多波段SAR圖像匹配目標定位方法與流程

本發明涉及一種可以廣泛地應用于水文、地礦、環境監測、地形度量、目標探測等方面的，解決傳感器實時合成孔徑雷達SAR圖像中對目標快速和精準獲取地理位置的方法。更具體地說，本發明關于SAR圖像匹配快速目標定位的方法。
背景技術：
：圖像配準技術在近代信息處理領域中的應用越來越廣泛，它的應用領域概括起來主要有以下幾個方面：計算機視覺和模式識別，服務于目標識別、形狀重建、運動監測和特征識別等；醫學圖像分析，比如腫瘤檢測、病變定位，大腦或血管造影、血細胞顯微圖像分類等；遙感數據分析：農業、地理、海洋、石油、地礦勘探、污染、城市森林等；目標定位、度量、識別和分析等。遙感是對地觀測獲取信息的有效手段。近年來，隨著遙感衛星和圖像處理技術的不斷發展，通過景象匹配技術獲得更多遙感測繪信息的應用越來越廣泛和深入。由于SAR(SyntheticApertureRadar)圖像廣泛的應用，單一體制的SAR已經不能滿足需要，多波段、多模式、多極化成為目前SAR技術的重要發展方向，特別是多波段SAR技術的發展最為迅速，在這種條件下得到的多幅圖像數據，往往要對其進行分析和比較。由于原始圖像數據隨著拍攝條件的差異一般存在相對的幾何差異和輻射差異，而校正圖像差異的圖像配準技術成為進一步處理圖像的前提條件。SAR圖像配準技術既是SAR圖像處理一個獨立的研究方向，又是多種處理技術的基礎，一直以來，在研究領域受到廣泛的重視并在應用領域發揮著重要作用。其中，景像匹配的目的就是在基準圖和實時圖之間尋找最佳的匹配，確定匹配位置。圖像配準(ImageRegistration)是尋找兩個或更多的圖像(一般稱作基準圖像和實時圖像)間合適的變換，它們是不同時間，或不同視角，或者不同傳感器對同一地物拍攝的圖像。配準的主要目的是去掉或者糾正基準圖像或實時圖像的幾何畸變。數學定義圖像配準可以定義為兩幅圖像在空間和灰度上的映射。景象匹配通常將經過數字化處理得到的實時圖與預存的基準圖在計算機中進行匹配比較，得到最佳匹配點，以確定出目標地物的位置。景象匹配需要根據匹配圖像的不同特點，采用不同的匹配算法，而不同算法對基準圖通常有不同的要求，或要求邊緣特征明顯，或要求紋理結構突出，或要求灰度層次清晰。實際應用中，需要根據不同的成像特性，選用不同的圖像匹配算法。以往的研究大都是針對可見光景象或地形的匹配。由于SAR成像原理復雜，地形起伏造成的圖像幾何畸變、固有的雷達相干斑噪聲等因素都會對地面SAR景象區域的特征參數的提取造成不利影響，從而給圖像匹配帶來更大的困難。目前的圖像匹配算法主要針對實時圖和基準圖均為可見光圖像的情況，極少討論SAR圖像之間的匹配，或是在SAR圖像上的應用效果也難以讓人滿意。通過對特征空間、相似性準則和搜索策略的不同選擇,圖像匹配的算法大體上分為三大類：基于灰度的圖像匹配技術、基于特征的圖像匹配技術和基于解釋的圖像匹配技術。其中基于特征的圖像匹配技術是合成孔徑雷達(SAR)圖像匹配常用的方法之一。為了消除基準圖和實時圖配準誤差和局部幾何畸變對匹配結果的影響，提高匹配算法的性能，SAR圖像的常用匹配算法有去均值歸一化互相關和線特征匹配。由于實時圖與基準圖之間在成像時間、成像傳感器和成像條件都不同，對基準圖中選取的用于匹配定位的特征，需要在實時圖中具有穩定特征，以提高匹配性能。SAR圖像匹配方法一般需要滿足多方面的要求：①SAR圖像信息量大。