光学图像与 SAR 图像的配准是目前研究的一大热点问题光学图像和 SAR 图像的成像机理存在着差异性，那么实现光学和 SAR 图像的精配准，已经成为光学图像 SAR 图像配准的难点和关键问题本文在分析与总结已有的灰度图像配准技术特点的基础上，提出了基于 RANSAC 算法优化 SIFT 特征的光学和 SAR 图像配准方法论文主要工作包括：1. 对光学和 SAR 图像配准的特点和基础理论进行了分析和总结首先，介绍了图像配准的基本特点和数学描述；其次，描述了配准算法的四个构成因素并进行了总结；最后对 SAR 图像与光学图像的成像机理以及匹配特性进行比较，总结出二者之间的配准特点2. SAR 图像属于斜距投影的相干成像，因此在成像机理、辐射特征及几何特性上与可见光有很大差异，本文对现有的光学图像和 SAR 图像预处理技术进行了研究针对相干成像系统不可避免的存在相干斑噪声对图像的精细结构、可分辨性和可理解性破坏的问题，对传统的 Lee 滤波器、Kuan 滤波器、Frost滤波器、GammaMAP 滤波器进行了深入的研究3. 对现有的几种灰度图像匹配算法进行分析研究，如快速傅立叶变换（FFT ）相位相关法、平均绝对差（MAD）算法、序贯相似性检测（SSDA）算法、归一化互相关（NCC）算法、SIFT 特征的图象匹配算法、SURF 特征的图象匹配算法等，最后根据其原理和效果寻找一种最适合光学图像与 SAR 图像配准的方法。
4. 利用 RANSAC 算法可以消除大部分的误匹配点的特点，所以采用 RANSAC 算法对 SIFT 特征的图象匹配算法进行优化，实验结果说明了该方法大大的提高了匹配的准确率，并且具有该方法具有较好的适用性关键词：SAR 图像；相干斑噪声；图像配准；RANSAC 算法；SIFT 特征；SURF 特征目录1 绪论 ………………………31.1 研究背景及意义 ………………………31.2 国内外研究现状 ………………………42 光学和 SAR 图像配准方法及特点 ………………………62.1 图像配准基本理论 ………………………62.1.1 图像配准的定义 ………………………62.1.2 图像变换模型 ………………………72.1.3 图像配准方法基本要素 ………………………93.光学和 SAR 图像的预处理 ………………………113.1 光学图像预处理 ………………………113.2 SAR 图像预处理 ………………………123.2.1 Lee 滤波器 ………………………123.2.2 Kuan 滤波器 ………………………123.2.3 Frost 滤波器 ………………………133.2.4 Gamma Map 滤波器 ………………………133.2.5 SAR 图像的 Otsu 单阈值分割 ………………………133.3 实验结果与分析 ………………………154. 基于灰度图像的匹配算法 ………………………194.1 快速傅立叶变换（FFT）相位相关算法 ………………………194.2 平均绝对差（MAD）算法 ………………………214.3 序贯相似性检测（SSDA）算法 ………………………214.4 归一化互相关（NCC）算法 ………………………224.5 SIFT 特征的图象匹配算法 ………………………224.6 SURF 特征的图象匹配算法 ………………………234.7 实验结果与分析 ………………………235. 