一種基于幾何模型的sar斜距圖像同名點自動提取方法
【專利摘要】本發(fā)明提供一種基于幾何模型的SAR斜距圖像同名點自動提取方法，克服了斜距圖像間幾何畸變較大時SIFT提取不到足量重復(fù)特征的問題，并基于改進的RANSAC算法，有效地篩選出正確的匹配點。首先利用載機航跡和DEM建立兩幅圖像間的成像幾何關(guān)系，進而將一幅圖像A變換到另一幅圖像B的坐標(biāo)上，得圖像C；然后在采樣的圖像上采用尺度不變特征變換方法(SIFT)提取圖像B和C之間的同名點，最后采用多模型隨機抽樣一致方法(RANSAC)篩選出正確的同名點，將圖像C上的同名點坐標(biāo)變換到圖像A上，得圖像A和B的同名點。
【專利說明】—種基于幾何模型的SAR斜距圖像同名點自動提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于遙感圖像處理領(lǐng)域，涉及一種基于幾何模型的SAR斜距圖像同名點自動提取方法。
【背景技術(shù)】
[0002]稀疏控制點條件下，利用區(qū)域網(wǎng)平差方法拼接多條航帶的SAR圖像時，需要從存在較大視角差異的斜距圖像上提取同名點。另外，同名點提取在圖像配準(zhǔn)、立體像對以及目標(biāo)檢測和識別等領(lǐng)域也具有重要應(yīng)用。同名點提取可分為三個階段:(I)特征檢測與描述:檢測圖像中的點、線或面特征，并計算特征鄰域的結(jié)構(gòu)或形狀信息形成描述子向量；(2)特征匹配:采用相似性度量準(zhǔn)則計算描述子間的距離并得到匹配對；(3)匹配點篩選:根據(jù)幾何約束條件篩選出正確的匹配點，即同名點。學(xué)者們提出了大量自動提取同名點的算法，SIFT是其中較為經(jīng)典的一個，它具有旋轉(zhuǎn)、尺度以及局部仿射和灰度不變性，因此廣泛應(yīng)用于計算機視覺、醫(yī)學(xué)圖像處理以及遙感圖像處理等領(lǐng)域。
[0003]針對相鄰航帶的斜距圖像，不同視角和地形導(dǎo)致圖像不同位置處存在不同的幾何畸變，因此將SIFT應(yīng)用于SAR斜距圖像同名點提取時，存在兩個問題:一是檢測的特征點不容易匹配，二是正確的匹配點不容易篩選。可考慮使用具有仿射不變特性的ASIFT算法，但其通過構(gòu)建仿射模板來模擬仿射變形，計算復(fù)雜度非常高。與自然場景圖像不同，遙感圖像通常記錄了成像時的姿態(tài)信息，因此我們考慮利用SAR平臺的飛行軌跡和DEM這些先驗信息變換圖像，進而減輕仿射變形的影響。變換后的圖像間仍存在局部仿射變形，可利用SIFT提取同名點，但其提取的同名點中通常包含錯誤的，傳統(tǒng)的RANSAC算法只能篩選出部分正確的，漏掉了大量正確的同名點，因此將該方法應(yīng)用到SAR圖像中時，急需結(jié)合SAR斜距圖像的特性做相應(yīng)的改進。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是提供一種基于幾何模型的SAR斜距圖像同名點自動提取方法，克服了斜距圖像間幾何畸變較大時SIFT提取不到足量重復(fù)特征的問題，并基于改進的RANSAC算法，有效地篩選出正確的匹配點。
[0005]為達到上述目的，本發(fā)明的技術(shù)解決方案如下:
[0006]該基于幾何模型的SAR斜距圖像同名點自動提取方法，首先利用載機航跡和DEM建立兩幅圖像間的成像幾何關(guān)系，進而將一幅圖像A變換到另一幅圖像B的坐標(biāo)上，得圖像C ;然后在采樣的圖像上采用尺度不變特征變換方法(SIFT)提取圖像B和C之間的同名點，最后采用多模型隨機抽樣一致方法(RANSAC)篩選出正確的同名點，將圖像C上的同名點坐標(biāo)變換到圖像A上，得圖像A和B的同名點。
[0007]其中多模型隨機抽樣一致方法(RANSAC)篩選同名點采用以下方法:
[0008](I)設(shè)有η對匹配點，首先隨機抽選4對點，計算匹配點對間的一次多項式變換模型；[0009](2)利用變換模型測試其他匹配點對，如果符合模型則認為它為內(nèi)點，如果內(nèi)點數(shù)量小于設(shè)定的閾值，則開始下一次迭代；
[0010](3)利用所有內(nèi)點，采用最小二乘擬合方法重新計算變換模型，計算變換模型與內(nèi)點的錯誤率，并保留內(nèi)點和模型參數(shù)，進行下一次迭代；
[0011](4)重復(fù)步驟(1)、(2)、(3)直到迭代次數(shù)k滿足收斂條件，迭代結(jié)束，得到每次符合條件的迭代所保存的內(nèi)點，剔除重復(fù)點，則得到最后篩選出來的匹配點對。
[0012]本發(fā)明的有益效果:
