SAR and Optical Image Registration Using Nonlinear Diffusion and Phase Congruency Structural Descrip

这是TGRS_2018的一篇文章：
针对两个问题做了针对性的改进：

1. 关键点的检测，不具有辐射不变性，且分布不均匀。GS-Harris算法使用Gaussian blur处理图像，会将边缘模糊
   因此，我们提出UND-Harris来检测关键点。
   UND-Harris结合了nonlinear diffusion,feature proportion和block strategy。其中nonlinear diffusion参考《SAR image registration using phase congruency and nonlinear diffusion-based》，feature propotation是在多个尺度中（类似于SIFT的多尺度提取特征，尺度选为8）都提取特征点。
   block strategy是将整幅图分为n*n个block,然后在每个block中都提取特征点。

2.特征描述
针对SAR和optical中非线性辐射变化，提出Phase Congruency Structural Descriptor Construction。步骤为：
（1）在多个尺度提取PC特征，并按照一定权重将他们组合起来

（2）得到整张图的PC后，根据PC值的大小将各个像素排序，并按照前30%，中间40%，最后30%将像素分类，分类结果如下：

（4）根据分类结果，在每个类别的区域中，构建LSS描述符。然后，将所有类别的LSS描述符汇总后构成PCSD描述符

PCSD和LSS的不同：

1.LSS是基于图像值构建的，而PCSD是基于PC构建的

2.LSS的分辨能力差；而PCSD采用了分组-组内LSS-组内特征融合，所以分辨能力高