對于固定目標的定位，傳統圖像定位方法通常采用人工方式比對SAR圖像與參考地圖對目標進行定位，存在定位精度差、定位時間長。由于人工匹配誤差較大，因此難以滿足效率要求，必須實現特征點的自動提取和匹配。②SAR圖像中存在著較大的斑點噪聲，圖像分辨率較光學遙感圖像低，而且有陰影、疊掩等現象，因此需要一種對噪聲不敏感的匹配算法。③光學遙感圖像可以通過解算共線方程得到地面點的信息，而SAR圖像的成像參數，飛機或衛星的軌道和姿態數據還無法十分精確地獲取，多數情況是用插值的方法得到。在圖像匹配的過程中要克服旋轉、尺度、亮度以及一定程度的視角變化。隨著合成孔徑雷達的發展，獲得的SAP圖像數據越來越多，現有人工手動配準作業方式和基于光學圖像的配準方式顯然不適合實際SAR圖像應用的需求。先進的目標定位系統首先需要根據傳感器獲得的圖像信息，快速生成目標地理坐標；其次它的效率遠高于傳統的手工生成流程，能夠同時對多個目標進行定位。隨著遙感測繪技術的發展，獲得高質量的光學或SAR圖像數據庫變得越來越容易，基于圖像數據庫的目標定位越來越受到重視。這種目標定位方法的定位精度高、適應場景寬，并且能夠提供可視化的定位效果。圖像定位指通過傳感器實時圖像與圖像數據庫、地形數據庫等進行圖像匹配，再通過模型計算，獲得傳感器實時圖像上目標的地理坐標及其精度，為坐標提供絕對坐標。目前，國內外研究學者提出了眾多的圖像配準算法，針對SAR圖像也有各種各樣的配準方法，但是它們都是利用SAR圖像的某種信息或是基于某方面的特征進行配準，并不能做到適應于廣泛的實際場景。另一方面，圖像之間配準的各種誤差會導致最終目標定位出現較大的誤差，尤其是SAR圖像數據量巨大，精確配準與快速定位之間存在矛盾。在這種背景下，本發明提出了一種多波段SAR圖像匹配快速目標定位的方法，提取實時圖像和基準圖像的共性特征簇進行匹配。在圖像粗配準的基礎上，通過基于塊匹配的技術，快速計算出所需目標的精確位置。技術實現要素：本發明的目的是針對現有技術存在的不足之處，提供一種提取算法簡單、運算量低、耗時少，能夠提高定位精度，減少目標定位誤差，并能快速和精準獲取實時SAR圖像中目標地理位置的多波段SAR圖像匹配快速目標定位的方法。本發明上述目的可以通過以下措施來達到，一種多波段SAR圖像匹配快速目標定位的方法，其特征在于包括以下步驟：將SAR圖像配準分為粗配準和精配準兩步進行預處理；在基于共性特征簇的多波段合成孔徑雷達SAR圖像配準中，針對實時SAR圖像和基準圖像，分別提取實時圖和基準圖的共性特征，將共性特征作為多波段SAR圖像配準的特征空間，采用多種相似性度量相結合的方法確定特征之間的相似性測度與相應的搜索算法尋找同名點，根據同名點計算實時圖像全局幾何形變參數，通過圖像剛體幾何變換與重采樣，實施實時圖與基準圖粗配準；在基于塊序列圖像精配準中，在所需定位目標周圍截取序列小塊圖像，以歸一化積相關系數為塊相似性度量準則，使用快速傅立葉變換的線性相關作為搜索策略進行塊配準，然后基于薄板樣條函數對圖像進行重采樣和實時圖像插值變換，精配準塊圖像序列與基準圖像；在基于塊匹配序列的目標像素定位中，根據塊序列配準位置間接推算出所需目標的精確位置。本發明相比于現有技術具有如下有益效果：(1)提取算法簡單。本發明是通過實時SAR圖像與基準SAR圖像進行配準，利用圖像配準信息，從基準SAR圖像中的地理位置信息快速計算出實時SAR圖像中目標的地理位置信息。