基于多特征的多波段SAR圖像融合配準算法研究.pdf

1、與傳統光學圖像相比,合成孔徑雷達(Synthetic Aperture Radar,SAR)的圖像由于不受天氣影響因而具有全天候的優(yōu)點。且多波段SAR圖像的配準能夠將不同衛(wèi)星的SAR圖像數據充分利用,具有重要意義。本文針對多波段SAR圖像配準進行研究,主要內容如下:
　　首先研究SAR圖像相干斑噪聲的抑制算法。不僅介紹典型的基于統計區(qū)域統計特性濾波算法,包括Lee算法、Frost算法、Kuan算法等。這些濾波算法的目的不僅濾波噪聲

2、且保留邊緣與目標特征。為了完成這一目標,引進L0范數濾波算法,該算法的目標是完成梯度最小化。L0范數濾波能夠有效去除噪聲保留重要邊緣。本文在L0濾波基礎上,針對圖像配準輸入圖像灰度特性應盡量相似,提出了L0改進算法。多波段SAR圖像經改進后的L0濾波算法濾波后,匹配的SIFT數量以及比例都有提升。
　　其次在配準階段,將基于相位相關的區(qū)域特征與Affine-SIFT特征相結合,提出了一項新的特征融合配準流程?；谙辔幌嚓P的傅里葉梅

3、林變換針對圖像互功率譜采用FFT逆變換,速度較快,且峰值位置與配準參數相對應。但該方法依賴于公共區(qū)域的大小,對于多模SAR圖像成功率較低。引入具有仿射不變性的ASIFT特征,當傅里葉梅林變換配準失敗,將輸入圖像L0濾波后提取ASIFT特征并匹配,并使用RANSAC算法剔除不符合變換模型的特征。整個流程將這兩項特征進行融合,提升了配準的準確性與魯棒性。
　　最后針對圖像的局部配準問題,提出在上述粗配準完成后,在主圖像與從圖像的公共區(qū)