CN115049708A - 基于lsd直线检测与模板匹配的sar图像配准方法 - Google Patents

基于lsd直线检测与模板匹配的sar图像配准方法 Download PDF

Info

Publication number
CN115049708A
CN115049708A CN202210379931.1A CN202210379931A CN115049708A CN 115049708 A CN115049708 A CN 115049708A CN 202210379931 A CN202210379931 A CN 202210379931A CN 115049708 A CN115049708 A CN 115049708A
Authority
CN
China
Prior art keywords
image
sar image
calculating
sar
satellite digital
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
Application number
CN202210379931.1A
Other languages
English (en)
Other versions
CN115049708B (zh
Inventor
马志强
纪丽华
曹庆刚
周枫明
周黎明
柯树林
郑云
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.)
Nanjing Thunderbolt Information Technology Co.,Ltd.
Original Assignee
Nanjing Leading Information Technology Co ltd
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 Nanjing Leading Information Technology Co ltd filed Critical Nanjing Leading Information Technology Co ltd
Priority to CN202210379931.1A priority Critical patent/CN115049708B/zh
Publication of CN115049708A publication Critical patent/CN115049708A/zh
Application granted granted Critical
Publication of CN115049708B publication Critical patent/CN115049708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • 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
    • G06T2207/20036—Morphological image processing

Abstract

本发明公开的基于LSD（Line Segment Detector）直线检测与模板匹配的SAR图像配准方法，包括：读取SAR图像与卫星数字地图，构建待配准图像对并进行预处理；采用LSD直线检测方法检测预处理结果中的直线特征；计算待配准图像之间的尺度参数、角度参数，计算变换矩阵；采用变换矩阵对SAR图像进行仿射变换；选择模板与卫星数字地图进行匹配；根据模板匹配结果计算出SAR图像相对于卫星数字地图平移量；根据平移量和变换矩阵，再次对SAR图像进行仿射变换，实现SAR图像与卫星数字地图的配准工作，计算匹配点坐标；根据匹配点坐标获取目标点经纬度信息。本发明能够获取高精度配准结果，具有很好的鲁棒性。

