CN110163896A - Sar图像匹配方法 - Google Patents
Sar图像匹配方法 Download PDFInfo
- Publication number
- CN110163896A CN110163896A CN201910249329.4A CN201910249329A CN110163896A CN 110163896 A CN110163896 A CN 110163896A CN 201910249329 A CN201910249329 A CN 201910249329A CN 110163896 A CN110163896 A CN 110163896A
- Authority
- CN
- China
- Prior art keywords
- sar image
- image
- same place
- latitude
- longitude
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000008569 process Effects 0.000 title claims abstract description 23
- 239000013598 vector Substances 0.000 claims abstract description 19
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims abstract description 7
- 101100511466 Caenorhabditis elegans lon-1 gene Proteins 0.000 claims description 10
- 101150044140 Slc7a5 gene Proteins 0.000 claims description 10
- 101100021570 Caenorhabditis elegans lon-3 gene Proteins 0.000 claims description 8
- -1 Lon2 Proteins 0.000 claims description 8
- 101100454355 Rattus norvegicus Slc7a8 gene Proteins 0.000 claims description 8
- 101150095230 SLC7A8 gene Proteins 0.000 claims description 6
- 101150085091 lat-2 gene Proteins 0.000 claims description 6
- 238000013508 migration Methods 0.000 claims description 5
- 230000005012 migration Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000005314 correlation function Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 2
- 239000013604 expression vector Substances 0.000 claims 1
- 239000000284 extract Substances 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 238000003384 imaging method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000001427 coherent effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 101100117236 Drosophila melanogaster speck gene Proteins 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开的一种SAR图像匹配方法，旨在提供一种匹配精度高，匹配速度快，鲁棒性高的匹配方法。本发明通过下述技术方案予以实现：首先对待匹配的合成孔径雷达SAR图像进行正射校正；然后对SAR图像进行分块，根据每一小块SAR图像的经纬度坐标去基准图中提取一小块基准图，利用分块相关匹配算法对SAR图像进行分块相关匹配；再利用相关匹配方法初步提取同名点，通过提前制备的基准图像进行配准获得同名点，根据同名点的空间位置筛选同名点，去除错误的同名点；在同名点中寻找最匹配向量最集中的区域，利用筛选出来的同名点计算仿射矩阵，在匹配过程中采用快速傅氏变换FFT来加速计算完成SAR图像与基准图的匹配。
