及其交点表示为：
[0079] LPk= (LPijI = UijIjjPij, Θ JjI
[0080] 其中，IjP I j表示组成线对的两条直线，P U表示直线对的交点，Θ U表示直线对 间的夹角。
[0081] 步骤4 :对生成的交点，根据直线段间的几何关系，寻找候选匹配点对；
[0082] 利用生成交点的直线段对间的方向信息，寻找所有可能匹配的交点，构成候选匹 配点集。由于光学与SAR影像的光谱信息具有较大差异，难以直接基于灰度或梯度进行相 似性度量，因此获取候选匹配点对的方法为：经过人工初匹配后，图像中较大的形变已被消 除，匹配线对应该在一定的误差范围内，因此认为满足以下几何关系的直线对交点为候选 匹配点对：
[0085] 其中，式1)为直线对间的角度关系，组成候选匹配点的直线对间的夹角理论上应 该一致。纪与#分别表示基准影像与待配准影像中直线对的夹角。由于直线提取过程中 容易出现误差，te设为5°。式2)为直线间的位置关系，经过初匹配后的同名直线间的距 离应该较小。、1;^计算两直线间的距离，4 (/,' O为两直线间的夹角，, /f )为一条直线 的中点到另一条直线间的距尚，d0max与d pmax用于归一化，d emax= 5°，d pmax= 5像素 ，t dist设为20。假设最终共有m对候选匹配点对，将其表示为：
[0087] 步骤5 :根据点对间的拓扑关系，依次迭代剔除具有最大匹配误差的点对，直到最 终匹配点对满足"一一对应"且拓扑关系一致，从而获取最优匹配子集；
[0088] 获得的候选匹配点对，由于仅用到直线对间的几何关系，组成候选匹配点对的直 线对间并不一定满足"一对一"匹配，同时，在候选匹配点对中可能存在错误匹配。为了得 到准确的匹配结果，需要从候选匹配点对中选择出一组子集使得由它们确定的匹配误差最 小。为了确保"一对一"匹配，我们引进三个矩阵MB、丽及M，其中MB与丽是记录候选匹配 点对中的线段，M是匹配矩阵，记录候选匹配点对中元素被选取的状态。假设在候选匹配点 对C中有Nl条直线来自基准影像线，N2条直线来自待配准影像。 CN 105184801 A 说明书 8/10 页
[0090] 若集合C中第i个元素包含基准影像中第j条直线，则mbu= 1，否则mb ^ = 0 ;同 理，若C中第i个元素包含待配准影像中第j条直线，则mrij = 1，否则mrij = 0。
[0092] 对于"一对多"、"多对一"或"多对多"的匹配线对，将其放在一个容器CN中。统计 MB与丽中重复的行，依次将重复行的序号作为CN的元素。对于候选匹配点对的误匹配，我 们考虑特征在局部属性上的相似性。形状上下文（shape context)是一种基于统计学的描 述算子，具有计算简单、对噪声不敏感等特点，能较好地反映点集中任意一点Pi在整个点集 中的相对位置。若所有的匹配点对都是正确的，则由它们每对点计算得到的形状上下文匹 配代价为零。相反，若存在误匹配，则其对应的匹配代价较大。为了剔除误匹配点对，可以 依次去掉匹配代价较高的点对。形状上下文以每个点为中心，建立极坐标系（log-polar空 间），再将点与剩余点间的极半径和极角离散化，对点P，将它与点集P中其他η-I个点构成 的向量建立成一个直方图Ii1，直方图第k级为Ii1GO :
[0093] h； (k) = # {(p-qi) e bin (k) | p e P, p ^ qj (3)
[0094] 对其进行归一化处理为：
[0096] 其中，p为当前计算的点，为点集P中剩余的η-I个点，bin (k)是log-polar空 间中每k个区域。对于两个点集中点i与点j，二者的匹配代价定义为：
[0098] 式中，K是直方图的量化等级，例如log-polar空间分划分为5个半径，12个角度 区域，则K为60。C(i，j)的值处于0~1之间，值越大，相似度越小。
[0099] 最后，为了从候选匹配点对中选择出正确的子集，我们采用迭代剔除的方法依次 剔除较大误差的点对。具体步骤为：
