分组，得到两幅SAR图像的主方向，计算旋转参数，(3)对基准图像和旋转后的待配准图像用最佳阈值分割方法和形态学腐蚀膨胀获得闭合区域；(4)利用区域质心计算平移参数；(5)将平移旋转后的待配准图像与基准图像重合，完成配准。本发明具有对SAR图像的配准受噪声影响小，对有小面积水域的SAR图像分割结果稳定且配准效果更好，速度快捷，计算复杂度低的优点，可用于模式识别、自动导航、计算机视觉和遥感图像的处理。

Description

基于直线和区域的SAR图像配准方法

技术领域

本发明属于图像处理技术领域，涉及合成孔径雷达SAR图像分割，可用于对SAR图像的配准。

背景技术

合成孔径雷达SAR是一种高分辨率主动式有源微波遥感成像雷达，具有全天候、全天时、分辨率高、可侧视成像等优点，可应用于军事、农业、导航、地理监视等诸多领域。图像匹配可分成三大类：基于灰度相关的匹配方法﹑基于特征的匹配方法和基于互信息的匹配方法。

基于灰度相关的方法是一种对图像以一定大小的狄度阵列按某种或几种相似性度量顺序进行搜索匹配的办法。这种匹配一旦进入信息贫乏或图像有较大的比例尺差异或扭曲的区域，匹配难免失败。

基于特征的匹配算法是以往常用的方法，图像的特征反映了图像重要信息，以这些特征作为模型进行匹配，局部特征有点、边缘、线条、较小的区域，全局特征包括多边形和成为结构的复杂的图像内容描述。但是算法要求特征点应该位于灰度变化的区域的中心，例如孤立点﹑拐角点等。在图像获取和特征提取阶段的等过程会产生不同程度的噪声，使得本来准确的点特征之间的对应关系变得难以确定。

基于互信息的模板匹配算法具有匹配精度高、抗遮挡、抗随机噪声等优点，在图像配准领域得到广泛的应用，但标准互信息的计算量非常大，难以实现实时匹配；并且，互信息测度丢失了大量的图像空间信息会导致互信息最大值不唯一或最大值位置与图像配准位置不一致等问题。

发明内容

本发明的目的在于针对已有技术的不足，提出一种基于直线和区域的SAR图像配准方法，以提高配准的速度和准确度，降低算法的复杂度。

为实现上述目的，本发明包括如下步骤：

(1)读入两幅SAR图像，其中，一幅是基准图像I₁，另一幅是待配准图像I₂，用Hough变换检测这两幅图像中的直线；

(2)根据Hough变换检测的直线，得到两幅SAR图像的旋转参数α；

(3)根据获得的旋转参数α，旋转待配准图像I₂，得到旋转后的待配准图像I₃；

(4)分别对基准图像I₁和旋转后的待配准图像I₃用最佳阈值分割方法和形态学腐蚀膨胀获得闭合区域图A和B，其中，A为基准图像的区域图，B为旋转后的待配准图像I₃的区域图；

(5)根据获得的基准图像区域A和旋转后的待配准图像区域B，计算基准图像I₁和旋转后的待配准图像I₃的水平平移量m和垂直平移量n；

(6)根据水平平移量m和垂直平移量n，对旋转后的待配准图像I₃进行水平移动和垂直移动，使其与基准图像I₁重合，完成SAR图像配准。

本发明具有如下优点：

1.本发明采用传统的Hough变换，对SAR图像直接进行直线检测，检测直线时受噪声影响小﹑速度快﹑鲁棒性好，避免了现有很多的特征提取算法中噪声影响严重的问题，降低了计算的复杂度。