Description
技术领域
本发明涉及一种可以广泛地应用于资源调查、环境监测、灾情评估用的SAR图像处理方法，尤其是把SAR图像与事先制备好的基准图进行匹配的方法。
背景技术
合成孔径雷达(SAR)是一种工作于微波频段的主动成像雷达，SAR作为一种主动的成像系统，是现代微波遥感技术一个重大的进展。随着SAR成像技术的发展,要有效、及时地利用SAR图像,往往需要对SAR图像进行深入精细处理,SAR图像匹配技术就是一项根基技术。SAR图像匹配是指寻求SAR图像与事先制备好的基准图中像素点对应关系的过程，是SAR图像处理中的一项重要的基础技术，应用于各种场景中，例如匹配定位、图像拼接、三维重建和匹配识别等。图像匹配的质量直接关系到定位、拼接、三维重建和识别的效果。与其它相干成像系统类似，SAR也有其固有的缺点，如强斑点噪声，低信噪比等。SAR图像中存在相干斑噪声,噪声的存在会对图像匹配产生干扰。
SAR图像匹配方法主要分为基于灰度的匹配和基于特征的匹配。基于灰度的方法利用待匹配图像和基准图像的灰度相似性进行匹配，主要依据图像的灰度值分布，包括互信息法、归一化互相关(NCC)、互信息(MI)、聚类奖励法和交叉累计剩余熵法等。这些方法对SAR图像来说具有一定的鲁棒性，但计算量较大，并且当待匹配图像和基准图之间存在角度和尺度差异的情况下匹配效果较差。由于获取条件与成像机理不一样，不同SAR图像之问灰度有很大差异，因此灰度信息用来作为匹配的共性特征效果较差，而且计算量大、耗费时间长，不能满足在海量基准图像中进行匹配的需求。基于特征的方法不直接利用灰度相似性，而是利用特征相似性进行匹配，主要是利用图像间的共同特征，包括点特征、线特征和区域特征。提取共同的特征信息用以匹配。较之前种方法对于某些明显的视觉特征更稳定更快速。由于传感器成像差异而没有相对应的地物信息，还可能存在特征不明显不足以提取。不同SAR图像匹配必须考虑以下问题：SAR图像受斑点噪声影响较大，特征必须具备较强的抗噪性；两幅SAR图像由于成像条件不一致，导致相同地物之间存在变形、旋转以及缩放等问题，使得很多匹配算法难以适用。SIFT匹配算法对图像之间的旋转、尺度和光照变化具有一定的鲁棒性，得到了广泛的应用，很多学者基于SIFT算法进行了改进。然而，SIFT算法应用于SAR图像时，由于SAR图像不同于光学图像，特征点提取易受SAR图像固有的相干斑噪声影响，例如SAR图像中的亮斑可能被误检测为特征点，而真正的特征点却湮没在相干斑噪声中，所以鲁棒性欠缺。
发明内容
本发明的目的是针对SAR图像匹配技术难，SAR图像匹配中的虚假匹配和鲁棒性欠缺等问题，提出一种匹配精度高，匹配速度快，鲁棒性高的SAR图像匹配方法。
本发明实现上述目的方法步骤：首先对待匹配的SAR图像进行正射校正，通过正射校正来进行预处理消除SAR图像的旋转；然后对SAR图像进行分块，根据每一小块SAR图像的经纬度坐标去基准图中提取一小块基准图，利用分块相关匹配算法对SAR图像进行分块相关匹配；再利用相关匹配方法初步提取同名点，通过提前制备的基准图像进行配准获得同名点，根据同名点的空间位置筛选同名点，去除错误的同名点；在同名点中寻找最匹配向量最集中的区域，利用筛选出来的同名点计算仿射矩阵，在匹配过程中采用快速傅氏变换FFT来加速计算完成SAR图像与基准图的匹配。
本发明相比于现有技术具有如下有益技术效果：
(1)匹配精度高。本发明首先通过正射校正来进行预处理，然后利用相关匹配方法初步提取同名点，最后根据同名点的空间位置来筛选同名点，提高了同名点的质量，从而提高了匹配的精度。
(2)鲁棒性高。本发明首先通过正射校正来进行预处理消除SAR图像的旋转，然后利用相关匹配方法初步提取同名点，最后根据同名点的空间位置来筛选同名点，提高了SAR图像匹配的精度和鲁棒性。利用相关匹配方法初步提取同名点，通过提前制备的基准图像进行配准获得同名点，根据同名点的空间位置筛选同名点，去除错误的同名点，从整体上进行相关匹配，受SAR图像相干斑的影响较小，匹配结果比较可靠；区别于基于特征的匹配方法，，本发明匹配成功率比基于特征的匹配方法有很大提高。
