CN110097585A - 一种基于sift算法的sar影像匹配方法及系统 - Google Patents

Abstract

本发明公开了一种基于SIFT算法的SAR影像匹配方法及系统。该方法包括：对基准SAR影像和待配准SAR影像进行特征匹配；计算当前迭代次数下当前匹配点对集合中每个匹配点对的质量因子，并对当前匹配点对集合进行划分，得到多个匹配点对组；计算组质量因子，依据组质量因子确定质量最优组；计算第一单应性矩阵；将集合中除最优匹配点对之外的匹配点对根据第一单应性矩阵投影到基准SAR影像中；计算每个待配准特征点与对应的投影点的误差值；依据误差值确定内点的个数；判断内点的个数是否大于预设个数，若是，计算第二单应性矩阵，进而得到配准后的图像；若否，则继续迭代，直到达到最大迭代次数。本发明能够提高SAR影像的配准效率。

Description

一种基于SIFT算法的SAR影像匹配方法及系统

技术领域

本发明涉及图像匹配技术领域，特别是涉及一种基于SIFT算法的SAR影像匹配方法及系统。

背景技术

上个世纪中期，合成孔径雷达(Synthetic Aperture Radar,SAR)理论首次被提出，经过美国Sherwin等专家在伊利诺伊大学的控制系统实验室对此理论反复试验后证实。合成孔径雷达技术对于传统的雷达技术来说拥有更多的优势，它不仅包含了原来雷达的基础理念，同时还体现了其自身的优越性，使得合成孔径雷达技术的应用和发展拥有很好的前景。随着现代技术的发展，合成孔径雷达技术已成为了在侦查、气象灾害等方面被广泛应用的技术之一，并不断地被发掘出新的用途。

图像配准的概念最早出现在美国的军事应用领域，图像配准概念并不是应用于雷达图像领域，它是在研究导弹被提及的。随着图像配准技术在军事领域方面的进步，该技术逐渐地应用于人们的生活当中。图像配准是对不同条件下对同一区域拍摄的图像进行寻找最佳匹配的处理过程，图像配准在计算机图形学领域具有非常重要的地位，目前该技术已经在遥感、医学图像分析、制图学和模式识别等领域得到了很好的实践结果。尤其是在合成孔径雷达和遥感领域中，图像配准技术具有着不可替代的地位。

随着成像技术的发展，获取图像的品质也有了很大的改观，与传统的红外与可见光等类别的传感器相比，SAR图像的特点更加突出，不仅包含了原有雷达所成图像包含的优良性能，而且它具有穿透能力超强的特性，如此的特性使得它拥有了远距离检测目标的优势。SAR图像也有局限性，主要体现在SAR载体和它成像的设备容易造成SAR所成图像的片面性，不能完全的包含所有的目标区域。正是因为有这样的一种局限性存在，图像的配准和融合技术经常用于SAR图像中，图像配准技术和融合技术可以为后期的目标检测、事故跟踪等识别工作提供基础数据，这就体现SAR图像配准技术的重要性。

然而，随着合成孔径雷达技术的发展，该技术对SAR影像的配准要求越来越高，针对于SAR影像配准所产生的稳定性差、错误匹配点多等问题，绝大多数学者都采用传统基于RANSAC改进SIFT的SAR影像配准算法解决该问题，该算法稳定性差，运行时间长，大大地增加了SAR影像配准的困难，由于该算法的局限性，往往造成SAR影像配准效率低。

发明内容

基于此，有必要提供一种基于SIFT算法的SAR影像匹配方法及系统，以提高SAR影像的配准效率。

为实现上述目的，本发明提供了如下方案：

一种基于SIFT算法的SAR影像匹配方法，包括：

获取基准SAR影像和待配准SAR影像；

对所述基准SAR影像和所述待配准SAR影像进行特征匹配，得到匹配点对集合；所述匹配点对集合包括多个匹配点对；每个所述匹配点对均包括一个待配准特征点和一个基准特征点；

计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子，并依据所述质量因子对当前匹配点对集合进行划分，得到多个匹配点对组；

计算组质量因子，并依据所述组质量因子确定质量最优组；所述组质量因子为所述匹配点对组对应的质量因子；所述质量最优组是由最优匹配点对构成的；所述最优匹配点对为最大组质量因子对应的匹配点对组中的匹配点对；

