利用单演信号三分量的合成孔径雷达图像配准方法

摘要

本发明公开了一种利用单演信号三分量的合成孔径雷达(SAR)图像配准方法，属于合成孔径雷达图像处理和配准技术领域。目前基于梯度信息的检测方法和互相关的匹配方法应用于SAR图像配准中，存在检测到的特征点过多、检测时间过长、配准精度低等缺点。本发明给出一种单演相位一致的检测算法和单演相位相关的匹配方法，通过设计一种频域Log-Gabor滤波器，产生三个正交的单演信号分量信号。单演信号分量信号一路到特征检测器，即用三分量求解出局部幅值、局部相位，构造一个单演相位一致函数，检测相位一致特征。单演信号分量信号另一路到匹配器，利用单演信号三个分量构造一个特征描述向量；通过计算参考图像与待配准图像中特征点的特征向量相关，得到特征向量相关矩阵；通过搜索特征向量相关矩阵行元素和列元素中都最大的元素，索引到粗匹配特征点对，实现特征粗匹配。再利用RANSAC算法拟合仿射基本矩阵，完成特征点对精匹配。利用仿射变换模型，实现SAR图像配准。该算法能实现SAR图像自动配准，配准速度快，受相干斑噪声影响小，配准精度高，具有推广应用价值。

说明书

一、技术领域

本发明属于图像处理和配准技术领域，特别涉及对合成孔径雷达(SAR)图像配准技术。

二、背景技术

在现代作战系统中，为了满足军事目标侦察与监视和复杂战场环境的动态感知的需要，必然要求将搭载于不同侦察平台的具有不同光谱频段、不同工作模式、不同空间分辨率的多种传感器构建一个综合的预警探测系统。但是多种探测手段获取同一区域的图像必然存在位置平移、视角变化、尺度差异以及几何形变等，这直接影响到军事情报的一致性。在进行多源图像目标检测与识别之前，必须使图像在空间上对齐，这就是多源图像的配准。在多种侦察传感器中，合成孔径雷达(Synthetic Aperture Radar，SAR)因其具有多种独特侦察性能，正在成为信息化战争中必不可少的战场侦察手段。因此，SAR图像间或SAR图像与其它模式图像间的配准具有重要意义。自动、快速、高精度的SAR图像配准始终是图像处理领域的一个难题。SAR图像与光学图像相比，无论是成像机理，还是图像灰度分布特点都具有很大差异，广泛且成功用于传统光学图像的配准方法无法直接用于SAR图像配准。根本原因在于SAR图像的相干斑噪声的存在，因为相干斑噪声是SAR图像相干成像的机理性噪声，对图像灰度分布有很严重的影响；另外成像条件的差异、拍摄时间和季节变化、拍摄场景地物的变化等因素造成图像具有灰度分布复杂、不稳定的特点，使得单一基于灰度特征的配准方法难以直接应用在SAR图像配准中。SAR图像配准中两个关键性环节和难题是特征检测、特征匹配。人们利用恒虚警(Constant False Alarm Rate，CFAR)、扩展分形(Extended Fractal，EF)、Harris等方法进行SAR图像特征检测。然而，基于对比度特征的CFAR检测方法对杂波背景统计模型依赖性大，虚警概率较高，计算量大，检测时间较长。基于纹理特征的EF检测方法对目标对比度和尺度非常敏感，会生产“负值效应”问题，检测的阈值选择缺乏自适应性。基于梯度特征的Harris检测方法，检测时间长，受相干斑噪声影响大，虚警概率高。针对SAR图像特征匹配问题，人们利用相似或非相似测度、尺度不变特征变换(Scale-Invariant FeatureTransform，SIFT)等方法进行特征匹配。相似测度主要有互信息、相关系数、联合概率分布能量、Hausdorff测度等。非相似测度主要有L1范数、L2范数及其改进，联合熵等。该类方法大部分直接从光学图像配准方法移植而来，计算量大，只适用于微小差异的SAR图像。基于SIFT的匹配方法，计算量大，对图像视角偏差敏感，匹配率较低。因此，现有的SAR图像特征检测和特征匹配方法应用环境有限，对目标背景复杂、相干斑噪声影响严重、视角偏差较大、分辨率差异较大的SAR图像配准不够理想，甚至无法有效配准。

相位一致(Phase Congruency，PC)是Morrone等在分析各类信号傅立叶级数时发现的一个规律，即信号的特征点总是出现在傅立叶相位叠合最大处。各种各样的特征类型，包括阶跃、线、屋顶及马赫带等特征都出现在相位一致高的点处。相位一致特征检测方法，不同于空域基于灰度梯度的特征检测算法，不受图像亮度和对比度的影响。实验和理论已论证相位一致与人类视觉对图像特征的认知基本相符。但对于SAR图像而言，传统PC检测方法存在检测的特征点数量多，虚假目标多，特征点定位精度低等弱点。作为一种新的图像分析理论，单演信号理论(Monogenic Signal Theory，MST)分析方法近年来引起了人们越来越多的关注，开始在图像模式识别、图像目标检测、图像重构、图像配准方面得到应用。二维单演信号是通过Riesz变换实现的二维希尔伯特变换推广，不同于传统的梯度或微分运算，能够优秀地表达图像的单演局部特征，如能量特征(局部幅值)、结构特征(局部相位)和几何特征(局部方向)，尤其是局部相位包含了图像的大部分信息。将MST与PC相结合，产生的单演相位一致(Monogenic Signal Phase Congruency，MSPC)检测方法，对SAR图像特征具有良好的检测性能。用单演信号的三个分量构造出的SAR图像特征向量，能很好描述图像特征。而单演信号向量相关(Monogenic Signal Vector Correlation，MSVC)匹配方法，则具有良好的匹配效果。基于此，将单演相位一致检测与单演信号向量相关匹配结合，形成基于单演信号理论的SAR图像配准方法，提高了特征匹配率，保持了较好的配准精度，具有较快的配准速度。