基于 RANSAC 算法优化 SIFT 特征的图像配准方法 ………………………285.1 SIFT 算法的简介 ………………………285.1.1 SIFT 算法的特点 ………………………285.1.2 SIFT 算法的实现步骤 ………………………295.1.3 尺度空间 ………………………305.1.4 高斯金字塔 ………………………305.1.5 DoG 高斯差分金字塔 ………………………325.1.6 关键点检测 ………………………345.1.7 关键点特征描述 ………………………365.2 欧式距离最近邻法 395.3 RANSAC 算法剔除误匹配点对 ………………………405.3.1 RANSAC 算法基本原理 ………………………405.4 基于 RANSAC 算法优化 SIFT 特征的图像配准方法的流程图 ………………………425.5 配准精度衡量准则 ………………………435.6 实验结果与分析 ………………………446. 总结与展望 ………………………476.1 全文总结 ………………………476.2 研究展望 ………………………48致谢 ………………………49参考文献 ………………………501 绪论1.1 研究背景及意义SAR 是一种可成像的雷达，它所用的雷达波段大约是 300MHz 到 30GHz。
比如一般用的波段是 1~10GHz 的合成孔径雷达，大气对这种波段的影响不大也就是说如果天上有一个合成孔径雷达卫星，白天黑夜、大气的云雾雨雪等天气变化对雷达看到的结果影响甚微，可忽略不计所以合成孔径雷达是一种全天时、全天候的雷达，它所成的图像就是 SAR 图像了可见光图像通常会包含多个波段的灰度信息，以便于识别目标和分类提取而 SAR 图像则只记录了一个波段的回波信息，以二进制复数形式记录下来；但基于每个像素的复数数据可变换提取相应的振幅和相位信息振幅信息通常对应于地面目标对雷达波的后向散射强度，与目标介质、含水量以及粗糙程度密切相关；该信息与可见光成像获得的灰度信息有较大的相关性而相位信息则对应于传感器平台与地面目标的往返传播距离，这与 GPS 相位测距的原理相同由于 SAR 影像分辨率相对较低、信噪比较低，所以 SAR 影像中所包含的振幅信息远达不到同光学图像的成像水平；但其特有的相位信息是其他传感器所无法获取的，基于相位的干涉建模也是 SAR 的主要应用方向SAR 图像相对于光学图像可提供更为丰富的信息,如时域变化、空间尺度信息、光谱信息等,显然,利用 SAR 图像的优势及其信息的互补性,更有助于完整、客观地探测目丰示特性。
由于 SAR 图像分辨率相对较低、信噪比较低，所以 SAR 图像中所包含的振幅信息远达不到同光学图像的成像水平；但其特有的相位信息是其他传感器所无法获取的，基于相位的干涉建模也是 SAR 的主要应用方向具有大范围、高精度、机动灵活、抗伪装能力强、全天时、全天候的侦察能力，SAR 图像以其特有的优势能够适应现代战争的高要求，可广泛地用于战略和战术侦察，尤其是夜间侦察和云雾覆盖地区的侦察，更是可见光和红外侦察设备所无法代替的此外，由于 SAR 图像具有一定的穿透力，而且雷达回波与目标表面材料的介电常数有关，所以可对目标表面材质进行定量分析，从而辨明目标的真伪总而言之，SAR 图像在处于信息时代的当今社会中发挥着越来越重要的作用由于 SAR 图像与光学图像有较大的互补性，SAR 图像与光学图像分别由完全不同的成像传感器获取系统全天候、全天时对地观测能力弥补了被动式光学传感器间断性对地观测的不足,且 SAR 图像与光学图像分别反映了电磁波谱微波波段和光学波段的辐射特性实现两种图像的信息集成,可以在连续对地观测意义下,富集两种图像关于地物的互补信息但是 SAR 图像与光学图像完全不同的成像机理增大了图像特征提取及配准的难度,使 SAR 图像与光学图像的配准成为二者信息有效集成的“瓶颈”,这也使得这一类图像的配准成为目前的研究热点和难点。