Description

基于LSD直线检测与模板匹配的SAR图像配准方法
技术领域
本发明涉及SAR图像配准技术领域，具体涉及基于LSD直线检测与模板匹配的SAR图像配准方法。
背景技术
合成孔径雷达（Synthetic Aperture Radar，SAR）成像具有全天时、全天候、可穿透性等优点，以及它在不同频段、不同极化下可得到目标的高分辨率雷达图像，为人们提供非常有用的目标信息，因此，一直以来针对SAR图像配准的研究热度经久不息，大量研究成果已经被广泛应用于经济和科技等众多领域，有着广泛的应用前景和发展潜力。
图像配准方法一般分为两种：一种是基于灰度的方法，另一种是基于特征的方法。基于灰度的方法使用图像或者图像块的灰度信息，通过相似性度量算法，测度两幅对应图像或对应图像块之间的相似性，搜索参数空间，寻找相似性最优的变换模型的参数值，从而实现图像配准，但是因为其全局优化的计算复杂度太高是不太适用于对时间要求比较严格的配准的。基于特征的方法用对图像中具有稳定性和重复性图像特征的分析，代替对整个图像的分析，降低计算量以及配准算法对传感器变化的敏感性。
对比基于灰度的方法，基于特征的方法因为具有更好的重复性和稳定性，所以它具有更强大的区分能力，对局部有差异的图像对有更好的鲁棒性。而且基于特征的方法使用少量图像特征，对相同图像来说，算法的运算性能普遍高于基于灰度的方法。同时，因为SAR图像分辨率高、数据量大、受噪声影响严重的问题，现有的配准算法处理速度很慢，所以为了高效性和高精度的合成孔径雷达图像的配准，对原有的配准算法改进使其具有高效性和高精度特性是一种比较普遍存在的方式。因为基于特征方法相较于基于灰度方法具有计算量低的特征，所以基于特征的方法是当前SAR图像使用最多的配准方法。
由于SAR图像的成像方式与可见光成像方式的不同，造成两种不同图像在点特征上的差异，若仅依赖某一类特征对SAR图像与卫星数字地图进行配准，二者之间匹配存在较大的误差。
发明内容
发明目的：本发明目的在于针对现有技术的不足，提供基于LSD（Line SegmentDetector）直线检测与模板匹配的SAR图像配准方法，能够获取高精度配准结果，实现目标的精准定位，并且对视角和光照变化具有很好的鲁棒性，结果准确、误检可控。
技术方案：本发明所述基于LSD直线检测与模板匹配的SAR图像配准方法，包括如下步骤：
S1、读取SAR图像与卫星数字地图，构建待配准图像对并表示为
Figure DEST_PATH_IMAGE001
、
Figure 100002_DEST_PATH_IMAGE002
，对待配准图像对
Figure 325649DEST_PATH_IMAGE001
、
Figure 977211DEST_PATH_IMAGE002
进行预处理，得到
Figure DEST_PATH_IMAGE003
、
Figure 100002_DEST_PATH_IMAGE004
；
S2：采用LSD直线检测方法检测预处理结果
Figure 366735DEST_PATH_IMAGE003
、
Figure 293103DEST_PATH_IMAGE004
中的直线特征，得到最具代表性的直线特征的端点坐标
Figure DEST_PATH_IMAGE005
与
Figure 100002_DEST_PATH_IMAGE006
；
S3：根据
Figure 169792DEST_PATH_IMAGE005
、
Figure 772680DEST_PATH_IMAGE006
计算待配准图像之间的尺度参数
Figure DEST_PATH_IMAGE007
、角度参数
Figure 100002_DEST_PATH_IMAGE008
；
S4：根据尺度参数
Figure 836451DEST_PATH_IMAGE007
、角度参数
Figure DEST_PATH_IMAGE009
计算变换矩阵
Figure 100002_DEST_PATH_IMAGE010
；
S5：采用变换矩阵
Figure 645138DEST_PATH_IMAGE010
对SAR图像进行仿射变换；
S6：在仿射变换后的SAR图像中选择模板，根据归一化模板匹配算法对选择的模板与卫星数字地图进行匹配；
S7：根据模板匹配结果计算出SAR图像相对于卫星数字地图在x轴方向以及y轴方向上的平移量；
S8：根据平移量和变换矩阵，再次对SAR图像进行仿射变换，实现SAR图像与卫星数字地图的配准工作，计算匹配点坐标
Figure DEST_PATH_IMAGE011
；
S9：载入卫星数字地图配套的经纬度数据库，根据匹配点坐标
Figure 100002_DEST_PATH_IMAGE012
获取目标点经纬度信息。
进一步完善上述技术方案，所述S1中对
Figure 110755DEST_PATH_IMAGE001
进行的预处理操作包括灰度化、滤波、二值化、形态学运算、高斯滤波、Canny边缘检测，对
Figure 890404DEST_PATH_IMAGE002
进行的预处理操作包括灰度化、滤波、二值化、形态学运算、相干斑抑制、高斯滤波、Canny边缘检测。
进一步地，所述S1中灰度化、滤波、二值化、形态学运算、相干斑抑制、高斯滤波、Canny边缘检测的处理过程包括：
S11：采用平均值法对待配准图像对进行灰度化处理
设
Figure DEST_PATH_IMAGE013
、
Figure 100002_DEST_PATH_IMAGE014
、
Figure DEST_PATH_IMAGE015
分别表示待处理图像的三个通道，采用平均值法进行灰度化处理，将三通道转换为单通道，得到图中
Figure 100002_DEST_PATH_IMAGE016
处的像素灰度值为：
Figure DEST_PATH_IMAGE017
(1)
Figure 100002_DEST_PATH_IMAGE018
、
Figure DEST_PATH_IMAGE019
、
Figure 100002_DEST_PATH_IMAGE020
表示三个通道
Figure 159580DEST_PATH_IMAGE013
、
Figure 631013DEST_PATH_IMAGE014
、
Figure 685556DEST_PATH_IMAGE015
在图中
Figure 912138DEST_PATH_IMAGE016
处的像素灰度值；
将待配准图像对
Figure 684922DEST_PATH_IMAGE001
、
Figure 694467DEST_PATH_IMAGE002
按公式1处理，得到SAR图像与卫星数字地图的灰度图；
S12：对待配准图像对进行滤波处理，然后对滤波结果进行二值化处理，再根据二值化图像中非零像素个数的占比重复滤波及二值化操作，迭代至非零像素个数占比达到预设阈值；
对S11中灰度图进行归一化处理，使像素灰度值在0~1范围内，设
Figure DEST_PATH_IMAGE021
为图像中最大灰度值，
Figure 100002_DEST_PATH_IMAGE022
为图像中最小灰度值，通过下式进行图像归一化：
Figure DEST_PATH_IMAGE023
(2)
设置卷积核kernel的大小，以核内中心位置对应的像素为目标像素，使用kernel对待配准图像对进行卷积操作，卷积结果为：
Figure 100002_DEST_PATH_IMAGE024
按从左到右，从上到下滑动卷积核，直到处理完图像最后一个像素；
对卷积结果进行二值化处理，得到二值化后的结果
Figure DEST_PATH_IMAGE025
、
Figure 100002_DEST_PATH_IMAGE026
，凸显待配准图像中关键区域的轮廓边缘信息；
S13：对
Figure 993730DEST_PATH_IMAGE025
、
Figure DEST_PATH_IMAGE027
进行形态学处理，将断裂区域连接起来，得到处理结果
Figure 100002_DEST_PATH_IMAGE028
、
Figure DEST_PATH_IMAGE029
；
S14：对二值化后的SAR图像
Figure 922372DEST_PATH_IMAGE028
进行滤波处理，抑制相干斑噪声；
根据SAR图像
Figure 198763DEST_PATH_IMAGE001
的距离向分辨率Dre、方位向分辨率Dis构建滤波核
Figure 100002_DEST_PATH_IMAGE030
，大小为
Figure DEST_PATH_IMAGE031
，以核中心点为原点，通过下式构建：
Figure 100002_DEST_PATH_IMAGE032
相干斑噪声抑制步骤如下：
S141、采用构建的滤波核在二值SAR图像
Figure 871053DEST_PATH_IMAGE028
区域进行滑动操作，从左到右，从上到下，
S142、判断滤波核中元素与对应二值SAR图像
Figure 149456DEST_PATH_IMAGE028
元素是否相等且等于255，记录符合条件的元素个数，记为
Figure DEST_PATH_IMAGE033
，
S143、判断滤波核中元素值为255，且对应二值SAR图像
Figure 452262DEST_PATH_IMAGE028
元素值为0，记录符合条件的元素个数，记为
Figure 100002_DEST_PATH_IMAGE034
，
S144、当
Figure 465217DEST_PATH_IMAGE033
与
Figure 82143DEST_PATH_IMAGE034
的值大于滤波核元素个数的1/3时，判断图像中每行左右邻域或每列上下邻域中像素灰度值为255的像素个数是否超过5，如果超过则设置目标像素的灰度值为0，
S145：重复上述操作，直到滤波核中心位置与图像右下角像素重合，得到处理结果
Figure DEST_PATH_IMAGE035
；
S15：对卫星数字地图
Figure 513256DEST_PATH_IMAGE029
与相干斑抑制后的SAR图像
Figure 100002_DEST_PATH_IMAGE036
