CN102194225A - 一种由粗到精的星载合成孔径雷达图像自动配准方法 - Google Patents

Abstract

本发明公开了一种由粗到精的星载合成孔径雷达图像自动配准方法，涉及遥感图像处理技术，包括七个步骤，充分利用卫星的轨道数据计算星载SAR图像对应的粗略地理位置，进行图像的粗配准，实现星载SAR图像之间尺度和旋转的统一。在粗配准的基础上再采用模板匹配的方法，进行星载SAR图像的局部精匹配，最终根据大量匹配的小区域实现整幅SAR图像的精配准。本发明应用了卫星的粗略轨道参数巧妙地实现不同星载SAR图像的尺度和旋转的统一，为基于模板的精配准构建了理想的匹配条件，实现了由粗到精的匹配策略，大大提高了SAR图像配准的有效性。

Description

一种由粗到精的星载合成孔径雷达图像自动配准方法

技术领域

本发明涉及遥感图像处理技术领域，是一种星载合成孔径雷达(SAR)图像的配准方法。

背景技术

星载SAR遥感数据具有全天候、全天时的独特优势，同时具有固定的重访周期，所以它比光学遥感更适合于地表监视和动态监测，随着我国合成孔径雷达(SAR)的发展，应用多时相的SAR数据进行地表和地物变化的动态监视成为十分重要的遥感应用领域。而对不同时间获取的同一地区的SAR图像进行精确配准是变化检测和动态监视的前提和基础。

目前国内外星载SAR图像的配准方法主要有两类：(1)基于区域的方法，将图像上的小窗口内像素与另一幅图像上同样尺寸窗口做统计比较。通常选用合适的相关测度，然后将满足条件的窗口中心作为控制点用于求解两幅图像之间的变换参数。这类方法匹配准确率高，可以人为控制匹配点的分布，但对图像的尺度和角度变化敏感，在低信噪比的情况下难以满足SAR影像的匹配要求；(2)基于特征的方法，主要是匹配两幅图像中相对应的特征，比如边缘特征、点特征、互信息和hausdorff距离等。这类方法自动化程度高，一定程度上对旋转和明暗变化等不敏感，但在实际应用中存在着误匹配点多，匹配点聚集，以及速度慢等缺点。

发明内容

本发明的目的是提供一种由粗到精的星载合成孔径雷达图像自动配准方法，对不同时间获取的星载合成孔径雷达(SAR)图像之间自动进行配准，以解决星载SAR图像的配准问题，提高SAR图像配准的效率和准确度。

为达到上述目的，本发明的技术方案是：

一种由粗到精实现星载合成孔径雷达图像自动配准方法，其包括：

步骤1：根据卫星的轨道数据分别计算两幅星载SAR图像四个角点的位置，并根据这些角点位置计算两幅SAR图像之间的仿射变换参数；

步骤2：对第一幅星载SAR图像进行均匀分块，并在每个图像块内提取一个正方形的特征区域；

步骤3：根据第一幅星载SAR图像的每个特征区域中心的地理位置，在第二幅SAR图像内寻找对应位置点，并以该点位置为中心提取2公里正方形的窗口区域，再按照仿射变换参数计算正方形区域在第二幅SAR图像的对应窗口区域的四点位置；

步骤4：利用得到的第二幅SAR图像上区域的四个角点位置，按照第一幅SAR图像的分辨率对第二幅SAR图像对应四个角点位置的图像采用三次卷积内插方法重采样，得到一幅临时图像区域；

步骤5：利用归一化互相关模板匹配方法对第一幅SAR图像的正方形特征区域和第二幅SAR图像的临时图像区域进行精确匹配，得到精确匹配的相关位置；

步骤6：对第一幅SAR图像的每个正方形特征区域，按照步骤3到步骤5的处理方法进行同样处理，就得到一系列精确匹配的位置点；

步骤7：利用这些精确匹配的系列位置点对第二幅SAR图像进行校正，实现两幅图像的精确配准。

所述的方法，其所述步骤1的仿射变换模型为：

x′＝a+bx+cy

y′＝d+ex+fy

其中，x、y分别表示第一幅SAR图像的行坐标、列坐标，x’、y’分别表示第二幅SAR图像的行坐标、列坐标，a、b、c、d、e、f为仿射变换的六个参数，即a表示x方向的平移量，b表示x方向的比例缩放因子，c表示y方向的比例缩放因子，d表示y方向的平移量，e表示x方向的比例缩放因子，f表示y方向的比例缩放因子。

