CN112070666B - 一种基于图像熵的sar图像拼接方法 - Google Patents
一种基于图像熵的sar图像拼接方法 Download PDFInfo
- Publication number
- CN112070666B CN112070666B CN202010804322.7A CN202010804322A CN112070666B CN 112070666 B CN112070666 B CN 112070666B CN 202010804322 A CN202010804322 A CN 202010804322A CN 112070666 B CN112070666 B CN 112070666B
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- spliced
- sar image
- sar
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013519 translation Methods 0.000 claims description 6
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000009467 reduction Effects 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像熵的SAR图像拼接方法,包括步骤:获取相互重叠的参考图像和待拼接图像;参考图像的聚焦深度较差;将参考图像均分成N1个子图像块;计算每个子图像块的图像熵;选取图像熵最大时对应的子图像块,作为样本子图像;将待拼接图像均分成N2个子图像块,分别计算每个子图像块与所述样本子图像的相关系数;获取待拼接图像相对于参考图像的高度向偏移和宽度向偏移;对待拼接图像进行相应偏移,将偏移后的待拼接图像与参考图像进行拼接。本发明解决了现有技术SAR图像聚焦深度较差导致的拼接精度低的问题;避免了因成像质量对SAR图像拼接的影响,有效地提高了SAR图像拼接的稳健性。
Description
技术领域
本发明涉及雷达技术领域,具体涉及一种基于图像熵的SAR图像拼接方法。
背景技术
合成孔径雷达(SAR)作为一种主动式对地观测系统,具有全天候、全天时、高分辨率的成像特点,能够在不同极化方式、不同波段以及不同视角条件下获得感兴趣地面区域的观测数据。近年来,它被广泛地应用到国防、经济、农业以及环境监测等众多领域中。随着SAR技术的不断发展,特别是在条带SAR模式下,需对整个测绘带进行观测。然而,实际中,受限于硬件的处理能力,难以一次性完成全部数据的成像,而是采用孔径重叠的形式,对小于或等于一个合成孔径长度中的数据进行分段处理,再对所得到的多幅SAR图像进行拼接,进而得到测绘带的完整SAR图像。因此,SAR图像拼接技术在成像处理中至关重要。
目前,SAR图像拼接方法可分为两类,一类是利用SAR成像几何构型,并结合GPS和DEM(数字高程模型),以及SAR图像定标技术,在地理坐标系下重构多张SAR图像,从而完成图像拼接。然而,此类方法在实施时,取决于SAR成像几何构型,而决定SAR成像几何构型的相关参数是通过惯性导航系统(INS)解算得到,因而,当INS的测量精度较低时,所获取参数的误差较大,进一步引起几何构型的失配,造成图像拼接精度大大降低。另一类则是采用图像处理的手段,利用相同的特征区域在两幅SAR图像上位置的不同,计算两者之间的相对偏移,进而通过图像变换,叠加等处理,完成拼接。由于并不需要额外的参数介入,使得此类算法的自适应性较强,目前已是广泛应用于各类SAR系统中。然而,在对SAR实测数据处理中,由于平台运动状态不稳定所引起的运动误差通常会使得SAR图像的出现散焦等情况,造成图像质量大幅下降,对后续特征提取和特征匹配形成极大的障碍。因此,关键问题在于当SAR图像的聚焦深度不足时,如何能够较为准确地完成特征提取和特征匹配,从而获取较高精度的图像偏移,进而提高SAR图像拼接的稳健性。
