基于強(qiáng)散射地物特征的SAR景象匹配技術(shù)

趙為偉，宋曉偉

(1.空軍駐甘肅地區(qū)軍事代表室，甘肅 蘭州 730070；2.西安艾索信息技術(shù)有限公司，陜西 西安 710065)

基于強(qiáng)散射地物特征的SAR景象匹配技術(shù)

趙為偉1，宋曉偉2

(1.空軍駐甘肅地區(qū)軍事代表室，甘肅 蘭州 730070；2.西安艾索信息技術(shù)有限公司，陜西 西安 710065)

SAR具有全天候、全天時等優(yōu)勢，且SAR圖像數(shù)據(jù)種類豐富、信息量大，因此，開展SAR景象匹配技術(shù)研究具有重要的意義。但在圖像輻射特征差異較大、低信噪比情況下，傳統(tǒng)的SAR景象匹配技術(shù)很難滿足。文中提出了基于強(qiáng)散射地物特征的SAR景象匹配技術(shù)，選擇強(qiáng)散射地物作為更有效、穩(wěn)定、易于提取的匹配特征，制定相應(yīng)的特征匹配策略，并通過對各類場景真實SAR圖像數(shù)據(jù)的實驗驗證，驗證了該算法的有效性和適用性。

SAR景象匹配；強(qiáng)散射地物特征；特征匹配

SAR(Synthetic Aperture Radar)具有全天候、全天時、主動式、多頻段、多極化、地表穿透能力、動目標(biāo)檢測能力等獨(dú)特優(yōu)勢，已成為當(dāng)今空間對地觀測的重要手段[1-6]。高分系統(tǒng)所獲取的SAR圖像數(shù)據(jù)種類豐富，信息量大。因此，開展SAR景象匹配技術(shù)研究，必將提高航空、航天偵察應(yīng)對高技術(shù)條件戰(zhàn)爭的能力，有效提高情報保障的時效性和準(zhǔn)確性，進(jìn)一步拓展軍事應(yīng)用領(lǐng)域，及時準(zhǔn)確地為各類軍事行動提供目標(biāo)情報信息支持[7-9]?？v觀國內(nèi)外文獻(xiàn)可以發(fā)現(xiàn)，目前有關(guān)SAR景象匹配算法的研究[11-16]，大多是在待匹配的SAR圖像的輻射特征一致性較好的假設(shè)條件下進(jìn)行的，鮮有文獻(xiàn)涉及圖像輻射特征差異較大、低信噪比情況下的SAR圖像匹配。從基于SAR的景象匹配輔助導(dǎo)航的實際應(yīng)用來看，上述假設(shè)條件有時很難滿足，存在眾多復(fù)雜的因素影響著SAR傳感器實時獲取的圖像質(zhì)量[15-16]。

為此，本文選擇了強(qiáng)散射地物作為更有效、穩(wěn)定、易于提取的匹配特征，制定了相應(yīng)的特征匹配策略，提出了基于強(qiáng)散射地物特征的SAR景象匹配技術(shù)，并通過對各類場景真實SAR圖像數(shù)據(jù)的實驗驗證，驗證了該算法能更有效地識別出更多的同名匹配特征，提高景象匹配系統(tǒng)性能。

1 SAR景象匹配技術(shù)

SAR景象匹配技術(shù)的核心思想是通過提取某種穩(wěn)定的共性匹配特征，建立參考圖和實時圖的模式特征空間，再根據(jù)一定的判定準(zhǔn)則搜尋參考圖中與實時圖具有最相似模式的位置，進(jìn)而確定參考圖與實時圖之間的空間映射關(guān)系。

