基于风格迁移不变特征的SAR与光学图像配准算法

针对异源遥感图像的匹配难题, 提出一种基于风格迁移不变特征的合成孔径雷达(synthetic aperture radar, SAR)图像与光学图像配准算法。首先, 训练SAR图像转换为光学图像的风格迁移网络。然后, 基于风格迁移网络生成人工光学图像及其与原SAR图像之间的差异图, 并利用小波多尺度特性增强人工光学图像和差异图的边缘区域, 二值分割后提取人工光学图像的边缘不变特征。同时, 提取光学基准图像的边缘特征。最后, 通过互相关性准则进行边缘特征匹配, 进而实现原始SAR图像与光学基准图像的精确配准。实验结果表明, 较同类算法, 即使在训练样本不足的条件下, 生成的人工光学图像也能与光学基准图像实现精确配准, 增强了算法的适应性。     

基于结构的SAR图像配准

由于SAR图像中相干斑的存在，使得已有用于光学遥感图像自动配准的算法往往无法直接应用。基于人工通过地物结构推毫匹配关系进行配准的想法。提出了一种基于结构的SAR图像自动配准算法，该算法首先通过检测出的点目标构造“虚拟结构”，然后再综合新提出的“虚拟结构”不变量及结构区域不变矩作为相似测度完成匹配检测，最后用LMS算法估计出变换参数从而实现SAR图像的自动配准。实验结果表明，该算法不仅能够有效实现SAR图像的自动配准，而且能有效避免SAR图像中相干斑对配准过程中特征检测和匹配造成的影响。     

一种基于非降采样Contourlet变换和MLESAC的星空图像配准算法

针对不同时刻拍摄的星空图像进行叠加,提出一种基于非降采样Contourlet 变换（nonsubsampled Contourlet transform, NSCT）和随机抽样最大似然算法(maximum likelihood estimation sample consensus, MLESAC)的图像配准算法。该方法首先对星空图像进行NSCT变换,以提取特征星体的边缘,接着以特征星体的质心为顶点,构造特征三角形,根据三角形全等准则对其进行匹配;然后利用MLESAC算法对已匹配三角形的重心进行验证,将满足要求的特征点带入仿射变换模型,求取变换参数,实现图像的配准。该方法在保证配准精度的条件下,降低了经典配准算法的复杂度,能够有效处理光照变化以及噪声的影响。采用50组空间图像进行验证,结果表明,该算法能够在有效抑制星空图像光照和噪声的情况下,实现星空图像的精确配准,均方根误差达到0.374 1。     

利用双树复小波变换和SURF的图像配准算法

为了进一步提高图像配准的运算效率、匹配正确率及配准精度,提出了一种利用双树复小波变换和加速鲁棒特征（speeded up robust features, SURF）的图像配准算法。首先利用双树复小波变换将参考图像和待配准图像分解为低频部分和高频部分,选取其对应的低频部分作为SURF算法的输入图像,得到两者的粗匹配结果;然后通过随机抽样一致（random sample consensus, RANSAC）算法对粗匹配点对进行提纯,剔除误匹配点对,解决了SURF算法存在较多错误匹配点对的问题,同时计算出最佳匹配的变换模型参数;最后根据该变换模型参数对待配准图像进行几何变换,经双线性插值确定灰度,完成图像的配准。大量实验结果表明,与尺度不变特征变换（scale invariant feature transform, SIFT）算法和SURF算法相比,所提算法的运算速度更快,匹配正确率和配准精度更高,同时在抗噪声、抗旋转及抗亮度变化性能方面更加优越。     

基于快速鲁棒性特征的景象匹配

针对光电成像制导景象匹配中图像产生较大几何形变的问题,提出了一种基于快速鲁棒性特征(speeded up robust feature, SURF)的景象匹配算法。SURF提取的图像特征具有尺度和旋转不变性,对灰度不敏感,并能快速运算。算法首先利用仿射变换对基准图像进行3D视角补偿,模拟基准图像在不同视角下的成像,以减小基准图像和实时图像间的视角差异,分别提取两图像的SURF特征,然后根据最小欧氏距离准则提取两图像间匹配的SURF特征点对,根据该特征点对估计基础矩阵,得到两图像的投影关系。仿真结果表明,该算法能够适应光电成像制导中图像的几何形变,实现稳定的景象匹配。     

基于相干斑抑制SIFT的SAR图像配准方法

基于尺度不变特征变换(scale invariant feature transform, SIFT)算法,提出了一种能有效抑制相干斑噪声干扰的合成孔径雷达图像配准方法。该方法首先基于相干斑抑制各向异性扩散滤波模型建立图像的各向异性尺度空间,在滤除斑点噪声的同时保持了图像细节,弱化了斑点噪声对特征提取的影响;然后采用改进的二元直方图分析方法优化双向匹配初始结果,剔除了随机分布的误匹配点;最后引入临近特征点变换误差分析的过程,增加正确匹配点对数量,提高了变换模型参数的准确度。实验结果表明,该方法能增强SIFT特征点的稳定性,取得较高的配准精度,对相干斑噪声具有良好的适应性。     

刚体变换下基于轮廓的多传感器图像配准算法

提出了一种基于轮廓的多传感器图像配准算法,输入图像之间的几何变换假设为刚体变换。该配准算法的特点是根据匹配轮廓对的质心和长轴计算配准参数,克服了传统的基于特征的图像配准算法控制点检测与匹配的问题,算法鲁棒性较高。首先提取输入图像中的明显轮廓,然后对提取的轮廓进行匹配,并将其中匹配的开轮廓对转化为闭合轮廓对,然后根据所有闭合轮廓对的质心和长轴估计配准参数。实验结果表明,所提算法能精确解决输入图像之间仅存在旋转和平移情况时的图像配准问题。     