(3)匹配速度快。本发明在同名点中寻找最匹配向量最集中的区域，利用筛选出来的同名点计算仿射矩阵，在匹配过程中采用快速傅氏变换FFT来加速计算完成SAR图像与基准图的匹配。由于在匹配过程中采用了FFT来加速计算，可以达到很高的运行速度。
附图说明
图1是本发明SAR图像匹配流程图。
图2是图1的正射校正的流程图。
下面通过具体的实施例并结合附图对本发明作进一步详细的描述。
具体实施方式
参阅图1。根据本发明，合成孔径雷达SAR图像匹配分为三个步骤：(1)对待匹配的SAR图像进行正射校正，消除SAR图像的旋转的正射校正；(2)利用分块相关匹配算法对SAR图像和提前制备的基准图像进行配准获得同名点；(3)对同名点进行筛选并计算仿射矩阵，完成SAR图像与基准图的匹配。
(1)正射校正。
参阅图2。对待匹配的合成孔径雷达SAR图像进行正射校正，是指把图像重采样到一个统一的经纬度坐标系中，可以消除合成孔径雷达SAR图像的旋转，为下一步相关匹配创造条件，可以理解为粗匹配，基准图通常采用经纬度坐标系，经过正射校正粗匹配，待匹配的合成孔径雷达SAR图像与基准图之间基本没有旋转关系，剩下的主要是平移关系。正射校正的步骤如下：
(a)确定合成孔径雷达SAR图像四个角点的经纬度
将待匹配SAR图像中待定位目标的行列坐标设为(i,j)，针对待定位目标建立距离-多普勒方程组：
距离方程FR＝R0+(i-i0)ΔR-|P′S-P|＝0 (1)
多普勒方程
椭球方程
其中，R0是场景中心点的斜距，(i0,j0)是SAR图像场景中心点在图像中的行列坐标，ΔR是距离分辨率，PS′是目标对应的雷达地心地固(ECEF)坐标系的坐标，P是待定位点的ECEF坐标，V是雷达的ECEF速度，fdc是多普勒中心，λ是波长，X、Y和Z分别表示待定位点的ECEF坐标P的三个坐标轴分量，a表示参考椭圆的半长轴长度，b表示参考椭圆的半短轴长度，h表示目标高度。
目标对应的雷达ECEF坐标其中，PS是雷达参考中心的ECEF坐标，PRF是脉冲重复频率，并且PS＝[XS YS ZS]T，ECEF速度V＝[VX VY VZ]T，T表示向量的转置。“·”表示两个向量的数量积，|…|表示向量的长度长度。
利用最小二乘法对上述距离方程FR、多普勒方程FD和椭球方程FE的方程组进行求解，得到待定位点的ECEF坐标P，进而可以转化为经纬高坐标Plla。
按照上述方法，计算SAR图像四个角点的经纬高Plla1＝[Lon1,Lat1,H1]、Plla2＝[Lon1,Lat1,H1]、Plla3＝[Lon3,Lat3,H3]和Plla4＝[Lon4,Lat4,H4]，其中，Lon1、Lat1和H1分别表示左上角的经度、纬度和高度，Lon2、Lat2和H2分别表示左下角的经度、纬度和高度，Lon3、Lat3和H3分别表示右上角的经度、纬度和高度，Lon4、Lat4和H4分别表示右下角的经度、纬度和高度。
(b)确定正射校正后图像的经纬度范围和点数，根据四个角点的经纬度来确定正射校正后图像的经纬度范围：
Lonmin＝min(Lon1,Lon2,Lon3,Lon4) (4)
Lonmax＝max(Lon1,Lon2,Lon3,Lon4) (5)
Latmin＝min(Lat1,Lat2,Lat3,Lat4) (6)
Latmax＝max(Lat1,Lat2,Lat3,Lat4) (7)
式中，Lonmin表示最小经度，Lonmax表示最大经度，Latmin表示最小纬度，Latmax表示最大纬度，min()表示取最小值，max()表示取最大值。
根据最小经度Lonmin、最大经度Lonmax、最小纬度Latmin、最大纬度Latmax和分辨率ΔR计算一个分辨单元对应的经度间隔ΔLon和纬度间隔ΔLat，再计算正射校正图像的行数M和列数N：
N＝(Lonmax-Lonmin)/ΔLon (8)
M＝(Latmax-Latmin)/ΔLat (9)
这样，则形成了空白的正射校正图像，每一个像素点对应一个经纬度位置。
(c)计算正射校正图像的值。
针对上一步骤形成的空白正射校正图像，逐像素进行填充，首先计算像素对应的经纬高，然后根据上述距离方程FR、和多普勒方程FD的距离-多普勒方程计算像素在原始SAR图像中的行列坐标(i,j)，然后根据此行列坐标从原始SAR图像中读取灰度值，填充到正射校正图像中。至此，完成了正射校正。
(2)分块相关匹配