进行高斯滤波去噪、Canny边缘检测，得到处理后的图像
Figure 721383DEST_PATH_IMAGE003
、
Figure 956055DEST_PATH_IMAGE004
。
进一步地，所述S2包括：
S21：首先计算图像中所有像素点的梯度大小，记为
Figure DEST_PATH_IMAGE037
，根据梯度大小
Figure 682398DEST_PATH_IMAGE037
计算出水平角度
Figure 100002_DEST_PATH_IMAGE038
与梯度幅值
Figure DEST_PATH_IMAGE039
，如下式所示：
Figure 100002_DEST_PATH_IMAGE040
(5)
Figure DEST_PATH_IMAGE041
(6)
Figure 100002_DEST_PATH_IMAGE042
(7)
利用伪排序得到梯度幅值大的点作为种子点，以该点水平线角度
Figure 30333DEST_PATH_IMAGE038
作为区域的初始角度
Figure DEST_PATH_IMAGE043
，在八邻域中寻找与
Figure 206100DEST_PATH_IMAGE043
的偏差小于预设阈值
Figure 100002_DEST_PATH_IMAGE044
的点，将该点加入到区域中并更新
Figure 646177DEST_PATH_IMAGE043
，得到线支持区域，最后通过矩形逼近得到直线特征，检测到的直线特征以点数据的形式进行存储，分别表示为
Figure DEST_PATH_IMAGE045
、
Figure 100002_DEST_PATH_IMAGE046
；
S22：筛选
Figure 932802DEST_PATH_IMAGE045
、
Figure 525458DEST_PATH_IMAGE046
中最具代表性的直线特征用来进行配准工作，步骤如下：
S221、分别计算
Figure 357278DEST_PATH_IMAGE045
、
Figure 504226DEST_PATH_IMAGE046
所有直线段的长度，并按降序排列，表示为
Figure DEST_PATH_IMAGE047
、
Figure 100002_DEST_PATH_IMAGE048
，
S222、根据预设直线特征数量
Figure DEST_PATH_IMAGE049
，在
Figure 125700DEST_PATH_IMAGE047
、
Figure 87709DEST_PATH_IMAGE048
中提取前
Figure 74119DEST_PATH_IMAGE049
条直线特征，
S223、提取距离间隔较大的直线特征，
S224、保存直线特征的端点坐标，表示为
Figure 100002_DEST_PATH_IMAGE050
、
Figure DEST_PATH_IMAGE051
。
进一步地，所述S3包括：
S31：将
Figure 36259DEST_PATH_IMAGE050
、
Figure 884261DEST_PATH_IMAGE051
中直线特征的端点坐标转化为极坐标，表示为
Figure 100002_DEST_PATH_IMAGE052
、
Figure DEST_PATH_IMAGE053
，
S311、计算每条直线段的斜率
Figure 100002_DEST_PATH_IMAGE054
与截距
Figure DEST_PATH_IMAGE055
，
S312、计算直线段的中心点坐标
Figure 100002_DEST_PATH_IMAGE056
、
Figure DEST_PATH_IMAGE057
及
Figure 100002_DEST_PATH_IMAGE058
Figure DEST_PATH_IMAGE059
(8)
Figure 100002_DEST_PATH_IMAGE060
(9)
Figure DEST_PATH_IMAGE061
(10)
S313、计算极坐标的极角
Figure 100002_DEST_PATH_IMAGE062
与极径
Figure DEST_PATH_IMAGE063
当
Figure 100002_DEST_PATH_IMAGE064
时，获得如下三个点：
Figure 100002_DEST_PATH_IMAGE066
Figure 100002_DEST_PATH_IMAGE068
Figure 100002_DEST_PATH_IMAGE070
当
Figure DEST_PATH_IMAGE071
时，获得如下三个点：
Figure 549378DEST_PATH_IMAGE066
Figure DEST_PATH_IMAGE073
Figure 237848DEST_PATH_IMAGE070
得到极角
Figure 359388DEST_PATH_IMAGE062
：
Figure DEST_PATH_IMAGE075
Figure DEST_PATH_IMAGE077
Figure 100002_DEST_PATH_IMAGE078
Figure 100002_DEST_PATH_IMAGE080
得到极径
Figure 604556DEST_PATH_IMAGE063
：
令
Figure DEST_PATH_IMAGE081
，
则有
Figure 100002_DEST_PATH_IMAGE082
；
S32、以卫星数字地图为基准，计算SAR图像中直线与卫星数字地图中直线的角度差
Figure DEST_PATH_IMAGE083
，计算
Figure 100002_DEST_PATH_IMAGE084
与
Figure DEST_PATH_IMAGE085
中
Figure 100002_DEST_PATH_IMAGE086
的差值：
Figure DEST_PATH_IMAGE087
，
将相同的
Figure 100002_DEST_PATH_IMAGE088
值进行计数，将出现次数最多的
Figure 682102DEST_PATH_IMAGE088
值记为
Figure DEST_PATH_IMAGE089
；
S33、计算尺度参数
Figure 100002_DEST_PATH_IMAGE090
S331、采用
Figure 338211DEST_PATH_IMAGE084
中的
Figure 681468DEST_PATH_IMAGE086
统计出SAR图像中平行直线组，
S332、计算SAR图像与卫星数字地图中每组平行直线极坐标的极径差
Figure 100002_DEST_PATH_IMAGE092
Figure 100002_DEST_PATH_IMAGE094
Figure 100002_DEST_PATH_IMAGE096
将相同的
Figure DEST_PATH_IMAGE097
值进行计数，出现次数最多的
Figure 494441DEST_PATH_IMAGE097
值即为尺度参数
Figure 787013DEST_PATH_IMAGE090
。
进一步地，以SAR图像的中心点为坐标原点
Figure 100002_DEST_PATH_IMAGE098
，设SAR图像的宽和高分别为
Figure DEST_PATH_IMAGE099
，则原点坐标为
Figure 100002_DEST_PATH_IMAGE100
，
将SAR图像的旋转中心点平移至坐标原点，对应的变换矩阵为：
Figure 100002_DEST_PATH_IMAGE102
将SAR图像绕
Figure 82865DEST_PATH_IMAGE098
旋转角度
Figure DEST_PATH_IMAGE103
，对应的变换矩阵为：
Figure DEST_PATH_IMAGE105
将图像缩放为原来的
Figure 100002_DEST_PATH_IMAGE106
倍，对应的变换矩阵为：
Figure 100002_DEST_PATH_IMAGE108
将坐标原点
Figure 818478DEST_PATH_IMAGE098
平移回旋转中心点，对应的变换矩阵为：
Figure 100002_DEST_PATH_IMAGE110
得到最终的变换矩阵为：
Figure DEST_PATH_IMAGE111
。
进一步地，采用变换矩阵
Figure 77552DEST_PATH_IMAGE010
对SAR图像进行仿射变换：
Figure 100002_DEST_PATH_IMAGE112
。
进一步地，所述S7包括：
S71：选择SAR图像中部区域作为匹配模板，提取出的模板图像尺寸根据SAR图像的长宽动态设置，模板图像中心点在SAR图像中的坐标表示为
Figure DEST_PATH_IMAGE113
；
S72：在二值化后的卫星数字地图结果上，从左到右，从上到下计算模板图像与重叠子图像的匹配度量值
Figure 100002_DEST_PATH_IMAGE114
，匹配度量值
Figure 68640DEST_PATH_IMAGE114
由归一化模板匹配算法计算得到，如下式：
Figure DEST_PATH_IMAGE115
将匹配度量值
Figure 473077DEST_PATH_IMAGE114
保存到结果图像矩阵
Figure 100002_DEST_PATH_IMAGE116
中，在结果图像矩阵
Figure 384401DEST_PATH_IMAGE116
中
Figure 368537DEST_PATH_IMAGE114
值最大的位置代表了最佳匹配位置，记最佳匹配位置坐标为
Figure DEST_PATH_IMAGE117
。
进一步地，采用模板图像中心点在SAR图像中的坐标
Figure 432440DEST_PATH_IMAGE113
，以及模板图像在卫星数字地图中最佳匹配位置坐标
Figure 273357DEST_PATH_IMAGE117
，计算出SAR图像相对卫星数字地图在x轴方向、y轴方向的平移量
Figure 100002_DEST_PATH_IMAGE118
，如下式：
