準(zhǔn)方法：
[0014] 2010年Ming1:aoDing等人在文獻(xiàn)"Registrationusingrobustkernelprincipal componentforobject-basedchangedetection"(IEEEGeoscienceandRemote SensingLetters,v7,n4,pp. 761-765, 0ctober2010)中、2012 年化aoyang化ang等人在 文獻(xiàn)"ImprovedRobustKernelSubspaceforObject-BasedRegistrationandChange Detection'，（IEEEGeoscienceandRemoteSensingLetters,January21, 2013)中都針對(duì) 多光譜圖像中分類后配準(zhǔn)算法由于分類不當(dāng)導(dǎo)致錯(cuò)誤控制點(diǎn)，使用魯棒的核子空間方法提 取圖像目標(biāo)的共有模式，然后利用特征空間模式匹配進(jìn)行配準(zhǔn)。
[0015] 2〇10 年化enboShi等人在文獻(xiàn)"Topologybasedaffineinvariantdescriptor forMSERs'，（ImageProcessing(ICIP), 201017thIEEEInternationalConferenceon 化blication化ar:2010,pp. 133-136)中用楠圓擬合于最大穩(wěn)定極值區(qū)域（MSER),將楠 圓的仿射不變量作為區(qū)域描述，通過基于投票選擇的拓?fù)鋪碜鳛樽罴哑ヅ洌糜诰哂幸?角和光照變化的多傳感圖像配準(zhǔn)。2012年XiaomingLi等人在文獻(xiàn)"Anexperimental comparisonoflocalizationaccuracyofaffineregiondetectors'，(Image andSignalProcessing(CISP), 20125thInternationalCongressonPublication 化ar:2012，pp.411 -414)中比較不同變化條件下（如視角、尺度、光照、散焦和圖像壓縮)， 基于檢測(cè)區(qū)域重也（CGR)與仿射不變區(qū)域檢測(cè)子（MSER，化ssian仿射和Harris仿射）的定 位精度。
[0016] 2012 年BoliXiong等人在文獻(xiàn)"AMethodOfAcquiringTiePointBasedOn ClosedRegionsInSARImages"(IGARSS2012)中提出了一種基于提取的閉合區(qū)域SAR圖 像自動(dòng)尋找控制點(diǎn)方法。該方法主要分H步。第一步是用測(cè)地自動(dòng)輪廓模型（GAC)扣除的 圖像分割方法提取SAR圖像閉合區(qū)域。然后，一種多邊形逼近處理被用來定位該些區(qū)域邊 界上的特征點(diǎn)。根據(jù)得到的特征點(diǎn)，幾何哈希理論用于匹配特征點(diǎn)成為控制點(diǎn)。
[0017] 2013年Al-Ruzo叫等人在文獻(xiàn)"MultiplesourceimageiTandlinearfeatures fordetectionofurbanexpansioninAqabaCity,Jordan'，（InternationalJournal ofRemoteSensing,v33,n8,pp. 2563-2581,April2012)中指出現(xiàn)存基于特征的方法存在 的不足；（0提出的用于匹配基元的相似度量基于經(jīng)驗(yàn)和有時(shí)主觀的；（2)包含的成像必 須在自動(dòng)配準(zhǔn)前進(jìn)行近似配準(zhǔn)。線性特征(直線段)具有較高語(yǔ)義，能從圖像中可靠提取，故 可W從圖像中提取的具有顯著不同幾何和福射性質(zhì)的線性特征作圖像配準(zhǔn)。
