一种基于封闭均匀区域的SAR图像配准方法

为克服图像间灰度差异、旋转差异和尺度差异对SAR图像配准精度的影响,该文利用均匀区域在SAR图像中的灰度统计特性,提出一种基于稳定封闭均匀区域的SAR图像配准算法。首先基于多尺度非线性扩散理论,提取得到轮廓保持性较好的封闭均匀区域;然后构建具有仿射不变性的区域特征,采取基于多边形拟合的区域粗匹配方法和基于重合度的区域精匹配方法,实现由粗至精的区域匹配;最后用匹配区域的质心点构建图像变换模型。实验结果表明,该算法配准精度高,能有效克服待配准图像之间的灰度差异、旋转差异和尺度差异,对噪声具有较好的适应性。     

结合P-M滤波及改进LSS的光学和SAR图像配准算法

针对遥感光学图像和SAR图像在配准过程中存在正确匹配点较少、配准精度低的问题,提出一种结合P-M滤波及改进LSS的光学和SAR图像配准算法.首先,利用各向异性方程扩散性滤除SAR图像的斑点噪声;其次,对于图像间显著的灰度差异,利用提取的局部区域特征求取各个方向的自相似值,确定主方向的特征方向,结合特征梯度位置方向,形成稳定局部自相似特征算子对图像进行配准.实验结果表明,此算法在有效保留图像边缘信息的同时,对于光学图像和SAR图像之间的成像差异具有较好的鲁棒性,相较于同类配准算法,配准精度提升近20％.     

非线性扩散方程在SAR图像噪声抑制中的应用

将光学图像加性噪声抑制的非线性扩散方程引入到SAR图像相干斑抑制中，通过分析SAR图像的相干斑噪声模型在功率图像域以及功率图像的对数域上的表现特性，说明了基于加性噪声模型的非线性扩散方程在SAR图像噪声抑制中的应用可能性，并由此设计了基于非线性扩散方程的SAR图像噪声抑制算法。计算结果表明，与现有的SAR噪声抑制方法相比，非线性扩散方程方法具有更强的对背景区域的噪声抑制能力，且能更好地保持目标特征。     

SAR与TM图像自动配准算法研究

为了克服SAR（合成孔径雷达）和TM（专题制图仪）图像配准时受SAR图像中相干斑噪声影响大,以及手工选取配准点精度低的缺点,提出了一种基于闭合区域的图像配准方法,先对SAR图像和TM图像进行处理得到闭合边缘图像后,采用区域生长的方法确定闭合区域,并以其所含像素点数为依据对闭合区域进行匹配,实现图像配准。实验结果表明：该方法稳定有效,对于待配准图像的波段无限制,适应性强。     

基于改进Hausdorff测度的医学图像配准算法

 本文针对在医学图像配准中采用Hausdorff(HD)测度算法时存在精度和计算量之间的矛盾,提出了HD测度的改进算法,在HD测度算法中首次引入非线性的Bayesian一致性函数,以达到提高配准精度和抗噪声性能的目的.实验表明,该方法有效地解决了采用传统HD距离测度算法时,因出格点和噪声点引起的误配问题,获得了较好的配准效果.     

强化位置感知的光学与SAR图像一体化配准方法

图像配准是光学与SAR图像信息融合的基础。现有典型的配准方法大多依赖于特征点检测与匹配来实现,对不同场景区域的适用性较差,容易出现误匹配点多或有效同名点不足以致配准失效的情况。针对该问题,本文提出了一种强化位置感知的光学与SAR图像一体化配准方法,利用深度网络直接回归图像间的几何变换关系,在不依赖特征点检测与匹配的情况下,实现端到端的高精度配准。具体地,首先在骨干网络中利用融合坐标注意力的特征提取模块,捕获输入图像对中具有位置敏感性的细粒度特征;其次,融合骨干网络输出的多尺度特征,兼顾浅层特征的定位信息与高层特征的语义信息;最后提出联合位置偏差与图像相似性的损失函数优化配准结果。基于高分辨率光学与SAR图像配准公开数据集OS-Dataset的实验结果表明,与现有典型的OS-SIFT、RIFT2、DHN及DLKFM四种算法相比,所提方法对于城市、农田、河流、重复纹理及弱纹理等不同场景区域均具有良好的稳健性,在配准的目视效果以及定量的精度指标上均优于现有算法。其中平均角点误差小于3个像素的百分比与四种算法中精度最高的DLKFM相比提高了25%以上;配准速度与四种算法中最快的DHN基本相当,...     