计算第一单应性矩阵；所述第一单应性矩阵是依据所述质量最优组中的匹配点对计算得到的单应性矩阵；

将所述匹配点对集合中除最优匹配点对之外的匹配点对构成的集合确定为第二匹配点对集合；

依据所述第一单应性矩阵，将所述第二匹配点对集合中的待配准特征点投影到所述基准SAR影像中，得到多个投影点；

计算所述第二匹配点对集合中每个待配准特征点与对应的投影点的误差值；

依据所述误差值判断所述第二匹配点对集合中待配准特征点的所属类型，并统计所述第二匹配点对集合中内点的个数；所述所属类型包括内点和外点；

判断所述内点的个数是否大于预设个数，得到第一判断结果；

若所述第一判断结果为所述内点的个数大于预设个数，则计算第二单应性矩阵，并依据所述第二单应性矩阵得到配准后的图像；所述第二单应性矩阵是依据所有所述内点对应的匹配点对计算得到的；

若所述第一判断结果为所述内点的个数小于或等于预设个数，则将所述匹配点对集合中被确定为外点的待配准特征点和与所述外点对应的基准特征点删除，得到更新后的匹配点对集合，并判断当前迭代次数t是否小于最大迭代次数T，得到第二判断结果；

若所述第二判断结果为当前迭代次数t小于最大迭代次数T，则令t＝t+1，并将更新后的匹配点对集合作为当前匹配点对集合，返回所述计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子，并依据所述质量因子对当前匹配点对集合进行划分，得到多个匹配点对组；

若所述第二判断结果为当前迭代次数t等于最大迭代次数T，则结束。

可选的，所述对所述基准SAR影像和所述待配准SAR影像进行特征匹配，得到匹配点对集合，具体包括：

采用SFIT算法对所述待配准SAR影像进行特征点检测，得到待配准特征点集；

采用SFIT算法对所述基准SAR影像进行特征点检测，得到基准特征点集；

采用距离计算方法对所述待配准特征点集与所述基准特征点集进行特征匹配，得到匹配点对集合。

可选的，所述计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子，并依据所述质量因子对当前匹配点对集合进行划分，得到多个匹配点对组，具体包括：

计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子；

将所述质量因子按照降序进行排列，得到质量因子序列；

选取所述质量因子序列中前n个质量因子，并确定匹配点对序列；所述匹配点对序列是将前n个质量因子对应的匹配点对按照对应的质量因子降序排列形成的；

对所述匹配点对序列按照每连续p个匹配点对为一组进行划分，得到多个匹配点对组；其中4≤p≤n。

可选的，所述依据所述误差值判断所述第二匹配点对集合中待配准特征点的所属类型，并统计所述第二匹配点对集合中内点的个数，具体包括：

判断所述误差值是否小于预设误差门限值，得到第三判断结果；

若所述第三判断结果为所述误差值小于预设误差门限值，则将所述误差值对应的待配准特征点确定为内点；

若所述第三判断结果为所述误差值大于或等于预设误差门限值，则将所述误差值对应的待配准特征点确定为外点；

统计所述内点的个数。

可选的，所述采用距离计算方法对所述待配准特征点集与所述基准特征点集进行特征匹配，得到匹配点对集合，具体包括：

计算所述待配准特征点集中每个待配准特征点与所述基准特征点集中各个基准特征点的欧氏距离；每个待配准特征点对应多个欧氏距离；

选取每个所述待配准特征点对应的最近邻欧氏距离与次近邻欧氏距离；

判断每个所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值是否小于或等于预设阈值；

若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值小于或等于预设阈值，则将所述最近邻欧氏距离对应的待配准特征点和基准特征点确定为匹配点对；

若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值大于预设阈值，则匹配失败；

依据所有的匹配点对确定匹配点对集合。

本发明还提供了一种基于SIFT算法的SAR影像匹配系统，包括：

图像获取模块，用于获取基准SAR影像和待配准SAR影像；

特征匹配模块，用于对所述基准SAR影像和所述待配准SAR影像进行特征匹配，得到匹配点对集合；所述匹配点对集合包括多个匹配点对；每个所述匹配点对均包括一个待配准特征点和一个基准特征点；

划分模块，用于计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子，并依据所述质量因子对当前匹配点对集合进行划分，得到多个匹配点对组；

质量最优组确定模块，用于计算组质量因子，并依据所述组质量因子确定质量最优组；所述组质量因子为所述匹配点对组对应的质量因子；所述质量最优组是由最优匹配点对构成的；所述最优匹配点对为最大组质量因子对应的匹配点对组中的匹配点对；