Figure DEST_PATH_IMAGE119
。
进一步地，结合平移量
Figure 609660DEST_PATH_IMAGE118
与变换矩阵
Figure 100002_DEST_PATH_IMAGE120
计算出SAR图像在卫星数字地图中的匹配点
Figure 974651DEST_PATH_IMAGE012
，设SAR图像中的目标点为
Figure DEST_PATH_IMAGE121
，通过下列公式可以得到匹配点
Figure 142327DEST_PATH_IMAGE012
：
Figure DEST_PATH_IMAGE123
Figure 100002_DEST_PATH_IMAGE124
。
有益效果：与现有技术相比，本发明的优点在于：本发明通过分析SAR图像中关键区域的线、面特征之间的属性关联，选择图像中目标线、面特征对SAR图像进行智能配准，提高了SAR图像与卫星数字地图的配准精准度，降低目标匹配错误概率，采用直线检测与模板匹配的配准方法，相对于单独的直线检测，具有更好的匹配精度，效果也会更好。本发明能够获取高精度配准结果，实现目标的精准定位，并且对视角和光照变化具有很好的鲁棒性，结果准确、误检可控。
附图说明
图1是本发明的方法处理流程图；
图2是滤波卷积核的示意图；
图3是待卷积图像区域；
图4是SAR图像的仿射变换前的示意图；
图5是SAR图像的仿射变换后的示意图；
图6是SAR图像与卫星数字地图匹配结果；
图7是SAR图像中已匹配目标的经纬度信息结果。
具体实施方式
下面通过附图对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。
如图1所示的基于LSD直线检测与模板匹配的SAR图像配准方法，
S1：对待配准图像对进行预处理，主要包括灰度化、滤波、二值化、形态学运算、相干斑抑制、高斯滤波、Canny边缘检测；
S2：采用LSD直线检测方法检测图像预处理结果中的直线特征；
S3：根据直线特征计算待配准图像之间的尺度参数、角度参数；
S4：根据尺度参数与角度参数计算变换矩阵；
S5：对SAR图像进行仿射变换；
S6：在仿射变换后的SAR图像中选择模板，根据归一化模板匹配算法对选择的模板与卫星数字地图进行匹配；
S7：通过模板匹配结果计算出在x轴方向与y轴方向的平移量；
S8：根据平移量与变换矩阵，再次对SAR图像进行仿射变换，实现SAR图像与卫星数字地图的配准工作，计算匹配点；
S9：采用匹配点坐标计算目标点经纬度信息。
S1：对待配准图像对进行预处理，主要包括灰度化、滤波、二值化、形态学运算，相干斑抑制，高斯滤波、Canny边缘检测。
S11、本发明采用平均值法进行灰度化处理，将三通道转换为单通道，即将SAR图像与卫星数字地图的三个通道
Figure 436036DEST_PATH_IMAGE013
、
Figure 462898DEST_PATH_IMAGE014
、
Figure 851154DEST_PATH_IMAGE015
在
Figure 342179DEST_PATH_IMAGE016
处的像素灰度值
Figure 728161DEST_PATH_IMAGE018
、
Figure 553903DEST_PATH_IMAGE019
、
Figure 480271DEST_PATH_IMAGE020
相加，求平均值
Figure DEST_PATH_IMAGE125
，得到在图中
Figure 560222DEST_PATH_IMAGE016
处的像素灰度值为：
Figure 179422DEST_PATH_IMAGE017
(1)
最终将待配准图像对按公式1处理，得到SAR图像与卫星数字地图的灰度图。
S12、对待配准图像进行滤波处理，提高对比度，突显图像边缘等特征，然后对滤波结果进行二值化处理，再根据二值化图像中非零像素个数的占比重复滤波与二值化操作，迭代至非零像素个数占比达到预设阈值。
对S11中灰度图进行归一化处理，使像素灰度值在0~1范围内，设
Figure 993926DEST_PATH_IMAGE021
为图像中最大灰度值，
Figure 723984DEST_PATH_IMAGE022
为图像中最小灰度值，通过下式进行图像归一化：
Figure 861705DEST_PATH_IMAGE023
(2)
设卷积核kernel的大小为
Figure 100002_DEST_PATH_IMAGE126
（kernel的大小根据实际情况可以设置），如图2所示。以核内中心位置对应的像素为目标像素，使用kernel对待配准图像对进行卷积操作，对应待卷积的图像区域如图3所示，卷积结果为：
Figure 448544DEST_PATH_IMAGE024
按从左到右、从上到下滑动卷积核，直到处理完图像最后一个像素。
接下来，对卷积结果进行二值化处理，得到二值化后的结果
Figure 983299DEST_PATH_IMAGE025
，
Figure 454732DEST_PATH_IMAGE026
，凸显待配准图像中关键区域的轮廓等边缘信息。
S13、对
Figure 509275DEST_PATH_IMAGE025
、
Figure 735857DEST_PATH_IMAGE027
进行形态学处理，将断裂区域连接起来，得到处理结果
Figure 243062DEST_PATH_IMAGE028
、
Figure 518186DEST_PATH_IMAGE029
；
S14、对二值化后的SAR图像
Figure 709127DEST_PATH_IMAGE028
进行滤波处理，抑制相干斑噪声
根据原始SAR图像的距离向分辨率与方位向分辨率（分别表示为Dre，Dis）构建滤波核
Figure 575451DEST_PATH_IMAGE030
，大小为
Figure 38794DEST_PATH_IMAGE031
，以核中心点为原点，通过下式构建：
Figure 648767DEST_PATH_IMAGE032
相干斑噪声抑制步骤如下：
1） 采用构建的滤波核在SAR图像
Figure 943482DEST_PATH_IMAGE028
区域进行滑动操作，从左到右、从上到下，
2） 判断滤波核中元素与对应二值SAR图像元素是否相等且等于255，记录符合条件的元素个数，记为
Figure 235835DEST_PATH_IMAGE033
，
3） 判断滤波核中元素值为255，且对应二值SAR图像元素值为0，记录符合条件的元素个数，记为
Figure 186473DEST_PATH_IMAGE034
，
4） 当
Figure 600137DEST_PATH_IMAGE033
与
Figure 749359DEST_PATH_IMAGE034
的值大于滤波核元素个数的1/3时，判断图像中每行左右邻域或每列上下邻域中像素灰度值为255的像素个数是否超过5，如果超过则设置目标像素的灰度值为0，
5） 重复上述操作，直到滤波核中心位置与图像右下角像素重合，得到处理结果
Figure 426328DEST_PATH_IMAGE035
。
S15、对卫星数字地图
Figure 395421DEST_PATH_IMAGE029
与相干斑抑制后的SAR图像
Figure 363508DEST_PATH_IMAGE036
进行高斯滤波去噪、Canny边缘检测，得到处理后的图像
Figure DEST_PATH_IMAGE127
、
Figure 100002_DEST_PATH_IMAGE128
。
S2：采用LSD直线检测方法检测图像预处理结果中的直线特征。
本发明在采用LSD直线检测方法之前对图像进行去噪与边缘提取操作，能够提取出质量较高的直线特征。
S21：LSD直线检测方法能在线性的时间内得出亚像素级精度的检测结果，且无需调节任何参数。
首先计算图像中所有像素点的梯度大小和水平角度，分别记为
Figure 632815DEST_PATH_IMAGE037
、
Figure 277423DEST_PATH_IMAGE038
，根据梯度大小计算出
Figure 937075DEST_PATH_IMAGE038
与梯度幅值
Figure 941809DEST_PATH_IMAGE039
，如下式所示：
Figure 65623DEST_PATH_IMAGE040
(5)
Figure 84394DEST_PATH_IMAGE041
(6)
Figure 28079DEST_PATH_IMAGE042
(7)
利用伪排序得到梯度幅值大的点作为种子点，以该点水平线角度
Figure 587237DEST_PATH_IMAGE038
作为区域的初始角度
Figure 50710DEST_PATH_IMAGE043
，在八邻域中寻找与
Figure 240383DEST_PATH_IMAGE043
的偏差小于预设阈值
Figure 671364DEST_PATH_IMAGE044
的点，将该点加入到区域中并更新
Figure 34213DEST_PATH_IMAGE043
，得到线支持区域，最后通过矩形逼近得到直线特征，检测到的直线特征以点数据的形式进行存储，分别表示为
Figure DEST_PATH_IMAGE129
、
Figure 100002_DEST_PATH_IMAGE130
。
S22：筛选
Figure 381886DEST_PATH_IMAGE129
与
Figure 539198DEST_PATH_IMAGE130
中最具代表性的直线特征用来进行配准工作，
Figure 660738DEST_PATH_IMAGE129
与
Figure 296118DEST_PATH_IMAGE130
中存储了检测到的所有直线段
筛选步骤如下：
1）计算所有直线段的长度，并按降序排列，表示为
Figure DEST_PATH_IMAGE131
与
Figure 100002_DEST_PATH_IMAGE132
，
2）根据预设直线特征数量
Figure 265343DEST_PATH_IMAGE049
，在
Figure 859135DEST_PATH_IMAGE131
与
Figure 999129DEST_PATH_IMAGE132