1.2 国内外研究现状归纳现有的图像配准算法,大致可以分为以下几类：l)基于相关的配准方法互相关常用于模版匹配与模式识别,它给出了参考图像与基准图像之间的相似度值如果参考图像平移(i,j) 后与基准图像完全匹配,则相关函数将在相似度值上达到峰值大体上来说 ,相关算法存在着较大缺陷,比如计算量过大,而且对不同条件下拍摄的图像或存在尺度变化、旋转的鲁棒性不高2)基于傅氏变换的配准基于傅里叶变换的属性可以有效的运用在图像配准中图像的空域平移、旋转、尺度、偏转改算法都可以在频域中找到相对应的位置傅里叶变换法具有对频率相关噪声鲁棒性高,及硬件实现运算效率快的特点，因此基于傅里叶变换的配准算法特别适合于存在着低频噪声的图像,但是对于存在高频噪声的情况效果并不十分理想3)基于弹性模型匹配的配准在基于局部点匹配配准算法的基础上使用弹性模型来约束配准过程,可以有效的克服局部点配准算法对控制点精确匹配的依赖问题它是将图像或物体模型看做一个弹性体,两图间的点或特征的相似性度量便表现为拉伸弹性体的外力算法的最终目的在于确定最小能量态,来实现图像配准，并且常用于运动重建、医学图像处理4)基于特征的配准算法基于特征配准的方法是目前对于配准差异不完全确定且配准数据不属于同一类型问题的图像配准时首要选择的方法,由于图像数据具有多样性以及应用条件的不同的特点,因此很难设计一个可以满足所有配准要求的方法。
但大多数的这一类配准方法一般具有图 1-1 所示的工作流程它主要有以下几个部分组成：①特征提取(feature detection)我们分别在参考图像及模板图像中,进行同类特征的提取,这些特征应该具有重要且易于区分的特点,可以为封闭区域、区域轮廓、边缘、线的交叉点、角点等特征,这些统称为匹配基元②特征匹配(feature matching)我们通过一系列相似性度量 ,发现在两种图像的同类特征间建立一一对应关系,最终可以将图像的匹配特征表示为对应特征的形式以上是基于特征图像配准工作流程的一个简要描述但是开发一个具备上述基本功能的配准方法却很难我们知道完整的配准系统,应该具备关于图像配准好坏有一个客观、定量的评价方法及指标图 1-1 基于特征的配准流程到目前为止绝大多数的图像配准方法都是基于特征的配准,那么下面,我们对当前基于特征的配准方法进行简要的介绍,并在后面总结其主要需要面对的难点Li 等人给出了基于轮廓特征的多传感器卫星图像配准方法,首先在两图像中分别提取满足一定长度条件的轮廓,并区分为封闭轮廓和开放轮廓,以此作为两图像的待匹配基元,以差分链码和不变矩描述封闭轮廓,通过这些属性的比较,达到匹配封闭轮廓的目的。
Flusser 和 suk 假定参与配准的图像间仅存在仿射几何变换他们采用通过边缘检测与分割技术来提取图像的子块特征,并且得到各子块的轮廓,通过闭值化筛选满足条件的子块,并且利用仿射不变矩来匹配图像中对应的子块,最终确定仿射变换模型,实现图像配准基于特征的图像配准方法是根据图像的特征来选取同名点,因此受图像灰度变化影响小,适合于在不同传感器图像之间的配准中应用,对于光学/SAR 图像之间的配准通常采用基于特征的配准方法2 光学和 SAR 图像配准方法及特点2.1 图像配准基本理论2.1.1 图像配准的定义图像配准(Image Registration)是将两张在不同时刻，不同的视角或不同的传感器拍摄的同一景物的图片进行比对处理的过程图像与图像之间的差异是由于成像条件的不同造成的，图像配准也可以定义为两幅图像在空间和灰度上的映射关系假如用给定尺寸的 2 维矩阵 I1 和 I2 分别代表两幅图像，I1(x, y) 和 I2(x, y) 分别表示为相应位置(x, y)的灰度值，则图像间的映射就可以表示为：I2(x, y) =g(I1(f(x, y)))式中 f 表示为 2 维空间坐标变换 ,即 (x', y') =f(x, y)，其中 g 表示 1 维灰度或辐射变换。
配准的目的就是要找出最佳的空间和几何变换参数通常意义的配准只关心图像位置坐标的变换，灰度或辐射变换则可以归为图像预处理部分因此，通常对于同质图像灰度变换 g 可以不需要，对于灰度特性不同的异源图像(如光学到雷达 )等应用中可能要用到寻找空间或几何的变换是解决配准问题的关键，这一变换一般可参数化为两个单值函数和 ：大体上来说，对待配准图像的空间畸变。