SIFT算法在雷达图像匹配中的应用

《SIFT算法在雷达图像匹配中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第8卷第4期信息与电子工程Vo1．8，No．42010年8月INFORMATIONANDELECTRONICENGINEERINCAug．，2010文章编号：1672-2892(2010)04．0388—05SIFT算法在雷达图像匹配中的应用吕文涛，吕高焕(上海交通大学空间信息技术研究中心，上海200240)摘要：为了提高合成孔径雷达(SAR)图像匹配的稳定性和可靠性，提出了一种基于SIFT特征的雷达图像匹配方法。对不同条件下的同源和非同源的SAR图像进行了大量的实验，给出了初步的匹配结果。实践证明，对于本文研究的数据源，该算法稳定可靠，

2、有很好的有效性和鲁棒性。关键词：SIFT特征；合成孔径雷达图像；尺度空间；图像匹配中图分类号：TN957．52：TP751文献标志码：AApplicationofScaleInvariantFeatureTransformtoSARimagematchingLVWen—tao．LVGao—huan(ResearchCenterforSpatialInformationTechnology，ShanghaiJiaoTongUniversity，Shanghai200240，China)Abstract：Inordertoimprovethe

3、stabilityandreliabilityofSyntheticApertureRadar(SAR)imagesmatching，anewscenematchingalgorithmforSARimagesbasedonScaleInvariantFeatureTransform(SIFT)featureswasproposed．Numerousexperimentswereconductedforhomologousandnon-homologousSARimagesundervariousconditions，andtheprel

4、iminarymatchingconclusionswereobtained．Theexperimentalresultsdemonstratesthattheproposedapproachisstable，reliable，eficientandrobustforthedatausedinthepaper．Keywords：ScaleIn,zariantFeatureTransformfeatures；SyntheticApertureRadarimages；scalespace；imagematch图像匹配[1指的是2个不同的传感器

5、对同一场景进行成像，对2幅图像进行对准并确定两者相对位置。其目的是从2幅图像中识别同名点(共轭点)。图像匹配是计算机视觉领域的经典问题，是近代信息处理领域的基本和极其重要的技术。它的应用范围极为广泛，包括：导弹和无人飞行器的末制导，医疗诊断，图像检索和场景变化检测等。目前SAR图像的匹配算法大多是基于区域来匹配，但由于SAR图像的相干斑噪声强烈，并且实时图与参考图多为非同源图像，其灰度差异较大，完全采用灰度作为匹配基元很难完成正确匹配，而图像的特征在不同成像环境下均表现出相似的性质，因此，基于特征的匹配方法对SAR图像进行匹配是一个较好的

6、选择。SIFT[31特征是图像的局部特征，对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；SIFT特征具有非常好的独特性以及丰富的信息量，适用于SAR图像的匹配。本文采用SIFT算法对同源和非同源的SAR图像进行匹配，给出了不同分辨力下的匹配实验结果。1SIFT特征匹配算法SIFT特征匹配算法[4】主要包括2个阶段：第l阶段是SIFT特征的生成，即从待匹配图像中提取出特征向量；第2阶段是SIFT特征向量的匹配。1．1尺度空间极值检测，确定关键点位置及其所在尺度_幅图像l(x，Y)的尺度空间定义为L(

7、x，Y，口)，是由不同尺度的高斯函数G(x，Y，)与原图像卷积运算生成的。相邻尺度的图像相减就得到～组DOG(Difference—Of-Gaussian)图像D(x，J，，口)，公式如下：L(x，Y，口)=G(x，，)，(，Y)(1)收稿日期：2009．12．10；修回日期：2010．01．07第4期吕文涛等：SIFT算法在雷达图像匹配中的应用389其中：‘2+v21一1——G(x，Y，口)=—e。(2)27【‘D(X，Y，)=(G(x，Y，／ca)一G(x，Y，盯))(，Y)=L(x，Y，ka)一L(x，Y，)(3)检测尺度空间极值时

8、，所检测像素需要跟包括同一尺度的周围邻域和相邻尺度对应位置的共26个像素比较，确保尺度空间和二维图像空间都检测到局部极值。同时，在去除对比度低的关键点和不稳定的边缘响应点，以增强匹配的稳定性。