首先对SAR图像进行分块，利用分块相关匹配算法对SAR图像和提前制备的基准图像进行配准，根据每一小块SAR图像的经纬度坐标去基准图中提取一小块基准图来进行相关匹配。根据图像行坐标方向上的偏移量αk和图像列坐标方向上的偏移量βk，构成在下一步进行同名点筛选的时候需要用到的匹配向量Rk＝(αk,βk)，Rk代表小块SAR图像行数移动偏移量αk，并且列数移动偏移量βk则与基准图位置相匹配，通过相关匹配得到K个同名点：Pk＝(ipk,jpk)和Qk＝(iqk,jqk)，其中ipk代表第k个同名点在SAR图像中的行数，jpk代表第k个同名点在SAR图像中的列数，iqk代表第k个同名点在基准图中的行数，jqk代表第k个同名点在基准图中的列数。根据最佳偏移量以及小块SAR图像和小块基准图在原图像中的位置可以得到同名点的位置。
在计算最佳偏移量中，可以通过第k小块SAR图像和小块基准图的相关函数rk(α,β)，并采用快速傅氏变换FFT来加速计算最佳偏移量其中，K表示小块总数，α和β代表行和列方向上的偏移量，M、N分别表示图像的最大行数和最大列数，p、q分别表示SAR图像和基准图像，p(m,n)为待匹配的小块SAR图像，q(m,n)为小块基准图，m,n分别表示图像的行坐标和列坐标。
(3)同名点筛选并计算仿射矩阵
当每一小块SAR图像与小块基准图进行匹配的时候，由于旋转关系已经通过正射校正基本消除，剩余的主要是平移关系，也就是说上一步得到的匹配向量Rk应该是稳定不变的，本实施例利用匹配向量Rk的这种稳定不变性来进行同名点筛选。在同名点中寻找最匹配向量最集中的区域，越集中代表同名点越有可能是正确的。具体步骤为：以每个匹配向量所在位置为中心画圆，半径设为τ，可以根据实际情况进行调节；计算圆中包含的匹配向量的个数，个数最多的同名点即为匹配向量最集中区域的中心点：
匹配向量的中心点Rc，
距离中心点α以内的同名点为正确的同名点：
(Pk,Qk)subject to||Rk-Rc||≤τ (14)，
其中，其中，(ip,jp)为待匹配的SAR图像的像素坐标，(iq,jq)为基准图的像素坐标，
u为函数符号，τ表示匹配向量集中区域半径，Rm表示第m个匹配向量。利用筛选出来的同名点，通过最小二乘法计算仿射矩阵对SAR图像与基准图进行匹配。
这样，就完成了SAR图像匹配。
以上结合附图对本发明进行了详细描述，但需要指出的是，上述实例所描述的是仅为本发明的优选实例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种SAR图像匹配方法，其特征在于包括如下步骤：首先对待匹配的合成孔径雷达SAR图像进行正射校正，通过正射校正来进行预处理消除SAR图像的旋转；然后对SAR图像进行分块，根据每一小块SAR图像的经纬度坐标去基准图中提取一小块基准图来进行相关匹配，利用分块相关匹配算法对SAR图像和提前制备的基准图像进行分块相关匹配；再利用相关匹配方法初步提取同名点，通过提前制备的基准图像进行配准获得同名点，根据同名点的空间位置筛选同名点，去除错误的同名点；在同名点中寻找最匹配向量最集中的区域，利用筛选出来的同名点计算仿射矩阵；在匹配过程中采用快速傅氏变换FFT来加速计算完成SAR图像与基准图的匹配。
2.如权利要求1所述的SAR图像匹配方法，其特征在于：在正射校正中，首先确定合成孔径雷达SAR图像四个角点的经纬度，将待匹配SAR图像中待定位目标的行列坐标设为(i,j)，针对待定位目标建立距离-多普勒方程组：
距离方程FR＝R0+(i-i0)ΔR-|PS′-P|＝0 (1)
多普勒方程
椭球方程
其中，R0是场景中心点的斜距，(i0,j0)是SAR图像场景中心点在图像中的行列坐标，ΔR是距离分辨率，PS′是目标对应的雷达地心地固(ECEF)坐标系的坐标，P是待定位点的ECEF坐标，V是雷达的ECEF速度，fdc是多普勒中心，λ是波长，X、Y和Z分别表示待定位点的ECEF坐标P的三个坐标轴分量，a表示参考椭圆的半长轴长度，b表示参考椭圆的半短轴长度，h表示目标高度。
3.如权利要求2所述的SAR图像匹配方法，其特征在于：目标对应的雷达ECEF坐标其中，PS是雷达参考中心的ECEF坐标，PRF是脉冲重复频率，并且PS＝[XS YS ZS]T，ECEF速度V＝[VX VY VZ]T，T表示向量的转置。“·”表示两个向量的数量积，|…|表示向量的长度长度。
4.如权利要求2所述的SAR图像匹配方法，其特征在于：利用最小二乘法对距离方程FR、多普勒方程FD和椭球方程FE的方程组进行求解，得到待定位点的ECEF坐标P，进而转化为经纬高坐标Plla。