[0018] 從上面可W看出，不采用地面控制點(diǎn)數(shù)據(jù)的有變化區(qū)域的遙感圖像配準(zhǔn)方法，一 般通過選擇圖像的幾何特征如邊緣、線段、輪廓等進(jìn)行匹配，再將具有一定特性的奇異點(diǎn) 作為控制點(diǎn)，往往定位精度不高，在處理具有較大變化區(qū)域的圖像對(duì)時(shí)，有時(shí)無法找到合適 的匹配模板；而通過相關(guān)算子直接在圖上提取特征點(diǎn)用于匹配，如Harris、SUSAN等角點(diǎn)， SIFT、SURF等仿射不變特征點(diǎn)，一般基于一定的經(jīng)驗(yàn)假設(shè)，有時(shí)特征點(diǎn)較多，難W找到合適 的匹配點(diǎn)作為控制點(diǎn)。

【發(fā)明內(nèi)容】

[0019] 本發(fā)明在于針對(duì)上述已有方法的不足，提出了一種基于點(diǎn)對(duì)約束和H角形網(wǎng)的有 變化區(qū)域的合成孔徑雷達(dá)圖像配準(zhǔn)方法，通過對(duì)特征點(diǎn)匹配準(zhǔn)則獲取的匹配點(diǎn)對(duì)進(jìn)行約束 和利用構(gòu)建H角網(wǎng)來檢測(cè)局部結(jié)構(gòu)一致性，提高了特征點(diǎn)的分布質(zhì)量，利用采樣H角形的 仿射特性進(jìn)一步提升了配準(zhǔn)精度，能夠處理具有尺度變化和旋轉(zhuǎn)的、包含豐富特征的單傳 感器多時(shí)相或多傳感器SAR圖像配準(zhǔn)問題，適用條件為：兩幅圖像尺寸均在1500X1500像 素W下、相對(duì)旋轉(zhuǎn)角度小于90度和相對(duì)變化區(qū)域在50%W下。
[0020] 為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案：基于點(diǎn)對(duì)約束和H角形網(wǎng)的有變化區(qū)域的 合成孔徑雷達(dá)圖像配準(zhǔn)方法，其特征在于，包括下列步驟：
[002。 （1)輸入來自同一傳感器對(duì)同一地區(qū)在不同時(shí)間獲取的兩幅SAR圖像Ii和12,它們 的大小均為MXN，每幅圖像分別W其左上角作為坐標(biāo)原點(diǎn)，為了便于描述，稱圖像Ii為初始 浮動(dòng)圖，稱圖像12為初始基準(zhǔn)圖，則上述兩幅圖像可分別表示為It=at(x，y)It= 1，2; 1 <X《M;1 <y《N}，其中X和y分別為圖像的行序號(hào)和列序號(hào)，M和N分別為圖像Ii的 最大行序號(hào)和最大列序號(hào)；
[0022] (2)分別對(duì)輸入的兩幅圖像Ii和12進(jìn)行鄰域塊大小為bXb、搜索窗大小為wXw 的Pretest濾波，得到浮動(dòng)圖像F和基準(zhǔn)圖像R，其中，鄰域塊大小b的取值范圍為3~9， 搜索窗大小W的取值范圍為5~31 ;
[0023] (3)對(duì)基準(zhǔn)圖像R用步驟（3a)至（3f)所述的SURF方法，計(jì)算得到N,個(gè)特征點(diǎn)， 及該Nk個(gè)特征點(diǎn)的IXNk維的橫坐標(biāo)向量Xk和縱坐標(biāo)向量Yk、1XNk維的特征點(diǎn)所在尺度 向量Sk、1XNk維的主方向向量〇K，W及64XNk維的歸一化描述符矩陣恥，具體步驟為：
[0024] (3a)計(jì)算基準(zhǔn)圖像的積分圖像；
[002引 （3b)計(jì)算近似海森矩陣化；
[0026] (3c)建立基準(zhǔn)圖像的尺度空間；
[0027] (3d)定位特征點(diǎn)；
[002引（3e)計(jì)算特征點(diǎn)方向向量；
[0029] ( 3f)計(jì)算特征描述向量；
[0030] (4)對(duì)浮動(dòng)圖像F重復(fù)步驟（3a)至（3f)所述的SURF方法，計(jì)算得到Np個(gè)特征點(diǎn)， 及該Np個(gè)特征點(diǎn)的1XNp維的橫坐標(biāo)向量Xp和縱坐標(biāo)向量Yp、1XNp維的特征點(diǎn)所在尺度 向量SpUXNp維的主方向向量邱，W及64XNp維的歸一化描述符矩陣町；