第一矩阵计算模块，用于计算第一单应性矩阵；所述第一单应性矩阵是依据所述质量最优组中的匹配点对计算得到的单应性矩阵；

第一确定模块，用于将所述匹配点对集合中除最优匹配点对之外的匹配点对构成的集合确定为第二匹配点对集合；

投影模块，用于依据所述第一单应性矩阵，将所述第二匹配点对集合中的待配准特征点投影到所述基准SAR影像中，得到多个投影点；

误差计算模块，用于计算所述第二匹配点对集合中每个待配准特征点与对应的投影点的误差值；

内点统计模块，用于依据所述误差值判断所述第二匹配点对集合中待配准特征点的所属类型，并统计所述第二匹配点对集合中内点的个数；所述所属类型包括内点和外点；

第一判断模块，用于判断所述内点的个数是否大于预设个数，得到第一判断结果；

配准模块，用于若所述第一判断结果为所述内点的个数大于预设个数，则计算第二单应性矩阵，并依据所述第二单应性矩阵得到配准后的图像；所述第二单应性矩阵是依据所有所述内点对应的匹配点对计算得到的；

第二判断模块，用于若所述第一判断结果为所述内点的个数小于或等于预设个数，则将所述匹配点对集合中被确定为外点的待配准特征点和与所述外点对应的基准特征点删除，得到更新后的匹配点对集合，并判断当前迭代次数t是否小于最大迭代次数T，得到第二判断结果；

迭代模块，用于若所述第二判断结果为当前迭代次数t小于最大迭代次数T，则令t＝t+1，并将更新后的匹配点对集合作为当前匹配点对集合，返回所述划分模块；

迭代终止模块，用于若所述第二判断结果为当前迭代次数t等于最大迭代次数T，则结束。

可选的，所述特征匹配模块，具体包括：

第一检测单元，用于采用SFIT算法对所述待配准SAR影像进行特征点检测，得到待配准特征点集；

第二检测单元，用于采用SFIT算法对所述基准SAR影像进行特征点检测，得到基准特征点集；

特征匹配单元，用于采用距离计算方法对所述待配准特征点集与所述基准特征点集进行特征匹配，得到匹配点对集合。

可选的，所述划分模块，具体包括：

质量因子计算单元，用于计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子；

排序单元，用于将所述质量因子按照降序进行排列，得到质量因子序列；

序列确定单元，用于选取所述质量因子序列中前n个质量因子，并确定匹配点对序列；所述匹配点对序列是将前n个质量因子对应的匹配点对按照对应的质量因子降序排列形成的；

划分单元，用于对所述匹配点对序列按照每连续p个匹配点对为一组进行划分，得到多个匹配点对组；其中4≤p≤n。

可选的，所述内点统计模块，具体包括：

判断单元，用于判断所述误差值是否小于预设误差门限值，得到第三判断结果；

内点确定单元，用于若所述第三判断结果为所述误差值小于预设误差门限值，则将所述误差值对应的待配准特征点确定为内点；

外点确定单元，用于若所述第三判断结果为所述误差值大于或等于预设误差门限值，则将所述误差值对应的待配准特征点确定为外点；

个数统计单元，用于统计所述内点的个数。

可选的，所述特征匹配单元，具体包括：

欧氏距离计算子单元，用于计算所述待配准特征点集中每个待配准特征点与所述基准特征点集中各个基准特征点的欧氏距离；每个待配准特征点对应多个欧氏距离；

距离选取子单元，用于选取每个所述待配准特征点对应的最近邻欧氏距离与次近邻欧氏距离；

判断子单元，用于判断每个所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值是否小于或等于预设阈值；

匹配点对确定子单元，用于若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值小于或等于预设阈值，则将所述最近邻欧氏距离对应的待配准特征点和基准特征点确定为匹配点对；若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值大于预设阈值，则匹配失败；

