李大涛
蚌埠市勘测设计研究院 安蚌埠 233000
摘要：随着SAR成像系统的快速发展，SAR图像已经成为遥感领域主要的分析数据源。SAR图像和传统光学图像相比有着独特的特点，主要包括其具有相干斑噪声、图像内容丰富且包含地物面积大、图像数据量大等。针对这些特点，分析总结了SAR图像在应用前的处理技术，主要为SAR图像配准技术，对该技术进行了总结分析，并对未来SAR图像的处理提出了展望。
关键词：合成孔径雷达；SAR图像；图像配准
引言：SAR是合成孔径雷达的简称，是一种具有距离高分辨能力和方位高分辨能力的成像雷达，可以获取地球的空间信息，具有全天候、全天时的特点。随着SAR技术的快速发展，SAR图像的获取成本降低，获取也更加方便快捷，它的成像方式弥补了红外成像、可见光成像的缺陷，在民用和军事领域也发挥着越来越大的作用。
随着SAR成像技术的不断成熟，对SAR图像的解译与应用的研究显得更加迫切，SAR图像配准是不同的SAR图像之间融合的基础，也是SAR图像变化检测，提取兴趣目标的基础，具有重要的研究意义和广泛的应用前景。
一、SAR图像特点
SAR图像是一种斜距投影的相干成像，因此在几何特性上与可见光图像有着很大的差异。与传统的光学图像相比，由于成像照射角度、照射时长以及实际地物的变化等原因，导致SAR对相同场景的探测图像所对应的纹理和灰度不一致，SAR的成像系统不可避免的存在相干斑噪声对图像的精细结构、可分辨率和可理解性的破坏。
SAR图像可以用均值、方差、最大值、最小值和相关系数等统计特征来简单描述其特征。方差主要体现了SAR图像中内容的活动性，最大值和最小值描述了SAR图像的动态范围。SAR图像服从特定的统计特征，单视SAR幅度图像服从瑞利分布,多视图像服从2N个自由度的Γ分布。同时因为受到乘性相干斑噪声的干扰，使得SAR图像中相邻像素的相关性降低,因此相比一般的光学图像，其特点十分显著。
二、SAR图像配准技术
因为SAR图像与传统光学影像有较大的差异，所以传统的配准方法并不适合于SAR影像配准。
期刊文章分类查询,尽在期刊图书馆
1基于灰度的方法
基于灰度的配准一般是利用两张SAR图像的灰度统计信息作为相似性的衡量标准，算法简单，可执行度高，但对噪声敏感且计算量大。该方法适用于简单的影像配准，但需要进行算法优化以满足实时性的要求。基于灰度的方法可分为直接灰度法、互信息法、对齐法。
1.1直接灰度法
直接利用SAR图像的灰度信息进行配准效果并不好，该方法一般适用于图像间的粗配准，因为随机噪声分布对SAR图像的灰度影响较大。
1.2互信息法
互信息法是遥感影像处理中常用的配准方法，当运用到SAR图像上时，需要克服由于相干斑噪声造成的插值假象问题。未考虑图像的先验信息，先对SAR图像进行降噪处理，之后利用互信息分别实现SAR图像之间的匹配以及SAR和SPOT图像的匹配。考虑SAR能量图像服从Gamma分布这一先验信息，建立二元Gamma分布模型计算互信息，提高配准精度。
1.3对齐度法
简单的基于灰度的方法对噪声敏感，所以提出对图像中噪声有很强容忍性的对齐度准则进行多模图像的配准。将图像配准问题归结为对齐度的最大化，成为全局参数优化问题。应用多分辨率方法的Powell方向族搜索法来最大化对齐度，实现了对多模图像的配准。对齐度法要求图像特征区域是规则的矩形区域，所以要配准SAR图像，需要结合边缘特征共同使用来减少计算的复杂度。
2基于变换域的方法
基于变换域的配准方法是基于灰度的方法提出的，存在计算量大、噪声敏感等问题，目前主要分为基于傅里叶变换和基于小波变换两种。
2.1基于傅里叶变换的方法
基于傅里叶变换的方法对图像灰度的依赖性较小，受几何失真影响较小，便于硬件实现并有快速算法，对图像配准非常有帮助。SAR图像经过FFT变换后，对数极坐标图像在尺度方向上灰度具有不稳定性，不利于尺度和旋转量的估计，针对该缺点，提出基于尺度预先估计的SAR图像相位相关配准算法。
