技术领域本发明属于图像处理技术领域，具体涉及雷达图像处理中的图像配准方法，可用于图像融合和变化检测。
背景技术：
合成孔径雷达SAR系统因其全天时，全天候，具有穿透性等特点而广泛应用于军事和民用邻域。SAR图像配准作为SAR图像应用中的关键环节，它是对取自不同时间、不同视角的同一景物的两幅或多幅SAR图像进行匹配、叠加的过程。对于图像配准问题，目前提出的方法大致可以分为两类：基于灰度和基于特征的配准方法。基于灰度的配准方法直接利用图像的灰度信息，通过建立图像像素间的某种相似性度量测度来寻找到最优匹配时对应的平移、旋转等配准参数。最常用的基于灰度的配准方法是基于互信息的配准方法。这种方法虽然比较直观，容易实现，但计算复杂度高，容易陷入局部最优解，而且易受噪声的影响。基于特征的配准方法由于不直接作用于图像灰度值，而是作用于图像本身的特征，因而对灰度变化有较强的适应能力，且计算量小，能够处理图像间的配准问题。最常用的基于特征的配准方法是基于尺度不变特征变换SIFT特征的配准方法。然而由于SAR图像中存在斑点噪声，基于特征的配准方法在处理SAR图像配准时，很有可能将斑点噪声检测为特征点，从而会带来大量的错误匹配点，导致错误的配准结果。
技术实现要素：
本发明的目的在于提出一种基于多尺度图像块特征和稀疏表示的SAR图像配准方法，以解决现有技术中进行SAR图像配准时出现大量错误匹配点，导致配准精度不高的问题。实现本发明目的的技术思路是：利用空间相关性选择可靠性强的特征点，采用多尺度图像块特征形成特征描述符，根据稀疏表示技术计算的最小差异准则获取最佳的匹配点对，有效地增强对斑点噪声的鲁棒性，其实现步骤包括如下：(1)输入两幅图像，任选一幅作为参考图像I1，将另一幅作为待配准图像I2；(2)选取参考图像特征点：(2a)采用SIFT算法提取参考图像I1的特征点，并将I1的所有特征点存放在第一集合R中；(2b)从参考图像特征点集合R中任意选取一个特征点ri，利用平稳小波变换方法计算每个特征点对应的空间相关性ρ(ri)；(2c)设置阈值E＝0.05，若得到的ρ(ri)满足ρ(ri)≥E，则将参考图像特征点ri保留，否则，删除该特征点；(2d)遍历参考图像所有特征点，重复步骤(2b)-(2c)，得到筛选后的参考图像特征点；(2e)分别计算上述筛选后参考图像特征点集合中任意两个特征点间的欧式距离Ed，若Ed≥15，则保留这两个特征点，否则去除；(2f)将步骤(2e)得到的特征点集合中的前10个特征点作为最终的参考图像特征点；(3)利用多尺度图像块特征构建参考图像特征点描述符：(3a)任意选取一个参考图像特征点a，取该特征点周围邻域15×15的图像块P(a)；(3b)采用平稳小波变换对图像块P(a)进行多尺度分解，得到三个不同分解尺度的图像块Ps(a),s＝3,4,5；(3c)分别计算上述三个不同分解尺度图像块的灰度直方图矢量Hs(a)，将其作为特征描述符的灰度特征；(3d)分别计算上述三个不同分解尺度图像块的梯度方向直方图矢量Gs(a)，将其作为特征描述符的梯度特征；(3e)将不同分解尺度图像块对应的灰度特征和梯度特征串联起来，得到参考图像特征点a对应的特征描述符F(a)＝{H3(a),H4(a),H5(a),G3(a),G4(a),G5(a)