三、发明内容

1.要解决的技术问题

本发明的目的在于提供一种可以实现SAR图像自动快速高精度的配准方法。其中要解决的技术问题包括：

(1)SAR图像特征检测虚警率高，检测时间长；

(2)SAR图像特征匹配率低，误匹配点对多而导致配准精度低；

(3)传统匹配方法搜索效率低，配准速度慢。

2.技术方案

本发明所述的利用单演信号三分量的合成孔径雷达(SAR)图像配准方法，包括以下技术措施：首先，设计一种频域Log-Gabor滤波器，产生三个正交的单演信号分量信号。其次，单演信号分量信号一路到特征检测器，即用三分量求解出局部幅值、局部相位，构造一个单演相位一致函数，检测相位一致特征。然后，另一路单演信号分量信号到匹配器，即利用单演信号三个分量构造一个特征描述向量；通过计算参考图像与待配准图像中特征点的特征向量相关，得到特征向量相关矩阵；通过搜索特征向量相关矩阵行元素和列元素中都最大的元素，索引到粗匹配特征点对，实现特征粗匹配。再利用RANSAC算法拟合仿射基本矩阵，完成特征点对精匹配。利用仿射变换模型，实现SAR图像配准。

3.有益效果

本发明相比背景技术具有如下的优点：

(1)该配准方法能够有效降低相干噪声对配准的影响；

(2)该配准方法特征检测方法独特，检测到的SAR图像特征虚警率低，特征数量少，边缘定位精度高；

(3)该配准方法匹配方法计算简单，匹配率，环境适应性强；

(4)该配准方法配准速度快，精度高，具有较好的自适应能力。

四、附图说明

说明书附图是本发明的实施原理流程图。

五、具体实施方式

以下结合说明书附图对本发明作进一步详细描述。参照说明书附图，本发明的具体实施方式分以下几个步骤：

(1)设计一个频域的Log-Gabor滤波器，对参考图像和待配准图像进行Log-Gabor滤波，得到Log-Gabor滤波器的频域响应，得到单演信号三个分量，基于如下公式

f_p(x，y，s)＝I*F^-1(G(ω))

$>f_x(x,y,s)=F^{-1}\left((\sqrt{-1}·{\omega }_x/\sqrt{{\omega }_x^2+{\omega }_y^2})H\right)$>

$>f_y(x,y,s)=F^{-1}\left((\sqrt{-1}·{\omega }_y/\sqrt{{\omega }_x^2+{\omega }_y^2})H\right)$>

式中，I是二维图像信号，G(ω)表示Log-Gabor滤波器的频域响应，F表示二维傅立叶变换，H＝F(f_p(x，y，s)，ω_x和ω_y分别是水平频率和垂直频率。得到单演信号的局部幅值和局部相位，基于如下公式

$>A(x,y,s)=\sqrt{f_p^2(x,y,s)+f_x^2(x,y,s)+f_y^2(x,y,s)}$>

$>\phi (x,y,s)=-\mathrm{sign}\left(f_x(x,y,s)\right)a\tan 2(\sqrt{f_x^2(x,y,s)+f_y^2(x,y,s)}/f_p(x,y,s))$>

(2)设计MSPC滤波器对参考图像和待配准图像滤波，得到单演信号特征图像。MSPC滤波器设计基于如下公式

$>E=\sqrt{f_{p-\Sigma }^2+f_{x-\Sigma }^2+f_{y-\Sigma }^2}$>

式中$>f_{p-\Sigma }=\underset{s=1}{\overset{n}{\Sigma }}{f}_p(x,y,s),$>$>f_{x-\Sigma }=\underset{s=1}{\overset{n}{\Sigma }}{f}_x(x,y,s),$>$>f_{y-\Sigma }=\underset{s=1}{\overset{n}{\Sigma }}{f}_y(x,y,s).$>局部幅值和为最大局部幅值为A_max＝max(A_∑，A(x，y，s))，频率分布惩罚系数为频率扩散测度c＝0.5，Sigmoid形状系数g＝10，则Sigmoid权重定义为$>W=\frac{1}{1+\exp \left(g(c-w)\right)},$>$>\Delta {\Phi }_{\mathrm{ij}}(x,y,s)=1-\left|({\phi }_{\mathrm{ij}}(x,y,s)-\bar{\phi }(x,y,s))\right|.$>则得到单演相位一致滤波器

式中T表示噪声阈值，T＝10，s表示尺度，s＝1，2，3，ε表示防止分母为零的无穷小，ε＝0.0001。表示值为正时等于本身，否则取0；对单演信号特征图像进行非最大值抑制和阈值检测，完成SAR图像特征检测。

(3)构造单演特征向量。基于公式

V(x，y，s)＝[∪f_p(x，y，s)，∪f_x(x，y，s)，∪f_y(x，y，s)]^T

式中∪表示特征点邻域内的分量，T表示转置。

(4)完成单演特征向量相关，得到特征相关矩阵。计算参考图像和待配准图像中的特征点特征向量分别为V_i¹和两个特征向量相关(相乘)得到特征相关矩阵

(5)索引特征相关矩阵，完成粗匹配判决。设相关矩阵M_cor的任一元素为M_R，C。设任一行和列中最大的元素为且其对应的参考图像和感知图像特征点分别为和则匹配判决

式中表示匹配，→←表示不匹配。

(6)利用RANSAC算法拟合仿射基本矩阵，完成特征点对精匹配。利用仿射变换模型，实现SAR图像配准。