5.如权利要求2所述的SAR图像匹配方法，其特征在于：按最小二乘法，计算SAR图像四个角点的经纬高Plla1＝[Lon1,Lat1,H1]、Plla2＝[Lon1,Lat1,H1]、Plla3＝[Lon3,Lat3,H3]和Plla4＝[Lon4,Lat4,H4]，其中，Lon1、Lat1和H1分别表示左上角的经度、纬度和高度，Lon2、Lat2和H2分别表示左下角的经度、纬度和高度，Lon3、Lat3和H3分别表示右上角的经度、纬度和高度，Lon4、Lat4和H4分别表示右下角的经度、纬度和高度。
6.如权利要求5所述的SAR图像匹配方法，其特征在于：根据四个角点的经纬度来确定正射校正后图像的经纬度范围，正射校正后图像的经纬度范围：
Lonmin＝min(Lon1,Lon2,Lon3,Lon4) (4)
Lonmax＝max(Lon1,Lon2,Lon3,Lon4) (5)
Latmin＝min(Lat1,Lat2,Lat3,Lat4) (6)
Latmax＝max(Lat1,Lat2,Lat3,Lat4) (7)
式中，Lonmin表示最小经度，Lonmax表示最大经度，Latmin表示最小纬度，Latmax表示最大纬度，min()表示取最小值，max()表示取最大值。
7.如权利要求6所述的SAR图像匹配方法，其特征在于：根据最小经度Lonmin、最大经度Lonmax、最小纬度Latmin、最大纬度Latmax和分辨率ΔR计算SAR图像一个分辨单元对应的经度间隔ΔLon和纬度间隔ΔLat，再计算正射校正图像的行数M和列数N：
N＝(Lonmax-Lonmin)/ΔLon (8)
M＝(Latmax-Latmin)/ΔLat (9)
并且每一个像素点对应一个经纬度位置，形成一个空白的正射校正图像。
8.如权利要求7所述的SAR图像匹配方法，其特征在于：针对形成的空白正射校正图像，逐像素进行填充，首先计算像素对应的经纬高，然后根据距离方程FR和多普勒方程FD的距离-多普勒方程计算像素在原始SAR图像中的行列坐标(i,j)，然后根据此行列坐标，从原始SAR图像中读取灰度值，填充到正射校正图像中，完成正射校正。
9.如权利要求1所述的SAR图像匹配方法，其特征在于：根据图像行坐标方向上的偏移量αk和图像列坐标方向上的偏移量βk，构成在下一步进行同名点筛选的时候需要用到的匹配向量Rk＝(αk,βk)，Rk代表小块SAR图像行数移动偏移量αk，并且列数移动偏移量βk则与基准图位置相匹配，通过相关匹配得到K个同名点：Pk＝(ipk,jpk)和Qk＝(iqk,jqk)，其中ipk代表第k个同名点在SAR图像中的行数，jpk代表第k个同名点在SAR图像中的列数，iqk代表第k个同名点在基准图中的行数，jqk代表第k个同名点在基准图中的列数。
10.如权利要求9所述的SAR图像匹配方法，其特征在于：在计算最佳偏移量中，通过第k小块SAR图像和小块基准图的相关函数rk(α,β)，并采用快速傅氏变换FFT来加速计算最佳偏移量其中，K表示小块总数，α和β代表行和列方向上的偏移量，M、N分别表示图像的最大行数和最大列数，p、q分别表示SAR图像和基准图像，p(m,n)为待匹配的小块SAR图像，q(m,n)为小块基准图，m,n分别表示图像的行坐标和列坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910249329.4A CN110163896B (zh) | 2019-03-29 | 2019-03-29 | Sar图像匹配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910249329.4A CN110163896B (zh) | 2019-03-29 | 2019-03-29 | Sar图像匹配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110163896A true CN110163896A (zh) | 2019-08-23 |
| CN110163896B CN110163896B (zh) | 2023-02-03 |
Family
ID=67638455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910249329.4A Active CN110163896B (zh) | 2019-03-29 | 2019-03-29 | Sar图像匹配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110163896B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111640147A (zh) * | 2020-06-04 | 2020-09-08 | 北京无线电测量研究所 | 用于步进频频带拼接的sar子图像配准方法、装置、计算机设备 |
