针对SAR影像与光学影像之间存在显著的非线性灰度差异导致影像匹配困难的问题,本文提出了一种基于影像结构特性的快速匹配方法(SAR-to-optical fast matching algorithm,SOFM)。传统基于影像灰度的匹配方法一般难以抵抗影像间的非线性...针对SAR影像与光学影像之间存在显著的非线性灰度差异导致影像匹配困难的问题,本文提出了一种基于影像结构特性的快速匹配方法(SAR-to-optical fast matching algorithm,SOFM)。传统基于影像灰度的匹配方法一般难以抵抗影像间的非线性灰度差异,而影像中的几何结构和形状特征在不同类型的影像之间较为稳定,因此本文综合利用影像的梯度幅值和梯度方向信息构建出一种能够有效表达影像结构的特征描述符—角度加权方向梯度(angular weighted orientated gradients,AWOG),随后基于模板匹配的策略,选择描述符之间的差值的平方和(sum of squared difference,SSD)建立用于匹配的相似性测度,并给出了在频率域中表达的影像匹配函数。基于SOFM方法建立了一套完整的影像匹配流程,随后选择多组影像进行匹配试验,结果表明,本文方法能够有效抵抗SAR影像与光学影像之间的非线性灰度差异,并且在匹配性能和匹配精度等方面都优于经典的基于影像灰度的匹配方法以及其他基于影像结构特性的匹配方法。展开更多
文摘针对SAR影像与光学影像之间存在显著的非线性灰度差异导致影像匹配困难的问题,本文提出了一种基于影像结构特性的快速匹配方法(SAR-to-optical fast matching algorithm,SOFM)。传统基于影像灰度的匹配方法一般难以抵抗影像间的非线性灰度差异,而影像中的几何结构和形状特征在不同类型的影像之间较为稳定,因此本文综合利用影像的梯度幅值和梯度方向信息构建出一种能够有效表达影像结构的特征描述符—角度加权方向梯度(angular weighted orientated gradients,AWOG),随后基于模板匹配的策略,选择描述符之间的差值的平方和(sum of squared difference,SSD)建立用于匹配的相似性测度,并给出了在频率域中表达的影像匹配函数。基于SOFM方法建立了一套完整的影像匹配流程,随后选择多组影像进行匹配试验,结果表明,本文方法能够有效抵抗SAR影像与光学影像之间的非线性灰度差异,并且在匹配性能和匹配精度等方面都优于经典的基于影像灰度的匹配方法以及其他基于影像结构特性的匹配方法。