利用基準SAR圖像中帶有的地理位置信息，在SAR圖像配準基礎之上，將點特征、線特征、區域特征、強度特征等特征組合成特征簇作為多波段SAR圖像配準的特征空間，基于共性特征簇配準多波段SAR圖像，提取圖像常用的特征，使用簡單常用的多種圖像特征組合，一方面避免了單一圖像特征不穩定、對圖像退化不敏感，并且不需要考慮不同波段傳感器SAR圖像的特殊性，另一方面提取算法簡單、運算量低、耗時少。采用多種特征和多種相似性測度結合的方法，提高了粗配準的精度，解決了目標地理位置的快速計算和精準性的問題。(2)運算量低、耗時少。本發明在圖像粗配準基礎上，目標周圍均勻規律的劃分出圖像子塊序列，圖像粗配準減少了后續塊配準的搜索范圍，劃分成小范圍的子塊圖像配準減少了運算量，通過圖像子塊序列匹配的方法間接推算目標的位置，根據子塊序列精配準的結果推算出目標的位置。(3)提高定位精度，減少目標定位誤差。本發明在所需定位像素位置的周圍均勻對稱分布圖像子塊進行塊配準，規律且均勻分布的多個子塊位置推算目標位置的方法減少了目標定位誤差。使用精確配準的子塊位置間接推算出目標像素的位置，提高定位精度。附圖說明圖1是本發明多波段SAR圖像匹配的定位流程示意圖。圖2是圖1基于共性特征簇的多波段SAR圖像匹配的流程示意圖。圖3是圖1中基于塊匹配序列的目標像素定位示意圖，其中，圖(a)表示基準圖均勻分布匹配子塊，圖(b)表示實時圖均勻分布匹配子塊，圖(c)表示子塊以矩形方式分布，圖(d)表示子塊以圓形方式分布。以下結合附圖詳細描述。具體實施方式參閱圖1。根據本發明，將SAR圖像配準分為粗配準和精配準兩步進行預處理；在基于共性特征簇的多波段合成孔徑雷達SAR圖像配準中，針對實時SAR圖像和基準SAR圖像分別提取點特征、線特征、邊緣強度特征和區域特征，并作為多波段SAR圖像配準的特征空間，采用多種相似性度量相結合的方法確定特征之間的相似性測度與相應的搜索算法尋找同名點，根據同名點計算實時圖像全局幾何形變參數，通過圖像剛體幾何變換與重采樣，實施實時圖與基準圖粗配準；基于塊序列圖像精配準中，在所需定位目標周圍截取序列小塊圖像，以歸一化積相關系數為塊相似性度量準則，使用快速傅立葉變換的線性相關作為搜索策略進行塊配準，然后采用薄板樣條函數對圖像進行重采樣和實時圖像插值變換，精配準塊圖像序列與基準圖像；基于塊匹配序列的目標像素定位最后根據塊序列配準位置間接推算出所需目標的精確位置。在基于共性特征簇的多波段SAR圖像配準中，設計與特征相符合的相似性測度與相應的搜索算法尋找同名點，去均值歸一化相關系數、Hausdorff距離，圖相似性等；最后在同名點的基礎上通過圖像剛體幾何變換與重采樣使實時圖與基準圖粗配準。在粗配準中，實時SAR圖像經過抑制斑點噪聲等圖像預處理之后進入粗配準步驟與基準SAR圖像配準。其中，圖像預處理采用非線性擴散濾波消除SAR圖像相干斑噪聲與局部畸變對粗配準的影響,采用正則化的非線性擴散模型如下：∂L∂t=div(g(|▿L*Gσ|)▿L)L(x,y,0)=L0(x,y)]]>其中，L0表示原圖像，L是濾波后的圖像，Gσ為方差σ的高斯核函數，是擴散函數，div是散度函數，▽是圖像梯度算子。參閱圖2。為保證具備高定位精度與對圖像退化的不敏感性，基于共性特征簇的多波段SAR圖像配準采用提取點特征、線特征、邊緣強度特征和區域特征的方法尋找同名點。這些特征提取算子均采用常用算法。分別提取實時圖和基準圖的共性特征后，建立以點特征空間圖、線特征空間圖、強度特征空間圖和區域特征空間圖，多重數據體系作為圖像的共性特征，共性特征包括點特征、線特征、邊緣強度特征和區域特征。