现有技术通常采用特征点及其对应的特征向量对两幅SAR图像的特征区域进行描述,再以差向量的二范数最小为准则,完成最优匹配。例如申请号为CN20141006507.7,名称为“基于SIFT和归一化互信息的SAR图像配准方法”的中国专利申请,在对两幅SAR图像特征提取和特征匹配时,采用SIFT特征描述算子。它通过对两幅SAR图像进行SIFT检测,计算特征向量的差向量,使其二范数最小获取最优匹配,从而得到两幅SAR图像之间的相对偏移。然而,在实际SAR对地观测时,由于平台运动状态不稳定所引起的运动误差通常会使得SAR图像的出现散焦等情况,图像质量大幅下降,SIFT作为一种精确检测手段,只适用于聚焦SAR图像,而当SAR图像聚焦深度不足时,该方法并不适用。然而,在实际SAR对地观测时,由于平台运动状态不稳定所引起的运动误差通常会使得SAR图像的出现散焦等情况,图像质量大幅下降。
发明内容
针对现有技术中存在的问题,本发明的目的在于提供一种基于图像熵的SAR图像拼接方法,本发明通过计算图像熵的方法解决了现有技术中存在的SAR图像聚焦深度较差时,图像拼接精度低的问题。
为了达到上述目的,本发明采用以下技术方案予以实现。
一种基于图像熵的SAR图像拼接方法,包括以下步骤:
步骤1,利用SAR对部分重叠的两个目标区域进行照射,获取相互重叠的参考SAR图像I1和待拼接SAR图像I2;
其中,参考SAR图像I1的大小为H1×W1,待拼接SAR图像I2的大小为H2×W2;参考SAR图像I1的峰值旁瓣比小于20,即聚焦深度较差;
步骤2,将参考SAR图像I1均分成N1个大小为H×W的子图像块计算每个子图像块/>的图像熵;选取图像熵最大时对应的子图像块,作为样本子图像/>
其中,k1=1,2,…,N1;i1为子图像块中心在参考SAR图像I1上的高度向坐标,j1为子图像块/>中心在参考SAR图像I1上的宽度向坐标;
步骤3,将待拼接SAR图像I2均分成N2个大小为H×W的子图像块分别计算每个子图像块/>与所述样本子图像/>的相关系数,对应得到N2个相关系数组成的相关系数集合/>
其中,i2为子图像块中心在待拼接SAR图像I2上的高度向坐标,j2为子图像块/>中心在待拼接SAR图像I2上的宽度向坐标;
步骤4,根据相关系数集合P,获取待拼接SAR图像I2相对于参考SAR图像I1的高度向偏移ΔH和宽度向偏移ΔW;
步骤5,对待拼接SAR图像I2进行相应偏移,得到偏移后的待拼接图像;将偏移后的待拼接图像与参考SAR图像I1进行拼接,得到拼接图像I3。
进一步地,N1=(7H1/8-H-1)·(3W1/16-W-1),1≤H≤min(H1,H2),1≤W≤min(W1,W2);
进一步地,所述计算每个子图像块的图像熵的具体公式为:
其中,为子图像块/>的图像熵;σ(n)为子图像块/>的灰度直方图中的第n个灰度组距。
进一步地,N2=(H2-H-2)·(W2-W-2);
进一步地,所述计算每个子图像块与所述样本子图像/>的相关系数,其具体公式为:
其中,为样本子图像/>与子图像块/>的相关系数;/>为样本子图像上高度向第i个、宽度向第j个像素点的灰度值,/>为子图像块/>上高度向第i个、宽度向第j个像素点的灰度值。
进一步地,所述根据相关系数集合P,获取待拼接SAR图像I2相对于参考SAR图像I1的高度向偏移ΔH和宽度向偏移ΔW,具体为:
(4a)在相关系数集合P中选取最大值,并将该最大值对应的像素位置记为i′2和j′2;
(4b)计算待拼接SAR图像I2相对于参考SAR图像I1的高度向偏移ΔH=i′2-i′1,宽度向偏移ΔW=j′2-j′1。
进一步地,所述对待拼接SAR图像I2进行相应偏移,具体为:将待拼接SAR图像I2沿高度向正向平移ΔH,然后再沿宽度向正向平移ΔW,得到偏移后的待拼接图像I′2。
进一步地,所述将偏移后的待拼接图像与参考SAR图像I1进行拼接,具体为:对于偏移后的待拼接图像I′2与参考SAR图像I1的重叠区域,将两幅图像中位于相同位置像素点的灰度值求平均,将该平均灰度值作为拼接图像I3对应位置处像素点的灰度值,完成两幅图像重叠区域的拼接;两幅图像的未重叠区域不变,得到拼接图像I3。
与现有技术相比,本发明的有益效果为:
本发明采用最大图像熵准则,对于聚焦深度较差的参考图像,选取其熵值最大的子图像块作为样本图像,与待拼接SAR图像中的各个子图像进行二维相关;通过相关系数得到待拼接SAR图像相对于参考SAR图像在高度向和宽度向上的偏移量,据此进行图像变换,完成参考SAR图像和待拼接SAR图像的拼接。解决了现有技术在其中一幅SAR图像聚焦深度较差时,拼接精度低的问题;避免了因成像质量对SAR图像拼接的影响,有效地提高了SAR图像拼接的稳健性。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1是本发明的实现流程图;