中提取前
Figure 907043DEST_PATH_IMAGE049
条直线特征，
3）提取距离间隔较大的直线特征，
4）保存直线特征的端点坐标，表示为
Figure 448882DEST_PATH_IMAGE050
与
Figure 462844DEST_PATH_IMAGE051
。
S3：根据直线特征计算待配准图像之间的尺度参数、角度参数。
根据上述
Figure 293396DEST_PATH_IMAGE050
与
Figure 270580DEST_PATH_IMAGE051
计算出尺度参数、角度参数，分别表示为
Figure 198084DEST_PATH_IMAGE090
，
Figure 868100DEST_PATH_IMAGE103
；
S31、将
Figure 185949DEST_PATH_IMAGE050
与
Figure 983135DEST_PATH_IMAGE051
中直线特征的端点坐标转化为极坐标，表示为
Figure 499567DEST_PATH_IMAGE052
与
Figure 543746DEST_PATH_IMAGE053
；
1）计算每条直线段的斜率
Figure DEST_PATH_IMAGE133
与截距
Figure 942366DEST_PATH_IMAGE015
，
2）计算直线段的中心点坐标
Figure 100002_DEST_PATH_IMAGE134
、
Figure DEST_PATH_IMAGE135
及
Figure 100002_DEST_PATH_IMAGE136
Figure DEST_PATH_IMAGE137
(8)
Figure 100002_DEST_PATH_IMAGE138
(9)
Figure DEST_PATH_IMAGE139
(10)
3）计算极坐标的极角与极径：
当
Figure 100002_DEST_PATH_IMAGE140
时，由2中可以获得如下三个点：
Figure 100002_DEST_PATH_IMAGE142
Figure 100002_DEST_PATH_IMAGE144
Figure 100002_DEST_PATH_IMAGE146
当
Figure DEST_PATH_IMAGE147
时，由2中可以获得如下三个点：
Figure 100002_DEST_PATH_IMAGE148
Figure 100002_DEST_PATH_IMAGE150
Figure 550766DEST_PATH_IMAGE146
可以得到极角
Figure 921704DEST_PATH_IMAGE086
：
Figure 100002_DEST_PATH_IMAGE152
Figure 100002_DEST_PATH_IMAGE154
Figure DEST_PATH_IMAGE155
Figure DEST_PATH_IMAGE157
可以得到极径
Figure 100002_DEST_PATH_IMAGE158
：
令
Figure 277730DEST_PATH_IMAGE081
，
则有
Figure DEST_PATH_IMAGE159
。
S32、以卫星数字地图为基准，计算SAR图像中直线与卫星数字地图中直线的角度差
Figure 835751DEST_PATH_IMAGE103
；
根据在SAR图像与卫星数字地图中检测到的直线特征计算出SAR图像与卫星数字地图之间的旋转角度，通过直线端点坐标将直线用极坐标，分别表示为
Figure 473274DEST_PATH_IMAGE052
与
Figure 964298DEST_PATH_IMAGE053
；
计算
Figure 350280DEST_PATH_IMAGE084
与
Figure 926755DEST_PATH_IMAGE085
中
Figure 118702DEST_PATH_IMAGE086
的差值：
Figure 401916DEST_PATH_IMAGE087
，
将相同的
Figure 771849DEST_PATH_IMAGE088
值进行计数，出现次数最多的
Figure 835620DEST_PATH_IMAGE088
值即为
Figure 300099DEST_PATH_IMAGE103
。
S33、计算尺度参数
Figure 703398DEST_PATH_IMAGE090
尺度参数计算步骤如下：
1）采用
Figure 759079DEST_PATH_IMAGE084
中的
Figure 28255DEST_PATH_IMAGE086
统计出SAR图像中平行直线组，
2）计算SAR图像与卫星数字地图中每组平行直线极坐标的极径差，
Figure 100002_DEST_PATH_IMAGE160
Figure 562005DEST_PATH_IMAGE094
Figure DEST_PATH_IMAGE161
将相同的
Figure 350969DEST_PATH_IMAGE097
值进行计数，出现次数最多的
Figure 46393DEST_PATH_IMAGE097
值即为尺度参数
Figure 835488DEST_PATH_IMAGE090
。
S4：根据尺度参数与角度参数计算变换矩阵。
以SAR图像的中心点为坐标原点
Figure 110612DEST_PATH_IMAGE098
，设SAR图像的宽和高分别为：
Figure 19662DEST_PATH_IMAGE099
，则原点坐标为
Figure 417145DEST_PATH_IMAGE100
；
将SAR图像的旋转中心点平移至坐标原点
Figure 411646DEST_PATH_IMAGE098
，对应的变换矩阵为：
Figure 490461DEST_PATH_IMAGE102
将SAR图像绕
Figure 774723DEST_PATH_IMAGE098
旋转角度
Figure 77529DEST_PATH_IMAGE103
，对应的变换矩阵为：
Figure 824905DEST_PATH_IMAGE105
将图像缩放为原来的
Figure 441831DEST_PATH_IMAGE106
倍，对应的变换矩阵为：
Figure 325473DEST_PATH_IMAGE108
将坐标原点
Figure 549913DEST_PATH_IMAGE098
平移回旋转中心点，对应的变换矩阵为：
Figure 100002_DEST_PATH_IMAGE162
得到最终的变换矩阵为：
Figure DEST_PATH_IMAGE163
。
S5：对SAR图像进行仿射变换。
根据上述变换矩阵
Figure 50164DEST_PATH_IMAGE120
对SAR图像进行仿射变换：
Figure 100002_DEST_PATH_IMAGE164
；变换结果
Figure DEST_PATH_IMAGE165
，见图4、图5所示，其中图4为原图，图5为处理结果。
步骤6：在仿射变换后的SAR图像中选择模板，根据归一化模板匹配算法对选择的模板与卫星数字地图进行匹配。
S61：选择SAR图像中部区域作为匹配模板，提取出的模板图像尺寸根据SAR图像的长宽动态设置，模板图像中心点在SAR图像中的坐标表示为
Figure 100002_DEST_PATH_IMAGE166
；
S62：在二值化后的卫星数字地图结果上，从左到右，从上到下计算模板图像与重叠子图像的匹配度量值
Figure DEST_PATH_IMAGE167
，将匹配度量值
Figure 313524DEST_PATH_IMAGE167
保存到结果图像矩阵
Figure 100002_DEST_PATH_IMAGE168
中，在
Figure 848411DEST_PATH_IMAGE168
中的每个位置都包含匹配度量值
Figure 696281DEST_PATH_IMAGE167
，匹配度量值
Figure 903402DEST_PATH_IMAGE167
由归一化模板匹配算法计算得到，如下式：
Figure DEST_PATH_IMAGE169
在结果图像矩阵
Figure 455606DEST_PATH_IMAGE168
中，
Figure 517103DEST_PATH_IMAGE167
值最大的位置代表了最高的匹配，即被认为时最匹配的地方，记为
Figure 100002_DEST_PATH_IMAGE170
。
步骤7：通过模板匹配结果计算出在x轴方向与y轴方向的平移量。
采用模板图像中心点在SAR图像中的坐标信息，与模板图像在卫星数字地图中最佳匹配位置坐标信息，计算出SAR图像相对卫星数字地图在x轴方向与y轴方向的平移量，如下式：
Figure 100002_DEST_PATH_IMAGE172
步骤8：根据平移量与变换矩阵，再次对SAR图像进行仿射变换，实现SAR图像与卫星数字地图的配准工作，计算匹配点
Figure 909776DEST_PATH_IMAGE012
。
结合平移量
Figure DEST_PATH_IMAGE173
与变换矩阵
Figure 587882DEST_PATH_IMAGE120
计算出SAR图像在卫星数字地图中的匹配点
Figure 147040DEST_PATH_IMAGE012
，设SAR图像中的目标点为
Figure 63043DEST_PATH_IMAGE121
，通过下列公式可以得到匹配点
Figure 65765DEST_PATH_IMAGE012
：
Figure 496747DEST_PATH_IMAGE123
Figure DEST_PATH_IMAGE175
匹配结果如图6所示，其中A点为SAR图像中的目标点，B点为卫星数字地图中与A对应的匹配点。
步骤9：采用匹配点坐标计算目标点经纬度信息。
采用载入的经纬度数据库，结合匹配点坐标
Figure 328436DEST_PATH_IMAGE012
计算出目标点经纬度信息，如图7所示。
如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。

