基于点对约束和三角形网的有变化区域的合成孔径雷达图像配准方法
【技术领域】
[0001] 本发明属于图像处理技术领域，涉及图像配准，特别是一种基于点对约束和H角 形网的有变化区域的合成孔径雷达图像配准方法，可用于SAR影像的变化检测、融合、拼接 等方面的前期配准工作。
【背景技术】
[0002] 合成孔径雷达（SAR)技术W其对目标的良好识别特性及高分辨、全天候、全天时等 特点在军事、环境监测等方面有着重要应用。在对SAR图像进行拼接、融合、变化检测等操 作前，需将来自同一地区、在相同时间不同视点或同一传感器不同时间获取的图像在空间 上进行配准，消除因获取图像的时间、角度、环境和传感器成像机理的不同造成图像间的平 移、旋转、伸缩及局部形变等问题。
[0003] 1992 年L.G.化own在综述"ASurveyofImageRegistrationTechniques^ACM ComputingSurveys, 1992,vol.24,no. 4,pp. 325-376)中指出，所有的图像配准技术都应包 含特征空间、搜索空间、搜索策略和相似性测度四个方面。特征空间指图像中用于搜索匹配 的对象集合；而每一次搜索的匹配程度是W相似性测度作为评价标准的，因而相似性测度 直接关系到配准的精确度；搜索空间是搜索匹配得到的所有图像变换参数所组成的空间； 搜索策略则是在相似性测度下搜索最优匹配参数时所采取的优化策略。SAR图像配准的过 程一般为首先确定特征空间和搜索空间，然后W特征空间为基础设计并采用某种相似性测 度，按照一定的搜索策略搜索最佳匹配变换参数，并将其带入图像变换模型从而达到配准 的目的。
[0004] 根据特征空间的不用，SAR配准算法一般可W分为两类：即基于灰度特征的配准 和基于特征的配准。大部分基于灰度特征的方法一般直接利用整幅图像的灰度信息，通过 建立某种像素间的相似性测度来衡量两幅图像重叠部分地表反射属性的匹配程度，进而寻 找到最优匹配时的平移、旋转和伸缩等变换参数。在利用它们进行SAR图像的配准时，容易 受到SAR图像成像原理导致的灰度差异及噪声的影响。
[0005] 基于特征的图像配准方法能够解决存在较大几何崎变及灰度信息差别的SAR图 像间的配准问题。常用的图像特征有；特征点(包括角点、高曲率点等)、直线段、边缘、轮廓、 闭合区域、特征结构等。基于特征的配准方法则首先需要对待配准图像提取特征点、边缘 等，然后进行对应特征对或特征集之间的搜索匹配，进而得到图像变换参数。其中，基于边 缘特征的配准方法需利用一些边缘检测算子进行边缘特征提取，再对提取的边缘进行匹 配，但往往由于提取的边缘过于琐碎，不能很好地体现图像中的结构特征，对后续匹配精度 和速度造成影响。
[0006] 点特征相对于线、面等特征有着易于提取、速度快、精度高、稳定性好等许多方面 的优势而有着更广泛的应用。基于特征点的方法基本步骤可概括为：特征点的提取、特征空 间的建立、特征点的匹配、误匹配去除、变换模型选择及参数求取及图像变换与插值。常用 点特征方法如Harris、SUSAN等角点，及局部不变特征算子提取的特征点等。其中局部不变 特征具有或尺度不变或仿射不变的特性，对图像的缩放、旋转、仿射扭曲、光照变换等都具 有较强的稳定性。
[0007] 1999 年D.Lowe在文献"Objectrecognitionfromlocalscale-invariant features'，（InternationalConferenceonComputerVision,Corfu,Greece,pp. 1150 -1157)首次提出的SIFT(Scale-InvariantFea1:ureTransform)算法，并于 2004 在文 献"Distinctiveimagefeaturesfromscale-invariantkeypoints'，（Int.J.Comput. Vis.，vol. 60,no. 2,pp. 91 - 110,Nov. 2004.)中进行完善。许多局部特征描述符算法都是在 SIFT基础上改进的。SIFT生成图像特征的主要步骤概括为；1)尺度空间极值点提取；2)极 值点定位；3)方向分配；4)关键点描述。SIFT在较小旋转角度下具有较强的旋转、尺度不 变性，归一化后还对光照变化鲁棒。但由于SIFT采用了一个128维的向量来描述特征点， 在特征点较多的情况下增加了运算代价，且在寻找最佳匹配时需要特征间具有较好的区分 度。
