MATLAB appdesigner 设计处理Sentinel-1 SLC单视复数数据读取以及粗配准

楠楠星球

已于 2023-04-08 12:55:33 修改

阅读量688

点赞数 3

分类专栏： MATLAB / python+图像处理文章标签： matlab sentinel 开发语言

于 2023-04-08 12:46:27 首次发布

本文链接：https://blog.csdn.net/qq_55750626/article/details/130020136

版权

MATLAB / python+图像处理专栏收录该内容

18 篇文章 15 订阅

订阅专栏

一、程序概况

MATLAB APP HANDLE SLC

程序APP下载：

链接：https://pan.baidu.com/s/1XwIW7MY6DF37Ilu4j2eAuw
提取码：CWNU
注：
下载方式：百度网盘；

此APP属于wep app，若电脑没有matlab runtime，请自行下载；
压缩包内包含自定义函数、app项目文件以及打包文件；

MATLAB APP designer学习：

若是对MATLAB APP designer感兴趣，这里强烈推荐这位在B站的外国UP，完结20个专集，从入门到进阶都有，非常适合新手，传送门：
https://www.bilibili.com/video/BV1Kz4y1R7X2?p=9&vd_source=1861080cbedb7db7f4b12c242abf7138

Sentinel-1 SLC单视复数数据读取以及配准学习

由于该程序只能进行粗配准，无法对SAR影像进行精确配准，现只用于APP designer 学习以及初学者使用，若有读者对SAR影像精确配准感兴趣，请参考以下论文，里面对精确配准有详细的操作步骤：
《基于相关匹配和最大谱图像配…的InSAR复图像配准方法_汪鲁才.pdf》

二、主要步骤显示

以人机交互式读取访问SLC 单视复数数据的基本信息（行列数、数据类型、访问指针），
读取行列号大小时需要耐心等待，比较慢。 以裁剪进行分析。

利用MATLAB的imshowpair函数显示主辅影像的差异（其中主影像为2019年的SLC一景影像，辅影像为2020年SLC一景影像），绿色表示主影像，红色表示辅影像。利用边线查找法，实现两幅影像的第一次粗配准，将影像进行左右上下平移操作，并显示粗配准之后的差异结果。

获取第一次粗配准之后的配准精度，配准指标为均方根误差以及百分比误差，并显辅影像相对于主影像的移动距离。

利用MATLAB内置函数求取特征点，计算转换矩阵，实现对影像的第二次粗配准。

三、程序配准核心代码

部分函数为自定义函数，若是需要使用，请自行去主页下载。

        function Button_10Pushed(app, event)
            global uint8_image  uint8_image2 end_x_value end_y_value start_x_value ...
            start_y_value data2 shift_image  master_image  meapde rmse_frontde;
            master_image=uint8_image; %主图像
            Secondary_image=uint8_image2; %辅图像
            %以主图像的的第20行作为y控制行
            control_y=master_image(20,:);
            %以主图像的的第20列作为x控制列
            control_x=master_image(:,20);
            cxk=floor((end_x_value-start_x_value)/3);
            cyk=floor((end_y_value-start_y_value)/3);
            %取辅图像的前~行作为搜索行
            search_martix_y=Secondary_image(1:cxk,:);
            %取辅图像的前~列作为搜索列
            search_martix_x=Secondary_image(:,1:cyk);
            gama_y=zeros(cxk,1);
            gama_x=zeros(1,cyk);
            %开始搜索相关性
            for i=1:cxk
               gama_y(i)=abs(sum(control_y-search_martix_y(i,:)));
            end
            %indices_y即为图像在y方向上的位移
            indices_y=find(gama_y==min(gama_y));
            %开始搜索相关性
            for j=1:cyk
               %gama_x(i)=abs(sum(control_x-search_martix_x(:,j)));
            end
            %indices_x即为图像在x方向上的位移
            indices_x=find(gama_x==min(gama_x));
            shift_image=uint8(abs(data2(start_x_value+indices_y:end_x_value+indices_y,start_y_value+indices_x:end_y_value+indices_x)));
            imshowpair(shift_image,master_image,'Parent',app.UIAxes4);
            if ~isempty(indices_x)
                indices_x=indices_x(1);
            else
                indices_x=indices_x;
            end
            if ~isempty(indices_y)
                indices_y=indices_y(1);
            else
                indices_y=indices_y;
            end
            app.EditField_13.Value=strcat(num2str(indices_x),'/个像元');
            app.EditField_14.Value=strcat(num2str(indices_y),'/个像元');
            rmse_front = sqrt(mean((master_image-Secondary_image).^2));
            rmse_end=sqrt(mean((master_image-shift_image).^2));
            nvg=length(rmse_front);
            rmse_frontde=sum(rmse_front)/nvg;
            rmse_endde=sum(rmse_end)/nvg;
            app.EditField_11.Value=strcat('前:',num2str(rmse_frontde));
            app.EditField_15.Value=strcat('后:',num2str(rmse_endde));
            meap = mean(abs((master_image - Secondary_image)./master_image))*100;
            cvg=length(meap);
            meapde=sum(meap)/cvg;
            meap_end=mean(abs((master_image - shift_image)./master_image))*100;
            meap_endde=sum( meap_end)/cvg;
            app.EditField_12.Value=strcat('前:',num2str(meapde));
            app.EditField_16.Value=strcat('后:',num2str(meap_endde));
        end

        function Button_2Pushed(app, event)
            global master_image shift_image window_1 window_2 matirx tform;
            window_1=master_image;
            window_2=shift_image;
            points_left=detectSURFFeatures(window_1);
            points_right=detectSURFFeatures(window_2);
            [features_left,vector_points_left]=extractFeatures(window_1,points_left);
            [features_right,vector_points_right]=extractFeatures(window_1,points_right);
            indexPairs=matchFeatures(features_left,features_right);
            matchedPoints_left=vector_points_left(indexPairs(:,1),:);
            matchedPoints_right=vector_points_right(indexPairs(:,2),:);
              showMatchedFeatures(window_1,window_2,matchedPoints_left,matchedPoints_right,'Parent',app.UIAxes3);
            [tform,~,~]=estimateGeometricTransform(matchedPoints_right,matchedPoints_left,'similarity');
            matirx=tform.T;    
        end