集合确定子单元，用于依据所有的匹配点对确定匹配点对集合。

与现有技术相比，本发明的有益效果是：

本发明提出了一种基于SIFT算法的SAR影像匹配方法及系统。该方法包括：对基准SAR影像和待配准SAR影像进行特征匹配；计算当前迭代次数下当前匹配点对集合中每个匹配点对的质量因子，并对当前匹配点对集合进行划分，得到多个匹配点对组；计算组质量因子，依据组质量因子确定质量最优组；计算第一单应性矩阵；将集合中除最优匹配点对之外的匹配点对根据第一单应性矩阵投影到基准SAR影像中；计算每个待配准特征点与对应的投影点的误差值；依据误差值确定内点的个数；判断内点的个数是否大于预设个数，若是，计算第二单应性矩阵，进而得到配准后的图像；若否，则继续迭代，直到达到最大迭代次数。本发明引入质量因子对顺序抽样一致性算法进行优化，提高了SAR影像的配准效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一种基于SIFT算法的SAR影像匹配方法的流程图；

图2为本发明实施例对基于SIFT算法的SAR影像匹配方法进行验证的结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例一种基于SIFT算法的SAR影像匹配方法的流程图。

参见图1，实施例的基于SIFT算法的SAR影像匹配方法，包括：

步骤S1：获取基准SAR影像和待配准SAR影像。

步骤S2：对所述基准SAR影像和所述待配准SAR影像进行特征匹配，得到匹配点对集合。

所述匹配点对集合包括多个匹配点对；每个所述匹配点对均包括一个待配准特征点和一个基准特征点。

所述步骤S2，具体包括：

采用SFIT算法对所述待配准SAR影像进行特征点检测，得到待配准特征点集；采用SFIT算法对所述基准SAR影像进行特征点检测，得到基准特征点集；采用距离计算方法对所述待配准特征点集与所述基准特征点集进行特征匹配，得到匹配点对集合。

其中，所述采用距离计算方法对所述待配准特征点集与所述基准特征点集进行特征匹配，得到匹配点对集合，具体包括：

计算所述待配准特征点集中每个待配准特征点与所述基准特征点集中各个基准特征点的欧氏距离；每个待配准特征点对应多个欧氏距离；选取每个所述待配准特征点对应的最近邻欧氏距离与次近邻欧氏距离；判断每个所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值是否小于或等于预设阈值；若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值小于或等于预设阈值，则将所述最近邻欧氏距离对应的待配准特征点和基准特征点确定为匹配点对；若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值大于预设阈值，则匹配失败；最终依据所有的匹配点对确定匹配点对集合。本实施例中，所述预设阈值的取值范围为0.6-0.8，优选的，所述预设阈值的取值为0.8。

步骤S3：计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子，并依据所述质量因子对当前匹配点对集合进行划分，得到多个匹配点对组。具体的计算公式如下：

其中，λ表示质量因子，β表示欧氏距离的比值，即待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值，d_min表示待配准特征点对应的最近欧式距离。

所述步骤S3，具体包括：

计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子；将所述质量因子按照降序进行排列，得到质量因子序列；选取所述质量因子序列中前n个质量因子，并确定匹配点对序列，所述匹配点对序列是将前n个质量因子对应的匹配点对按照对应的质量因子降序排列形成的；对所述匹配点对序列按照每连续p个匹配点对为一组进行划分，得到多个匹配点对组；其中4≤p≤n。由于计算单应性矩阵时至少需要四个点，因此，4≤p≤n。

步骤S4：计算组质量因子，并依据所述组质量因子确定质量最优组。

所述组质量因子为所述匹配点对组对应的质量因子；所述匹配点对组对应的质量因子为所述匹配点对组中p个匹配点对的质量因子之和。

将最大组质量因子对应的匹配点对组确定为质量最优组；所述质量最优组是由最优匹配点对构成的；所述最优匹配点对为最大组质量因子对应的匹配点对组中的匹配点对。

步骤S5：计算第一单应性矩阵。

所述第一单应性矩阵是依据所述质量最优组中的匹配点对计算得到的单应性矩阵。

步骤S6：将所述匹配点对集合中除最优匹配点对之外的匹配点对构成的集合确定为第二匹配点对集合。

步骤S7：依据所述第一单应性矩阵，将所述第二匹配点对集合中的待配准特征点投影到所述基准SAR影像中，得到多个投影点。

步骤S8：计算所述第二匹配点对集合中每个待配准特征点与对应的投影点的误差值。

步骤S9：依据所述误差值判断所述第二匹配点对集合中待配准特征点的所属类型，并统计所述第二匹配点对集合中内点的个数。

所述所属类型包括内点和外点。

所述步骤S9，具体包括：

判断所述误差值是否小于预设误差门限值，得到第三判断结果；若所述第三判断结果为所述误差值小于预设误差门限值，则将所述误差值对应的待配准特征点确定为内点；若所述第三判断结果为所述误差值大于或等于预设误差门限值，则将所述误差值对应的待配准特征点确定为外点；统计所述内点的个数。