[0008] 2006 年HerbertBay等在文献"SURF:SpeededUpRobust化3化'63"(gth EluropeanConferenceonComputerVision，ECCV2006,Parti,LNCS3951,pp. 404 - 417)中 首次提出SURF(Speeded化RobustFeaUires)描述子，并于 2008 年在文献"SURF:Speeded UpRobustFeatures"(InternationalJournalonComputerVisionandImage 化derstanding，IJCV2008,vol. 110,no. 3,卵.346 - 359)中对SURF进行了总结和改进，将 SURF的主要步骤概括为；（1)获取积分图；（2)求取近似化ssian矩阵；（3)定位特征点； (4)确定特征点的方向特征；（5)构建特征描述向量。它利用化ar小波来近似SIFT方法中 的梯度操作，同时利用积分图技术进行快速计算，得到了具有64维的描述符。SURF的速度 是SIFT的3-7倍，大部分情况下它和SIFT的性能相当，因此它在很多应用中得到了应用， 尤其是对运行时间要求高的场合。但在旋转角度太大情况下，SURF的特征点匹配效果较差。
[0009] 通过相关算子提取特征点后，通常需要构造相应的匹配准则来匹配特征点，并尽 可能地在保持正确匹配特征点对的同时去除误匹配。常用的特征点匹配准则主要有欧式 距离最近（順)准则、最近距离比值（NNDR)准则等。其中順匹配准则容易产生特征点间"多 对一"情况；而NNDR准则对阔值参数设置敏感，有时得不到足够多的匹配点对。常用的误 匹配去除方法为随机采样一致性（RANSAC)，它通过对特征点进行多次迭代拟合来去除离群 的特征点所在的特征点对，需要保证的初始正确匹配特征点对比例足够大，在特征点较多 情况下匹配精度提升有限。
[0010] 上述多数方法仅对两幅图中的特征点进行匹配，却忽视了同一图像内的特征点 间的几何分布特性。2006年XinKang等人在文献"AutomaticSARImageRegistration byUsingElementTriangleInvariants'，（Inproceedingof:9thInternational ConferenceonInformationF^ision,ICIP2006,Aug. 2006)中将SAR图像中的强散射点作 为特征点，构建DelaunayH角形网，对每个H角形分别计算其质也，将该H角形分为3个小 H角形，将每个小H角形的仿射时不变量作为该质也的一种描述，用于匹配，得到最终的匹 配特征点对用于求取变换矩阵和配准图。但由于特征点位置一旦确定，对应的H角形网中 的H角形也随之确定，该限制了特征点的匹配精度，达不到最佳的配准结果。
[0011] 2010 年RuiruiWang等人在文献"ThenormalizedSIFTbasedon visualmatchingwindowandstructuralinformationformulti-optical imageryregistration"(InternationalGeoscienceandRemoteSensing Symposium,IGARSS2010,pp. 999-1002)中介绍了一种基于视觉匹配窗和结构信息的归一 化SIFT特征点配准方法，对光学图像的配准得到了较好的效果。其主要思想是用H角形的 仿射变换后对应边成比例的特性对特征点进行阔值约束，但它需保证有两个正确的匹配点 对，然后用其来寻找满足约束的其他点对，该里阔值参数的设定需要相关经验。
[0012] 2012 年化ng-Mei化ang等人在文献"Anewfastmulti-sourceremotesensing imageregistrationalgorithm'，（AdvancedMaterialsResearch,v452-453,pp. 950-953 ,2012)中介绍了一种利用SIFT提取特征点，通过Delaunays角网去除误匹配点，并引入距 离计算来决定相似控制点对的方法用于含有较少平移、旋转和背景噪声的多光谱或全彩色 图的配准，提升了配准速度和精度。该方法在较大尺度和旋转情况或噪声的SAR图像配准 情况下的性能仍需进一步验证。
[0013] W上配准方法主要是针对不同照明条件、不同视角、不同场景或不同尺度下、不同 数据类型的自然图像或光谱遥感图像，要求图像间具有容易提取的几何特征或区分度较 高的特征点用于匹配，对于有着大量相干斑噪声的、且不同时相间图像存在刚性的地物变 化的SAR图像配准，则W上方法难W适用。常见的有变化区域的遥感图像的配准大多是基 于地面控制点的配准，但是地面控制点数据的获取受各种因素影响，对于已有的多时相遥 感图像常常是没有或者缺少地面控制点数据。不采用地面控制点数据的有变化区域的遥感 图像配