图2是本发明参考SAR图像和待拼接SAR图像;其中,(a)为参考SAR图像,(b)待拼接SAR图像;
图3是本发明实施例中分别采用本发明方法与现有技术的拼接结果图;其中,(a)为本发明方法的拼接结果图,(b)为现有技术的拼接结果图。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述,但是本领域的技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限制本发明的范围。
参考图1,本发明提供的一种基于图像熵的SAR图像拼接方法,包括以下步骤:
步骤1,利用SAR对部分重叠的两个目标区域进行照射,获取相互重叠的参考SAR图像I1和待拼接SAR图像I2;其中,参考SAR图像I1的大小为H1×W1,待拼接SAR图像I2的大小为H2×W2;
利用SAR对部分重叠的两个地面区域进行照射,并将对一个区域照射的图像作为尺寸H1×W1的参考SAR图像I1,如图2(a)所示;将对另一个区域照射的图像作为尺寸H2×W2的待拼接SAR图像I2,如图2(b)所示;两幅图像存在部分重叠。本实施例中,H1和H2均为16384,W1和W2均为4096。对SAR图像聚焦深度进行评估时,可通过SAR图像中孤立强散射点的峰值旁瓣比(PSRL)来衡量,工程中认为,PSRL大于20dB可判定聚焦良好,所选取的两幅SAR图像中,待拼接SAR图像I2的PSRL在24.8dB,而参考SAR图像I1的PSRL仅有8.3dB,聚焦深度严重不足。
步骤2,将参考SAR图像I1均分成N1个大小为H×W的子图像块计算每个子图像块/>的图像熵;选取图像熵最大时对应的子图像块,作为样本子图像/>
具体地,N1=(7H1/8-H-1)·(3W1/16-W-1),所有参考SAR图像I1的子图像块组成集合C1,其中,/>为集合C1中第k1个子图像块,H为子图像的高度尺寸为2048,1≤H≤min(H1,H2),W为子图像/>的宽度尺寸为512,1≤W≤min(W1,W2),i1为子图像/>中心在参考SAR图像I1上的高度向坐标,H1/16+H/2≤i1≤15H1/16-H/2-1,j1为子图像/>中心在参考SAR图像I1上的宽度向坐标,13W1/16+W/2≤j1≤W1-W/2-1。
计算子图像集合C1中子图像的图像熵,并构成集合E,/>计算子图像块/>的图像熵,具体公式为:
其中,为子图像块/>的图像熵;σ(n)为子图像块/>的灰度直方图中的第n个灰度组距。
选取最大时对应的子图像/>作为样本子图像/>i′1和j′1分别为最大时对应的i1和j1,/>为集合E中第k1个子图像对应的图像熵,在本实施例中,i′1为7184,j′1为4080。
本发明中选择的图像熵以数值的方式定量地反映图像所包含信息量的多少;熵值越大,所包含的信息量越多,反之,熵值越小,所包含的信息量越少,而图像所包含的信息量,则直接由图像特征决定,因此,对于熵值较大的图像,图像特征则越强,在相关匹配时的正确率越高,这也就是选取最大图像熵为样本选取准则的原因。
步骤3,将待拼接SAR图像I2均分成N2个大小为H×W的子图像块分别计算每个子图像块/>与所述样本子图像/>的相关系数,对应得到N2个相关系数组成的相关系数集合/>其中,i2为子图像块/>中心在待拼接SAR图像I2上的高度向坐标,j2为子图像块/>中心在待拼接SAR图像I2上的宽度向坐标;
本实施例中,N2=(H2-H-2)·(W2-W-2),所有待拼接SAR图像I2的子图像块组成集合C2,其中,/>为集合C2中第k2个子图像,H为子图像的高度尺寸,1≤H≤min(H1,H2),W为子图像/>的宽度尺寸,1≤W≤min(W1,W2),i2为子图像/>中心在待拼接SAR图像I2上的高度向坐标,1+H/2≤i2≤H2-H/2-1,j2为子图像/>中心在待拼接SAR图像I2上的宽度向坐标,1+W/2≤j≤W2-W/2-1;
获取相关系数集合P:
依次计算样本子图像块与待拼接SAR图像I2的子图像集合C2中的每个子图像的相关系数,并构成集合P,/>子图像块/>与所述样本子图像/>的相关系数,其具体公式为:
其中,为样本子图像/>与子图像块/>的相关系数;/>为样本子图像上高度向第i个、宽度向第j个像素点的灰度值,/>为子图像块/>上高度向第i个、宽度向第j个像素点的灰度值。