步骤S10：判断所述内点的个数是否大于预设个数，得到第一判断结果。

若所述第一判断结果为所述内点的个数大于预设个数，则执行步骤S11，若所述第一判断结果为所述内点的个数小于或等于预设个数，则执行步骤S12。

步骤S11：计算第二单应性矩阵，并依据所述第二单应性矩阵得到配准后的图像。

所述第二单应性矩阵是依据所有所述内点对应的匹配点对计算得到的。

步骤S12：将所述匹配点对集合中被确定为外点的待配准特征点和与所述外点对应的基准特征点删除，得到更新后的匹配点对集合。

步骤S13：判断当前迭代次数t是否小于最大迭代次数T，得到第二判断结果。

若所述第二判断结果为当前迭代次数t小于最大迭代次数T，则执行步骤S14，若所述第二判断结果为当前迭代次数t等于最大迭代次数T，则结束迭代。

步骤S14：令t＝t+1，将更新后的匹配点对集合作为当前匹配点对集合，返回所述步骤S3。

本实施例中，单应性矩阵的计算公式为：

其中，为齐次坐标；h表示高度；表示图像上的点，由于图像是二维图像，因此图像中的点没有高度信息，故设为1；H表示单应性矩阵。

本实施例对上述基于SIFT算法的SAR影像匹配方法进行了验证，具体的，采用VS2017+OpenCv3.4.1，选取两幅SAR影像，一幅为待配准SAR影像，一幅为基准SAR影像，按照上面的步骤进行特征点提取、匹配，最终经过计算，得出待配准SAR影像检测出7752个特征点，基准SAR影像检测出8144个特征点，最终的匹配率为95％，匹配结果如图2所示。

本实施例的基于SIFT算法的SAR影像匹配方法，改变了传统的RANSAC改进SIFT的SAR影像配准算法的配准方式，跳过了传统的通过随机的方式进行数据采样的方法，先将一个质量因子引入样本集中的点，然后将样本集中的点先进行等级划分，继而选出等级较高的点进行模型估计。该方法可以有效地解决SAR影像配准中鲁棒性差，配准率低，错误匹配点多等问题，实现了高效率的SAR影像配准方法，对计算机图形学领域有着十分重要的意义。

本发明还提供了一种基于SIFT算法的SAR影像匹配系统，包括：

图像获取模块，用于获取基准SAR影像和待配准SAR影像。

特征匹配模块，用于对所述基准SAR影像和所述待配准SAR影像进行特征匹配，得到匹配点对集合；所述匹配点对集合包括多个匹配点对；每个所述匹配点对均包括一个待配准特征点和一个基准特征点。

划分模块，用于计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子，并依据所述质量因子对当前匹配点对集合进行划分，得到多个匹配点对组。

质量最优组确定模块，用于计算组质量因子，并依据所述组质量因子确定质量最优组；所述组质量因子为所述匹配点对组对应的质量因子；所述质量最优组是由最优匹配点对构成的；所述最优匹配点对为最大组质量因子对应的匹配点对组中的匹配点对。

第一矩阵计算模块，用于计算第一单应性矩阵；所述第一单应性矩阵是依据所述质量最优组中的匹配点对计算得到的单应性矩阵。

第一确定模块，用于将所述匹配点对集合中除最优匹配点对之外的匹配点对构成的集合确定为第二匹配点对集合。

投影模块，用于依据所述第一单应性矩阵，将所述第二匹配点对集合中的待配准特征点投影到所述基准SAR影像中，得到多个投影点。

误差计算模块，用于计算所述第二匹配点对集合中每个待配准特征点与对应的投影点的误差值。

内点统计模块，用于依据所述误差值判断所述第二匹配点对集合中待配准特征点的所属类型，并统计所述第二匹配点对集合中内点的个数；所述所属类型包括内点和外点。

第一判断模块，用于判断所述内点的个数是否大于预设个数，得到第一判断结果。

配准模块，用于若所述第一判断结果为所述内点的个数大于预设个数，则计算第二单应性矩阵，并依据所述第二单应性矩阵得到配准后的图像；所述第二单应性矩阵是依据所有所述内点对应的匹配点对计算得到的。

