基于SIFT算法的SAR图像匹配.docx

《基于SIFT算法的SAR图像匹配.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、电子科技大学雷达系统报告题目基于SIFT算法的SAR图像匹配指导老师王洪学院信息与通信工程学院专业电子与通信工程姓名学号刘焱芳3基于SIFT算法的SAR图像匹配1、引言合成孔径雷达SAR是一种主动微波成像雷达。不同于光学成像系统，SAR对地表或植被都具有一定的穿透力，可以获取被遮盖的目标信息。SAR不受光照和气候的影响，可以实现全天时、全天候的对地观测，同时SAR还具备多波段和多极化成像的特点。在军事领域，SAR自动目标识别是战场中一种极为重要的军事侦察手段，而SAR图像特征提取是目标识别中的关键技术。本文主要研究基于SIFT算法的SAR图像匹配，通过SIFT算法获取图像特

2、征，获得特征点的方向和梯度模值，从而进行特征匹配。SIFT即尺度不变特征转换，由不列颠哥伦比亚大学的DavidG.Lowe在1999年提出，之后他又对其进行了完善和总结。SIFT算法用于提取图像局部特征，首先它构造图像的多尺度空间，并在其上搜索极值点作为关键点，筛选有效的关键点，在筛选后的关键点上提取局部特征描述子。实际的应用证明，因为SIFT具有诸多优良的特性，所以它在图像的识别、分类和匹配问题上有较大的优势。2、SIFT算法2.1尺度空间的构建尺度空间理论最早由Iijima在1979年提出，在随后的几年，Witkin和Koenderink对其进行了深入研究。构建尺度空间

3、的是模拟图像的多尺度特性，与在单一尺度处理图像相比，尺度空间的优势在于，通过改变尺度参数，可以获取不同尺度下的特征。Koenderik指出，高斯核是实现尺度变换唯一可用的线性核。图像的尺度空间定义为，它通过可变的高斯核函数与图像进行卷积操作得到：（1）（2）式中表示图像矩阵，是图像中像素点的坐标，表示可变的尺度参数，值越大对应图像越粗糙，反之，值越小对应图像越精细。为了在尺度空间中找到稳定的关键点，使用差分高斯函数与图像进行卷积，在卷积得到的尺度空间中搜索极值点，对应的差分高斯尺度空间（DOG）：（3）图1高斯金字塔模型为了让尺度体现其连续性，在简单下采样的基础上加上了高斯

4、滤波。一幅图像可以产生几组(octave)图像，每组图像包括几层(interval)图像。高斯图像金字塔共O组，每组S层，高斯金字塔组数计算公式：（4）其中M，N分别表示图像的行数和列数。特征点的尺度坐标按特征点所在的组和组内的层计算得到：（5）其中表示尺度空间坐标，o为组的索引，s表示组内层的索引，表示基准层尺度，S表示每组层数（一般为3~5）。当图像通过相机拍摄时，相机的镜头已经对图像进行了一次初始的模糊，根据高斯模糊的性质：（6）（7）（8）图2高斯金字塔与DoG的实现2.2极值点检测在差分高斯尺度空间中检测极值点。极值点是在一定空间范围内的一个极大值或者极小值。为了

5、搜索极值点，尺度空间中的每一个点要与其临近的所有点相比较，在同一层中包含其临近的8个点，在其临近的层中包含9×2个点，一共26个点，如图所示，图中“×”为待检测的点，蓝色实心点为周围的26个点，如果“×”所在的点与这26个点相比是一个最大值或者最小值，那么该点为该尺度下的一个极值点。极值点受不同因素的影响，在不好的极值点上提取特征会降低特征的性能，所以要对极值点进行筛选。图3极值点的检测（1）去除对比度低的极值点尺度空间的泰勒展开式如下：（9）其中。求导并让方程等于零，可以得到精确的极值点：当矢量为n维时，有（10）对于矩阵，（11）求的导数，则（12）则对的导数为：（13

6、）（14）对应极值点，方程的值为：（15）（2）消除边缘响应为了保证关键点的稳定性，还要消除边缘响应。差分高斯算子在边缘的地方有很强的响应。一个较差的高斯差分尺度空间极值在横跨边缘的地方有较大的主曲率，在垂直于边缘的方向上有较小的主曲率。主曲率可以在关键点对应的尺度和位置下计算一个大小为2×2的hessian矩阵H得来。（16）导数可以由临近样本点的差值来近似表示。矩阵H的特征值与D的主曲率成正比，令为最大特征值，令为最小特征值，于是可以从矩阵H的迹计算特征值的和，从矩阵H的行列式计算特征值的积：（17）（18）（19）令为最大特征值与最小特征值之比，即，有（20）由式20

7、可知，其结果只与最大特征值与最小特征值之比有关，与单独的最大或最小特征值无关。并由式20可知当与相等的时候取得最小值，随着的增大而增大。因此，检测主曲率是否小于给定的阈值，只需检查公式是否成立：（21）不满足公式则舍弃该关键点。在Lowe的实验中。当精确的极值点相对检测到的极值点在任一维度上的偏移量大于0.5时，意味着插值中心已经偏移到它的邻近点上，所以必须改变当前特征点的位置。同时在新的位置上反复插值直到收敛；也有可能超出所设定的迭代次数或者超出图像边界的范围，此时这样的点应该删除。2.3关键点方向的匹配SIFT