CN108921884A - 基于改进sift的光学与sar影像配准方法、设备及存储介质 - Google Patents

基于改进sift的光学与sar影像配准方法、设备及存储介质 Download PDF

Info

Publication number
CN108921884A
CN108921884A CN201810578661.0A CN201810578661A CN108921884A CN 108921884 A CN108921884 A CN 108921884A CN 201810578661 A CN201810578661 A CN 201810578661A CN 108921884 A CN108921884 A CN 108921884A
Authority
CN
China
Prior art keywords
optics
sar image
point
purification
key point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810578661.0A
Other languages
English (en)
Inventor
杨超
丁庆
王建涛
梁景修
曹春燕
贺杰
朱婷萼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 2 Research Institute
Southwest China Research Institute Electronic Equipment
Original Assignee
CETC 2 Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CETC 2 Research Institute filed Critical CETC 2 Research Institute
Priority to CN201810578661.0A priority Critical patent/CN108921884A/zh
Publication of CN108921884A publication Critical patent/CN108921884A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及遥感影像处理技术领域，尤其是一种光学与SAR影像配准方法、设备及存储介质。本发明包括光学和SAR影像进行预处理；利用经典SIFT算法分别获取光学和SAR影像的关键点，并设置关键点的主方向值；利用经典SIFT算法分别对所述光学和SAR影像的关键点进行描述符生成；对已生成的光学和SAR影像关键点的描述符分别进行幅值增强处理；用归一化互相关系数作为相似性测度，对幅值增强后的光学和SAR影像关键点的描述符进行匹配，获取初始匹配点；最后同时引入角度约束和尺度约束提纯法剔除误匹配，获取更加优化、精确的匹配结果。