第二判断模块，用于若所述第一判断结果为所述内点的个数小于或等于预设个数，则将所述匹配点对集合中被确定为外点的待配准特征点和与所述外点对应的基准特征点删除，得到更新后的匹配点对集合，并判断当前迭代次数t是否小于最大迭代次数T，得到第二判断结果。

迭代模块，用于若所述第二判断结果为当前迭代次数t小于最大迭代次数T，则令t＝t+1，并将更新后的匹配点对集合作为当前匹配点对集合，返回所述划分模块。

迭代终止模块，用于若所述第二判断结果为当前迭代次数t等于最大迭代次数T，则结束。

作为一种可选的实施方式，所述特征匹配模块，具体包括：

第一检测单元，用于采用SFIT算法对所述待配准SAR影像进行特征点检测，得到待配准特征点集。

第二检测单元，用于采用SFIT算法对所述基准SAR影像进行特征点检测，得到基准特征点集。

特征匹配单元，用于采用距离计算方法对所述待配准特征点集与所述基准特征点集进行特征匹配，得到匹配点对集合。

作为一种可选的实施方式，所述划分模块，具体包括：

质量因子计算单元，用于计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子。

排序单元，用于将所述质量因子按照降序进行排列，得到质量因子序列。

序列确定单元，用于选取所述质量因子序列中前n个质量因子，并确定匹配点对序列；所述匹配点对序列是将前n个质量因子对应的匹配点对按照对应的质量因子降序排列形成的。

划分单元，用于对所述匹配点对序列按照每连续p个匹配点对为一组进行划分，得到多个匹配点对组；其中4≤p≤n。

作为一种可选的实施方式，所述内点统计模块，具体包括：

判断单元，用于判断所述误差值是否小于预设误差门限值，得到第三判断结果。

内点确定单元，用于若所述第三判断结果为所述误差值小于预设误差门限值，则将所述误差值对应的待配准特征点确定为内点。

外点确定单元，用于若所述第三判断结果为所述误差值大于或等于预设误差门限值，则将所述误差值对应的待配准特征点确定为外点。

个数统计单元，用于统计所述内点的个数。

作为一种可选的实施方式，所述特征匹配单元，具体包括：

欧氏距离计算子单元，用于计算所述待配准特征点集中每个待配准特征点与所述基准特征点集中各个基准特征点的欧氏距离；每个待配准特征点对应多个欧氏距离。

距离选取子单元，用于选取每个所述待配准特征点对应的最近邻欧氏距离与次近邻欧氏距离。

判断子单元，用于判断每个所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值是否小于或等于预设阈值。

匹配点对确定子单元，用于若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值小于或等于预设阈值，则将所述最近邻欧氏距离对应的待配准特征点和基准特征点确定为匹配点对；若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值大于预设阈值，则匹配失败。

集合确定子单元，用于依据所有的匹配点对确定匹配点对集合。

本实施例的基于SIFT算法的SAR影像匹配系统，改可以有效地解决SAR影像配准中鲁棒性差，配准率低，错误匹配点多等问题，实现了高效率的SAR影像配准方法，对计算机图形学领域有着十分重要的意义。

对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于SIFT算法的SAR影像匹配方法，其特征在于，包括：

获取基准SAR影像和待配准SAR影像；

对所述基准SAR影像和所述待配准SAR影像进行特征匹配，得到匹配点对集合；所述匹配点对集合包括多个匹配点对；每个所述匹配点对均包括一个待配准特征点和一个基准特征点；

计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子，并依据所述质量因子对当前匹配点对集合进行划分，得到多个匹配点对组；

计算组质量因子，并依据所述组质量因子确定质量最优组；所述组质量因子为所述匹配点对组对应的质量因子；所述质量最优组是由最优匹配点对构成的；所述最优匹配点对为最大组质量因子对应的匹配点对组中的匹配点对；

计算第一单应性矩阵；所述第一单应性矩阵是依据所述质量最优组中的匹配点对计算得到的单应性矩阵；

将所述匹配点对集合中除最优匹配点对之外的匹配点对构成的集合确定为第二匹配点对集合；

依据所述第一单应性矩阵，将所述第二匹配点对集合中的待配准特征点投影到所述基准SAR影像中，得到多个投影点；

计算所述第二匹配点对集合中每个待配准特征点与对应的投影点的误差值；

依据所述误差值判断所述第二匹配点对集合中待配准特征点的所属类型，并统计所述第二匹配点对集合中内点的个数；所述所属类型包括内点和外点；

判断所述内点的个数是否大于预设个数，得到第一判断结果；

若所述第一判断结果为所述内点的个数大于预设个数，则计算第二单应性矩阵，并依据所述第二单应性矩阵得到配准后的图像；所述第二单应性矩阵是依据所有所述内点对应的匹配点对计算得到的；