人工建筑物等強(qiáng)散射地物相對于其他匹配特征而言，信噪比較高容易提取，且由于不屬于自然地物，是一種穩(wěn)定性和重復(fù)度都較高的匹配特征?；趶?qiáng)散射地物的SAR景象匹配技術(shù)，其匹配策略就是利用強(qiáng)散射地物之間的空間位置關(guān)系(Spatial Consistency)作為匹配特征的模式描述，通過投票的方式識別出同名匹配特征，基本步驟如下：(1)首先，基于平穩(wěn)小波多尺度系數(shù)融合與P-tile算法從參考圖與實時圖中分割出若干強(qiáng)散射地物，并以其外包絡(luò)形狀質(zhì)心作為特征點(diǎn)，得到特征點(diǎn)集；(2)通過矢量投票的方式確定匹配特征點(diǎn)間的一一對應(yīng)關(guān)系；(3)采用基于NMI測度的局部模板匹配方法，重新定位同名匹配特征點(diǎn)位置；(4)最后，使用多項式模型將實時圖映射到參考圖上。

1.1 強(qiáng)散射地物提取

應(yīng)用常規(guī)的SAR目標(biāo)檢測算法從參考圖與實時圖中檢測強(qiáng)散射地物時，同一強(qiáng)散射地物會在不同入射角的圖像中檢測為若干小散射體，導(dǎo)致不同入射角SAR圖像中所檢測出的匹配特征迥然不同。為提取盡可能完整的地物外形作為匹配特征，本文基于平穩(wěn)haar小波提取SAR圖像強(qiáng)散射地物特征。

SAR圖像小尺度的低頻分量保留了目標(biāo)精細(xì)的位置和結(jié)構(gòu)信息，但存在較多的噪聲和背景雜波。同時，分布目標(biāo)在小尺度下呈現(xiàn)為多個細(xì)碎的點(diǎn)目標(biāo)，導(dǎo)致不同入射角下的分布目標(biāo)的細(xì)節(jié)差異很大，難以作為共性特征進(jìn)行匹配。而大尺度的低頻分量可以濾除分布目標(biāo)的噪聲、背景雜波及細(xì)節(jié)差異，但會使目標(biāo)位置信息損失和形狀畸變。隨著分解層數(shù)的增加，目標(biāo)相對于背景的能量被增強(qiáng)了，而且目標(biāo)能量有向四周擴(kuò)展的趨勢，同時在不同尺度的低頻分量圖中，目標(biāo)所在位置處都有較大的能量。

經(jīng)小波多尺度低頻系數(shù)融合后，強(qiáng)散射地物相對于背景的幅度大大增強(qiáng)，同時連續(xù)性得到提高，此時可以簡單的認(rèn)為圖像僅由強(qiáng)散射地物和背景組成。然后，通過P-tile閾值法，分割出強(qiáng)散射地物二值圖。具體方法是：依次累計待分割圖像的灰度直方圖，直到該累計值大于等于目標(biāo)地物所占面積，此時的灰度級即為所求的閾值。通常，強(qiáng)散射地物占整幅圖像的面積百分比P%由景象匹配任務(wù)中適配場景的參考圖及其地物分布等先驗知識事先估計。

1.2 基于投票機(jī)制的特征匹配算法

通過基于平穩(wěn)小波的強(qiáng)散射地物分割，分別獲得了參考圖與實時圖的特征點(diǎn)集，由于幾何和灰度特征差異仍然較大，直接采用傳統(tǒng)的匹配算法進(jìn)行同名匹配特征點(diǎn)識別比較困難。但強(qiáng)散射地物之間的相對位置關(guān)系基本保持不變，其位置關(guān)系可以作為一種魯棒性極強(qiáng)的模式特征來描述地面目標(biāo)。通過在2幅不同輻射特征的SAR圖像間尋找出擁有相同模式特征的強(qiáng)散射地物，就可以確定出同名點(diǎn)對，從而實現(xiàn)匹配。

類似于模式識別中的目標(biāo)識別，可以采用矢量投票的方法在參考圖中識別出實時圖中的關(guān)注地物。矢量投票的基理就是從關(guān)注目標(biāo)的模式描述表中依次取出每個矢量描述，然后在參考圖關(guān)系表中尋找與之接近的矢量描述。由于矢量既有長度又有方向，因此只有長度和方向接近的矢量之間差值的模才接近0，此時參考圖和實時圖中矢量指向的點(diǎn)都獲得1票。而其他長度和方向不同的矢量之差的模值會很大，矢量指向的相應(yīng)的點(diǎn)不會獲得投票。憑借著矢量的方向性，可以很好的防止其他模式的誤投票。實際中，參考圖與實時圖中的強(qiáng)散射地物的位置關(guān)系存在一定的偏差和輕微的旋轉(zhuǎn)(一般<2°)，這會導(dǎo)致矢量之間的長度與方向并不完全一致，因此誤差容限δ可以設(shè)一個較小的數(shù)值。