2.本发明在直线计算出旋转参数后，用自动最佳阈值分割和形态学腐蚀膨胀的方法提取区域，计算图像的平移参数，使算法速度快捷。

由仿真结果可以看出，本发明的配准结果优于原有的单一使用直线或区域的配准结果，且速度更加快捷。

附图说明

图1是本发明的流程图；

图2是本发明中计算旋转参数的子流程图；

图3是本发明中计算平移参数的子流程图；

图4是原始基准SAR图像；

图5是原始待配准SAR图像；

图6是用本发明对图4的Hough变换确定主方向后的图像；

图7是用本发明对图5的Hough变换确定主方向后的图像；

图8是用本发明对图4的分割仿真结果图；

图9是用本发明对旋转后的图5的分割仿真结果图；

图10是用本发明对图4和图5的配准仿真结果图。

具体实施方式

参照图1，本发明的具体实现步骤如下：

步骤1，读入两幅SAR图像，其中，一幅是基准图像I₁，另一幅是待配准图像I₂，并用Hough变换检测出这两幅图像中存在的多条直线。

步骤2，对检测出的多条直线，按直线的斜率方向分组，分别计算这两幅图像的主方向，进而得到两幅SAR图像的旋转参数α。

基于直线计算两幅图像的旋转参数的方法有多种，例如：一种是用Hough变换检测出的直线在两幅SAR图像中构造一对相似三角形，任意对应的直线对的斜率差为这两幅图像的旋转参数；另一种是用分别检测出两幅图像的边缘图，用最小二乘法拟合出多条直线，统计这两幅图像中直线对斜率差的直方图，计算这两幅图像的旋转参数等。本发明采用Hough变换提取两幅图像的存在的多条直线，得到两幅图像的主方向，计算这两幅图像的旋转参数，如图2所示。

参照图2，本步骤的具体实现如下：

(2a)判定两幅SAR图像中检测出的每一条直线长度l，如果该直线的长度l＜15，则删除该直线，否则，保留该直线；

(2b)对两幅SAR图像中保留的任意一条直线l_i的两个端点(x_1i,y_1i)和(x_2i,y_2i)，计算该直线的斜率方向

分别确定直线数目最多的斜率方向为两幅SAR图像的主方向k₁和k₂，其中，k₁为基准图像I₁的主方向，k₂为旋转后的待配准图像I₃的主方向；

(2c)根据两幅SAR图像主方向k₁和k₂，得到旋转参数：

α＝arctan(k₂-k₁)×180/π。

步骤3，根据获得的旋转参数α，旋转待配准图像I₂，得到旋转后的待配准图像I₃。

步骤4，获得基准图像I₁和旋转后的待配准图像I₃的区域分割图A和B。

(4a)用最佳阈值分割方法和形态学腐蚀膨胀方法，对基准图像I₁进行分割获得区域分割图A；

(4b)用最佳阈值分割方法和形态学腐蚀膨胀方法，对旋转后的待配准图像I₃进行分割获得区域分割图B。

步骤5，根据获得的基准图像区域分割图A和旋转后的待配准图像区域分割图B，计算基准图像I₁和旋转后的待配准图像I₃的水平平移量m和垂直平移量n。

基于区域计算两幅图像的平移参数的方法有多种，例如：一种是用最佳阈值分割方法分割区域，计算各个区域块的Hu不变矩，选取3对Hu不变矩欧式距离依次小的区域，用这3对区域的质心计算平移参数；另一种是计算旋转参数后，用k-means聚类算法分割区域，计算每块区域的Hu不变矩特征，找出Hu不变矩欧式距离最小的一对区域块，用这对区域块的质心计算两幅图像的平移参数等。本发明采用最佳阈值分割和形态学腐蚀膨胀方法分割区域，用Hu不变矩计算最匹配的两个区域块，用这两个区域块的质心计算两幅图像的平移参数，如图3所示。

参照图3，本步骤的具体实现如下：

(5a)分别检测出基准图像I₁的区域分割图A和旋转后的待配准图像I₃的区域分割图B中的各个闭合区域块，并计算出每块闭合区域的Hu不变矩特征；

(5b)应用Hu不变矩特征计算基准图像I₁和旋转后的待配准图像I₃中Hu矩特征欧式距离最小的两个区域块A'和B'，其中，A'为基准图像I₁的区域分割图A中的闭合区域块中的一块，B'为旋转后的待配准图像I₃的区域分割图B中的闭合区域块中的一块；

(5c)分别计算基准图像I₁的区域块A'和旋转后的待配准图像I₃的区域块B'的质心坐标(x₁,y₁)和(x₂,y₂)，根据两个区域块A'和B'的质心，得到基准图像I₁和旋转后的待配准图像I₃的水平平移量m＝x₂-x₁和垂直平移量n＝y₂-y₁。

步骤6，根据水平平移量m和垂直平移量n，对旋转后的待配准图像I₃进行水平移动和垂直移动，使其与基准图像I₁重合，完成SAR图像配准。

本发明的效果通过以下仿真实验进一步说明。

1、实验条件与方法

硬件平台为：Intel(R)Pentium(R)1CPU2.4GHz；

软件平台为：Window XP Professional，MATLAB R2010；

实验方法：分别为本发明的Hough变换方法和最佳阈值分割方法。

2、实验内容及结果

实验1，对图4进行进行Hough变换提取直线，按直线的长度保留直线，对保留的直线进行分组，提取出的图4主方向图，结果如图6所示。

实验2，对图5进行进行Hough变换提取直线，按直线的长度保留直线，对保留的直线进行分组，提取出的图5主方向图，结果如图7所示。

实验3，对图4用最佳阈值分割和形态学腐蚀膨胀进行阈值分割，结果见图8所示。

实验4，对图5用计算出的旋转参数旋转后，最佳阈值分割和形态学腐蚀膨胀进行阈值分割，结果见图9所示。

实验5，对图8和图9进行配准，结果如图10所示。

由图6和图7可见，Hough变换噪声影响小﹑速度快﹑鲁棒性好，适用于对SAR图像提取直线，可用于计算配准时的旋转参数，可以看出，Hough变换提取的直线端点不准确，不能直接用于计算配准时的平移参数。

由图8和图9可见，现有最佳阈值分割方法和腐蚀膨胀方法对于SAR图像分割对应水域附近的区域清晰准确，且速度快捷，但在区域分割后，能够匹配的区域块仅小于3块，表明单纯使用最佳阈值和形态学腐蚀膨胀算法时，则不能进行配准。

由图10可见，用Hough变换和最佳阈值分割方法和腐蚀膨胀方法对SAR图像进行配准时，解决了仅使用Hough变换检测直线时，检测出的直线端点不准确，导致平移参数计算不准确的问题；同时也解决了仅使用最佳阈值分割方法和腐蚀膨胀方法时，图像区域像分割后，能够匹配的闭合区域块数小于3块，而不能进行配准的问题。

综上所述，本发明提出的基于直线和区域的SAR图像配准方法对SAR图像的配准降低了噪声的影响，且时间复杂度小，可用于对SAR图像进行配准。

Claims

1.一种直线和区域特征的SAR图像配准方法，包括如下步骤：

(2)根据Hough变换检测的直线，得到两幅SAR图像的旋转参数α；

(4)分别对基准图像I₁和旋转后的待配准图像I₃用最佳阈值分割方法和形态学腐蚀膨胀获得闭合区域分割图A和B，其中，A为基准图像的区域分割图，B为旋转后的待配准图像I₃的区域分割图；

(5)根据获得的基准图像区域分割图A和旋转后的待配准图像区域分割图B，计算基准图像I₁和旋转后的待配准图像I₃的水平平移量m和垂直平移量n；

2.根据权利要求1所述的基于直线和区域的SAR图像配准方法，其中步骤(2)所述的根据Hough变换检测的结果，得到两幅SAR图像的旋转参数α，按如下步骤进行：

(2a)判定两幅SAR图像中检测出的每一条直线长度l，如果直线的长度l＜15，删除该直线，否则，保留该直线；

(2c)根据两幅SAR图像的主方向k₁和k₂，得到旋转参数

α＝arctan(k₂-k₁)×180/π。

3.根据权利要求1所述的基于直线和区域的SAR图像配准方法，其中步骤(5)所述的根据获得的基准图像I₁区域分割图A和旋转后的待配准图像I₃区域分割图B，计算基准图像I₁和旋转后的待配准图像I₃的水平平移量m和垂直平移量n，按如下步骤进行：

(5a)分别检测出基准图像I₁的区域分割图A和旋转后的待配准图像I₃的区域分割图B中的各个闭合区域块，计算出每个闭合区域块的Hu不变矩特征；

(5b)计算基准图像I₁区域分割图A和旋转后的待配准图像I₃区域分割图B中Hu矩特征欧式距离最小的两个闭合区域块A'和B'，其中，A'为基准图像I₁的区域分割图A中的一块闭合区域，B'为旋转后的待配准图像I₃的区域分割图B中的一块闭合区域；

(5c)分别计算基准图像I₁的区域块A'和旋转后的待配准图像I₃的区域块B'的质心坐标(x₁,y₁)和(x₂,y₂)，根据两个闭合区域块A'和B'质心，得到基准图像I₁和旋转后的待配准图像I₃的水平平移量m＝x₂-x₁和垂直平移量n＝y₂-y₁。