基于邻域熵和一致性检测的SAR图像配准方法与流程

技术特征：

1.一种基于邻域熵和一致性检测的SAR图像配准方法，包括如下步骤：

(1)利用双边滤波算法，对SAR图像参考图和待配准图分别进行滤波，得到滤波参考图和滤波待配准图；

(2)利用BRISK算法，分别提取滤波参考图和滤波待配准图的特征，得到滤波参考图特征描述子集合P＝{u₁,u₂,u₃,…,u_i,…,u_m}和滤波待配准图特征描述子集合Q＝{v₁,v₂,v₃,…,v_j,…,v_n}；其中，i和j分别表示滤波参考图特征描述子的下标和滤波待配准图特征描述子的下标，u_i和v_j分别表示滤波参考图的第i个特征描述子和滤波待配准图的第j个特征描述子，m和n分别表示滤波参考图和滤波待配准图的描述子数目；

(3)计算滤波参考图特征描述子集合P中的每一个描述子u_i，分别与滤波待配准图特征描述子集合Q中所有描述子间的汉明距离，得到m个汉明距离集合，并选取每个集合中最小距离对应的描述子作为与u_i匹配的描述子，得到初始匹配点对集合A＝{(p₁,p′₁),(p₂,p′₂),(p₃,p′₃),…,(p_i,p′_i),…,(p_m,p′_m)}，其中，(p_i,p′_i),p_i∈P且p′_i∈Q表示初始匹配点对集中的一对匹配点对，m表示初始匹配点对集合A的匹配点对数目；

(4)利用特征点的邻域熵，去除初始匹配点对集合A中的误匹配点对，实现步骤为：

(4a)分别计算初始匹配点对集合A中每一对匹配点对(p_i,p′_i)中p_i和p′_i的邻域熵，并求取两个邻域熵的差值，得到m个邻域熵差；

(4b)设定阈值T_e，并判断m个邻域熵差是否小于阈值T_e，若是，保留该匹配点对(p_i,p′_i)，否则，从初始匹配点对集合A中删除该匹配点对，得到粗匹配点对集合B，B＝{(p₁,p′₁),(p₂,p′₂),(p₃,p′₃),…,(p_i,p′_i),…,(p_s,p′_s)}；其中，s表示粗匹配点对集合B中匹配点对数目；

(5)利用一致性检测算法，去除粗匹配点对集合B中的误匹配点对，实现步骤为：

(5a)利用粗匹配点对集合B中匹配点对的下标，构造下标集I＝{1,2…s}，并从该下标集I中随机选择N个元素构造子下标集：I_son＝{id₁,id₂,…,id_k,…id_N},id_k∈I；

(5b)将子下标集I_son中的元素作为粗匹配点对集合B中匹配点对的下标，取出集合B中对应该下标的匹配点对，构成匹配点对集合：

(5c)计算匹配点对集合B对应滤波参考图中每个特征点p_i与匹配点对集合C对应滤波参考图中所有特征点之间的欧式距离，得到s个距离集合D₁,D₂,…,D_i,…D_s；计算匹配点对集合B对应滤波待配准图中每个特征点p′_i与匹配点对集合C对应滤波待配准图中所有特征点之间的欧式距离，得到s个距离集合D′₁,D′₂,…,D′_i,…D′_s；

(5d)设定阈值T_d，计算距离集合D_i与距离集合D′_i相同下标对应元素的比值，得到s个距离比值集合，并判断该s个距离比值集合中小于阈值T_d的元素个数是否大于0.5N，若是，保留匹配点对(p_i,p′_i)，否则，从粗匹配点对集合B中删除该匹配点对，得到精确匹配点对集合；

(6)利用cp2tform(·)函数，计算精确匹配点对集合中滤波参考图特征点p_i与滤波待配准图特征点p′_i的映射关系，得到大小为3×3的仿射变换矩阵H；

(7)利用仿射变换矩阵H对滤波待配准图进行仿射变换，得到变换滤波待配准图；

(8)利用遗传算法，对仿射变换矩阵H进行优化，实现步骤为：

(8a)计算步骤(5d)中精确匹配点对集合的归一化均方根误差函数f₁，同时计算变换滤波待配准图与滤波参考图之间的互信息函数f₂，并计算该两个函数的差，得到目标函数f＝f₁-f₂；