所述的方法，其所述步骤3的处理方法是，根据第一幅SAR图像特征区域的中心位置，考虑卫星轨道的精度，以推算出特征区域对应于第一幅SAR图像中对应的区域窗口四点位置；由于第二幅SAR图像的四个角点位置已知，根据仿射变换，就可以计算出第二幅SAR图像上对应特征窗口区域的四点位置。

所述的方法，其所述步骤5中的归一化互相关模板匹配方法，是以下式表示：

$\mathrm{\ρ}=\frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}[T(x,y)-{\mathrm{\μ}}_T][I(x,y)-{\mathrm{\μ}}_I]}{\sqrt{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[T(x,y)-{\mathrm{\μ}}_T]}^2\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-{\mathrm{\μ}}_I]}^2}}$

其中，ρ为互相关系数，-1≤ρ≤1，T(x，y)表示特征区域图像像点(x，y)的灰度值，I(x，y)表示临时图像区域像点(x，y)的灰度值；μ_T表示特征区域图像的灰度均值，μ_I表示临时图像区域的灰度均值，

表示对x方向积分求和，

表示对y方向积分求和，x表示图像的行向坐标，y表示图像的列向坐标。

所述的方法，其所述步骤2中对第一幅SAR图像进行分块，是分成9横×9竖的81个子块或更多的子块，从每个子块中提取128×128像素大小的正方形的特征区域作为模板。

所述的方法，其所述步骤3中，根据第一幅SAR图像在步骤1中所得的四个角点位置，求得到第一幅SAR图像特征区域的中心位置。

本发明方法充分考虑了获取星载SAR图像时的卫星轨道参数，综合考虑了不同时间获取SAR图像之间的尺度和旋转、图像分块的归一化互相关匹配，能够有效地完成不同时间获取星载SAR图像的自动配准。

本发明方法有助于推动我国星载SAR图像的自动配准技术水平提高，促进星载SAR图像在土地覆盖/变化、农作物长势、冰雪等各种灾害监测以及军事目标的动态监视等领域的广泛应用。

附图说明

图1是本发明粗到精的星载SAR图像自动配准方的示意框图。

具体实施方式

本发明的一种由粗到精的星载SAR图像自动配准方法，具体包括：

步骤1：根据卫星的轨道参数分别计算出两幅星载SAR图像之四个角点的位置，并根据这些四个角点的位置计算两幅SAR图像之间的仿射变换参数；

步骤2：对第一幅星载SAR图像进行分块(例如把整幅图像分成9横×9竖的81个子区域，图像越大分块越多)，并在每个图像块内提取一个正方形(大小为128X128个像素)的特征区域。

步骤3：根据每个特征区域中心的地理位置，在第二幅SAR图像内寻找对应位置点，并以该点位置为中心提取2公里正方形的窗口区域，按照仿射变换参数计算正方形区域在第二幅SAR图像的对应四点位置。

步骤4：利用得到的第二幅图像上窗口区域的四点位置，按照第一幅SAR图像的分辨率对第二幅SAR图像对应四个角点位置的图像采用三次卷积内插方法重采样得到一幅临时图像区域。

步骤5：利用归一化互相关模板匹配方法对第一幅SAR图像的正方形特征区域和临时图像区域进行精确匹配，得到精确匹配的相关位置。

步骤6：对第一幅SAR图像的每个正方形特征区域按照步骤3到步骤5的处理方法进行同样处理，就得到一系列精确匹配的位置点。

步骤7：利用这些精确匹配的系列位置点对第二幅SAR图像进行校正，实现两幅图像的精确配准。

本发明自动配准方法的步骤1中仿射变换模型为：

x′＝a+bx+cy

y′＝d+ex+fy

其中x表示第一幅图像行坐标，y表示第一幅图像列坐标，x’表示第二幅图像行坐标，y’表示第二幅图像列坐标，a、b、c、d、e、f为仿射变换的六个参数，即a表示x方向的平移量，b表示x方向的比例缩放因子，c表示y方向的比例缩放因子，d表示y方向的平移量，e表示x方向的比例缩放因子，f表示y方向的比例缩放因子。