一种改进的基于不变描述子的图像自动配准方法

本文提出了一种改进的基于不变描述子的图像自动配准方法来处理具有全局仿射变换的图像配准问题.该方法主要分为三步:首先,利用Mean-shift算法和区域标记算法分别从参考图像和待配准图像中提取区域特征作为配准基元,采用7个仿射不变矩作为不变描述子;其次,通过组合仿射不变矩的最小距离准则和行、列匹配概率系数算法获得一个候选匹配区域特征集,运用穷举策略从中得到三个最好的匹配区域特征,利用它们的重心点坐标计算仿射变换模型参数的初始值;最后,根据空间一致性检测获得所有正确的匹配区域特征,利用它们的重心点坐标和最小二乘算法估计最优的仿射变换模型参数.仿真和实际图像数据的配准实验和对比实验结果表明本文方法具有较高的可靠性和配准精度.     

SAR 村庄目标ROI 提取和异源图像匹配

针对合成孔径雷达(SAR)图像信噪比低且具有相干斑噪声,与光学图像配准时难度较大的现状,提出了一种异源图像村庄目标感兴趣区域(ROI)提取和匹配新方法。首先,对SAR 图像进行中值滤波和偏微分处理,消除噪声干扰;然后,利用灰度共生矩阵的四个纹理参数对整幅图进行计算,判断是否为村庄目标点,并提出局部灰度一致性算法,消除虚警点,增加目标点,完成村庄目标ROI 的粗提取;接着,利用傅里叶描述子对获得的目标ROI 进行二次描述和填充,获得最终待匹配的村庄ROI;最后,利用Hu 不变矩区域特征,结合最小欧氏距离测度和余弦相似度,实现异源图像匹配。实验结果表明,最终获得的配准图像误差较小,配准图像视觉判断比较理想,因而具有较高的可靠性和稳定性以及较高的理论研究价值和广泛的应用前景。     

一种针对多通道GMTI的SAR复图像精确配准方法

提出了一种针对多通道GMTI的SAR复图像精确配准算法。首先,系统分析了配准误差对干涉相位的影响,推导出了对应配准误差的干涉相位Cramer-Rao界,并利用Monte Carlo仿真数据对配准误差的影响进行了量化。在此基础上,通过对待配准图像进行二维精确插值处理,生成模板图像库和相应的相关系数库,以适合多通道GMTI的复图像的相位相关为准则,找出模板图像库和相关系数库中与参考图像具有最大相位相关值的图像作为配准图像,从而实现多通道SAR复图像之间的精确配准。对基于所提算法的实测三通道SAR复图像进行慢动目标检测实验,结果表明所提算法能够提供多通道GMTI所需要的配准精度,证明了该算法的有效性和实用性。      

SIFT在高分辨率SAR图像自动配准中的性能分析

合成孔径雷达(SAR)图像的自动配准长期以来都未能很好的解决,特别是高分辨率SAR图像其配准的关键是稳健的特征提取与特征匹配算法。在光学图像配准中,最常用的特征点提取算法是Harris算子,而近年来SIFT(尺度不变特性变换)算法也因其优越的性能成为当前比较流行的算法。探讨了Harris和SIFT特征提取算法在高分辨SAR图像自动配准中的应用,并选取4对有代表性的SAR图像进行了配准实验,对2种特征提取算法的运行时间、所提取匹配点对的正确率以及特征点的提取精度进行了比较。通过定性及定量分析,在同轨获取的高分辨率SAR图像配准中,SIFT均能实现精确配准,其适用性及精度均优于Harris。     

SAR图像多尺度配准的小波域最小割模型方法

 针对合成孔径雷达(Synthetic Aperture Radar,简称SAR)图像提出了一种基于小波域改进最小割(Improved Minimum Cut,简称IMC)模型的多尺度配准方法.该方法首先将小波分解后的高频信息与SAR图像的特性相结合,用以指导在低频子图像中基于IMC模型的图像分割,从而获得两幅图像中完整的区域轮廓特征,然后通过融合开闭轮廓的信息,分别利用统计直方图和Hausdorff距离获取配准参数并对之细化,最后通过逐层校正参数完成多尺度的配准.实验结果表明,该方法能避免斑点噪声对轮廓提取和匹配的影响,能够实现具有平移、尺度和旋转变化的亚像素级精度的SAR图像配准.     