[0031] (5)對(duì)步驟（3)得到的基準(zhǔn)圖像R的Ne個(gè)特征點(diǎn)和步驟（4)得到的浮動(dòng)圖F的Np 個(gè)特征點(diǎn)進(jìn)行歸一化描述符矩陣的相似度量匹配，得到匹配特征點(diǎn)對(duì)集巧1，P2}，并對(duì)匹配 特征點(diǎn)對(duì)進(jìn)行距離和連線方向角約束，得到初始候選匹配點(diǎn)對(duì)集巧1'，P2' }，
[0032] (5a)計(jì)算計(jì)算浮動(dòng)圖像F的歸一化描述符矩陣町與基準(zhǔn)圖像R的歸一化描述符 矩陣恥之間的相似性度量矩陣；
[0033](5b)根據(jù)相似性度量矩陣和匹配準(zhǔn)則得到匹配特征點(diǎn)對(duì)集巧1，Ps};
[0034] (5c)計(jì)算按行并列拼接后浮動(dòng)圖像和基準(zhǔn)圖像中匹配特征點(diǎn)對(duì)間的連線距離和 與水平方向的夾角；
[0035] (5d)分別計(jì)算步驟（5c)中求得的距離和方向夾角的中也和偏離誤差；
[0036] (5e)對(duì)匹配特征點(diǎn)對(duì)集巧1，Ps}進(jìn)行距離和方向夾角約束得到初始候選匹配點(diǎn)對(duì) 集 0V};
[0037] (6)對(duì)初始候選匹配點(diǎn)對(duì)集巧/，P2' }中的特征點(diǎn)矩陣P/和P2'，分別在浮 動(dòng)圖像F和基準(zhǔn)圖像R中構(gòu)建DelaunayH角形網(wǎng)，在兩幅圖像的H角形網(wǎng)TINi和TIN2中 尋找來自于不同H角形網(wǎng)的、H角形頂點(diǎn)集合相同的H角形構(gòu)成H角形對(duì)：若H角形對(duì)的 每個(gè)H角形的H個(gè)頂點(diǎn)不共線，則當(dāng)前H角形對(duì)構(gòu)成一組同名H角形對(duì)，記錄當(dāng)前同名H 角形對(duì)中的頂點(diǎn)對(duì)分別在初始候選點(diǎn)對(duì)集巧/，P2' }中的特征點(diǎn)矩陣P/和P2'中的序 號(hào)，每個(gè)記錄的序號(hào)表示在特征點(diǎn)矩陣P/和P2'中找到的同名H角形對(duì)的頂點(diǎn)對(duì)，將在 初始候選匹配點(diǎn)對(duì)集巧/，P2' }中被記錄的所有同名H角形對(duì)頂點(diǎn)對(duì)去掉重復(fù)的點(diǎn)對(duì)后 構(gòu)成候選匹配點(diǎn)對(duì)集陽(yáng)1，化};
[003引（6a)根據(jù)初始候選匹配點(diǎn)對(duì)集中的初始候選特征點(diǎn)矩陣分別構(gòu)建浮動(dòng)圖像和基 準(zhǔn)圖像的H角網(wǎng)；
[0039] (6b)尋找同名H角形對(duì)；
[0040] (6c)根據(jù)同名H角形對(duì)得到候選匹配點(diǎn)對(duì)集咕，Qs};
[0041] (7)從候選匹配點(diǎn)對(duì)集{QiiQsl中，依次選擇3對(duì)匹配點(diǎn)對(duì)構(gòu)成一個(gè)同名H角形 對(duì)，若此同名H角形對(duì)中任意一個(gè)H角形的H個(gè)頂點(diǎn)不共線，則計(jì)算此同名H角形對(duì)的仿 射誤差，將最小仿射誤差對(duì)應(yīng)的所有同名H角形對(duì)中不重復(fù)的頂點(diǎn)對(duì)作為最終匹配點(diǎn)對(duì)集 咕'，Q' 2}，
[0042] (7a)初始化仿射誤差矩陣；
[0043] (7b)計(jì)算候選匹配點(diǎn)對(duì)集陽(yáng)1，Qs}構(gòu)成H角形對(duì)的仿射誤差；
[0044] (7c)重復(fù)步驟（7b)直至遍歷候選匹配點(diǎn)對(duì)集陽(yáng)1，Qsl中所有的候選匹配點(diǎn)對(duì)； [004引（7d)計(jì)算誤差矩陣的最小值對(duì)應(yīng)的候選匹配點(diǎn)對(duì)集咕，中的點(diǎn)對(duì)作為最終匹 配點(diǎn)對(duì)集咕'，Q' 2};
[0046] (8)用最終匹配點(diǎn)對(duì)集{Q/，Q'2}計(jì)算齊次坐標(biāo)矩陣與和