针对目前SIFT算法及其改进算法在多波段SAR图像匹配时匹配性能低下(普适性差、匹配精度低、时间复杂度高)的问题,在SIFT算法框架下分别从尺度空间构建和描述符构建两个方面进行改进。在构建尺度空间层面,提出将高斯引导滤波引入多尺度...针对目前SIFT算法及其改进算法在多波段SAR图像匹配时匹配性能低下(普适性差、匹配精度低、时间复杂度高)的问题,在SIFT算法框架下分别从尺度空间构建和描述符构建两个方面进行改进。在构建尺度空间层面,提出将高斯引导滤波引入多尺度空间构建和预处理阶段,采用双边滤波策略,充分利用高斯引导滤波的实时性和旋转对称性与双边滤波的边缘保持优势,高效地滤除斑点噪声并保持边缘信息。在构建描述符阶段,提出采用局部差分二进制(Local Difference Binary,LDB)算法描述特征,在保证不降低特征点描述符区分性的同时,减少特征的向量维度,从而缩短构建描述符的时间。在特征匹配阶段,首先采用最近邻算法进行粗匹配,然后采用稀疏向量场一致性(Vector Field Consensus,VFC)快速剔除错误匹配点。实验结果表明,所提算法在SAR图像配准时间复杂度和匹配概率评价上要优于原始BFSIFT算法和KAZE算法。总体上,文中提出的SAR图像匹配算法是具有实时性、鲁棒性与高匹配概率的高效算法。展开更多
文摘针对目前SIFT算法及其改进算法在多波段SAR图像匹配时匹配性能低下(普适性差、匹配精度低、时间复杂度高)的问题,在SIFT算法框架下分别从尺度空间构建和描述符构建两个方面进行改进。在构建尺度空间层面,提出将高斯引导滤波引入多尺度空间构建和预处理阶段,采用双边滤波策略,充分利用高斯引导滤波的实时性和旋转对称性与双边滤波的边缘保持优势,高效地滤除斑点噪声并保持边缘信息。在构建描述符阶段,提出采用局部差分二进制(Local Difference Binary,LDB)算法描述特征,在保证不降低特征点描述符区分性的同时,减少特征的向量维度,从而缩短构建描述符的时间。在特征匹配阶段,首先采用最近邻算法进行粗匹配,然后采用稀疏向量场一致性(Vector Field Consensus,VFC)快速剔除错误匹配点。实验结果表明,所提算法在SAR图像配准时间复杂度和匹配概率评价上要优于原始BFSIFT算法和KAZE算法。总体上,文中提出的SAR图像匹配算法是具有实时性、鲁棒性与高匹配概率的高效算法。