建立共性特征簇，共性特征簇針對各類型的特征分別采用與之相符合的相似性測度和搜索算法獲得同名點。基于共性特征簇的多波段SAR圖像配準，共性特征簇根據獲得的同名點計算實時圖像全局幾何形變的參數,采用圖像剛體變換模型公式，建立由水平、垂直方向的平移和旋轉組成的全局幾何形變，圖像剛體變換模型公式為X^Y^=Rcosθsinθ-sinθcosθXY+ΔXΔY]]>式中，R表示相應的尺度因子、θ表示旋轉角度,ΔX,ΔY表示圖像平移量，X,Y,分別表示變換前后的圖像像素坐標。根據獲取的同名點對，以均方根誤差最小為尋優準則，計算出全局幾何形變參數。將實時圖像經過代入形變參數的上式圖像剛體變換模型，并通過重采樣得到粗配準圖像。參閱圖3。在精配準過程中，根據精配準圖像塊匹配需要定位的目標像素位置，在實時圖和基準圖上,以需要定位的點為中心的周圍固定位置截取均勻且對稱分布的8小塊圖像；然后以歸一化積相關系數為塊匹配時的相似性度量準則，對每塊圖像分別進行塊匹配配準，利用這8小塊圖像的精配準位置間接計算出所需要的目標像素位置。采用薄板樣條函數插值方法使實時圖與基準圖精配準；歸一化積相關系數公式如下：DMEAN(p,q)=Σi=1MΣj=1N(Ai+p,j+q-A‾p,q)(Bi,j-Bp,q-)[Σi=1MΣj=1N(Ai+p,j+q-A‾p,q)2]1/2[Σi=1MΣj=1N(Bi,j-Bp,q-)2]1/2]]>其中，p,q為位置偏移量，M×N為分塊圖像大小，A、B、分別為實時圖和基準圖的圖像分塊、圖像分塊的平均值。采用基于快速傅立葉變換的線性相關方法作為搜索策略，完成塊圖像序列的精配準，步驟如下：基準圖采用行列分離的方式進行S×S點快速傅立葉變換，并求出基準圖的傅立葉變換的共扼變換矩陣；實時圖進行S×S點快速傅立葉變換，獲得變換矩陣H，利用基準圖的共扼變換矩陣X*、實時圖的快速傅立葉變換矩陣H，逐點復數相乘然后再取共軛，得到矩陣Y＝H*X，其中，S＝2r，r為整數。對矩陣Y采用行列分離的方法做S×S點反傅立葉變換，得到基準圖和實時圖的實數相關矩陣y1，即為所需的原始相關系數矩陣。原始相關系數矩陣y1做歸一化處理，得到所需的歸一化相關矩陣y，在矩陣y中查找最大值得匹配點坐標，返回結果。序列塊圖像配準之后，可以采用薄板樣條函數對實時圖像插值，使實時圖與基準圖像精配準。塊序列配準會給出實時圖像上一系列像素點的配準坐標值，通過薄板樣條函數插值得到整幅圖像的精配準。薄板樣條函數表達式其中，ri2＝(x-xi)2+(y-yi)2+d2，A1、A2、A3、Bi、d為系數，可通過已知的配準像素坐標值求得。薄板樣條函數包含了一項仿射變換及一項徑對稱函數，保證圖像精配準具有較好的精度。在塊序列精配準的基礎上，以圖(a)、(b)所示塊配準的中心位置間接推算目標的位置。是圖(a)是基準圖，圖(b)是實時圖。對實時圖中的A點進行定位，采用的是圍繞A點截取對稱均勻的8子塊。8子塊的排列方式可以按圖(c)所示的矩形排列或者按圖(d)所示的圓形分布。通過上文所述的粗配準和精配準過程得到這8個塊分別的匹配位置為(xi,yi)，可以推算出實時圖中心A點對應的基準圖A’點在基準圖中的坐標，計算如下：根據8塊圖像精配準分別得到的匹配位置為(xi,yi)，以求平均數的方式間接推算出目標像素位置坐標由此得到所需目標像素位置的坐標(xA,yA)。當前第1頁1 2 3