Claims (10)

1.基于LSD直线检测与模板匹配的SAR图像配准方法，其特征在于，包括如下步骤：
S1、读取SAR图像与卫星数字地图，构建待配准图像对并表示为
Figure DEST_PATH_IMAGE002
、
Figure DEST_PATH_IMAGE004
，对待配准图像对
Figure 284603DEST_PATH_IMAGE002
、
Figure 732902DEST_PATH_IMAGE004
进行预处理，得到
Figure DEST_PATH_IMAGE006
、
Figure DEST_PATH_IMAGE008
；
S2：采用LSD直线检测方法检测预处理结果
Figure 106115DEST_PATH_IMAGE006
、
Figure 32482DEST_PATH_IMAGE008
中的直线特征，得到最具代表性的直线特征的端点坐标
Figure DEST_PATH_IMAGE010
、
Figure DEST_PATH_IMAGE012
；
S3：根据
Figure 440330DEST_PATH_IMAGE010
、
Figure 528372DEST_PATH_IMAGE012
计算待配准图像对之间的尺度参数
Figure DEST_PATH_IMAGE014
、角度参数
Figure DEST_PATH_IMAGE016
；
S4：根据尺度参数
Figure 388880DEST_PATH_IMAGE014
、角度参数
Figure 118939DEST_PATH_IMAGE016
计算变换矩阵
Figure DEST_PATH_IMAGE018
；
S5：采用变换矩阵
Figure 974768DEST_PATH_IMAGE018
对SAR图像
Figure 374657DEST_PATH_IMAGE002
进行仿射变换；
S6：在仿射变换后的SAR图像中选择模板，根据归一化模板匹配算法对选择的模板与卫星数字地图进行匹配；
S7：根据模板匹配结果计算出SAR图像相对于卫星数字地图在x轴方向和y轴方向上的平移量
Figure DEST_PATH_IMAGE020
；
S8：根据平移量
Figure 581516DEST_PATH_IMAGE020
和变换矩阵
Figure 849686DEST_PATH_IMAGE018
，再次对SAR图像进行仿射变换，实现SAR图像与卫星数字地图的配准工作，计算匹配点坐标
Figure DEST_PATH_IMAGE022
；
S9：载入卫星数字地图配套的经纬度数据库，根据匹配点坐标
Figure DEST_PATH_IMAGE024
获取目标点经纬度信息。
2.根据权利要求1所述的基于LSD直线检测与模板匹配的SAR图像配准方法，其特征在于：所述S1中对
Figure 966547DEST_PATH_IMAGE002
进行的预处理操作包括灰度化、滤波、二值化、形态学运算、高斯滤波、Canny边缘检测，对
Figure 130812DEST_PATH_IMAGE004
进行的预处理操作包括灰度化、滤波、二值化、形态学运算、相干斑抑制、高斯滤波、Canny边缘检测。
3.根据权利要求1所述的改进的基于LSD直线检测与模板匹配的SAR图像区域配准方法，其特征在于，所述S1中灰度化、滤波、二值化、形态学运算、相干斑抑制、高斯滤波、Canny边缘检测的处理过程包括：
S11：采用平均值法对待配准图像对进行灰度化处理
设
Figure DEST_PATH_IMAGE026
、
Figure DEST_PATH_IMAGE028
、
Figure DEST_PATH_IMAGE030
分别表示待处理图像的三个通道，采用平均值法进行灰度化处理，将三通道转换为单通道，得到图中
Figure DEST_PATH_IMAGE032
处的像素灰度值为：
Figure DEST_PATH_IMAGE034
(1)
Figure DEST_PATH_IMAGE036
、
Figure DEST_PATH_IMAGE038
、
Figure DEST_PATH_IMAGE040
表示三个通道
Figure 424302DEST_PATH_IMAGE026
、
Figure 105950DEST_PATH_IMAGE028
、
Figure 280580DEST_PATH_IMAGE030
在图中
Figure 350167DEST_PATH_IMAGE032
处的像素灰度值，将待配准图像对
Figure 734881DEST_PATH_IMAGE002
、
Figure 344854DEST_PATH_IMAGE004
按公式1处理，得到SAR图像与卫星数字地图的灰度图；
S12：对SAR图像与卫星数字地图的灰度图归一化后进行滤波处理，然后对滤波结果进行二值化处理，再根据二值化图像中非零像素个数的占比重复滤波及二值化操作，迭代至非零像素个数占比达到预设阈值，包括：
对S11中灰度图进行归一化处理，使像素灰度值在0~1范围内，设
Figure DEST_PATH_IMAGE042
为图像中最大灰度值，
Figure DEST_PATH_IMAGE044
为图像中最小灰度值，通过下式进行图像归一化：
Figure DEST_PATH_IMAGE046
(2)
设置卷积核kernel的大小，以核内中心位置对应的像素为目标像素，使用kernel对待配准图像对进行卷积操作，卷积结果为：
Figure DEST_PATH_IMAGE048
按从左到右、从上到下滑动卷积核，直到处理完图像最后一个像素；
对卷积结果进行二值化处理，得到二值化后的结果
Figure DEST_PATH_IMAGE050
、
Figure DEST_PATH_IMAGE052
，凸显待配准图像中关键区域的轮廓边缘信息；
S13：对
Figure 498623DEST_PATH_IMAGE050
、
Figure DEST_PATH_IMAGE054
进行形态学处理，将断裂区域连接起来，得到处理结果
Figure DEST_PATH_IMAGE056
、
Figure DEST_PATH_IMAGE058
；
S14：对二值化后的SAR图像
Figure 394904DEST_PATH_IMAGE056
进行滤波处理，抑制相干斑噪声；
根据SAR图像
Figure 142280DEST_PATH_IMAGE002
的距离向分辨率Dre、方位向分辨率Dis构建滤波核
Figure DEST_PATH_IMAGE060
，大小为
Figure DEST_PATH_IMAGE062
，以核中心点为原点，通过下式构建：
Figure DEST_PATH_IMAGE064
相干斑噪声抑制步骤如下：
S141、采用构建的滤波核在二值SAR图像
Figure 149419DEST_PATH_IMAGE056
区域进行滑动操作，从左到右、从上到下，
S142、判断滤波核中元素与对应二值SAR图像
Figure 236324DEST_PATH_IMAGE056
元素是否相等且等于255，记录符合条件的元素个数，记为
Figure DEST_PATH_IMAGE066
，
S143、判断滤波核中元素值为255，且对应二值SAR图像
Figure 365823DEST_PATH_IMAGE056
元素值为0，记录符合条件的元素个数，记为
Figure DEST_PATH_IMAGE068
，
S144、当
Figure 741441DEST_PATH_IMAGE066
与
Figure 817850DEST_PATH_IMAGE068
的值大于滤波核元素个数的1/3时，判断图像中每行左右邻域或每列上下邻域中像素灰度值为255的像素个数是否超过5，如果超过则设置目标像素的灰度值为0，
S145：重复S141至S144，直到滤波核中心位置与图像右下角像素重合，得到处理结果
Figure DEST_PATH_IMAGE070
；
S15：对卫星数字地图
Figure 493682DEST_PATH_IMAGE058
与相干斑抑制后的SAR图像
Figure DEST_PATH_IMAGE072
进行高斯滤波去噪、Canny边缘检测，得到处理后的图像
Figure 522643DEST_PATH_IMAGE006
、
Figure 979033DEST_PATH_IMAGE008
。
4.根据权利要求2所述的改进的基于LSD直线检测与模板匹配的SAR图像区域配准方法，其特征在于：所述S2包括
S21：首先计算图像中所有像素点的梯度大小，记为
Figure DEST_PATH_IMAGE074
，根据梯度大小
Figure 406603DEST_PATH_IMAGE074
计算出水平角度
Figure DEST_PATH_IMAGE076
与梯度幅值
Figure DEST_PATH_IMAGE078
，如下式所示：
Figure DEST_PATH_IMAGE080
(5)
Figure DEST_PATH_IMAGE082
(6)
Figure DEST_PATH_IMAGE084
(7)
利用伪排序得到梯度幅值大的点作为种子点，以该点水平线角度
Figure 779684DEST_PATH_IMAGE076
作为区域的初始角度
Figure DEST_PATH_IMAGE086
，在八邻域中寻找与
Figure 204980DEST_PATH_IMAGE086
的偏差小于预设阈值
Figure DEST_PATH_IMAGE088
的点，将该点加入到区域中并更新
Figure 804458DEST_PATH_IMAGE086
，得到线支持区域，最后通过矩形逼近得到直线特征，检测到的直线特征以点数据的形式进行存储，分别表示为
Figure DEST_PATH_IMAGE090
、
Figure DEST_PATH_IMAGE092
；
S22：筛选
Figure 566878DEST_PATH_IMAGE090
、
Figure 138673DEST_PATH_IMAGE092
中最具代表性的直线特征用来进行配准工作，步骤如下：
S221、分别计算
Figure 125084DEST_PATH_IMAGE090
、
