基于特征的多尺度图像配准算法概述

图像配准是图像处理技术中的关键步骤之一,在模式识别、图像融合、计算机视觉等众多实际问题中都有应用.基于图像特征的提取,进而完成图像配准,是图像配准算法研究的一个重要方向.本文以基于特征的图像配准方法为基础,结合多尺度技术的新进展,对基于特征的多尺度图像配准算法做了一个总结.     

基于尺度预估的SAR图像相位相关配准算法

高精度的图像配准是SAR图像融合的前提条件之一.针对相位相关匹配方法用于强相干斑噪声的多波段、多极化SAR图像匹配时存在的缺点,提出了一种基于尺度预估的SAR图像相位相关配准算法.首先,利用图像问的中心频谱值之比实现尺度预估计;然后,在相位相关过程中,针对强噪声图像的互功率谱的逆傅里叶变换图存在多峰的情况,通过脉冲值的局部搜索得到最佳的匹配参数;最后,校正待配准图像,达到精确配准.实验结果表明,文中算法对于多波段、多极化SAR图像具有良好的匹配效果.     

面向相干变化检测的高精度SAR 图像配准方法

在重航过飞行条件下,由于机载平台飞行高度和姿态不稳定导致实际飞行航迹偏离理想航迹,使得多航过影像对之间存在相对形变,尤其是在沿航线方位存在伸缩,导致同名点对应位置存在较大偏差;另外由场景地形起伏带来的图像距离向伸缩形变,也使得实现重航过图像高精度配准困难。而在相干变化检测、重轨干涉等应用中,要求对两幅或多幅图像进行亚像素级配准,以保证检测效果和后续干涉处理要求。文中首先从SAR 成像精准几何关系出发,利用地理高程信息,生成高定位精度的多航过复图像,然后通过计算和二维拟合产生主辅图像同名点位移矢量,最后将辅图像在空间开展二维重采样实现重航过SAR 图像精确配准。飞行试验结果证明了该方法的有效性。     

基于单演信号理论的SAR图像配准

该文提出一种基于单演信号理论的SAR图像配准的新算法。利用单演信号局部特征构造一个单演相位一致函数,用来检测SAR图像特征。利用单演信号分量构造单演向量,通过求单演向量相关,解决SAR图像特征点的匹配问题。实验结果显示,算法能较好完成SAR图像自动配准。     

结合多尺度角点和Harris变换的遥感图像配准方法

提出了一种新的基于多尺度角点和Harris变换相结合的角点检测的图像配准方法.其核心思想是采用Harris算子和Laplace图像金字塔相结合,对原始图像进行不同尺度的向下采样并对得到的图像进行角点检测,得到角点的角度和尺度响应的最值点比(尺度精定位),对图像进行旋转和平移变换,完成图像配准.理论分析和仿真实验表明,该...     

全局图像配准的目标快速定位方法

目标定位技术作为信息化战争中实施目标精确打击的前提,是情报保障工作的重要内容。目前主要是采用基于图像配准的方法来实现目标的快速定位,而传统的方法通常都是基于单一特征的图像配准算法,无法保证图像配准结果的可靠性,进而影响目标的定位精度。针对以上问题,提出了一种全局图像配准的目标快速定位方法,该方法采用图像斑点特征和角点特征相结合的配准方法,通过度量两种特征配准结果的相似性来保证目标定位精度。最后利用航空遥感图像数据进行了图像配准性能和目标定位精度实验。实验表明:该方法定位精度高,速度快,能够稳定并快速地完成航空遥感图像的目标定位。     

一种新的SAR图像自动配准算法

由于图像间光谱特性的差异,对图像配准的精度产生严重的影响,因此该文提出了一种基于改进灰度熵的SAR图像自动配准算法。文中首先对SAR图像进行配准前的预处理,提取图像掩模,然后计算图像行和列的灰度熵,将其作为图像的特征信息完成图像间的配准,提出了配准优化算法的完整步骤,并利用多种方法对配准结果进行评价。实验证明该方法可以有效克服图像间亮度不均的影响,充分利用了像素的有用信息,具有很高的配准精度和配准效率,是一种正确可行的图像配准算法。     

基于粗配准SAR图像变化检测方法

合成孔径雷达(SAR)图像由于受相干斑噪声的影响,在对其进行配准及变化检测时,经典的适于光学图像的方法效果不佳。该文先通过选取少量控制点实现SAR图像的粗配准,然后利用直方图规定化对SAR图像进行图像灰度匹配处理,在此基础上根据待检测目标特性选取适当的阈值,利用滑动矩形窗实现改进的基于图像差值的变化检测。真实SAR图像的实验结果表明,该方法能有效克服图像照度差异和粗配准误差的影响,取得满意的检测结果。     

基于最小熵的SAR干扰图像配准与评估研究

噪声干扰前后SAR图像的有效配准是判断其受干扰程度、计算图像相关性的前提,也是开展SAR对抗效果评估的基本环节。针对SAR对抗试验中噪声干扰前后机载平台航次一致性难以精确保证的问题,提出了一种基于最小熵子域相关法的SAR干扰图像配准策略。首先,按照一定的搜索方法在干扰前后的SAR图像中进行相关子域选取;然后,按照最小熵准则进行SAR干扰图像配准;最后,分析推导了配准性能与受干扰程度之间的关系。仿真实例验证了该配准策略的有效性。     

