基于SIFT算法的InSAR图像配准(5)

菜单

（2）针对传统干涉 SAR 影像配准方法易受噪声影响且无法实现全自动配准的问题，提出一种基于多级匹配策略的干涉 SAR 影像自动配准新方法。该方法首先利用尺度不变特征变换（Scale Invariant Feature Transform, SIFT）算法提取 SAR 影像上的特征点并完成特征点初始匹配，之后基于区域相关匹配 (Regional Correlation Matching, RCM)算法快速剔除相关性较低的匹配点对，最后采用点特征松弛匹配算法进行匹配点对的二次提纯，最终完成 SAR 影像的精确匹配。

（3）分别选用三组不同不同波段、不同地形、不同分辨率条件下的数据进行了实验。实验结果表明：即使影像时间间隔较长且噪声影响严重的情况下应用该方法也可以实现干涉 SAR 影像的精确配准，且配准过程无需人工干预，从而证明了该方法的稳健性。

1.3.2 实施方案

首先运用 GAMMA 软件对 SAR 数据进行预处理，得到主辅 SAR 影像对；然后利用 SIFT 算法对 InSAR 影像进行粗匹配，因为通过 SIFT 算法匹配后会存在误配点，利用区域相关匹配算法与点特征松弛匹配算法对误配点进行剔除，得到正确的匹配点；最后通过建立多项式，求解偏移量，得到配准结果，最后利用 GAMMA 软件生成干涉图进行配准结果检验。技术流程图如图 1-1 所示：

InSAR 数据处理流程文献综述

1.3.3.创新点

提出了一种基于 SIFT 算法的干涉 SAR 影像自动配准新方法。该方法首先利用 SIFT 算法提取 SAR 影像上的特征点并完成特征点初匹配，之后基于区域相关算法快速剔除相关性较低的匹配点对，最后采用点特征松弛匹配算法进行匹配点对的二次提纯，最终完成 SAR 影像的精确匹配。该方法无需任何先验卫星轨道信息和外部 DEM，且整个配准过程为自动实现。结果证明这种方法可以满足不同波长、不同分辨率、不同地形条件下 SAR 影像的高精度配准要求。

1.4 本章小结

本章前两节主要写了图像配准的研究背景与意义、图像配准的国内外研究现状；第三节写的是本论文的研究内容、实施方案和创新点。

2 InSAR 技术配准方法

2.1 InSAR 技术概述

一般情况下合成孔径雷达的波段在 1~10GHz 之间，而且大气对波段的影响也不大，所以不管在什么状态下，像白天黑夜、云雾雨雪等天气变化不会影响合成孔径雷达的结果。简单来说，SAR 图像就是相当于高分辨率、大尺度的照片，雷达就相当于拍摄照片的照相机。两者的不同在于 SAR 是斜视的，波段比较广；而照相机是直视的，在可见光范围内。

在同一个传感器上对同一个区域进行两次成像操作，这两次虽然区域一样，但成像时的角度、距离等条件不一致，得到这两幅图像的相干性，再对这两幅图像进行求相位差操作，获得目标地区的地形信息，这就是 InSAR 技术。来!自~751论-文|网www.751com.cn

InSAR 的优点是具有全天时、全天候、覆盖面广、高精度等特点。目前 InSAR

技术主要用于 DEM 提取和地震形变检测。

本文对 InSAR 图像配准主要使用的是基于 SIFT 算法的多级配准，具体方法就是先对 SAR 图像进行进行 SIFT 算法处理，然后用区域相关和点特征松弛匹配算法做进一步的匹配，最后用 GAMMA 软件完成干涉图和相干图进行配准分析，得出结论。SIFT 算法、区域相关和点特征松弛匹配的具体步骤和原理将在本章进行说明。