本发明中,相关系数的取值在0到1之间,0表示不相关,1表示完全相关,由于图像噪声的影响,相关系数一定不为0或1;相关系数越大,则表示样本子图像与子图像块的匹配性越高,从而认定为同一区域的概率越大。
步骤4,根据相关系数集合P,获取待拼接SAR图像I2相对于参考SAR图像I1的高度向偏移ΔH和宽度向偏移ΔW;
(4a)在相关系数集合P中选取最大值,并将该最大值对应的像素位置记为i′2和j′2;在本实施例中,i′2为7168,j′2为592;
(4b)计算待拼接SAR图像I2相对于参考SAR图像I1的高度向偏移ΔH=i′2-i′1,宽度向偏移ΔW=j′2-j′1;在本实施例中,ΔH为16,ΔW为3008。
步骤5,对待拼接SAR图像I2进行相应偏移,得到偏移后的待拼接图像;将偏移后的待拼接图像与参考SAR图像I1进行拼接,得到拼接图像I3。
(7a)将待拼接SAR图像I2沿高度向正向平移ΔH,再沿宽度向正向平移ΔW,得到偏移后的待拼接图像I′2;
(7b)对于偏移后的待拼接图像I′2与参考SAR图像I1的重叠区域,将两幅图像中位于相同位置像素点的灰度值求平均,将该平均灰度值作为拼接图像I3对应位置处像素点的灰度值,完成两幅图像重叠区域的拼接;两幅图像的未重叠区域不变,得到拼接图像I3。
仿真实验
通过对以下实测数据的仿真实验来进一步验证本发明方法的有效性。
仿真实验选取了具有一定重叠区域的两幅机载SAR图像,两者高度向H1和H2尺寸均为16384,宽度向尺寸W1和W2均为4096,选取PSRL(峰值旁瓣比)为8.3dB的SAR图像作为参考SAR图像I1,如图2(a)所示,选取PSRL为24.8dB的SAR图像作为待拼接SAR图像I2,如图2(b)所示,子图像块的高度向尺寸H为2048,宽度向尺寸W为512。
分别采用本发明方法和现有的特征区域法对图2中的两幅图像进行拼接,结果如图3所示,其中,(a)为本发明方法拼接结果图;(b)为现有的特征区域法拼接结果图,对比图3(a)和3(b)可以看出,本发明方法的拼接图中没有明显的接缝痕迹,而现有的特征区域法的拼接图中,从白色虚线框中可以明显地看到接缝,且接缝两侧仍然存在重叠区域,说明其并未完成参考SAR图像I1和待拼接SAR图像I2的准确拼接。而本发明在图像聚焦深度较差时,仍然具有较高的拼接精度。
虽然,本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (7)
1.一种基于图像熵的SAR图像拼接方法,其特征在于,包括以下步骤:
步骤1,利用SAR对部分重叠的两个目标区域进行照射,获取相互重叠的参考SAR图像I1和待拼接SAR图像I2;
其中,参考SAR图像I1的大小为H1×W1,待拼接SAR图像I2的大小为H2×W2;参考SAR图像I1的峰值旁瓣比小于20dB,即聚焦深度较差;
步骤2,将参考SAR图像I1均分成N1个大小为H×W的子图像块计算每个子图像块/>的图像熵;选取图像熵最大时对应的子图像块,作为样本子图像/>
其中,k1=1,2,…,N1;i1为子图像块中心在参考SAR图像I1上的高度向坐标,j1为子图像块/>中心在参考SAR图像I1上的宽度向坐标;
计算每个子图像块的图像熵的具体公式为:
其中,为子图像块/>的图像熵;σ(n)为子图像块/>的灰度直方图中的第n个灰度组距;
步骤3,将待拼接SAR图像I2均分成N2个大小为H×W的子图像块分别计算每个子图像块/>与所述样本子图像/>的相关系数,对应得到N2个相关系数组成的相关系数集合/>
其中,i2为子图像块中心在待拼接SAR图像I2上的高度向坐标,j2为子图像块中心在待拼接SAR图像I2上的宽度向坐标;
步骤4,根据相关系数集合P,获取待拼接SAR图像I2相对于参考SAR图像I1的高度向偏移ΔH和宽度向偏移ΔW,具体为:
(4a)在相关系数集合P中选取最大值,并将该最大值对应的像素位置记为i′2和j′2;
(4b)计算待拼接SAR图像I2相对于参考SAR图像I1的高度向偏移ΔH=i′2-i′1,宽度向偏移ΔW=j′2-j′1;
步骤5,对待拼接SAR图像I2进行相应偏移,得到偏移后的待拼接图像;将偏移后的待拼接图像与参考SAR图像I1进行拼接,得到拼接图像I3。
2.根据权利要求1所述的一种基于图像熵的SAR图像拼接方法,其特征在于,N1=(7H1/8-H-1)·(3W1/16-W-1),1≤H≤min(H1,H2),1≤W≤min(W1,W2)。