在投票結(jié)束之后，在理想情況下，即實時圖中的地物在參考圖中都存在，考慮在實際應(yīng)用中地物分布復(fù)雜，關(guān)注地物周圍可能存在漏檢地物和其他接近的矢量描述，投票結(jié)果有可能錯誤。仿效SIFT算法中的匹配判決策略，計算票數(shù)最多與票數(shù)次多的兩個候選同名匹配特征點(diǎn)的票數(shù)比，如果票數(shù)比>2，即獲得最高票數(shù)的匹配特征點(diǎn)是次之的匹配特征點(diǎn)票數(shù)的2倍，即接受這個匹配判決結(jié)果，否則拒絕。

2.3 匹配特征點(diǎn)坐標(biāo)重定位

通過投票機(jī)制，可建立參考圖與實時圖的同名匹配特征點(diǎn)集。然而由于強(qiáng)散射地物的外形包絡(luò)對雷達(dá)波束入射角度非常敏感，不同入射角的SAR圖像中的地物包絡(luò)的質(zhì)心通常都是不同的。根據(jù)提出的強(qiáng)散射地物分割方法，所獲得的參考圖與實時圖初始特征點(diǎn)集中的同名點(diǎn)的對應(yīng)位置坐標(biāo)并不準(zhǔn)確，誤差有時大的難以接受。其根本原因是提出的小波變換多尺度低頻系數(shù)融合只能在有限范圍內(nèi)連接斷裂的強(qiáng)散射地物，而無法外推其消失或發(fā)生遷移的部分，這會導(dǎo)致分割出的地物二值圖的形狀有較大差異，質(zhì)心位置并不相同。因此，通過投票方式所獲得的潛在同名匹配特征點(diǎn)對的質(zhì)心位置坐標(biāo)不得不進(jìn)行修正，即重定位。

由于雷達(dá)波束入射角度的不同，參考圖與實時圖之間存在輕微的旋轉(zhuǎn)、幾何畸變和輻射畸變，經(jīng)典的NPROD測度無法準(zhǔn)確地求出真正的同名匹配特征點(diǎn)的位置。NMI與其他測度不同，不作圖像灰度值是一對一的假設(shè)，因此適合于多模圖像的匹配。由于NMI只在統(tǒng)計意義上度量圖像間的相似度，因此可以忽略圖像間的旋轉(zhuǎn)、幾何與輻射特征差異。我們假設(shè)潛在的同名特征點(diǎn)對之間的位置誤差半徑不超過R，則可以應(yīng)用NMI通過局部模板匹配的方式進(jìn)行匹配特征點(diǎn)坐標(biāo)重定位。具體說就是選擇以qi為中心，半徑為ρ的圓形模板在pi的R半徑內(nèi)做遍歷度量，選擇NMI值最大的位置作為最優(yōu)定位位置。

NMI可以很好的估計出輻射特征差異很大的地物圖像間的統(tǒng)計相似性。盡管某些強(qiáng)散射地物的大部分消失或衰弱，但其仍能較好地尋找出同名匹配特征點(diǎn)的真正對應(yīng)位置，這都?xì)w功于NMI可以充分挖掘蘊(yùn)含在圖像中的統(tǒng)計共性信息。另外，對于某些分裂成多個子目標(biāo)的強(qiáng)散射地物，經(jīng)過基于NMI的局部模板匹配后，都合并成一個坐標(biāo)。

2 匹配實驗及結(jié)果分析

2.1 典型的SAR景象匹配算法實驗

基于特征的景象匹配算法在SAR圖像輻射特征差異較大、信噪比低條件下進(jìn)行匹配實驗。借鑒某文針對SAR圖像改良的SIFT算法，先利用增強(qiáng)的Frost濾波器進(jìn)行相干斑抑制以降低匹配難度，濾波窗口大小選為5×5。然后基于SIFT特征點(diǎn)提取算子，提取相干斑抑制后的SAR圖像的特征點(diǎn)。精細(xì)調(diào)節(jié)SIFT算子的檢測參數(shù)，使虛警概率很低，結(jié)果如圖1所示。