Figure 431431DEST_PATH_IMAGE092
所有直线段的长度，并按降序排列，表示为
Figure DEST_PATH_IMAGE094
、
Figure DEST_PATH_IMAGE096
，
S222、根据预设直线特征数量
Figure DEST_PATH_IMAGE098
，在
Figure 122176DEST_PATH_IMAGE094
、
Figure 955002DEST_PATH_IMAGE096
中提取前
Figure 971369DEST_PATH_IMAGE098
条直线特征，
S223、提取距离间隔较大的直线特征，
S224、保存直线特征的端点坐标，表示为
Figure DEST_PATH_IMAGE100
、
Figure DEST_PATH_IMAGE102
。
5.根据权利要求3所述的改进的基于LSD直线检测与模板匹配的SAR图像区域配准方法，其特征在于：所述S3包括
S31：将
Figure 30592DEST_PATH_IMAGE100
、
Figure 931552DEST_PATH_IMAGE102
中直线特征的端点坐标转化为极坐标，表示为
Figure DEST_PATH_IMAGE104
、
Figure DEST_PATH_IMAGE106
，
S311、计算每条直线段的斜率
Figure DEST_PATH_IMAGE108
与截距
Figure DEST_PATH_IMAGE110
，
S312、计算直线段的中心点坐标
Figure DEST_PATH_IMAGE112
、
Figure DEST_PATH_IMAGE114
及
Figure DEST_PATH_IMAGE116
Figure DEST_PATH_IMAGE118
(8)
Figure DEST_PATH_IMAGE120
(9)
Figure DEST_PATH_IMAGE122
(10)
S313、计算极坐标的极角
Figure DEST_PATH_IMAGE124
与极径
Figure DEST_PATH_IMAGE126
当
Figure DEST_PATH_IMAGE128
时，获得如下三个点：
Figure DEST_PATH_IMAGE130
Figure DEST_PATH_IMAGE132
Figure DEST_PATH_IMAGE134
当
Figure DEST_PATH_IMAGE136
时，获得如下三个点：
Figure DEST_PATH_IMAGE130A
Figure DEST_PATH_IMAGE138
Figure DEST_PATH_IMAGE134A
得到极角
Figure 841389DEST_PATH_IMAGE124
：
Figure DEST_PATH_IMAGE140
Figure DEST_PATH_IMAGE142
Figure DEST_PATH_IMAGE144
Figure DEST_PATH_IMAGE146
得到极径
Figure 356552DEST_PATH_IMAGE126
：
令
Figure DEST_PATH_IMAGE148
，
则有
Figure DEST_PATH_IMAGE150
；
S32、以卫星数字地图为基准，计算SAR图像中直线与卫星数字地图中直线的角度差
Figure DEST_PATH_IMAGE152
，计算
Figure DEST_PATH_IMAGE154
与
Figure DEST_PATH_IMAGE156
中
Figure DEST_PATH_IMAGE158
的差值：
Figure DEST_PATH_IMAGE160
，
将相同的
Figure DEST_PATH_IMAGE162
值进行计数，将出现次数最多的
Figure 966655DEST_PATH_IMAGE162
值记为
Figure DEST_PATH_IMAGE164
；
S33、计算尺度参数
Figure DEST_PATH_IMAGE166
S331、采用
Figure 123836DEST_PATH_IMAGE154
中的
Figure 541042DEST_PATH_IMAGE158
统计出SAR图像中平行直线组，
S332、计算SAR图像与卫星数字地图中每组平行直线极坐标的极径差
Figure DEST_PATH_IMAGE168
Figure DEST_PATH_IMAGE170
Figure DEST_PATH_IMAGE172
将相同的
Figure DEST_PATH_IMAGE174
值进行计数，出现次数最多的
Figure 86161DEST_PATH_IMAGE174
值即为尺度参数
Figure 854397DEST_PATH_IMAGE166
。
6.根据权利要求3所述的改进的基于LSD直线检测与模板匹配的SAR图像区域配准方法，其特征在于：
以SAR图像的中心点为坐标原点
Figure DEST_PATH_IMAGE176
，设SAR图像的宽和高分别为
Figure DEST_PATH_IMAGE178
，则原点坐标为
Figure DEST_PATH_IMAGE180
，
将SAR图像的旋转中心点平移至坐标原点
Figure 690635DEST_PATH_IMAGE176
，对应的变换矩阵为：
Figure DEST_PATH_IMAGE182
将SAR图像绕
Figure 477194DEST_PATH_IMAGE176
旋转角度
Figure DEST_PATH_IMAGE184
，对应的变换矩阵为：
Figure DEST_PATH_IMAGE186
将图像缩放为原来的
Figure DEST_PATH_IMAGE188
倍，对应的变换矩阵为：
Figure DEST_PATH_IMAGE190
将坐标原点
Figure 209527DEST_PATH_IMAGE176
平移回旋转中心点，对应的变换矩阵为：
Figure DEST_PATH_IMAGE192
得到最终的变换矩阵为：
Figure DEST_PATH_IMAGE194
。
7.根据权利要求6所述的改进的基于LSD直线检测与模板匹配的SAR图像区域配准方法，其特征在于：采用变换矩阵
Figure 183168DEST_PATH_IMAGE018
对SAR图像
Figure 94535DEST_PATH_IMAGE002
进行仿射变换：
Figure DEST_PATH_IMAGE196
。
8.根据权利要求7所述的改进的基于LSD直线检测与模板匹配的SAR图像区域配准方法，其特征在于，所述S6包括：
S61：选择SAR图像
Figure DEST_PATH_IMAGE198
中部区域作为匹配模板，提取出的模板图像尺寸根据SAR图像的长宽动态设置，模板图像中心点在SAR图像
Figure 548650DEST_PATH_IMAGE198
中的坐标表示为
Figure DEST_PATH_IMAGE200
；
S62：在二值化后的卫星数字地图
Figure 248622DEST_PATH_IMAGE054
结果中，从左到右、从上到下计算模板图像与卫星数字地图
Figure 850505DEST_PATH_IMAGE054
重合区域子图像的匹配度量值
Figure DEST_PATH_IMAGE202
，匹配度量值
Figure 841594DEST_PATH_IMAGE202
由归一化模板匹配算法计算得到，如下式：
Figure DEST_PATH_IMAGE204
将匹配度量值
Figure 540429DEST_PATH_IMAGE202
保存到结果图像矩阵
Figure DEST_PATH_IMAGE206
中，在结果图像矩阵
Figure 286668DEST_PATH_IMAGE206
中
Figure 234901DEST_PATH_IMAGE202
值最大的位置代表了最佳匹配位置，记最佳匹配位置坐标为
Figure DEST_PATH_IMAGE208
。
9.根据权利要求8所述的改进的基于LSD直线检测与模板匹配的SAR图像区域配准方法，其特征在于：采用模板图像中心点在SAR图像
Figure 29682DEST_PATH_IMAGE198
中的坐标
Figure 520706DEST_PATH_IMAGE200
，以及模板图像在卫星数字地图中最佳匹配位置坐标
Figure 562481DEST_PATH_IMAGE208
，计算出SAR图像相对卫星数字地图在x轴方向、y轴方向的平移量
Figure 404535DEST_PATH_IMAGE020
，如下式：
Figure DEST_PATH_IMAGE210
。
10.根据权利要求9所述的改进的基于LSD直线检测与模板匹配的SAR图像区域配准方法，其特征在于：
结合平移量
Figure 737427DEST_PATH_IMAGE020
与变换矩阵
Figure DEST_PATH_IMAGE212
计算出SAR图像在卫星数字地图中的匹配点
Figure 676433DEST_PATH_IMAGE024
，设SAR图像中的目标点为
Figure DEST_PATH_IMAGE214
，通过下列公式可以得到匹配点
Figure 702158DEST_PATH_IMAGE024
：
Figure DEST_PATH_IMAGE216
Figure DEST_PATH_IMAGE218
。
CN202210379931.1A 2022-04-12 2022-04-12 基于lsd直线检测与模板匹配的sar图像配准方法 Active CN115049708B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210379931.1A CN115049708B (zh) 2022-04-12 2022-04-12 基于lsd直线检测与模板匹配的sar图像配准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210379931.1A CN115049708B (zh) 2022-04-12 2022-04-12 基于lsd直线检测与模板匹配的sar图像配准方法