Description

基于改进SIFT的光学与SAR影像配准方法、设备及存储介质
技术领域
本发明涉及遥感影像处理技术领域，尤其是一种光学与SAR影像配准方法、设备及存储介质。
背景技术
随着遥感影像技术的发展，合成孔径雷达(SAR)和光学传感器系统大量涌现，为同一地区的对地观测提供了多种影像数据。SAR影像反映结构信息良好，且具有全天时、全天候、穿透性强等优点，相对于光学影像具有更大的侦察范围，但影像不包含光谱信息，且目标的微波反射特性常导致相同物体的SAR影像呈现不同的表现形式，图像解译较难。光学影像直接对目标进行成像，含有丰富的光谱信息，更符合人类解译，但受大气衰弱、天气变化的影响较大。因此，为了获取地物的完整信息，提高对目标描述、解译的准确性，通常需要对光学影像和SAR影像进行融合处理。在进行图像融合之前，图像配准是必须的关键步骤。
由于成像机理的不同，光学与SAR影像存在严重的灰度变化和几何差异，因此传统的基于灰度的配准方法难以取得满意的结果。而基于不变特征的配准方法从图像中提取稳定的特征进行匹配，更适合SAR与光学影像的配准。
在基于不变特征的配准方法中，Lowe在2004年提出了SIFT算法，该算法具有旋转、缩放及仿射不变性，对噪声及视角变换具有一定的稳定性。部分学者对SIFT算法进行了改进并应用于光学与SAR影像的配准中，但结果仍然不太稳定，或不能广泛适用于分辨率差异较大的星载光学和SAR遥感影像。
发明内容
本发明所要解决的技术问题是：针对现有技术存在的问题，提供一种光学与SAR影像配准方法、设备及存储介质。
本发明采用的技术方案如下：
一种基于改进SIFT的光学与SAR影像配准方法包括：
光学和SAR影像进行预处理；
利用经典SIFT算法分别获取光学和SAR影像的关键点，并设置关键点的主方向值；
利用经典SIFT算法分别对所述光学和SAR影像的关键点进行描述符生成；
对已生成的光学和SAR影像关键点的描述符分别进行幅值增强处理；
用归一化互相关系数作为相似性测度，对幅值增强后的光学和SAR影像关键点的描述符进行匹配，获取初始匹配点。
进一步的，所述的方法还包括基于角度约束和尺度约束提纯法优化初始匹
配点，采用以下三种优化方法之一优化：
优化方法1：采用尺度约束提纯法优化；
优化方法2：先采用角度约束提纯法优化，然后采用尺度约束提纯法优化；
优化方法3：先采用尺度约束提纯法优化，然后采用角度约束提纯法优化。
进一步的，所述角度约束提纯法具体过程是：
根据初始匹配点的同名特征点(li,rj)的视差(dx、dy)构建角度特征并以角度特征为聚类特征，建立角度特征空间，通过k-均值聚类分析，即可对所述初始匹配点进行误匹配剔除。
进一步的，所述尺度约束提纯法具体过程是：
计算到初始匹配点的每对同名特征点(li,rj)，定义每对同名特征点之间的尺度比为：
其中li,rj分别对应光学的同名特征点、SAR影像数据的同名特征点；σi和σj分别表示每对同名特征点的尺度，i＝1,2,...,m；j＝1,2,...,n；
令为所有匹配对尺度比的平均值，将上式改写为：其中，W表示尺度约束阈值，通常取值0.1～1。
利用上式，对所述初始匹配点中不满足尺度约束准则的初始匹配点对进行剔除，进行初始匹配点优化。
进一步的，所述幅值增强公式为：
其中，Q＝{q1,q2,...,q128}表示特征描述符128维的幅值强度；T表示设定阈值，通常取值0.2～1；i取值范围为1～128。
进一步的，所述预处理包括：
获取同一地区的经过系统几何校正的星载光学和SAR影像；
利用DEM数据对SAR影像进行地形补偿修正；
利用光学和SAR影像空间参考中的地理坐标，建立影像之间的几何关系，构造粗校正模型，进行粗纠正。
一种基于改进SIFT算法的光学与SAR影像配准设备包括处理器，适于实
现各指令；以及存储设备，适于存储多条指令，所述指令适于由处理器加
载并执行上述任意一项所述的方法。
一种存储介质，其中存储有多条指令，所述指令适用于由处理器加载并执行上述任意一项所述的方法的步骤。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
(1)同时采用DEM数据和影像间几何关系对SAR影像进行纠正，削弱了SAR影像与光学影像的差异，提供了良好的匹配条件；
(2)对生成的特征点描述符进行幅值增强处理，增强特征描述符的独特性，提高了匹配正确率；
(4)利用角度约束、尺度约束双重过滤方法，优化了匹配结果，确保了匹配结果准确性。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1本发明一实施例流程图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
如图1，方法一：本发明实现方法包括：
步骤(1)获取同一地区的经过系统几何校正的星载光学和SAR影像；
步骤(2)利用DEM数据对SAR影像进行地形补偿修正；
本步骤中采用的DEM数据为30米分辨率的ASTER GDEM数据，该数据可免费获取。
步骤(3)利用光学和SAR影像空间参考中的地理坐标，建立影像之间的几何关系，构造粗校正模型，进行粗纠正，从而消除光学和SAR影像间尺度、旋转差异；
步骤(4)利用经典SIFT算法分别获取光学和SAR影像的关键点；
由于SAR影像存在斑点噪声，从而使得在利用SIFT提取特征点时，部分噪声点也可能被作为特征点，而频阶越高的影像斑点平滑越好。因此，从第2阶开始进行特征点提取，可部分消除斑点噪声对特征点匹配的影响。
步骤(5)由于步骤(3)已进行影像粗纠正，可认为提取的SIFT特征的主方向大体一致，从而为步骤(4)中提取的关键点设置1个统一的主方向值；
步骤(6)在特征主方向确定后，利用经典SIFT算法分别对步骤(4)中光学和SAR影像的关键点进行特征描述符生成；；
步骤(7)对已生成的光学和SAR影像关键点的特征描述符分别进行幅值增强处理；
幅值增强公式为：
其中，Q＝{q1,q2,...,q128}表示特征描述符128维的幅值强度；T表示设定阈值，通常取值0.2～1。
步骤(8)利用归一化互相关系数作为相似性测度，对幅值增强后的光学和SAR影像关键点的特征描述符进行匹配，获取初始匹配点。
方法二：在方法一基础上，进一步包括：
步骤(9)基于角度约束剔除误匹配；
具体为：步骤(3)的粗纠正已消除了影像间的旋转差异，可认为所有正确匹配点间的连线应趋于平行。从而根据初始匹配点的同名特征点(li,rj)的视差(dx、dy)构建角度特征并以角度特征为聚类特征，建立角度特征空间，通过k-均值聚类分析(正确匹配点间的角度特征θ大致相同，集中在最大的一类)，即可对步骤(8)的初始匹配结果进行误匹配剔除。
步骤(10)基于尺度约束剔除误匹配：
具体为：
步骤11：得到初始匹配点的每对同名特征点(li,rj)，定义每对同名特征点之间的尺度比为：
其中li,rj分别对应光学的同名特征点、SAR影像数据的同名特征点；σi和σ′j分别表示每对同名特征点的尺度，i＝1,2,...,m；j＝1,2,...,n。
步骤12：现有技术中，定义尺度约束准则(Scale Restriction，SR)，如下：
low_thr＜SR(li,rj)＜high_thr,
其中，(low_thr,high_thr)表示尺度约束的范围。
本专利中，令为所有匹配对尺度比的平均值，将上式改写为：
其中，W表示尺度约束阈值，通常取值0.1～1。
步骤13：利用上式，对步骤初始匹配点中不满足尺度约束准则的匹配点对进行剔除，从而实现初始匹配点的进一步优化。、
方法三：在方法一基础上，先进行步骤(10)处理，然后在进行步骤(9)处理。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (8)

