耦合标记控制分水岭与形态学的特殊纹理SAR与光学高分影像自动配准技术

摘要

本发明公开耦合标记控制分水岭与形态学的特殊纹理SAR与光学高分影像自动配准技术。首先，对影像进行预处理，去除SAR影像斑点噪声；然后，使用标记控制分水岭分别提取影像中的水体区域并进行形态学处理，实现两幅影像中水体的准确提取；再次，使用一种适合二值图像配准的相似性测度，利用粒子群优化算法搜索得到最优变换参数；最后，使用该变换参数对待配准SAR影像进行空间变换。该技术的重点是提取了影像中的特殊地物，通过特殊地物的匹配实现整块影像配准，有效解决了分辨率差异大的SAR与光学高分影像自动配准的难题。研发的技术具有强鲁棒性，在减少计算量的同时确保配准精度，能够满足影像自动生产需求。

说明书

技术领域

本发明涉及SAR与光学影像配准领域，更具体的说是涉及耦合标记控制分水岭与形态学的特殊纹理SAR与光学高分影像自动配准技术。

背景技术

SAR具有全天候、全天时、多频段、多极化等独特优势，具有一定的表面穿透能力和运动目标检测能力，但其影像存在斑点噪声以及无法直观地解译判读等弱点。光学影像具有较高的分辨率，包含丰富的纹理信息及地物光谱信息，且成像易于解译，但其影像质量易受光照、天气情况等外界环境的影响。SAR影像和光学影像描述目标信息的侧重点不同，两者具有不可或缺的互补优势，具有广阔的应用前景。影像配准是影像融合和目标识别的前提，然而由于SAR与光学传感器的物理特性和成像机理不同，导致影像之间存在平移、旋转、缩放等差异,使得SAR与光学影像精确配准成为难点。

目前的影像配准方法可主要分为两大类：基于特征的配准方法和基于灰度的配准方法。对于SAR与光学影像配准来说，基于特征的图像配准中特征点的获取较困难，往往在两类影像中获取不到同名点。而基于灰度的配准方法计算量较大，且两类影像具有灰度差异，只用灰度信息作为配准依据会出现影像误配的问题。

针对特殊纹理影像在配准时出现的计算量大、误匹配等精度和效率问题，本发明公开一种耦合标记控制分水岭与形态学的特殊纹理SAR与光学高分影像自动配准技术，通过区域的特征实现SAR与光学影像配准。其主要内容是使用标记控制分水岭方法提取两幅特殊影像中的水体区域，将其二值化后再进行形态学处理，实现SAR和光学影像中水体的准确提取；然后，使用一种适合于二值图像配准的相似性测度，利用粒子群优化(PSO)算法，得到使相似性测度最大时的变换参数；最后使用该变换参数对待配准的SAR影像进行空间变换，从而实现具有特殊纹理的SAR与光学影像的快速精确配准。

发明内容

有鉴于此，本发明提出耦合标记控制分水岭与形态学的特殊纹理SAR与光学高分影像自动配准技术，图1为本发明配准方法的总体流程。

为了实现上述目的，本发明采用如下技术方案：

耦合标记控制分水岭与形态学的特殊纹理SAR与光学高分影像自动配准技术，包括：标记符控制的分水岭分割、形态学处理和影像配准三部分：

1.标记符控制的分水岭分割步骤如下：

S1：预处理，对SAR与光学影像分别进行预处理操作，其中SAR影像斑点噪声大，采用Lee滤波及图像拉伸等操作进行处理；

S2：通过基于重建的开闭操作计算局部极大值，获得前景标记fgm；

S3：通过阈值分割后的分水岭脊线来获取背景标记bgm；

S4：用前景标记fgm和背景标记bgm修正梯度图像，使梯度图像在fgm和bgm处有极小值；

S5：对改进的梯度图像进行分水岭分割，得到最终分割结果，并进行二值化处理，将水体区域标为1，背景区域标为0，得到提取后的二值图像；

2.形态学处理步骤如下：

S6：对二值图像进行开运算，以消除孤立散点和连通割裂区域，形成最终水体的精确提取结果；

3.影像配准步骤如下：

S7：采用一种适用于二值图像配准的相似性测度，使用粒子群优化(PSO)算法计算相似性测度的最大值，得到使相似性测度最大时的变换参数，即最优变换参数；

S8：使用最优变换参数对待配准的SAR影像进行空间变换，从而实现具有特殊纹理的SAR与光学影像的快速精确配准；

S9：结束。

本发明技术快速高效，精度高，可以实现具有特殊纹理的SAR与光学影像的高精度自动配准。通过实验表明，该技术对于不同分辨率的SAR与光学影像具有很好的鲁棒性，计算速度快，且配准精度高，误差优于一个像素，具有较好的使用价值。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述中的附图仅仅是本发明的示意图，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明提供的耦合标记控制分水岭与形态学的特殊纹理SAR与光学高分影像自动配准技术的总体流程；

图2为本发明提供的两组SAR与光学高分辨率影像数据；

图3为本发明提供的两组数据的标记区域分水岭水体提取结果；

图4为本发明提供的配准结果细节显示图；

表1为本发明提供的SAR与光学高分辨率影像数据介绍；

表1

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

以下步骤为标记符控制的分水岭分割部分：

Step 1：预处理。对SAR与光学影像分别进行预处理操作，其中SAR影像斑点噪声大，采用Lee滤波及图像拉伸等操作降低或消除相干斑噪声的影响；

Step 2：将两幅影像重采样至大小相同，通过基于重建的开闭操作清理图像，在对象内部创建平坦的局部极大值，作为前景标记fgm；

Step 3：使用阈值分割后得到的区域间分水岭脊线作为背景标记bgm；

Step 4：用前景标记fgm和背景标记bgm修正梯度图像，使梯度图像在fgm和bgm处有极小值，其中梯度图像是用Sobel边缘检测算子实现，Sobel算子定义如下：

其中，G

Step 5：对修正后的梯度图像进行分水岭分割，得到最终分割结果，并进行二值化处理，将水体区域标为1，背景区域标为0，得到提取水体信息后的二值图像；

以下步骤为形态学处理部分：

Step 6：对二值图像进行开运算，以消除孤立散点和连通割裂区域，并保持位置和形状不变，形成最终水体的精确提取结果。开运算定义如下：

其中，

以下步骤为影像配准部分：

Step 7：采用一种适用于二值图像配准的相似性测度，具体表达为：

其中，S(T)为相似性测度，f

然后，使用粒子群优化(PSO)算法计算相似性测度的最大值，得到使相似性测度最大时的变换参数T，即最优变换参数。配准变换模型定义为：

其中，(x,y)和(x’,y’)分别为两幅影像中对应的像素点坐标，a

Step 8：使用最优变换参数T对待配准的SAR影像进行空间变换，从而实现具有特殊纹理的SAR与光学影像的快速精确配准；

Step 9：结束。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，该方案所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于该方案所示的这些实施例，而是要符合与本发明所公开的原理和新颖特点相一致的最宽的范围。