Publications (2)

Publication Number Publication Date
CN115049708A true CN115049708A (zh) 2022-09-13
CN115049708B CN115049708B (zh) 2023-04-07

Family

ID=83157883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210379931.1A Active CN115049708B (zh) 2022-04-12 2022-04-12 基于lsd直线检测与模板匹配的sar图像配准方法

Country Status (1)

Country Link
CN (1) CN115049708B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120274505A1 (en) * 2011-04-27 2012-11-01 Lockheed Martin Corporation Automated registration of synthetic aperture radar imagery with high resolution digital elevation models
CN103295232A (zh) * 2013-05-15 2013-09-11 西安电子科技大学 基于直线和区域的sar图像配准方法
CN105184801A (zh) * 2015-09-28 2015-12-23 武汉大学 一种基于多层次策略的光学与sar影像高精度配准方法
CN107301661A (zh) * 2017-07-10 2017-10-27 中国科学院遥感与数字地球研究所 基于边缘点特征的高分辨率遥感图像配准方法
CN111145228A (zh) * 2019-12-23 2020-05-12 西安电子科技大学 基于局部轮廓点与形状特征融合的异源图像配准方法
CN113256653A (zh) * 2021-05-25 2021-08-13 南京信息工程大学 一种面向高层地物的异源高分遥感影像配准方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120274505A1 (en) * 2011-04-27 2012-11-01 Lockheed Martin Corporation Automated registration of synthetic aperture radar imagery with high resolution digital elevation models
CN103295232A (zh) * 2013-05-15 2013-09-11 西安电子科技大学 基于直线和区域的sar图像配准方法
CN105184801A (zh) * 2015-09-28 2015-12-23 武汉大学 一种基于多层次策略的光学与sar影像高精度配准方法
CN107301661A (zh) * 2017-07-10 2017-10-27 中国科学院遥感与数字地球研究所 基于边缘点特征的高分辨率遥感图像配准方法
CN111145228A (zh) * 2019-12-23 2020-05-12 西安电子科技大学 基于局部轮廓点与形状特征融合的异源图像配准方法
CN113256653A (zh) * 2021-05-25 2021-08-13 南京信息工程大学 一种面向高层地物的异源高分遥感影像配准方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHENGUANG LIU ET AL.: "\"A Line Segment Detector for SAR Images with Controlled False Alarm Rate\"" *
WU PENG ET AL.: ""Fast and Robust SAR Image Matching Algorithm"" *
刘中杰等: ""基于控制线方法的机载SAR和可见光图像匹配应用研究"" *

Also Published As

Publication number Publication date
CN115049708B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN107301661B (zh) 基于边缘点特征的高分辨率遥感图像配准方法
CN108109163A (zh) 一种航拍视频的运动目标检测方法
CN107688777B (zh) 一种协同多源遥感影像的城市绿地提取方法
CN110070545B (zh) 一种城镇纹理特征密度自动提取城镇建成区的方法
CN111369605A (zh) 一种基于边缘特征的红外与可见光图像的配准方法和系统
CN108564532B (zh) 大尺度地距星载sar图像镶嵌方法
CN111008664A (zh) 一种基于空谱联合特征的高光谱海冰检测方法
CN114897705A (zh) 一种基于特征优化的无人机遥感图像拼接方法
CN112734729A (zh) 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质
CN114723677A (zh) 图像缺陷检测方法、检测装置、检测设备及存储介质
CN113609984A (zh) 一种指针式仪表读数识别方法、装置及电子设备
CN111950559A (zh) 一种基于径向灰度的指针仪表自动读数方法
CN108537832A (zh) 基于局部不变灰度特征的图像配准方法、图像处理系统
CN113793309B (zh) 一种基于形态学特征的亚像素级椭圆检测方法
CN114723794B (zh) 基于lsd直线检测的sar图像配准方法
CN107808165B (zh) 一种基于susan角点检测的红外图像匹配方法
CN115049708B (zh) 基于lsd直线检测与模板匹配的sar图像配准方法
CN114742849B (zh) 一种基于图像增强的水准仪距离测量方法
CN116206139A (zh) 一种基于局部自卷积的无人机图像升尺度匹配方法
CN111325722A (zh) 印章图像精确识别方法、印章图像识别处理方法和印章图像识别系统
CN116091818A (zh) 基于多神经网络级联模型的指针式仪表读数识别方法
CN114972453B (zh) 改进的基于lsd与模板匹配的sar图像区域配准方法
CN114862883A (zh) 一种目标边缘提取方法、图像分割方法及系统
CN111507177B (zh) 一种用于计量周转柜的识别方法及装置
CN113554688A (zh) 一种基于单目视觉的o型密封圈尺寸测量方法

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
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 210000 Room 301, floor 3, building 75, zone B, entrepreneurship and innovation city, No. 15, Fengji Avenue, Yuhuatai District, Nanjing, Jiangsu Province

Patentee after: Nanjing Thunderbolt Information Technology Co.,Ltd.

Address before: 210000 Room 301, floor 3, building 75, zone B, entrepreneurship and innovation city, No. 15, Fengji Avenue, Yuhuatai District, Nanjing, Jiangsu Province

Patentee before: NANJING LEADING INFORMATION TECHNOLOGY Co.,Ltd.