中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0026] 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变 得明显和容易理解，其中：
[0027] 图1是根据本发明一个实施例的山区SAR图像的匹配方法的流程图；
[0028] 图2是根据本发明一个实施例的山区基准图进行Non-local滤波前后的对比示意 图；
[0029] 图3是根据本发明一个实施例的山区SAR图像分别进行均值滤波、中值滤波及 Non-local滤波后滤波结果对比示意图；
[0030] 图4是根据本发明一个实施例的山区SAR图像在使用本发明实施例的方法前后的 匹配结果对比示意图；以及
[0031] 图5是根据本发明一个实施例的山区SAR图像的匹配系统的结构框图。
【具体实施方式】
[0032] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0033] 以下结合附图描述根据本发明实施例的山区SAR图像的匹配方法及系统。
[0034] 图1是根据本发明一个实施例的山区SAR图像的匹配方法的流程图。如图1所示， 该方法包括以下步骤：
[0035] 步骤SlOl :获取等效视数，并根据等效视数确定Non-local滤波器的参数，并通过 Non-local滤波器分别对基准图和实时图进行滤波。在本发明的一个实施例中，例如根据等 效视数评估SAR图像的质量，并根据SAR图像的质量确定Non-local滤波器的参数，然后对 分别对基准图和实时图进行滤波。经过Non-local滤波后的山区SAR图像，不仅很大程度 上减少了斑点噪声，而且能很好的保留SAR图像山区的细节特征。
[0036] 其中，在本发明的一个实施例中，等效视数例如通过如下公式计算：
[0038] 其中，I为SAR图像，E(I)为I的均值，var (I)为I的方差，L为等效视数。
[0039] 作为具体的例子，例如，图2 (a)所示为原始基准图，图2(b)所示为经过Non-local 滤波器滤波后的基准图。图3(a)所示为原始山区SAR图像，图3(b)所示为经均值滤波器 滤波后的山区SAR图像示意，图3(c)所示为经中值滤波后的山区SAR图像示意，图3(d)所 示为经Non-local滤波器滤波后的山区SAR图像。从图3(d)可以看出，经过Non-local滤 波器滤波后图像质量得到了很大的提高。
[0040] 如图3所示，Non-local滤波器与均值、中值等其它的滤波器相比，既能有效的减 少斑点噪声，又能很好的保持SAR图像的纹理细节，这可以有效的减少SIFT算法提取关键 点时的漏检和误检的现象，以及斑点噪声对SIFT特征描述子带来的误差，因此，能够有效 减小斑点噪声对匹配效果的影响。
[0041] 步骤S102 :通过尺度不变特征转换SIFT算法分别提取滤波后的基准图的SIFT特 征和滤波后的实时图的SIFT特征，并将提取好的基准图的SIFT特征存储以建立基准图特 征模板库，以待步骤S103中匹配时使用。
[0042] 其中，在具体示例中，上述的SIFT算法具体为：首先构造高斯金字塔，检测各尺度 空间的极值点，并精确定位这些极值点，然后为每个关键点指定方向参数，最后对每个关键 点生成128维的特征描述子。进一步地，在本发明的一个实施例中，例如，在构建高斯金字 塔时，将初始组设为〇,并跳过SAR图像超值的步骤，这样在一定程度上能够减少斑点噪声 对SIFT算法的影响。
[0043] 步骤S103 :根据SIFT算法将实时图的SIFT特征与基准图特征模板库进行特征 匹配，并通过随机抽样一致方法处理之后输出匹配结果。作为具体的例子，如图4所示，图 4(a)是未使用本发明实施例的方法的匹配效果示意图，图4(b)是使用本发明实施例的方 法后的匹配效果示意图。对比图4(a)和图4(b)可以看出，在本示例中，使用本发明的方法， SAR图像的斑点噪声得到了很好的抑制，SAR图像的质量得到了很大程度的提高。同时结合 表1可以看出，使用本发明的方法之后，有效关键点的比例提高了 18. 6%，并随着图像信噪 比的降低，所提高的比例逐渐增大。从以上实施例的匹配结果可以看出，使用本发明的方法 之后，匹配效果较未使用Non-local前得到了很大程度的提高，并且对噪声有很强的抗干 扰能力。
[0044]
[0045] 表1
[0046] 需要说明的是，在该示例中，表1的匹配过程中使用的SAR图像为图2(a)和图 3(b)。从表1可以看出，使用本发明实施例的方法之后，SIFT算法提取的有效关键点的比 例（匹配成功的关键点与提取的关键点之比）明显增大。并且，在同样的噪声情况下，匹配 效果有了很大的提高，因此，本发明的方法对噪声的影响有很好的抗干扰能力。
[0047] 综上，根据本发明实施例的山区SAR图像的匹配方法，首先使用等效视数确定 Non-local滤波器的参数，之后对基准图滤波以减少基准图的斑点噪声；使用SIFT算法对 滤波后的基准图提取SIFT特征，并建立基准图特征模板库，以节省匹配时基准图的处理时 间，保证SAR实时图匹配的实时性；对得到的实时图使用等效视数评估方法确定Non-local 滤波器的参数，之后对实时图滤波；对滤波后的实时图提取SIFT特征；最后使用SIFT匹 配算法对实时提取的实时图特征与基准图特征模板库进行特征匹配，经过随机抽样一致 (RANSC)方法处理之后输出匹配结果。因此，该方法能够有效减小斑点噪声对匹配效果的影 响，提高对山区SAR图像的匹配效果，并且对噪声有很强的抗干扰能力，同时，该方法运算 简单、稳定性高、空间和时间复杂性低、且准确率高、时间成本低。
[0048] 本发明的进一步实施例还提供了一种山区SAR图像的匹配系统。
[0049] 图5是根据本发明一个实施例的山区SAR图像的匹配系统的结构框图。如图5所 示，该系统100包括：滤波模块110、提取模块120和匹配模块130。
[0050] 其中，滤波模块110用于获取等效视数，并根据等效视数确定Non-local滤波器 的参数，并通过Non-local滤波器分别对基准图和实时图进行滤波。在本发明的一个实施 例中，滤波模块110用于根据等效视数评估SAR图像的质量，并根据SAR图像的质量确定 Non-local滤波器的参数，然后对分别对基准图和实时图进行滤波。经过Non-local滤波后 的山区SAR图像，不仅很大程度上减少了斑点噪声，而且能很好的保留SAR图像山区的细节 特征。
[0051] 其中，在本发明的一个实施例中，等效视数例如通过如下公式计算：
[0053] 其中，I为SAR图像，E(I)为I的均值，var (I)为I的方差，L为等效视数。
[0054] 提取模块120用于通过尺度不变特征转换SIFT算法分别提取滤波后的基准图的 SIFT特征和滤波后的实时图的SIFT特征，并将提取好的基准图的SIFT特征存储以建立基 准图特征模板库，以待匹配模块130使用。
[0055] 其中，在具体示例中，上述的SIFT算法具体为：首先构造高斯金字塔，检测各尺度 空间的极值点，并精确定位这些极值点，然后为每个关键点指定方向参数，最后对每个关键 点生成128维的特征描述子。进一步地，在本发明的一个实施例中，例如，在构建高斯金字 塔时，将初始组设为〇,并跳过SAR图像超值的步骤，这样在一定程度上能够减少斑点噪声 对SIFT算法的影响。
[0056] 匹配模块130用于根据SIFT算法将实时图的SIFT特