(8b)从仿射变换矩阵H中提取前两行元素，构造仿射变换参数向量μ₀，并将该仿射变换参数向量μ₀作为目标函数f的初始解，根据该初始解采用遗传算法求目标函数f的最小值，得到f的最小值对应的仿射变换参数向量μ^*，将μ^*表示成最优仿射变换矩阵，利用该最优仿射变换矩阵对滤波待配准图进行仿射变换，并将变换后的滤波待配准图与滤波参考图叠加显示，得到SAR图像参考图和待配准图的配准图像。

2.根据权利要求1所述的基于邻域熵和一致性检测的SAR图像配准方法，其特征在于：步骤(1)中所述的双边滤波算法，其表达式为：

其中，a表示待滤波像素，b表示待滤波像素邻域S内的任意像素，I_a和I_b分别表示待滤波像素a的灰度值和邻域S内任意像素b的灰度值，和分别是标准差为σ_s和σ_r的高斯空间核和高斯强度核，分别反映邻域像素与待滤波像素的空间关系和强度关系，W是归一化因子，bf_a是待滤波像素a处的双边滤波值。

3.根据权利要求1所述的基于邻域熵和一致性检测的SAR图像配准方法，其特征在于：步骤(2)中利用BRISK算法，分别提取滤波参考图和滤波待配准图的特征，实现步骤为：

(2a)构建SAR图像滤波参考图的尺度空间S1,同时构建滤波待配准图的尺度空间S2；

(2b)采用FAST9-16算法，对SAR图像滤波参考图的尺度空间S1进行特征点检测和非极大值抑制，得到SAR图像滤波参考图的尺度空间S1的多个特征点；

(2c)采用FAST9-16算法，对SAR图像滤波待配准图的尺度空间S2进行特征点检测和非极大值抑制，得到SAR图像滤波待配准图的尺度空间S2的多个特征点；

(2d)利用直方图统计法，计算SAR图像滤波参考图的尺度空间S1的多个特征点的梯度方向，得到SAR图像滤波参考图的尺度空间S1的多个特征点的主方向；

(2e)利用直方图统计法，计算SAR图像滤波待配准图的尺度空间S2的多个特征点的梯度方向，得到SAR图像滤波待配准图的尺度空间S2的多个特征点的主方向；

(2f)将SAR图像滤波参考图的尺度空间S1的多个特征点旋转到该多个特征点的主方向上，并在每个特征点周围取若干个采样点对，形成SAR图像滤波参考图的特征描述子集合；

(2g)将SAR图像滤波待配准图的尺度空间S2的多个特征点旋转到该多个特征点的主方向上，并在每个特征点周围取若干个采样点对，形成SAR图像滤波待配准图的特征描述子集合。

4.根据权利要求1所述的基于邻域熵和一致性检测的SAR图像配准方法，其特征在于：步骤(4)中所述特征点的邻域熵，其表达式为：

其中，E为邻域熵，R表示像素的邻域范围，h_ij表示位置(i,j)处像素的灰度概率分布，其表达式为：g(i,j)表示位置(i,j)处像素的灰度值。

5.根据权利要求1所述的基于邻域熵和一致性检测的SAR图像配准方法，其特征在于：步骤(8a)中所述的归一化均方根误差函数f₁，其表达式为：

其中，p_i表示精确匹配点对集合中匹配点对(p_i,p′_i)对应滤波参考图的特征点，p′_i表示精确匹配点对集合中匹配点对(p_i,p′_i)对应滤波待配准图的特征点，r是步骤(5d)得到的精确匹配点对集合中的点对数目。

6.根据权利要求1所述的基于邻域熵和一致性检测的SAR图像配准方法，其特征在于：步骤(8b)中所述的变换滤波待配准图与滤波参考图之间的互信息函数f₂，其表达式为：

其中，X表示滤波参考图，Y表示步骤(7)得到的变换滤波待配准图，x,y分别表示图像X,Y对应位置上像素的灰度值，表示图像X的边缘分布，表示图像Y的边缘分布，p_XY(x,y)表示图像X,Y的联合概率分布。