圖1 不同入射角、低信噪比SAR圖像SIFT特征點(diǎn)圖

放大圖1中實線圈與虛線圈區(qū)域做局部圖像觀察分析，如圖2所示。

圖2 SIFT特征點(diǎn)局部放大圖

由于SIFT特征點(diǎn)提取算子是基于微分和邊緣特征的，因此在SAR圖像強(qiáng)散射地物邊緣附近檢測出大量對比度高的特征點(diǎn)，如圖1(a)所示。不同入射角SAR圖像間的輻射特征差異很大，導(dǎo)致圖1的匹配結(jié)果存在大量誤匹配。

2.2 匹配算法實驗

上述典型SAR景象匹配算法面對不同輻射特征、低信噪比SAR圖像時出現(xiàn)了誤匹配。為了驗證本文算法的魯棒性，采用與上述實驗相同的圖像數(shù)據(jù)，圖像場景大小為1 000×2 000，選擇36.5°入射角的SAR圖像作為參考圖，如圖3(a)所示。從21°入射角的SAR圖像中，均勻地隨機(jī)截取100幅800×800大小的子圖作為實時圖，如圖3(b)所示。因為場景中的強(qiáng)散射地物通常分布不均勻，所有子圖中的特征點(diǎn)數(shù)量也會隨機(jī)變動。此外，參考圖比實時圖大，大圖與小圖匹配時會有大量outlier存在。這些特點(diǎn)保證了實驗條件接近景象匹配導(dǎo)航應(yīng)用的實際情況。

實驗過程中，算法中的參數(shù)設(shè)置為：小波分解層數(shù)K=3，強(qiáng)散射地物提取步驟中的目標(biāo)區(qū)域百分比，根據(jù)場景復(fù)雜度等先驗知識，設(shè)置為4%，矢量投票中的誤差容限δ設(shè)為10，匹配判決門限為2，基于NMI的局部模板匹配最大搜索半徑設(shè)為15，圓形模板半徑為40。圖3中的實心圓點(diǎn)為參考圖與實時圖匹配的一次實現(xiàn)。

圖3 參考圖與實時圖的一次匹配實例

可以看出，盡管參考圖與實時圖輻射特征差異較大，圖像信噪比較低，但本文算法仍實現(xiàn)了正確匹配。

圖4為匹配判決門限為2時的100次匹配實驗結(jié)果曲線圖，其中包括每次實驗的匹配特征點(diǎn)對數(shù)量和匹配精度RMSE(Root Mean Square Error)。

圖4 100次匹配實驗結(jié)果的匹配特征點(diǎn)對數(shù)量和RMSE

平均匹配點(diǎn)對數(shù)實時圖平均特征點(diǎn)數(shù)參考圖特征點(diǎn)數(shù)平均RMSE2042918116513913

從上述匹配實驗結(jié)果看，該算法具有較強(qiáng)的魯棒性，平均匹配精度可以達(dá)到約1個像素，平均匹配點(diǎn)對數(shù)約20個，完全可以滿足景象匹配導(dǎo)航應(yīng)用的需要。此外，匹配判決門限為2的設(shè)定，杜絕了誤匹配的發(fā)生，可以證實為比較嚴(yán)格的門限。但是，個別實驗的RMSE值偏大，匹配特征點(diǎn)數(shù)量較少。

3 結(jié)束語

為了使SAR景象匹配算法真正適應(yīng)于各種惡劣情況，放寬對系統(tǒng)平臺的約束。本文選擇在惡劣情況下適合匹配的有效匹配特征—強(qiáng)散射地物作為匹配特征，并制定相應(yīng)的匹配策略，提出了基于強(qiáng)散射地物特征的SAR景象匹配技術(shù)。通過與經(jīng)典算法的實驗對比，證明了本文提出的算法在匹配特征的選擇和匹配算法的魯棒性等方面優(yōu)于多種經(jīng)典算法。通過真實SAR圖像的實驗，也驗證了本文算法的有效性和穩(wěn)定性。

[1] 于秋則,程輝,田金文,等.基于邊緣特征的SAR圖像與光學(xué)圖像的匹配[J].雷達(dá)科學(xué)與技術(shù), 2003,1(4):242-245.