SAR 和光学图像精配准技术的研究

光学图像和SAR 图像的配准是实现多源图像融合和复合分析的基础,该文介绍了一种光学图像和SAR图像精配准的方法。首先采用人工的方式选择3～4 个同名控制点,在此基础上实现图像的粗略配准,保证SAR与光学图像尺度和旋转的归一化;然后在粗配准的光学图像上提取特征点,并分别采用不同的梯度算子提取SAR和光学图像的梯度强度,基于梯度强度进行归一化互相关,从而得到不同图像上的同名特征点;最后根据提取的同名特征点构建不规则三角网,并对每个三角网构成的小面元进行图像的精确配准,最终实现SAR 和光学图像的精配准。通过采用星载图像的精配准处理和检验,证明了该方法的可行性,能获得较好的配准效果。      

A Region-Based Approach to Digital Image Registration with Subpixel Accuracy

Automatic registration of images with translational, rotational, and scaling differences is discussed. To register two images from the same scene, first, the images are segmented and closedboundary regions in the images are extracted. Next, centers of gravity of closed-boundary regions are taken as control points and correspondence is established between the control points. Using this correspondence, the original images are then revisited and the segmentation process is refined in such a way that the obtained corresponding regions become optimally similar. This enables determination of centers of gravity of the regions up to subpixel accuracy. Finally, registration parameters are determined by the least squares error criterion.     

A moment-based approach to registration of images with affinegeometric distortion

A new method is described for automatic control point selection and matching. First, reference and sensed images are segmented and closed-boundary regions are extracted. Each region is represented by a set of affine-invariant moment-based features. Correspondence between the regions is then established by a two-stage matching algorithm that works both in the feature space and in the image space. Centers of gravity of corresponding regions are used as control points. A practical use of the proposed method is demonstrated by registration of SPOT and Landsat TM images. It is shown that the authors' method can produce subpixel registration accuracy     

Image registration by recognition of corresponding structures

A method for automatic image registration which is characterized by its insensitivity to scaling, rotation, and intensity changes is described. The method is based on similarity assessment of the structures in the images and on a check of their spatial arrangement. Pairs of structures that correspond to each other provide sets of control points to geometric mapping functions. An application of the method to remote-sensing image alignment with a reference map is presented     

基于邻域一致性的极化SAR图像仿射配准

极化SAR图像的配准是极化SAR图像处理的基础,需要具备较高的精度与速度。基于深度学习的极化SAR图像配准大多数是结合图像块特征的匹配与基于随机抽样一致性的参数迭代估计来实现的。目前尚未实现端到端的基于深度卷积神经网络的一步仿射配准。该文提出了一种基于弱监督学习的端到端极化SAR图像配准框架,无需图像切块处理或迭代参数估计。首先,对输入图像对进行特征提取,得到密集的特征图。在此基础上,针对每个特征点保留k对相关度最高的特征点对。之后,将该4D稀疏特征匹配图输入4D稀疏卷积网络,基于邻域一致性进行特征匹配的过滤。最后,结合输出的匹配点对置信度,利用带权最小二乘法进行仿射参数回归,实现图像对的配准。该文采用RADARSAT-2卫星获取的德国Wallerfing地区农田数据以及PAZ卫星获取的中国舟山港口地区数据作为测试图像对。通过对升降轨、不同成像模式、不同极化方式、不同分辨率的极化SAR图像对的配准测试,并与4种现有方法进行对比,验证了该方法具有较高的配准精度与较快的速度。      

基于级联变换的光学和SAR图像配准算法

针对光学和SAR(Synthetic Aperture Radar)图像配准中存在明显辐射和几何差异的问题,提出了一种基于级联变换的多源遥感图像配准方法.首先,利用灰度变换提取光学和SAR图像间的稳定结构特征,去除辐射差异性;然后,提出一种新的加权对数极坐标变换算法,解决图像间全局几何差异性,保证算法的尺度和旋转不变性,并初步得到整体的平移量;最后,通过局部几何变换,得到一系列的匹配点对,构建薄板样条模型,实现图像的精确配准.实验验证了算法去除辐射差异性和获得全局几何变换参数的能力,与传统的多源图像配准算法相比,基于级联变换的配准算法鲁棒性好,配准精度高.