[0013]本發(fā)明基于SAR成像模型，將SIFT成功應(yīng)用于SAR斜距圖像同名點的自動提取:(I)利用SAR的幾何模型改進SIFT算法，克服了斜距圖像間幾何畸變較大時SIFT提取不到足量重復(fù)特征的問題，(2)將多模型引入到RANSAC算法，增加了篩選后的正確點數(shù)量。
【專利附圖】

【附圖說明】
[0014]圖1為本發(fā)明基于幾何模型的SAR斜距圖像同名點自動提取方法的流程示意圖。
[0015]圖2為本發(fā)明第一步中相鄰航帶的成像幾何關(guān)系圖。
[0016]圖3為本發(fā)明第一步中圖像變換前后示意圖。圖3 (a)為第一幅圖像B，圖3 (b)為第二幅圖像A，圖3 (c)為第一幅圖像B變換后的圖像C。
[0017]圖4為本發(fā)明中第三步多模型RANSAC算法的流程圖。
[0018]圖5為本發(fā)明與傳統(tǒng)SIFT算法的結(jié)果對比圖。
【具體實施方式】
[0019]以下結(jié)合實施例和附圖對本發(fā)明方法進一步說明。
[0020]圖1為本發(fā)明基于基于幾何模型的SAR斜距圖像同名點自動提取方法的流程示意圖，具體步驟包括:
[0021]第一步，利用載機航跡和DEM建立兩幅圖像間的成像幾何關(guān)系，進而將一幅圖像A變換到另一幅圖像B的坐標(biāo)上，得圖像C ；
[0022]第二步，采用大尺度SIFT方法提取圖像B和C之間的同名點；
[0023]第三步，采用改進的RANSAC算法，即多模型RANSAC算法篩選出正確的同名點；
[0024]第四步，將圖像C上的同名點坐標(biāo)變換到圖像A上，得圖像A和B的同名點。
[0025]第一步中具體方法是:
[0026]對機載SAR成像，通常需要對真實航跡進行運動補償，使其為某個直角坐標(biāo)下的一條直線并滿足零多普勒條件。本方法選定東北天坐標(biāo)系，如附圖2所示，坐標(biāo)原點可自定，飛機自西向東飛行且為右側(cè)視成像，航跡均在與ζ軸垂直的平面內(nèi)。設(shè)航跡L1的方向向量為(0X，Oy, O)，斜率為Ii1，截距為b1; a i為L1與X軸夾角，Z1為飛行高度，L1對應(yīng)的斜距圖像為1:。航跡L2的方向向量為(Dx, Dy, O)，斜率為k2，截距為b2，α2為航跡1^與乂軸夾角，(Fx，F(xiàn)y, z2)為航跡L2上任一點，Z2為飛行高度，L2對應(yīng)的斜距圖像為12。
[0027]圖像方位向上第i個點，對應(yīng)航跡上第i個點，因此由圖像I1上任一點的坐標(biāo)(I1, J1)可得其對應(yīng)的航跡L1上的點A的坐標(biāo)(Ax，Ay, Z1)。點A與其對應(yīng)的地面點P之間的距離為R1 = Ra+J'i* δ 且兩點的連線垂直于航跡L1,故由式⑴可求解點P的坐標(biāo)(Px, Py, h)。式中，Ra為圖像I1的近端斜距，δrl為斜距分辨率，h由DEM給出。
【權(quán)利要求】
1.基于幾何模型的SAR斜距圖像同名點自動提取方法，其特征在于:首先利用載機航跡和DEM建立兩幅圖像間的成像幾何關(guān)系，進而將一幅圖像A變換到另一幅圖像B的坐標(biāo)上，得圖像C ;然后在采樣的圖像上采用尺度不變特征變換方法(SIFT)提取圖像B和C之間的同名點，最后采用多模型隨機抽樣一致方法(RANSAC)篩選出正確的同名點，將圖像C上的同名點坐標(biāo)變換到圖像A上，得圖像A和B的同名點。
2.如權(quán)利要求1所述的基于幾何模型的SAR斜距圖像同名點自動提取方法，其特征在于:其中多模型隨機抽樣一致方法(RANSAC)篩選同名點米用以下方法: (1)設(shè)有η對匹配點，首先隨機抽選4對點，計算匹配點對間的一次多項式變換模型； (2)利用變換模型測試其他匹配點對，如果符合模型則認為它為內(nèi)點，如果內(nèi)點數(shù)量小于設(shè)定的閾值，則開始下一次迭代； (3 )利用所有內(nèi)點，采用最小二乘擬合方法重新計算變換模型，計算變換模型與內(nèi)點的錯誤率，并保留內(nèi)點和模型參數(shù)，進行下一次迭代； (4)重復(fù)步驟(I)、(2)、(3)直到迭代次數(shù)k滿足收斂條件，迭代結(jié)束，得到每次符合條件的迭代所保存的內(nèi)點，剔除重復(fù)點，則得到最后篩選出來的匹配點對。
【文檔編號】G06T7/00GK103646389SQ201310098637
【公開日】2014年3月19日 申請日期:2013年3月26日 優(yōu)先權(quán)日:2013年3月26日
【發(fā)明者】尤紅建, 王山虎, 胡東輝, 付琨, 丁赤飚 申請人:中國科學(xué)院電子學(xué)研究所