论文摘要
图像配准是建立一幅图像区域与另一幅图像区域之间空间地理位置对应关系的一门重要的图像处理与分析技术。图像配准技术广泛应用于计算机视觉、模式识别、医学图像分析、遥感图像处理等诸多领域中。在遥感图像应用中,多传感器图像的配准已经变得越来越重要,光学图像与SAR图像的配准研究就是其中一大热点问题。由于光学图像与SAR图像的成像机理不一样,图像表象差别较大,因此,如何在同一个框架中处理这种不同类型数据以及成像机理差异造成的各种畸变,成为光学图像与SAR图像配准的难点和关键问题。由于SAR本身的成像机理,一者精确提取特征十分困难,二者也很难设计出一种能同时针对不同噪声强度、不同分辨率以及含有不同场景结构的SAR图像都适用的特征提取算法,这将导致出现一种配准算法只适用于一类SAR图像的情况。因此,常用的基于特征的方法在SAR图像配准应用中具有很大的局限性。本文在分析与总结已有的异质图像配准技术特点的基础上,提出了一种基于隐含相似性的光学和SAR图像配准方法。论文主要工作包括:1.分析并总结了图像配准技术的基础理论以及光学和SAR图像配准的特点。首先,介绍了图像配准问题的数学描述和本质;其次,给出了配准算法的四个构成因素并对常用配准算法进行了总结;最后,通过对SAR图像成像特点的研究以及与光学图像目标特性的比较,总结出二者之间配准的特点。2.提出了一种基于隐含相似性的配准方法。将光学和SAR图像在经过简单预处理后,构建出二者相似性度量准则函数,先在图像结构较易提取的光学图像中获得特征点集,然后按参数变换模型迁移到SAR图像中对准则函数优化求解,最佳变换参数即为最终的配准解。将配准问题转换为参数寻优的数学问题,并分析了牛顿法在优化求解准则函数过程中的局限性及原因。3.介绍了遗传算法的基础理论,阐述遗传算法的模型及构成因素,对其特点进行了分析。最后,结合本文配准优化问题,提出了一种基于混合遗传算法的准则函数优化方法。实验结果说明了该方法可行有效,并具有较好的适用性。