若所述第一判断结果为所述内点的个数小于或等于预设个数，则将所述匹配点对集合中被确定为外点的待配准特征点和与所述外点对应的基准特征点删除，得到更新后的匹配点对集合，并判断当前迭代次数t是否小于最大迭代次数T，得到第二判断结果；

若所述第二判断结果为当前迭代次数t小于最大迭代次数T，则令t＝t+1，并将更新后的匹配点对集合作为当前匹配点对集合，返回所述计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子，并依据所述质量因子对当前匹配点对集合进行划分，得到多个匹配点对组；

若所述第二判断结果为当前迭代次数t等于最大迭代次数T，则结束。

2.根据权利要求1所述的一种基于SIFT算法的SAR影像匹配方法，其特征在于，所述对所述基准SAR影像和所述待配准SAR影像进行特征匹配，得到匹配点对集合，具体包括：

采用SFIT算法对所述待配准SAR影像进行特征点检测，得到待配准特征点集；

采用SFIT算法对所述基准SAR影像进行特征点检测，得到基准特征点集；

采用距离计算方法对所述待配准特征点集与所述基准特征点集进行特征匹配，得到匹配点对集合。

3.根据权利要求1所述的一种基于SIFT算法的SAR影像匹配方法，其特征在于，所述计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子，并依据所述质量因子对当前匹配点对集合进行划分，得到多个匹配点对组，具体包括：

计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子；

将所述质量因子按照降序进行排列，得到质量因子序列；

选取所述质量因子序列中前n个质量因子，并确定匹配点对序列；所述匹配点对序列是将前n个质量因子对应的匹配点对按照对应的质量因子降序排列形成的；

对所述匹配点对序列按照每连续p个匹配点对为一组进行划分，得到多个匹配点对组；其中4≤p≤n。

4.根据权利要求1所述的一种基于SIFT算法的SAR影像匹配方法，其特征在于，所述依据所述误差值判断所述第二匹配点对集合中待配准特征点的所属类型，并统计所述第二匹配点对集合中内点的个数，具体包括：

判断所述误差值是否小于预设误差门限值，得到第三判断结果；

若所述第三判断结果为所述误差值小于预设误差门限值，则将所述误差值对应的待配准特征点确定为内点；

若所述第三判断结果为所述误差值大于或等于预设误差门限值，则将所述误差值对应的待配准特征点确定为外点；

统计所述内点的个数。

5.根据权利要求2所述的一种基于SIFT算法的SAR影像匹配方法，其特征在于，所述采用距离计算方法对所述待配准特征点集与所述基准特征点集进行特征匹配，得到匹配点对集合，具体包括：

计算所述待配准特征点集中每个待配准特征点与所述基准特征点集中各个基准特征点的欧氏距离；每个待配准特征点对应多个欧氏距离；

选取每个所述待配准特征点对应的最近邻欧氏距离与次近邻欧氏距离；

判断每个所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值是否小于或等于预设阈值；

若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值小于或等于预设阈值，则将所述最近邻欧氏距离对应的待配准特征点和基准特征点确定为匹配点对；

若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值大于预设阈值，则匹配失败；

依据所有的匹配点对确定匹配点对集合。

6.一种基于SIFT算法的SAR影像匹配系统，其特征在于，包括：

图像获取模块，用于获取基准SAR影像和待配准SAR影像；

特征匹配模块，用于对所述基准SAR影像和所述待配准SAR影像进行特征匹配，得到匹配点对集合；所述匹配点对集合包括多个匹配点对；每个所述匹配点对均包括一个待配准特征点和一个基准特征点；

划分模块，用于计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子，并依据所述质量因子对当前匹配点对集合进行划分，得到多个匹配点对组；

质量最优组确定模块，用于计算组质量因子，并依据所述组质量因子确定质量最优组；所述组质量因子为所述匹配点对组对应的质量因子；所述质量最优组是由最优匹配点对构成的；所述最优匹配点对为最大组质量因子对应的匹配点对组中的匹配点对；