傅里叶变换类的方法计算时间短，实现简单，但对纹理丰富、尺度变换大、旋转角度大的不同波段不同极化SAR图像配准而言，配准精度难以保证。
2.2基于小波变换的方法
为了解决傅里叶变换在SAR图像配准上的局限性，利用小波分解的方法为SAR配准提供了一种从粗到精的实现思路。将SAR图像先进行小波分解，接着在各层提取轮廓特征或者点特征来进行影像配准，避免噪声干扰，提高配准精度，缺点是需要选择合适的小波进行分解，使得分解后的子图像具有平移和旋转不变性。
3基于特征的方法
目前遥感图像配准的主流方法是基于特征的匹配方法，该方法通过提取两幅图像中稳定且共有的结构特征来进行匹配，不受灰度变化的影响，适用性更好。主要分为基于点特征、基于线特征和基于区域特征的方法。
3.1基于点特征的方法
点特征在图像配准中常用，在光学遥感图像配准中精度较高，但直接应用于SAR图像配准时易受到相干波的影响，配准精度较低。因此，国内相关领域的专家结合SAR图像的特性和相关主流算法，在SAR图像配准领域进行了很多有益的探索。将SIFT算法用于多时相SAR图像的特征提取和自动匹配，图像特征点的自动匹配有效率达到70%以上。利用PCA-SIFT提取特征点后，再利用马氏距离来完成特征匹配，用RANSAC算法消除误匹配，实现对SAR图像的自动配准。
3.2基于线特征的方法
线特征也是图像匹配中常用的方法，该方法比点特征稳健性高。Canny算子的方法可以在一定程度上抑制噪声，提取的线特征较为准确，但针对的是加性高斯噪声模型，所以在SAR图像中直接使用Canny算子提取线特征会出现断裂现象，检测效果较差。将Canny算子和Ratio算子组合运用，得到初始的直线图，通过高层编组方法连接由噪声引起的直线缺损，在SAR图像上取得了较为满意的效果。
3.3基于区域特征的方法
基于区域特征的方法在处理SAR图像配准时较为常用，常用的区域边缘检测方法有：LoG边缘提取算子、拉普拉斯-高斯算子区域增长等。采用LoG算子提取封闭区域的方法实现了SAR图像的自动匹配。一种基于分割区域的SAR图像配准方法，实现了图像的粗配准到精配准，且参数运算复杂度大大降低。为了解决相干斑噪声造成的SAR图像中的边缘模糊，致使封闭区域、边缘特征提取困难，有关学者提出了一种基于小波域的多尺度配准方法，在小波分解后的子图像上提取边缘特征，在降低噪声干扰的同时又保留了边缘信息。
区域特征技术目前发展得比较成熟，所以该类方法在处理SAR图像配准时较为常用，但是随着高分辨率SAR图像的发展，区域特征的提取需要耗费较多时间，难以满足配准实时性的要求。
小结：
在SAR图像的配准处理方面，由于SAR图像具有背景复杂、相干斑噪声干扰大等特点，目前已有的方法在自动化程度、配准速度、普适性、稳健性以及配准精度等方面存在诸多问题有待解决。为了取得更好的配准结果，应该考虑多波段SAR图像配准技术和大失配条件下SAR图像配准技术，研究重点仍然是算法的快速、自动化、高精度。SAR图像配准在SAR图像处理研究领域有着重要作用，是SAR图像诸多应用的基础前提。
参考文献：
[1]张直中.机载和星载SAR导论[M].北京:电子工业出版社,2004.
[2]徐颖,周焰.SAR图像配准方法综述[J].地理空间信息，2013,(3):63-66,
72.DOI:10.11.
[3]邓鹏，王宏琦.结合边缘与灰度信息的SAR图像配准算法[J].遥感技术与应用,2003,18(3):159-164.
论文作者:李大涛
论文发表刊物:《防护工程》2018年第34期
论文发表时间:2019/3/1
标签：图像论文; 方法论文; 特征论文; 灰度论文; 噪声论文; 算子论文; 区域论文; 《防护工程》2018年第34期论文;