【图像配准】SAR-SIFT改进的SAR图像配准【含Matlab源码 2336期】

⛄一、基于SAR-SIFT改进的SAR图像配准

合成孔径雷达(synthetic aperture radar,SAR)图像配准的主要目标是对同一或不同传感器在不同时间、不同视点捕获的SAR图像进行配准。SAR因具有全天候成像能力和地物穿透能力，因此具有非常广泛的应用，如变化检测[1]、图像融合[2]、目标检测与识别[3]。

图像配准方法可分为两类:基于区域的配准方法和基于特征的配准方法[4]。基于区域的配准方法对噪声敏感，当目标发生形变、旋转、尺寸变换时容易导致算法失败且计算量过大。SAR图像中通常包含许多不同的特征，因此基于特征的配准方法具有较高的计算效率[5]。对SAR图像匹配而言，更具研究意义和实用价值。

虽然SIFT算法已经在光学遥感的各种应用中证明了其有效性，但是对于SAR图像而言，情况有所不同。SAR图像成像条件复杂，特别是斑点噪声的存在，导致SIFT类算法检测到大量的虚假特征点，这些点随机性强，易造成误匹配和少匹配，影响了同名点自动提取的性能。SIFT算法在这类图像上表现不佳，一些学者提出了改进算法的几点建议。文献[6]提出了SIFT-OCT算法，通过跳过尺度空间金字塔的第1组减小斑点的影响。然而，在许多SAR图像对中，它不能产生足够的正确匹配。文献[7]考虑关键点之间的空间关系抑制虚假对应。文献[8]提出了AAG-SIFT算法，该算法用各向异性尺度空间(anisotropic scale space,ASS)代替高斯尺度空间(gaussian scale space,GSS)降低边缘噪声的影响。

上述基于SIFT改进的算法都是通过差分计算梯度，对SAR图像