1.一种基于改进SIFT的光学与SAR影像配准方法，其特征在于包括：
光学和SAR影像进行预处理；
利用经典SIFT算法分别获取光学和SAR影像的关键点，并设置关键点的主方向值；
利用经典SIFT算法分别对所述光学和SAR影像的关键点进行描述符生成；
对已生成的光学和SAR影像关键点的描述符分别进行幅值增强处理；
用归一化互相关系数作为相似性测度，对幅值增强后的光学和SAR影像关键点的描述符进行匹配，获取初始匹配点。
2.根据权利要求1所述的方法，其特征在于还包括基于角度约束和尺度约束提纯法优化初始匹配点，采用以下三种优化方法之一优化：
优化方法1：采用尺度约束提纯法优化；
优化方法2：先采用角度约束提纯法优化，然后采用尺度约束提纯法优化；
优化方法3：先采用尺度约束提纯法优化，然后采用角度约束提纯法优化。
3.根据权利要求2所述的方法，其特征在于所述角度约束提纯法具体过程是：
根据初始匹配点的同名特征点(li,rj)的视差(dx、dy)构建角度特征并以角度特征为聚类特征，建立角度特征空间，通过k-均值聚类分析，即可对所述初始匹配点进行误匹配剔除。
4.根据权利要求2所述的方法，其特征在于所述尺度约束提纯法具体过程是：
计算到初始匹配点的每对同名特征点(li,rj)，定义每对同名特征点之间的尺度比为：
其中li,rj分别对应光学的同名特征点、SAR影像数据的同名特征点；σi和σ′j分别表示每对同名特征点的尺度，i＝1,2,...,m；j＝1,2,...,n；
令为所有匹配对尺度比的平均值，将上式改写为：其中，W表示尺度约束阈值，通常取值0.1～1。
利用上式，对所述初始匹配点中不满足尺度约束准则的初始匹配点对进行剔除，进行初始匹配点优化。
5.根据权利要求1至4之一所述的方法，其特征在于所述幅值增强公式为：
Q＝{q1,q2,...,q128},
其中，Q＝{q1,q2,...,q128}表示特征描述符128维的幅值强度；T表示设定阈值，通常取值0.2～1。
6.根据权利要求5所述的方法，其特征在于所述预处理包括：
获取同一地区的经过系统几何校正的星载光学和SAR影像；
利用DEM数据对SAR影像进行地形补偿修正；
利用光学和SAR影像空间参考中的地理坐标，建立影像之间的几何关系，构造粗校正模型，进行粗纠正。
7.一种基于改进SIFT算法的光学与SAR影像配准设备，其特征在于包括处理器，适于实现各指令；以及存储设备，适于存储多条指令，所述指令适于由处理器加载并执行上述权利要求1至6任意一项所述的方法。
8.一种存储介质，其中存储有多条指令，所述指令适用于由处理器加载并执行如权利要求1至6任意一项所述的方法的步骤。
CN201810578661.0A 2018-06-07 2018-06-07 基于改进sift的光学与sar影像配准方法、设备及存储介质 Pending CN108921884A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810578661.0A CN108921884A (zh) 2018-06-07 2018-06-07 基于改进sift的光学与sar影像配准方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810578661.0A CN108921884A (zh) 2018-06-07 2018-06-07 基于改进sift的光学与sar影像配准方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN108921884A true CN108921884A (zh) 2018-11-30

