期刊检索

  • 2024年第56卷
  • 2023年第55卷
  • 2022年第54卷
  • 2021年第53卷
  • 2020年第52卷
  • 2019年第51卷
  • 2018年第50卷
  • 2017年第49卷
  • 2016年第48卷
  • 2015年第47卷
  • 2014年第46卷
  • 2013年第45卷
  • 2012年第44卷
  • 2011年第43卷
  • 2010年第42卷
  • 第1期
  • 第2期

主管单位 中华人民共和国
工业和信息化部
主办单位 哈尔滨工业大学 主编 李隆球 国际刊号ISSN 0367-6234 国内刊号CN 23-1235/T

期刊网站二维码
微信公众号二维码
引用本文:金斌,周伟,丛瑜,王国庆.一种基于局部不变特征的SAR图像配准新算法[J].哈尔滨工业大学学报,2014,46(11):112.DOI:10.11918/j.issn.0367-6234.2014.11.019
JIN Bin,ZHOU Wei,CONG Yu,WANG Guoqing.A novel and efficient algorithm using local invariant feature for sar image registration[J].Journal of Harbin Institute of Technology,2014,46(11):112.DOI:10.11918/j.issn.0367-6234.2014.11.019
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
过刊浏览    高级检索
本文已被:浏览 2071次   下载 1217 本文二维码信息
码上扫一扫!
分享到: 微信 更多
一种基于局部不变特征的SAR图像配准新算法
金斌1,2, 周伟3, 丛瑜3, 王国庆3
(1. 海军航空工程学院 研究生管理大队, 264001 山东 烟台; 2. 海军装备部兵器部, 100073 北京; 3. 海军航空工程学院 电子信息工程系, 264001 山东 烟台)
摘要:
针对SAR图像配准中匹配效率低、误匹配对多和配准精度差的问题,提出一种基于局部不变特征的SAR图像配准新算法. 首先,使用加速分割检测特征 (features from accelerated segment test, FAST)检测算法,检测SAR图像的FAST角点;使用DAISY描述子对FAST特征进行描述,得到SAR图像不变特征。其次,采用基于KD树的欧氏距离匹配策略,实现特征点对的粗匹配;采用RANSAC算法去除误匹配,实现特征点对精匹配. 然后,采用仿射变换模型,实现图像插值和图像变换,实现SAR图像粗配准。最后,建立配准精度评估反馈机制,实现配准优化. 通过使用不同时相、不同工作模式HJ-1C星载SAR和不同极化、不同波段机载AIRSAR图像配准实验,提出算法与经典不变特征配准算法相比,具有适配性好、配准效率高的优点.
关键词:  成孔径雷达图像(SAR)  局部不变特征  FAST检测子  DAISY描述子  图像配准
DOI:10.11918/j.issn.0367-6234.2014.11.019
分类号:TP75
基金项目:
A novel and efficient algorithm using local invariant feature for sar image registration
JIN Bin1,2, ZHOU Wei3, CONG Yu3, WANG Guoqing3
(1. Graduate Students’ Brigade, Naval Aeronautical and Astronautical University, 264001 Yantai, Shandong, China; 2. Armament Branch of NED, 100073 Beijing, China; 3. Dept. of Electronic and Information Engineering, Naval Aeronautical and Astronautical University, 264001 Yantai, Shandong, China)
Abstract:
Aiming at the problems of low performance matching, more mismatching pairwise, and low registration precision, which are the characteristic of traditional SAR image registration methods, we propose a novel and efficient local invariant feature-based algorithm. First, the feature points are detected by features from accelerated segment test(FAST) method and described by DAISY descriptor in SAR image. Second, Kd-tree-based dual-matching strategy and random sample consensus (RANSAC) are used to establish fine feature matching. Third, affine transform model is estimated for image resampling and transformation, and rough registration is implemented. Finally, feedback mechanism is constituted for fine registration based on the estimation of registration precision. The flexibility and efficiency is demonstrated by experiments with slant range SAR images acquired from different working model, different times, viewpoints, wavelengths and polarizations.
Key words:  synthetic aperture radar (SAR) image  local invariant feature  FAST detector  DAISY descriptor  image registration

友情链接LINKS