3.根据权利要求1所述的一种基于图像熵的SAR图像拼接方法,其特征在于,所述计算每个子图像块的图像熵的具体公式为:
其中,为子图像块/>的图像熵;σ(n)为子图像块/>的灰度直方图中的第n个灰度组距。
4.根据权利要求1所述的一种基于图像熵的SAR图像拼接方法,其特征在于,所述计算每个子图像块与所述样本子图像/>的相关系数,其具体公式为:
其中,为样本子图像/>与子图像块/>的相关系数;/>为样本子图像上高度向第i个、宽度向第j个像素点的灰度值,/>为子图像块/>上高度向第i个、宽度向第j个像素点的灰度值。
5.根据权利要求1所述的一种基于图像熵的SAR图像拼接方法,其特征在于,所述根据相关系数集合P,获取待拼接SAR图像I2相对于参考SAR图像I1的高度向偏移ΔH和宽度向偏移ΔW,具体为:
(4a)在相关系数集合P中选取最大值,并将该最大值对应的像素位置记为i′2和j′2;
(4b)计算待拼接SAR图像I2相对于参考SAR图像I1的高度向偏移ΔH=i′2-i′1,宽度向偏移ΔW=j′2-j′1。
6.根据权利要求1所述的一种基于图像熵的SAR图像拼接方法,其特征在于,所述对待拼接SAR图像I2进行相应偏移,具体为:将待拼接SAR图像I2沿高度向正向平移ΔH,然后再沿宽度向正向平移ΔW,得到偏移后的待拼接图像I′2。
7.根据权利要求1所述的一种基于图像熵的SAR图像拼接方法,其特征在于,所述将偏移后的待拼接图像与参考SAR图像I1进行拼接,具体为:对于偏移后的待拼接图像I′2与参考SAR图像I1的重叠区域,将两幅图像中位于相同位置像素点的灰度值求平均,将该平均灰度值作为拼接图像I3对应位置处像素点的灰度值,完成两幅图像重叠区域的拼接;两幅图像的未重叠区域不变,得到拼接图像I3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010804322.7A CN112070666B (zh) | 2020-08-12 | 2020-08-12 | 一种基于图像熵的sar图像拼接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010804322.7A CN112070666B (zh) | 2020-08-12 | 2020-08-12 | 一种基于图像熵的sar图像拼接方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112070666A CN112070666A (zh) | 2020-12-11 |
CN112070666B true CN112070666B (zh) | 2024-04-09 |
Family
ID=73661174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010804322.7A Active CN112070666B (zh) | 2020-08-12 | 2020-08-12 | 一种基于图像熵的sar图像拼接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070666B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118311016B (zh) * | 2024-06-07 | 2024-09-10 | 浙江大学 | 高分辨完整神经元树突棘位置及形态的检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221298A (zh) * | 2019-06-20 | 2019-09-10 | 中国人民解放军国防科技大学 | 一种低频段星载sar电离层闪烁效应自聚焦方法 |
CN111260542A (zh) * | 2020-01-17 | 2020-06-09 | 中国电子科技集团公司第十四研究所 | 一种基于子块配准的sar图像拼接方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8041147B2 (en) * | 2007-07-18 | 2011-10-18 | 3DHISTECH Kft; | Method for realistic stitching image blocks of an electronically recorded multipart image |
