图像匹配导航定位技术 第 10 章

第 10 章 基 于 HOG 描 述 子 的 SAR图像与可见光图像匹配算法

SAR 与可见光图像由不同传感器拍摄而成，属于异源图像。异源图像匹配是指将不同传感器在不同时间 、不同视角拍摄相同景物形成的两幅图像在空间位置上进行对准，并确定两幅图像之间的几何变换关系。原理是寻找实时图在参考图上的位置，根据位置信息确定它们之间的变换关系。

SAR 与可见光图像匹配的目的在于确定 SAR 传感器获取的实时图与飞行器中预存的可见光参考图之间的几何变换关系，并根据变换确定飞行器成像时刻的位置信息，从而修正惯性导航的累积误差，提高制导精度。

由于 SAR 传感器与光学传感器成像原理及姿态的不同，造成两种图像存在很大的差异。基于图
像匹配的 4 个要素对异源图像匹配做了大量研究，即，特征空间 、相似性度量 、搜索空间和搜索策略。其中，特征空间即用什么特征作为图像匹配时的输入数据；相似性度董即用什么测度来衡量特征之间的相似程度 ；搜索空间是实时图与参考图之间集合变换参数的集合；搜索策略即用什么方式能够快速找到最优的几何变换参数。

1 0. 1 特 征 提 取

特征提取是对图像的特征（如边缘 、角点、轮廓等）进行检测 ，然后根据匹配目标的需要进行特征的组合 、变换，以形成易于匹配 、稳定性好的特征向量，从而把图像匹配问题转化为特征的匹配问题。

由于 SAR 与可见光图像成像原理的不同，造成两种图像的灰度差异很大，因此采用图像的灰度特性作为两种图像共性特征进行匹配，难以提高匹配正确率及匹配精度；因此本节主要介绍基于特征的 SAR 与可见光图像匹配算法，常用的特征有点特征 、线特征 、面特征及特征描述子等。

10.1.1 边 缘 特 征 提 取

SAR 图像存在对比度低 、图像细节特征不明显的缺点，会导致这两种图像的对比度差异很大，并且两种图像在灰度及强度上存在很大差异，没有明显的相关性。因此，为了突出图像的结构信息，增强图像的边缘轮廓特征，我们采用基于统计学习的局部自适应直方图均衡对 SAR 与可见光图像进行增强处理后再提取二者相似的边缘特征，

(1 ) 二值化边缘特征的提取

采用 Canny 算子提取