Family

ID=64410008

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810578661.0A Pending CN108921884A (zh) 2018-06-07 2018-06-07 基于改进sift的光学与sar影像配准方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN108921884A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109712174A (zh) * 2018-12-25 2019-05-03 湖南大学 一种复杂异形曲面机器人三维测量的点云误配准滤除方法及系统
CN111638518A (zh) * 2020-06-16 2020-09-08 山东产研卫星信息技术产业研究院有限公司 基于去调频的滑动聚束模式sar成像处理方法及装置
CN112433213A (zh) * 2020-10-21 2021-03-02 中国电子科技集团公司第二十九研究所 一种sar干涉测量结果与光学影像位置偏移综合纠正方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2549434A2 (fr) * 2011-07-22 2013-01-23 Thales Procede de modelisation de batiments a partir d'une image georeferencee
CN103514606A (zh) * 2013-10-14 2014-01-15 武汉大学 一种异源遥感影像配准方法
CN103839265A (zh) * 2014-02-26 2014-06-04 西安电子科技大学 基于sift和归一化互信息的sar图像配准方法
CN103914847A (zh) * 2014-04-10 2014-07-09 西安电子科技大学 基于相位一致性和sift的sar图像配准方法
CN104268875A (zh) * 2014-09-26 2015-01-07 西安电子科技大学 基于比值相关函数的sar图像配准方法
CN105930848A (zh) * 2016-04-08 2016-09-07 西安电子科技大学 基于sar-sift特征的sar图像目标识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2549434A2 (fr) * 2011-07-22 2013-01-23 Thales Procede de modelisation de batiments a partir d'une image georeferencee
CN103514606A (zh) * 2013-10-14 2014-01-15 武汉大学 一种异源遥感影像配准方法
CN103839265A (zh) * 2014-02-26 2014-06-04 西安电子科技大学 基于sift和归一化互信息的sar图像配准方法
CN103914847A (zh) * 2014-04-10 2014-07-09 西安电子科技大学 基于相位一致性和sift的sar图像配准方法
CN104268875A (zh) * 2014-09-26 2015-01-07 西安电子科技大学 基于比值相关函数的sar图像配准方法
CN105930848A (zh) * 2016-04-08 2016-09-07 西安电子科技大学 基于sar-sift特征的sar图像目标识别方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
YUMING XIANG 等: "An Automatic and Novel SAR Image Registration Algorithm:A Case Study of the Chinese GF-3 Satellite", 《SENSORS》 *
岳春宇 等: "几何约束和改进SIFT的SAR影像和光学影像自动配准方法", 《测绘学报》 *
林育斌: "基于计算机视觉的三维重建技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
纪华: "《中国博士学位论文全文数据库信息科技辑》", 《中国博士学位论文全文数据库信息科技辑》 *
纪华: "仿射不变特征提取及其在景象匹配中的应用", 《中国博士学位论文全文数据库信息科技辑》 *
赵明 等: "基于改进SIFT特征的红外与可见光图像配准方法", 《光电工程》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109712174A (zh) * 2018-12-25 2019-05-03 湖南大学 一种复杂异形曲面机器人三维测量的点云误配准滤除方法及系统
CN111638518A (zh) * 2020-06-16 2020-09-08 山东产研卫星信息技术产业研究院有限公司 基于去调频的滑动聚束模式sar成像处理方法及装置
CN111638518B (zh) * 2020-06-16 2022-05-20 山东产研卫星信息技术产业研究院有限公司 基于去调频的滑动聚束模式sar成像处理方法及装置
CN112433213A (zh) * 2020-10-21 2021-03-02 中国电子科技集团公司第二十九研究所 一种sar干涉测量结果与光学影像位置偏移综合纠正方法
CN112433213B (zh) * 2020-10-21 2023-05-23 中国电子科技集团公司第二十九研究所 一种sar干涉测量结果与光学影像位置偏移综合纠正方法