-
2020
- 2020-08-12 CN CN202010804322.7A patent/CN112070666B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221298A (zh) * | 2019-06-20 | 2019-09-10 | 中国人民解放军国防科技大学 | 一种低频段星载sar电离层闪烁效应自聚焦方法 |
CN111260542A (zh) * | 2020-01-17 | 2020-06-09 | 中国电子科技集团公司第十四研究所 | 一种基于子块配准的sar图像拼接方法 |
Non-Patent Citations (2)
Title |
---|
张东兴 ; 陈金来 ; 赵培洪 ; .考虑空域分布多尺度信息熵的SAR图像模板匹配.电讯技术.2015,(01),全文. * |
张晶晶 ; 翟东海 ; 黄莉芝 ; 喻强 ; .基于特征分块的视差图像拼接算法.计算机工程.2017,(05),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN112070666A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102298779B (zh) | 全景辅助泊车系统的图像配准方法 | |
CN107301661A (zh) | 基于边缘点特征的高分辨率遥感图像配准方法 | |
CN110569861B (zh) | 一种基于点特征和轮廓特征融合的图像匹配定位方法 | |
CN108647580B (zh) | 基于改进sift引导isar图像特征点提取匹配方法 | |
CN108564532B (zh) | 大尺度地距星载sar图像镶嵌方法 | |
CN107680061A (zh) | 基于相似性检验的双极化sar图像相干斑滤波方法 | |
CN114418953B (zh) | 一种基于时间历程累计图像的声呐目标检测方法和系统 | |
Ioli et al. | UAV photogrammetry for metric evaluation of concrete bridge cracks | |
CN114998365A (zh) | 一种基于极化干涉sar的地物分类方法 | |
CN112070666B (zh) | 一种基于图像熵的sar图像拼接方法 | |
CN103065320A (zh) | 基于恒虚警阈值的sar图像变化检测方法 | |
CN107797110A (zh) | 综合孔径投影辐射的系统成像方法及综合孔径投影辐射计 | |
CN112215832B (zh) | Sar尾迹图像质量评估及自适应探测参数调整方法 | |
Zhu et al. | Hierarchical attention for ship detection in SAR images | |
CN109001731B (zh) | 一种sar干涉相位解缠参考点选取方法、设备及存储介质 | |
CN106910178B (zh) | 一种基于色调统计特性分类的多角度sar图像融合方法 | |
CN108646244A (zh) | 测量建筑五维形变的分析方法及系统 | |
CN116797703A (zh) | 一种基于图像的混凝土裂缝区域应变分布处理方法 | |
CN114609632A (zh) | 一种sar层析成像中的相位误差补偿方法和装置 | |
CN113030968B (zh) | 基于csar模式提取dem的方法、装置及存储介质 | |
CN110223250B (zh) | 基于单应变换的sar几何校正方法 | |
CN115407282A (zh) | 一种短基线下基于干涉相位的sar有源欺骗干扰检测方法 | |
CN115601278A (zh) | 基于子图像配准的高精度运动误差补偿的方法 | |
CN111369507B (zh) | 基于归一化灰度霍夫变换和局部cfar的尾迹检测方法 | |
CN111489398B (zh) | 一种成像设备标定方法以及装置 |
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 |