| 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 (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100232728A1 (en) * | 2008-01-18 | 2010-09-16 | Leprince Sebastien | Ortho-rectification, coregistration, and subpixel correlation of optical satellite and aerial images |
| CN102436652A (zh) * | 2011-08-31 | 2012-05-02 | 航天恒星科技有限公司 | 一种多源遥感图像自动配准方法 |
| CN103679714A (zh) * | 2013-12-04 | 2014-03-26 | 中国资源卫星应用中心 | 一种基于梯度互相关的光学和sar图像自动配准方法 |
| CN106296717A (zh) * | 2016-08-25 | 2017-01-04 | 中国电子科技集团公司第十研究所 | 多波段sar图像匹配目标定位方法 |
| CN107330927A (zh) * | 2017-06-01 | 2017-11-07 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 机载可见光图像定位方法 |
| CN107563438A (zh) * | 2017-08-31 | 2018-01-09 | 西南交通大学 | 一种快速鲁棒的多模态遥感影像匹配方法和系统 |
| CN108594223A (zh) * | 2018-03-26 | 2018-09-28 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 机载sar图像目标定位方法 |
| CN109523585A (zh) * | 2018-11-19 | 2019-03-26 | 武汉大学 | 一种基于方向相位一致性的多源遥感影像特征匹配方法 |
-
2019
- 2019-03-29 CN CN201910249329.4A patent/CN110163896B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100232728A1 (en) * | 2008-01-18 | 2010-09-16 | Leprince Sebastien | Ortho-rectification, coregistration, and subpixel correlation of optical satellite and aerial images |
| CN102436652A (zh) * | 2011-08-31 | 2012-05-02 | 航天恒星科技有限公司 | 一种多源遥感图像自动配准方法 |
| CN103679714A (zh) * | 2013-12-04 | 2014-03-26 | 中国资源卫星应用中心 | 一种基于梯度互相关的光学和sar图像自动配准方法 |
| CN106296717A (zh) * | 2016-08-25 | 2017-01-04 | 中国电子科技集团公司第十研究所 | 多波段sar图像匹配目标定位方法 |
| CN107330927A (zh) * | 2017-06-01 | 2017-11-07 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 机载可见光图像定位方法 |
| CN107563438A (zh) * | 2017-08-31 | 2018-01-09 | 西南交通大学 | 一种快速鲁棒的多模态遥感影像匹配方法和系统 |
| CN108594223A (zh) * | 2018-03-26 | 2018-09-28 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 机载sar图像目标定位方法 |
| CN109523585A (zh) * | 2018-11-19 | 2019-03-26 | 武汉大学 | 一种基于方向相位一致性的多源遥感影像特征匹配方法 |