利用Cameron分解进行极化干涉图像对的配准研究

针对常规极化干涉SAR配准仅仅用一个通道的极化数据进行干涉数据对配准,导致配准精度不高的问题,提出了一种利用Cameron相干目标分解进行极化干涉图像对的配准方法。该算法充分利用了全极化数据丰富的信息,进行极化干涉图像对的配准。利用SIR-C天山地区的数据对提出的算法进行了验证,结果证明该算法能提高配准的精度和鲁棒性,有利于后续的数据处理。     

基于模板匹配约束下的光学与SAR图像配准

主要研究光学与合成孔径雷达(synthetic aperture radar, SAR)图像的配准。光学图像与SAR图像间完全不同的成像特性以及后者中斑点噪声的影响,增加了二者之间的配准难度。此外,SAR图像数据量随着分辨率的升高而增大,这也对配准算法的实时性提出了更高的要求。针对这些问题,提出了一种逐步求精的光学与SAR图像配准方法,首先对SAR图像提取感兴趣区域用于图像间的粗配准,以减少算法压力,之后提取图像中稳定结构特征,构建光学图像与SAR图像间精确变换关系。通过实测数据实验,证明了该算法的有效性。     

基于轮廓多边形拟合的红外与可见光图像配准算法

针对红外图像和可见光图像配准问题,提出一种基于轮廓多边形拟合的图像自动配准算法。首先,为获得较好的主轮廓信息,对提取的轮廓进行多边形拟合,有效剔除轮廓上的冗余点和噪声。然后选取拟合轮廓上的多边形顶点为特征点,将轮廓划分为特征轮廓段,以特征轮廓段作为匹配单元匹配轮廓并得到匹配特征点。采用修剪的最小二乘法,在获取变换参数的同时不断剔除误匹配。实验证明,该算法可实现性强,配准精度高,配准速度快,较好地实现了刚体变换下红外图像与可见光图像的配准。     

基于Faster R-CNN的电子海图和雷达图像的数据融合

船载导航雷达和电子海图(electronic navigational chart, ENC)是船舶重要的导航仪器,雷达图像和ENC图像的融合能够给出更加丰富的航行和避碰信息。为此,提出了一种基于深度学习理论的提取雷达图像中鲁棒特征的数据融合算法,实现了ENC和雷达图像较高层次的数据融合。首先,利用深度学习算法对雷达图像进行目标检测,识别船舶雷达的特征目标。其次,对检测到的特征区域执行图像处理,并确定用于ENC和船舶雷达图像配准的参考点。最后,根据参考点进行仿射变换,实现融合算法。利用连续时间段的狭窄水域中的真实船舶雷达图像数据对融合算法进行验证,结果显示船舶雷达图像和ENC的海岸线边缘信息匹配良好且满足实时性要求。该算法与简单的像素级图像融合算法相比鲁棒性更强,实现了ENC与雷达图像的特征级融合。     

基于SIFT弹载SAR图像匹配算法

基于尺度不变特征算法,提出了一种适用于弹载合成孔径雷达图像匹配的改进算法。该算法首先通过在构建的高斯差分尺度空间中搜索特征点,然后利用指数加权均值比算子计算特征点的梯度幅值和方向,并通过简化的特征描述子生成特征向量,最后采用距离比和几何一致性准则剔除错误匹配的特征点对,实现图像匹配。实验结果表明,改进算法对SAR图像在旋转、光照、尺度变化等情况下都有很好的匹配效果,并且降低了计算复杂度,有较强的鲁棒性和实时性。     

SAR图像最佳欧式空间距离矩阵匹配方法

在基于尺度不变特征变换算法的合成孔径雷达图像配准算法中,一个特征点通常具有多个主方向,虽然该主方向分配方式可以有效增加正确匹配对数,但是匹配性能会受到特征向量之间的相互影响而下降。文章提出了一种最佳欧式距离匹配方法,该方法通过欧式空间距离矩阵计算待匹配图像两组特征向量集的相似度,获得最佳相似特征点。此外,文章引入代表位置关系的转换距离作为判断特征点空间一致性的依据,有效地消除错误匹配点。与DM等匹配方法相比较,最佳欧式空间距离矩阵匹配方法在匹配精度和匹配效率上验证了其有效性。     

基于自适应上下文信息的目标相对定位方法

针对成像末制导中地面固定目标识别难度大的问题,基于最稳定极值(maximally stable external region, MSER)区域提出一种新的相对定位识别算法。提取基准图中目标周围具有尺度和仿射不变特性的MSER特征,根据权重指数自适应选取一定数量的MSER特征作为上下文地标。提取实时图中的MSER特征,与上下文地标基于规则化互相关准则进行特征匹配,利用双层匹配矫正策略减少误匹配,得到匹配特征对。提取匹配特征对的中心点作为参考点求解基准图与实时图之间的空间映射关系,进而利用最小二乘拟合一次多项式计算实时图中目标的位置坐标。实验结果表明,针对复杂地面场景,该方法的最大相对定误差不大于3个像素。基本满足成像末制导对自动目标识别算法稳健性好、识别精度高、抗干扰能力强等要求。