Similar Documents

Publication Publication Date Title
CN110097093B (zh) 一种异源图像精确匹配方法
CN104574347B (zh) 基于多源遥感数据的在轨卫星图像几何定位精度评价方法
CN104599258B (zh) 一种基于各向异性特征描述符的图像拼接方法
CN104200461B (zh) 基于互信息图像选块和sift特征的遥感图像配准方法
CN109146948A (zh) 基于视觉的作物长势表型参数量化与产量相关性分析方法
CN108428220B (zh) 静止轨道卫星序列遥感影像海岛礁区域自动几何校正方法
CN110728706B (zh) 基于深度学习的sar图像精细配准方法
CN107274380B (zh) 一种无人机多光谱影像快速拼接方法
CN106296717B (zh) 多波段sar图像匹配目标定位方法
CN103400388A (zh) 一种利用RANSAC消除Brisk关键点错误匹配点对的方法
CN108921884A (zh) 基于改进sift的光学与sar影像配准方法、设备及存储介质
Shi et al. A visual circle based image registration algorithm for optical and SAR imagery
CN110084743B (zh) 基于多航带起始航迹约束的图像拼接与定位方法
CN107729893A (zh) 一种合模机的视觉定位方法、系统和存储介质
CN109523585A (zh) 一种基于方向相位一致性的多源遥感影像特征匹配方法
CN108647580A (zh) 基于改进sift引导isar图像特征点提取匹配方法
CN113065467A (zh) 一种基于深度学习的卫星图像低相干区域识别方法及装置
CN115331029A (zh) 基于跨模态转换网络与最优传输理论的异源图像匹配方法
CN116664892A (zh) 基于交叉注意与可形变卷积的多时相遥感图像配准方法
CN110390338A (zh) 一种基于非线性引导滤波与比率梯度的sar高精度匹配方法
CN117710711B (zh) 一种基于轻量化深度卷积网络的光学和sar图像匹配方法
CN118314167A (zh) 基于多通道和残差注意力机制的无监督医学图像配准方法及系统
CN112184785B (zh) 基于mcd度量和vtm的多模态遥感图像配准方法
Wang et al. A Robust Multispectral Point Cloud Generation Method Based on 3D Reconstruction from Multispectral Images
CN109726679B (zh) 一种遥感分类误差空间分布制图方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181130