Non-Patent Citations (3)
| Title |
|---|
| 古博等: "高精度机载可见光图像定位方法", 《电讯技术》 * |
| 吴元: "一种基于参数更新的机载SAR图像目标定位方法", 《电子与信息学报》 * |
| 张萍: "SAR图像GCP自动匹配方法的实现", 《测绘通报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111640147A (zh) * | 2020-06-04 | 2020-09-08 | 北京无线电测量研究所 | 用于步进频频带拼接的sar子图像配准方法、装置、计算机设备 |
| CN111640147B (zh) * | 2020-06-04 | 2023-10-31 | 北京无线电测量研究所 | 用于步进频频带拼接的sar子图像配准方法、装置、计算机设备 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110163896B (zh) | 2023-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107341488B (zh) | 一种sar图像目标检测识别一体化方法 | |
| US6337654B1 (en) | A-scan ISAR classification system and method therefor | |
| CN106548462B (zh) | 基于薄板样条插值的非线性sar图像几何校正方法 | |
| CN105182350B (zh) | 一种应用特征跟踪的多波束声呐目标探测方法 | |
| CN106249236B (zh) | 一种星载InSAR长短基线图像联合配准方法 | |
| CN106338733B (zh) | 基于蛙眼视觉特性的前视声呐目标跟踪方法 | |
| CN109993800A (zh) | 一种工件尺寸的检测方法、装置及存储介质 | |
| CN104931966A (zh) | 一种基于dcs算法的星载视频sar成像处理方法 | |
| CN110082764B (zh) | 基于稳健正则化层析方法的sar图像成像方法 | |
| CN110163896A (zh) | Sar图像匹配方法 | |
| CN108594223A (zh) | 机载sar图像目标定位方法 | |
| AU2007287418A1 (en) | Target orientation | |
| CN101295401A (zh) | 基于线性pca的红外点目标检测方法 | |
| Zhu et al. | Hierarchical attention for ship detection in SAR images | |
| CN108490440A (zh) | 基于多普勒谱偏移量校正的目标位置定位方法 | |
| Moroni et al. | Underwater scene understanding by optical and acoustic data integration | |
| CN111126508A (zh) | 一种基于hopc改进的异源图像匹配方法 | |
| CN106908782B (zh) | 基于水面状态连续成像系统的波浪传播方向的提取方法 | |
| CN109959933A (zh) | 一种基于压缩感知的多基线圆迹合成孔径雷达成像方法 | |
| CN105551013B (zh) | 基于运动平台参数的sar图像序列配准方法 | |
| CN109035162A (zh) | 一种基于像素重构的图片漂移校正方法及系统 | |
| CN104732190A (zh) | 一种基于正交纹理相关分析的合成孔径声纳目标检测方法 | |
| CN110223250B (zh) | 基于单应变换的sar几何校正方法 | |
| Wiles et al. | Recognition of volcanoes on Venus using correlation methods | |
| Liu et al. | Rba-centernet: Feature enhancement by rotated border alignment for oriented object detection |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |