论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种全天时和全天候的高分辨率主动微波遥感传感器。SAR图像配准是将不同时间、不同视角或由不同传感器获取的同一场景的两幅或多幅SAR图像进行几何对准的过程,它是灾害监测和自动制导等诸多SAR应用的关键步骤。但是,当参考图像与输入图像场景中含较大几何形变时,SAR图像配准是一个困难问题。在SAR图像配准中,核主成分分析与图谱方法是轮廓特征提取和特征匹配的有效数学方法,本文考虑到这两种方法的等价性,简称之核谱方法。但是,至今核谱方法的稳健性差:一方面该方法易受斑点噪声的影响,使得提取的轮廓特征点存在较大的位置扰动;另一方面该方法易受特征点位置扰动与非同名特征的影响,使误匹配较多。本文研究SAR图像配准的稳健核谱方法,给出了SAR图像轮廓特征提取与特征匹配的六种改进的核谱模型,并以模拟实验与真实图像的配准结果证明了新方法的稳健性。主要研究结果和创新点如下:(1)针对SAR图像配准中的目标轮廓特征提取问题,以标准割模型为基础,给出了贴近度图割和局部平滑加权图割两种图像分割模型。它们分别采用区域聚类和平滑罚项的方式抑制SAR图像中斑点噪声对图割模型的影响,同时避免了图割模型中相似度矩阵存储困难的问题。模拟和真实SAR图像的结果表明它们的分割精度优于标准割、加权核k均值和参数核图割,其中局部平滑加权图割根据加权图割与加权核k均值的等价性以及相似度矩阵的冗余性,分割精度最优。(2)针对灾害场景中含形变目标的SAR图像配准问题,在子空间学习匹配模型的基础上给出了核子空间匹配模型和非负子空间匹配模型。这两种模型通过加入描述特征点集间相似度的罚项以提高图谱匹配的稳健性。与核主成分分析等图谱匹配方法相比,这两种模型得到的特征点的谱嵌入坐标融合了特征的相似性和局部近邻匹配的光滑性。同时,其时间和空间复杂度与图谱匹配方法同阶。模拟点集和真实SAR图像的特征匹配实验结果表明它们对位置扰动和异常值的稳健性优于图谱匹配方法。(3)针对特征匹配方法经常受图像内相似灰度分布区域及相似结构的影响产生误匹配的问题,利用正确匹配关系的核相关成分具有共线性的性质,构造了一种共线率准则,给出了剔除误匹配的稳健核相关分析模型及相应算法。该算法通过匹配关系对共线率的影响识别异常匹配。实验结果表明其对位置扰动和异常值的稳健性优于随机抽样一致性和最优化随机抽样算法。(4)针对二阶图匹配方法对尺度变换敏感,如当参考图像与输入图像存在较大尺度变换时,该方法失效,因此本文考虑将二阶概率图匹配模型推广为三阶概率超图匹配模型,新模型保留了三阶超图匹配方法的尺度不变性;同时可在迭代中修正亲和张量,使得对应误匹配的亲和张量元素减小,对应正常匹配的亲和张量元素增大。模拟点集和真实图像的匹配结果表明该模型对位置扰动和异常值的稳健性优于三阶超图匹配的张量幂迭代算法。