本发明自动配准方法的步骤3的处理方法是，根据第一幅图像特征区域中心的中心位置，考虑卫星轨道的精度，可以推算该特征区域对应于第一幅SAR图像区域的对应四个角点位置。由于第二幅图像的四个角点位置已知，根据仿射变换，就可以计算出第二幅图像上对应特征区域的四个位置。

本发明自动配准方法的步骤5的处理方法，采用了归一化互相关方法：

$\mathrm{\ρ}=\frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}[T(x,y)-{\mathrm{\μ}}_T][I(x,y)-{\mathrm{\μ}}_I]}{\sqrt{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[T(x,y)-{\mathrm{\μ}}_T]}^2\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-{\mathrm{\μ}}_I]}^2}}$

其中，ρ为互相关系数，-1≤ρ≤1，T(x，y)表示特征区域图像像点(x，y)的灰度值，I(x，y)表示临时图像区域像点(x，y)的灰度值；μ_T表示特征区域图像的灰度均值，μ_I表示临时图像区域的灰度均值，

表示对x方向积分求和，

表示对y方向积分求和，x表示图像的行向坐标，y表示图像的列向坐标。

获取星载SAR图像时，可以根据卫星的轨道参数、SAR成像参数采用距离、多普勒和地球模型计算一景SAR图像的四角位置，精度一般可以达到500m～1000m。根据四角位置就可以解决两幅SAR图像之间的旋转和尺度，在此基础上再采用归一化互相关的模板匹配方法实现。

依据获取第一幅SAR图像的卫星参数计算整幅SAR图像的四个角点位置A1、A2、A3和A4。同时获取第二幅SAR图像的卫星参数计算整幅SAR图像的四个角点位置B1、B2、B3、B4。

根据仿射变换模型根据四个点对(A1-B1)、(A2-B2)、(A3-B3)、(A4-B4)之间的仿射变换参数：

x＝a+bx+cy

(1)

y′＝d+ex+fy

其中x表示第一幅图像行坐标，y表示第一幅图像列坐标，x’表示第二幅图像行坐标，y’表示第二幅图像列坐标，a、b、c、d、e、f为仿射变换的六个参数，即a表示x方向的平移量，b表示x方向的比例缩放因子，c表示y方向的比例缩放因子，d表示y方向的平移量，e表示x方向的比例缩放因子，f表示y方向的比例缩放因子。每个点对按照公式(1)建立2个方程，4个点对可以得到8个方程，根据8个方程就可以计算仿射变换的6个参数。

对第一幅SAR图像进行分块，一般可以分成9横×9竖的81个子块或更多的子块，从每个子块中提取128×128像素大小的正方形的特征区域作为模板。根据该幅SAR图像的四个角点位置也可以得到每个特征模板区域的中心位置(X_i，Y_i)。

依据两幅SAR图像之间的仿射变换模型，计算特征模板区域中心位置(X_i，Y_i)在第二幅SAR图像上的对应位置(X′_i，Y_i′)。由得到的位置(X′_i，Y_i′)作为中心，向上下左右各扩充1km得到四个位置点C1、C2、C3、C4，这四个点均位于第2幅SAR图像上。

应用三次卷积灰度插值方法按照第一幅SAR图像的分辨率对C1、C2、C3、C4四点构成的区域进行重采样，就可以得到一个临时的图像区域，该图像区域和第一幅SAR图像上的特征模板区域具有分辨率相同、没有旋转角度，从而实现了尺度和旋转的统一，为模板匹配奠定了很好的基础。

针对每个特征模板区域和重采样得到的临时图像区域，采用归一化互相关匹配方法实现精确匹配，得到每个模板区域中心位置所对应的临时图像区域的同名点位置，具体匹配公式为：

$\mathrm{\ρ}=\frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}[T(x,y)-{\mathrm{\μ}}_T][I(x,y)-{\mathrm{\μ}}_I]}{\sqrt{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[T(x,y)-{\mathrm{\μ}}_T]}^2\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-{\mathrm{\μ}}_I]}^2}}---\left(2\right)$

其中，ρ为互相关系数，-1≤ρ≤1，T(x，y)表示特征区域图像像点(x，y)的灰度值，I(x，y)表示临时图像区域像点(x，y)的灰度值；μ_T表示特征区域图像的灰度均值，μ_I表示临时图像区域的灰度均值，

表示对x方向积分求和，表示对y方向积分求和，，x表示图像的行向坐标，y表示图像的列向坐标。

灰度归一化互相关法在灰度信息比较丰富、没有高频噪声，并且灰度畸变和几何畸变比较小的情况下，匹配不仅速度快，而且结果也较理想。

根据每个特征模板的归一化互相关精确匹配，就可以得到一系列同名点，对这些点采用常规的三角剖分就可以构成三角网，最后对每个三角网按照仿射变换模型进行精校正，就可以实现两幅SAR图像的精确配准。

Claims (6)

1.一种由粗到精的星载合成孔径雷达图像自动配准方法，其特征在于，包括：

步骤1：根据卫星的轨道数据分别计算两幅星载SAR图像四个角点的位置，并根据这些角点位置计算两幅SAR图像之间的仿射变换参数；

步骤2：对第一幅星载SAR图像进行均匀分块，并在每个图像块内提取一个正方形的特征窗口区域；

步骤3：根据第一幅星载SAR图像的每个特征窗口区域中心的地理位置，在第二幅SAR图像内寻找对应位置点，并以该点位置为中心提取2公里正方形的窗口区域，再按照仿射变换参数计算正方形窗口区域在第二幅SAR图像的对应窗口区域的四点位置；

步骤4：利用得到的第二幅SAR图像上窗口区域的四点位置，按照第一幅SAR图像的分辨率对第二幅SAR图像对应四点位置的图像采用三次卷积内插方法重采样，得到一幅临时图像区域；

步骤5：利用归一化互相关模板匹配方法对第一幅SAR图像的正方形特征窗口区域和第二幅SAR图像的临时图像区域进行精确匹配，得到精确匹配的相关位置；

步骤6：对第一幅SAR图像的每个正方形特征窗口区域，按照步骤3到步骤5的处理方法进行同样处理，就得到一系列精确匹配的位置点；

步骤7：利用这些精确匹配的系列位置点对第二幅SAR图像进行校正，实现两幅图像的精确配准。

2.如权利要求1所述的方法，其特征在于，所述步骤1的仿射变换模型为：

x′＝a+bx+cy

y′＝d+ex+fy

其中，x、y分别表示第一幅SAR图像的行坐标、列坐标，x’、y’分别表示第二幅SAR图像的行坐标、列坐标，a、b、c、d、e、f为仿射变换的六个参数，即a表示x方向的平移量，b表示x方向的比例缩放因子，c表示y方向的比例缩放因子，d表示y方向的平移量，e表示x方向的比例缩放因子，f表示y方向的比例缩放因子。

3.如权利要求1所述的方法，其特征在于，所述步骤3的处理方法是，根据第一幅SAR图像特征区域的中心位置，考虑卫星轨道的精度，以推算该特征窗口区域对应于第一幅SAR图像区域的对应四点位置；由于第二幅SAR图像的四个角点位置已知，根据仿射变换，就可以计算出第二幅SAR图像上对应特征窗口区域的四点位置。

4.如权利要求1所述的方法，其特征在于，所述步骤5中的归一化互相关模板匹配方法，是以下式表示：

$\mathrm{\ρ}=\frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}[T(x,y)-{\mathrm{\μ}}_T][I(x,y)-{\mathrm{\μ}}_I]}{\sqrt{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[T(x,y)-{\mathrm{\μ}}_T]}^2\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-{\mathrm{\μ}}_I]}^2}}$

其中，ρ为互相关系数，-1≤ρ≤1，T(x，y)表示特征区域图像像点(x，y)的灰度值，I(x，y)表示临时图像区域像点(x，y)的灰度值；μ_T表示特征区域图像的灰度均值，μ_I表示临时图像区域的灰度均值，

表示对x方向积分求和，表示对y方向积分求和，x表示图像的行向坐标，y表示图像的列向坐标。

5.如权利要求1所述的方法，其特征在于，所述步骤2中对第一幅SAR图像进行分块，是分成9横×9竖的81个子块或更多的子块，从每个子块中提取128×128像素大小的正方形的特征区域作为模板。

6.如权利要求3所述的方法，其特征在于，所述步骤3中，根据第一幅SAR图像在步骤1中所得的四个角点位置，求得到第一幅SAR图像特征区域的中心位置。

Images