[0100] St印1:计算所有候选匹配点对的形状相似度Cm(m= 1，2, "·，Μ)，找出具有最大误 差的点对的位置loc，令其对应的Mlc]。= O ;
[0101] Step2:对剩余的点对更新CN ;
[0102] St印3:重复St印1与St印2,直到CN为空且所有的匹配点对的形状相似度为0。
[0103] 步骤6 :根据上一步骤得到的最优匹配子集中的匹配点（同名点）计算变换参数；
[0104] 步骤7 :利用改进的Harris算子在基准影像上提取均勾分布的密集特征点，在 待配准影像上采用模板匹配的方法获取精确的同名点，相似测度采用相位一致性直方图 (Histogram of Phase Congruency, H0PC);最终利用二次多项式模型进行变换，实现影像 间的高精度配准。具体步骤如下：
[0105] 步骤7. 1 :将基准影像分割为N*M块区域，每块区域以图像的信息熵为控制特征点 分布的局部纹理，以获取均匀分布的特征点。每块区域内提取的特征点的个数为：
[0108] 式中，ni是图像空间中第i个图像块中分配的特征点数；Nsum为整幅影像上准备 提取的特征点个数；Ei是图像空间中第i个图像块的信息熵；j是图像所包含的灰度级，pj 表示整幅图像中灰度为j的像素出现的概率。
[0109] 步骤7.2 :模板匹配：对于每个特征点，模板窗口设置为100*100像素，搜索窗口 设置为11*11像素，通过模板匹配的方法在待配准影像上搜索与当前像素最为匹配的像素 点。其中，相似测度的选择至关重要。HOPC是一种基于几何结构特征的描述符，能够很好地 抗灰度和对比度差异，，因而选择HOPC作为相似测度。具体过程包括：
[0110] 首先，对特征点进行HOPC描述后，以两个描述符间的NCC度量二者的相似性，其公 式为：
[0112] 其中，VjP VAv别表示特征点A和B的HOPC描述符，F4和匕分别表示模板A和 B的HOPC描述符平均值。
[0113] 利用HOPC-NCC作为相似性度量的影像精匹配过程具体方法为：
[0114] 1)影像粗配准后，确定参考影像与目标影像的重叠范围。为了获取均匀分布的密 集特征点，将重叠区域划分为N*M个互不重叠的子块，确定每块待提取特征点的个数。在每 个子块内对光学影像计算每个像点的Harris强度值，按从大到小的顺序排列，取前待提取 数量个特征点为候选特征点。
[0115] 2)由于基准影像与待配准影像已经经过粗配准，二者之间的尺度和旋转问题已基 本解决，因而可以在待配准影像的一个有限窗口内搜索同名匹配点。对于每个特征点，模板 窗口设置为101*101个像素，以HOPC-NCC作为相似性测度，通过模板匹配的方法在SAR影 像上搜索与之最匹配的像素点。
[0116] 3)由于利用模板匹配策略，匹配精度只能达到像素级。假定HOPC-NCC在（X，Y)处 取得峰值，由于HOPC-NCC的峰值必定在以为（Χ，Υ)中心的邻近区域内，因而通过在该邻近 区域内拟合H0PC-NCC，并计算其最大值，即可获取子像素级的配准精度。
[0117] 4)为了确保匹配点对的准确性，利用迭代误差剔除方法剔除可能存在的误匹配点 对，直到匹配精度小于一个像素。
[0118] 步骤7. 3 :二次多项式模型变换：根据最终获取的均匀分布的同名点对计算二次 多项式变换参数，并对待配准影像进行纠正。
【主权项】
1. 一种基于多层次策略的光学与SAR影像高精度配准方法，其特征在于：包括以下步 骤； 步骤1 :人工选择3个以上的同名点或同名线对，对影像进行人工匹配； 步骤2 :分别对待配准影像和参考影像提取直线段； 步骤3 :对提取的直线段，按照准则生成线对及对应的交点； 步骤4 :对生成的交点，根据直线段间的几何关系，寻找候选匹配点对； 步骤5 :根据点对间的拓扑关系，依次迭代剔除具有最大匹配误差的点对，直到最终匹 配点对满足" 一一对应"且拓扑关系一致，从而获取最优匹配子集； 步骤6 :根据步骤5得到的最优匹配子集中的匹配点计算变换参数； 步骤7 :利用基于信息熵的改进的Harris算子在基准影像上提取