[2] 康欣,韓崇昭,楊藝.基于結(jié)構(gòu)的SAR圖像配準(zhǔn)[J].系統(tǒng)仿真學(xué)報,2006,18(5):1307-1310.

[3] 任三孩.彈載SAR景象匹配制導(dǎo)關(guān)鍵技術(shù)研究[D].長沙:國防科學(xué)技術(shù)大學(xué),2011.

[4] 楊朝輝.SAR景象匹配中邊緣特征基準(zhǔn)圖的制備方法[J].蘇州科技學(xué)院學(xué)報,2015,32(4):57-62.

[5] 李娜,劉方.基于模糊聚類視區(qū)劃分的SAR目標(biāo)識別方法[J].電子學(xué)報,2012,40(2):394-399.

[6] 韓萍,梅雪蘭,吳仁彪,等.一種提高SAR目標(biāo)識別率的有效方法[J].中國民航大學(xué)學(xué)報,2003,21(3):6-9.

[7] 姜百匯.圖像匹配技術(shù)在巡航導(dǎo)彈中的應(yīng)用[J].戰(zhàn)術(shù)導(dǎo)彈技術(shù),2001(2):54-61.

[8] 安如,王慧麟.圖像匹配制導(dǎo)技術(shù)研究[C].北京:全國圖像圖形學(xué)學(xué)術(shù)會議,2006.

[9] 于秋則.合成孔徑雷達(dá)(SAR)圖像匹配導(dǎo)航技術(shù)研究[D].武漢:華中科技大學(xué),2004

[10] Franceschetti G, Migliaccio M, Riccio D.The SAR simulation: an overview[J].IEEE Transactions on Circuit,1995(7):2283-2285.

[11] 李素敏,張萬清;地磁場資源在匹配制導(dǎo)中的應(yīng)用研究[J].制導(dǎo)與引信,2004(3):98-102.

[12] 安如,王慧麟,晏翔.基于SIFT和漸進(jìn)局部幾何約束的多源遙感圖像自動匹配研究[C].北戴河:全國圖像圖形學(xué)學(xué)術(shù)會議,2008.

[13] 安如,王慧麟.遙感圖像匹配方法研究[M].南京:河海大學(xué)出版社,2006.

[14] 程華,田金文.基于雙近鄰模式和最小二乘支持向量機(jī)的SAR景象匹配區(qū)選擇[J].宇航學(xué)報,2009,30(4):1626-1632.

[15] Polidori L.SAR image simulation strategies for mapping[M].MI:Commission III Working Group,1998.

[16] 韓先鋒,李俊山,畢義明,等.基于混合遺傳算法的景象匹配技術(shù)研究[J].微電子學(xué)與計算機(jī),2004(8):109-113.

A Scene Match Technology of SAR Based on Ground Features with Strong Scattering

ZHAO Weiwei1,SONG Xiaowei2

(1. Military Representative Office of Air Force in Gansu,Lanzhou 730070,China； 2. Xi’an iTHOR Information Technology Co.,Ltd,Xi’an 710065,China)

SAR is applicative in any weather and any time, and the SAR pictures have many types which have huge information. Studying the scene match technology of SAR is very useful. However, traditional scene match technology can't be used if the difference of pictures is huge and the SNR is low. A scene match technology of SAR based on ground features with strong scattering is proposed in this paper. The ground features with strong scattering is selected to be the match feature which is more effective, stable and easy to be abstracted. And experimental results validate our proposed method is effective and applicative.

scene match technology of SAR；ground features with strong scattering；feature match

2017- 03- 16

趙為偉(1969-)，男，碩士。研究方向：雷達(dá)系統(tǒng)技術(shù)。宋曉偉(1982-)，男，碩士，研究方向：雷達(dá)系統(tǒng)技術(shù)。

TN957.52

A

1007-7820(2018)02-081-04