(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210925069.X (22)申请日 2022.08.03 (71)申请人 南京信息 工程大学 地址 224002 江苏省盐城市 盐南高新区新 河街道文港南路10 5号 (72)发明人 徐赛博　潘伟豪　纪立强　董洪洋　 赵天宇　王超　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 专利代理师 姚建楠 (51)Int.Cl. G06T 7/33(2017.01) G06V 20/10(2022.01) G06V 10/74(2022.01) G06V 10/46(2022.01)G06V 10/764(2022.01) G06V 10/762(2022.01) G06V 10/44(2022.01) G06T 7/136(2017.01) G06T 7/13(2017.01) G06V 10/40(2022.01) G06V 10/48(2022.01) (54)发明名称 一种基于高层地物补偿的光学与SAR影像配 准方法 (57)摘要 本发明公开了一种基于高层地物补偿的光 学与SAR影像配准方法， 包括： 步骤1， 获取SAR影 像数据， 提取SAR影像潜在双回波信息以计算SAR 影像高层地物补偿因子； 步骤2， 获取光学影像数 据， 对光学影像数据进行重采样处理， 利用形态 学建筑物指数对光学影像数据重采样的结果进 行计算， 获取光学影像高层地物补偿因子； 步骤 3， 利用步骤1中获取的SAR影像高层地物补偿因 子处理SAR影像数据， 利用步骤2中获取的光学影 像高层地物补偿因子处理光学影像数据， 提取阈 值自适应特征点集合； 步骤4， 对阈值自适应特征 点集合执行特征点匹配操作。 本发 明可以有效减 少高层地物对局部区域带来的配准误差， 优化光 学影像数据和SAR影像数据的配准效果， 提高遥 感影像的准确性。 权利要求书2页 说明书7页 附图4页 CN 115272431 A 2022.11.01 CN 115272431 A 1.一种基于高层地物补偿的光学与SAR影 像配准方法， 其特 征在于， 包括以下步骤： 步骤1， 获取SA R影像数据， 提取SA R影像潜在双回波信息， 根据SAR影像潜在双回波信息 计算SAR影 像高层地物补偿因子； 步骤2， 获取光学影像数据， 对光学影像数据进行重采样处理， 利用形态学建筑物指数 对光学影 像数据重采样的结果进行计算， 获取光学影 像高层地物补偿因子； 步骤3， 利用步骤1中获取的SA R影像高层地物补偿因子处理SA R影像数据， 利用步骤2中 获取的光学影 像高层地物补偿因子处 理光学影 像数据， 提取阈值自适应特 征点集合； 步骤4， 对步骤3中生成的阈值自适应特 征点集合执行特征点匹配操作； 所述步骤4具体包括以下步骤； 步骤4.1， 采用最近邻比率 算法提取初始匹配点对集 合； 步骤4.2， 计算同名点对的距离 差异dx、 dy； 步骤4.3， 计算匹配点对之间的角度 θ， θ ＝arctan(dx/dy)； 步骤4.4， 利用K ‑均值聚类对步骤4.3中的角度 θ进行分析， 保留最大的一类， 完成配准。 2.根据权利要求1所述的一种基于高层地物补偿的光学与SAR影像配准方法， 其特征在 于， 所述步骤1中提取SAR影 像潜在双回波信息的具体步骤为： 步骤1.1， 采用大津法确定阈值T， 进行阈值分割， 保留灰度值大于T的像素； 步骤1.2， 采用Can ny算子进行边 缘检测； 步骤1.3， 采用Hough变换提取直线特 征， 记录提取 结果； 设定满足如下两个条件的线段构成双回波信息； (1)正式交点 为极坐标系中10个以上曲线相交的点； (2)线段的最大像素间隔为1。 3.根据权利要求1所述的一种基于高层地物补偿的光学与SAR影像配准方法， 其特征在 于， 所述步骤1中计算SAR影 像高层地物补偿因子的计算公式为 其中， CFHGS代表SAR影像高层地物补偿因子， X和Y分别表示双 回波像素的4邻域内和8 邻域内的双回波像素的个数。 4.根据权利要求1所述的一种基于高层地物补偿的光学与SAR影像配准方法， 其特征在 于： 所述步骤2中的形态学建筑物指数的计算公式为 其中， MBI表示建筑物指数， DMP表示微分形态学剖面， D代表方向数， S代表线性结构元 素的尺度， smax， smin分别为线性结构元素尺度的最大值、 最小值， d代表 线性结构元 素的方向， s代 表线性结构元 素的尺度， W ‑TH代表形态学白帽重构。 5.根据权利要求1所述的一种基于高层地物补偿的光学与SAR影像配准方法， 其特征在 于： 所述步骤2中的光学影 像高层地物补偿因子的计算公式为 CFHGO＝1+(M+X ′+Y′)/3 其中， CFHGO代表光学影像高层地物补偿因子， M代表形态学指数像素， X ‘和Y’分别为M权　利　要　求　书 1/2 页 2 CN 115272431 A 2的4邻域内和8邻域内的MBI指数均值。 6.根据权利要求1所述的一种基于高层地物补偿的光学与SAR影像配准方法， 其特征在 于， 所述步骤3中阈值自适应特 征点集合的提取步骤具体包括： 步骤3.1， 基于尺度不变特征变换算法， 通过尺度可变高斯函数G(x,y, σ )对步骤2中重 采样后的多组光学影 像进行卷积运算， 构造高斯尺度空间， 表达式为 L(x,y, σ )＝G(x,y, σ )*I(x,y) 其中， L代 表高斯卷积核， I代 表灰度值， (x,y)代 表空间坐标， σ 代 表尺度坐标； 步骤3.2， 对步骤3.1中同一组相邻尺度的图像做差， 得到高斯差分尺度空间， 表达式为 D(x,y, σ )＝ L(x,y,kσ ) ‑L(x,y, σ ) 其中， D代 表高斯差分尺度空间， k代 表比例系数； 步骤3.3， 将步骤3.2中获取的高斯差分尺度空间中的点与其八领域点以及相邻上下两 个尺度的各九个点进行比较， 如果该点 为极值点， 则确定为 候选特征点； 步骤3.4， 将步骤3.2中获取的高斯差分尺度空间中的点乘以对应的补偿因子， 与其八 领域点以及相邻上下两个尺度的各九个点进行比较， 如果该点为极值点， 则确定为候选特 征点； 步骤3.5， 获取步骤3.3和步骤3.4中的候选特 征点， 共同组成候选特 征点集合； 步骤3.6， 滤除候选特 征点集合中不稳定的特 征点， 表达式为 其中， CFHG在SAR影像中表示CFHGS， 在光学影像中表示CFHGO， index在SAR影像中设为 1.05， index在光学影像中设为1.5， D(x,y, σ )代表高斯差分尺度空间中特征点的响应值， 代表极值点检测阈值； 步骤3.7， 计算步骤3.5中候选特征点集合中每个点的主曲率， 剔除不稳定的边缘关键 点， 得到最终的阈值自适应特 征点集合。 7.根据权利要求1所述的一种基于高层地物补偿的光学与SAR影像配准方法， 其特征在 于： 所述K ‑均值聚类中的K值设置为6 。权　利　要　求　书 2/2 页 3 CN 115272431 A 3