一种多部地基SAR联合观测时的图形配准方法

地基SAR（Synthetic Aperture Radar,合成孔径雷达）在形变监测领取得到了广泛应用,但仅能获取沿雷达视线方向的一维形变信息。为实现三维形变信息的测量,可以采用多部地基SAR从不同的观测角度对同一区域进行联合观测,但不同雷达的图像特征差别较大,基于常规的多项式拟合的变换方法无法实现配准。因此,本文提出了一种新的适合多部地基SAR联合观测下的几何配准方案。该方案中包含两个关键问题:三维坐标系变换和同名投影点关联,首先基于多个控制点将各部雷达与场景高程信息统一到同一坐标系下,其次基于雷达成像的投影原理实现不同雷达图像中同名投影点的关联。基于两部雷达获取的实测数据,初步验证了该方案的可行性。      

SAR穿墙成像中墙体影响图像域补偿方法

合成孔径雷达(SAR)穿墙成像中的关键问题是对墙体影响的补偿.而墙体参数通常为未知量,获得其值后才能进行补偿.本文在定量分析了墙体对墙后目标聚焦和定位影响的基础上,提出了一种图像域墙体影响补偿方法.该方法基于传统成像算法获得的图像及其滤波结果进行墙体参数估计,具有估计精度高和计算量小的优点.仿真结果验证了本文提出的方法能够实现墙后目标的精确聚焦和定位.     

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。     

基于小波和改进型Hausdorff距离的遥感图像配准方法

近年来,不断发展的遥感技术使传统的遥感图像配准方法显得难以胜任.本文介绍了一种准确、高效的遥感图像配准方法.该方法运用图像信息分层技术、小波多尺度图像分解和Harris角点检测算子进行特征点提取,构建一个特征点金字塔,利用改进型Hausdorff距离作为配准的相似性测度,从而实现遥感图像的配准.     

基于两种神经网络的SAR图像多尺度分割与分析

基于多尺度回归技术和神经网络提出两种合成孔径雷达(SAR)图像分割的新方法.首先利用多尺度自回归模型(MAR)来描述SAR图像不同尺度间的统计相依性,以此提取SAR图像的多尺度统计特征;然后分别构造自组织特征映射网络和概率神经网络,并利用统计特征作为输入训练两种网络,实现SAR图像的分割.最后通过实验对这两种方法以及其他方法之间进行比较、分析,结果表明本文提出的两种方法的实验结果比较理想.     

基于小波变换和对齐度准则的图像配准方法

图像配准是多传感器图像融合研究中的一项关键技术.由于基于特征的图像配准方法存在特征提取的多样性,对提取图像特征的鲁棒性和精确性都有很高的要求.文中在适用性很强的对齐度准则的基础上,提出了基于小波变换和对齐度准则相结合的图像配准方法.首先,分别利用小波变换模极大值和小波多尺度积提取出图像的边缘及特征点,再利用对齐度准则计算所有特征点对之间的对齐度,从而得到匹配点对.实验结果表明,该方法具有较强的适用性、抗噪性,精确性和有效性.     

空间目标双基地雷达ISAR成像技术研究

随着技术的发展,机载SAR的作用距离越来越远。由于地球曲率的存在,使用相对位置方法对SAR图像进行定位,会使定位结果产生误差,因此提出了一种新的相对位置定位方法,该方法适用于机载SAR作用距离过大,地球曲率的影响不能忽略的情况。并且给出了斜视成像过程中不同的方位压缩方式对SAR图像定位产生的影响。最后在仿真和实飞试验中对该方法进行了验证。验证结果表明,新的定位方法具有定位精度高、易于编程实现、实时性好的特点。     

基于小波域两向二维主分量分析的SAR目标识别

针对合成孔径雷达图像目标识别在图像域进行特征提取时空间维数较高、计算复杂度较大、识别效率较低等问题,提出基于小波域两向二维主分量分析和概率神经网络的SAR图像目标特征提取与识别方法。该方法首先引入二维离散小波变换将预处理后的SAR图像变换到小波域,得到可充分表征目标特征信息的低频成分。然后提取低频子图像的两向二维主分量分析低维特征作为训练样本和测试样本的目标特征,最后由概率神经网络分类器完成目标识别。MSTAR数据实验结果表明,在特征矩阵维数低至6×3(原始图像128×128)的情况下平均识别率高达99.32%,且最高可达99.83%,该方法不但能够有效压缩目标特征维数和提高识别率,还对目标的方位信息具有很强的鲁棒性,可有效应用于SAR图像目标特征提取和识别。     

基于自组织网络的SAR遥感图像的多尺度分割

基于多尺度信息特征和混合模型,将自组织混合网络(SOMN)应用于合成孔径雷达(SAR)图像的分割.首先对SAR图像的多尺度序列进行多尺度随机建模,以此进行多尺度特征提取;然后对其建立混合模型,并经过SOMN进行学习研究得到混合模型的参数;最后再利用Bayesian分类器,对SAR图像进行分割.实验结果表明,本文方法能够充分地利用SAR图像多尺度序列中不同类型地形的统计信息,进而明显地改进了图像的分割质量.     

基于改进Hausdorff距离的图像匹配快速算法

针对Hausdorff距离的特性及其在图像匹配中的应用,提出了一种基于改进Hausdorff距离准则的快速图像匹配算法。首先对图像进行小波分解和Harris角点检测后得到图像的特征点金字塔,然后利用改进的Hausdorff距离作为度量准则从特征点序列图像的最大尺度开始逐级向低尺度进行匹配。实验结果证明,该方法能在保证匹配精度的同时,有效加快匹配速度。