第一矩阵计算模块，用于计算第一单应性矩阵；所述第一单应性矩阵是依据所述质量最优组中的匹配点对计算得到的单应性矩阵；

第一确定模块，用于将所述匹配点对集合中除最优匹配点对之外的匹配点对构成的集合确定为第二匹配点对集合；

投影模块，用于依据所述第一单应性矩阵，将所述第二匹配点对集合中的待配准特征点投影到所述基准SAR影像中，得到多个投影点；

误差计算模块，用于计算所述第二匹配点对集合中每个待配准特征点与对应的投影点的误差值；

内点统计模块，用于依据所述误差值判断所述第二匹配点对集合中待配准特征点的所属类型，并统计所述第二匹配点对集合中内点的个数；所述所属类型包括内点和外点；

第一判断模块，用于判断所述内点的个数是否大于预设个数，得到第一判断结果；

配准模块，用于若所述第一判断结果为所述内点的个数大于预设个数，则计算第二单应性矩阵，并依据所述第二单应性矩阵得到配准后的图像；所述第二单应性矩阵是依据所有所述内点对应的匹配点对计算得到的；

第二判断模块，用于若所述第一判断结果为所述内点的个数小于或等于预设个数，则将所述匹配点对集合中被确定为外点的待配准特征点和与所述外点对应的基准特征点删除，得到更新后的匹配点对集合，并判断当前迭代次数t是否小于最大迭代次数T，得到第二判断结果；

迭代模块，用于若所述第二判断结果为当前迭代次数t小于最大迭代次数T，则令t＝t+1，并将更新后的匹配点对集合作为当前匹配点对集合，返回所述划分模块；

迭代终止模块，用于若所述第二判断结果为当前迭代次数t等于最大迭代次数T，则结束。

7.根据权利要求6所述的一种基于SIFT算法的SAR影像匹配系统，其特征在于，所述特征匹配模块，具体包括：

第一检测单元，用于采用SFIT算法对所述待配准SAR影像进行特征点检测，得到待配准特征点集；

第二检测单元，用于采用SFIT算法对所述基准SAR影像进行特征点检测，得到基准特征点集；

特征匹配单元，用于采用距离计算方法对所述待配准特征点集与所述基准特征点集进行特征匹配，得到匹配点对集合。

8.根据权利要求6所述的一种基于SIFT算法的SAR影像匹配系统，其特征在于，所述划分模块，具体包括：

质量因子计算单元，用于计算当前迭代次数t下，当前匹配点对集合中每个匹配点对的质量因子；

排序单元，用于将所述质量因子按照降序进行排列，得到质量因子序列；

序列确定单元，用于选取所述质量因子序列中前n个质量因子，并确定匹配点对序列；所述匹配点对序列是将前n个质量因子对应的匹配点对按照对应的质量因子降序排列形成的；

划分单元，用于对所述匹配点对序列按照每连续p个匹配点对为一组进行划分，得到多个匹配点对组；其中4≤p≤n。

9.根据权利要求6所述的一种基于SIFT算法的SAR影像匹配系统，其特征在于，所述内点统计模块，具体包括：

判断单元，用于判断所述误差值是否小于预设误差门限值，得到第三判断结果；

内点确定单元，用于若所述第三判断结果为所述误差值小于预设误差门限值，则将所述误差值对应的待配准特征点确定为内点；

外点确定单元，用于若所述第三判断结果为所述误差值大于或等于预设误差门限值，则将所述误差值对应的待配准特征点确定为外点；

个数统计单元，用于统计所述内点的个数。

10.根据权利要求7所述的一种基于SIFT算法的SAR影像匹配系统，其特征在于，所述特征匹配单元，具体包括：

欧氏距离计算子单元，用于计算所述待配准特征点集中每个待配准特征点与所述基准特征点集中各个基准特征点的欧氏距离；每个待配准特征点对应多个欧氏距离；

距离选取子单元，用于选取每个所述待配准特征点对应的最近邻欧氏距离与次近邻欧氏距离；

判断子单元，用于判断每个所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值是否小于或等于预设阈值；

匹配点对确定子单元，用于若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值小于或等于预设阈值，则将所述最近邻欧氏距离对应的待配准特征点和基准特征点确定为匹配点对；若所述待配准特征点对应的最近邻欧氏距离与对应的次近邻欧氏距离的比值大于预设阈值，则匹配失败；

集合确定子单元，用于依据所有的匹配点对确定匹配点对集合。