(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 202210726979.5 (22)申请日 2022.06.24 (71)申请人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 李璋　王钦炜　滕锡超　江云天　 (74)专利代理 机构 长沙国科天河知识产权代理 有限公司 432 25 专利代理师 赵小龙 (51)Int.Cl. G06V 10/75(2022.01) G06V 10/74(2022.01) G06T 7/40(2017.01) G06T 7/136(2017.01) G06T 7/11(2017.01)G06T 5/00(2006.01) G06F 17/16(2006.01) (54)发明名称 一种SAR与可见光遥感图像匹配的相似性度 量方法 (57)摘要 本发明公开了一种SAR与可见光遥感图像匹 配的相似性度量方法， 包括： 获取SAR图像的纹理 丰富度特征图； 对纹理丰富度特征图阈值化为二 值掩模， 区分纹理密集区域与无纹理区域； 在SAR 与可见光遥感图像上的二值掩模相应区域均匀 收集单元特征描述符， 得到第一特征向量与第二 特征向量； 基于第一特征向量与第二特征向量， 得到SAR与可见光遥感图像的相似性度量。 本发 明应用于图像处理领域， 基于场景的纹理丰富度 特征生成掩模， 利用场景中纹理密集区域的有效 信息并剔除无纹理区域的干扰信息来计算相似 性度量， 有效解决了现有基于相似性度量的SAR 与可见光异源图像匹配方法在非均匀纹理分布 场景中构建的特 征描述符性能差的问题。 权利要求书3页 说明书10页 附图8页 CN 115100446 A 2022.09.23 CN 115100446 A 1.一种SAR与可 见光遥感图像匹配的相似性度量方法， 其特 征在于， 包括如下步骤： 步骤1， 获取SAR图像上每个像素点的纹理丰富度， 得到以纹理丰富度为特征的纹理丰 富度特征图； 步骤2， 对纹理丰富度特征图阈值化为二值掩模， 区分SAR图像场景中的纹理密集区域 与无纹理区域； 步骤3， 在SAR图像上的纹理密集区域均匀收集单元特征描述符， 合并为第一特征向量； 在可见光遥感图像上二值掩模的相应区域均匀收集单元特征描述符， 合并为第二特征向 量； 步骤4， 基于第一特征向量与第二特征向量， 得到SAR与可见光遥感图像的相似性度量， 并使用模板匹配策略确定SAR与可 见光遥感图像之间的变换矩阵。 2.根据权利要求1所述的SAR与可见光遥感图像匹配的相似性度量方法， 其特征在于， 步骤2中， 所述对纹 理丰富度特 征图阈值 化为二值掩模， 具体为： 将纹理丰富度 特征图上各像素点的纹理丰富度通过最大值与最小值归一化到[0,1]的 范围； 采用阈值TR_THRESH对 归一化后的纹 理丰富度特 征图进行阈值分割： 将归一化后的纹理丰富度特征图中纹理丰富度大于或等于阈值TR_THRESH的像素点的 纹理丰富度置为1； 将归一化后的纹理丰富度特征图中纹理丰富度小于阈值TR_THRESH的像素点的纹理丰 富度置为0； 其中， 纹理丰富度 特征图中纹理丰富度置为1的区域即为纹理密集区域， 纹理丰富度置 为0的区域即为无纹 理区域。 3.根据权利要求2所述的SAR与可见光遥感图像匹配的相似性度量方法， 其特征在于， 步骤3中， 所述第一特 征向量与第二特 征向量的获取 过程为： 以d个像素为间隔， 在SAR图像上的纹理密集区域均匀收集单元特征描述符feat_desp_ sar， 合并为 最终的第一特 征向量VA， 为： VA＝merge(feat_desp_sar,d), 以d个像素为间隔， 在可见光遥感图像上二值掩模的相应区域均匀收集单元特征描述 符feat_desp_opt， 合并为 最终的第二特 征向量VB， 为： VB＝merge(feat_desp_opt,d), 式中， TR_MASK为纹 理丰富度特 征图阈值 化后的二 值掩模。 4.根据权利要求3所述的SAR与可见光遥感图像匹配的相似性度量方法， 其特征在于， 步骤4中， 所述SAR与可 见光遥感图像的相似性度量， 具体为：权　利　要　求　书 1/3 页 2 CN 115100446 A 2式中， TRncc为SAR与可见光遥感图像的相似 性度量， VA(k)为第一特征向量中的第k个 单 元特征描述符， 为第一特征向量中所有单元特征描述符的均值， VB(k)为第二特征向量中 的第k个单元特征描述符， 为第二特征向量中所有单元特征描述符的均值， n为第一特征 向量、 第二特 征向量中单 元特征描述符的总数。 5.根据权利要求1至4任一项所述的SAR与可见光遥感图像匹配的相似性度量方法， 其 特征在于， 步骤1中， 所述获取SAR图像上每 个像素点的纹 理丰富度， 具体包括： 步骤1.1， 对SAR图像ISAR进行散斑抑制， 得到滤波后的图像ISR； 步骤1.2， 对图像ISR进行卷积， 由卷积响应的幅值与相位得到图像ISR上各像素点在多个 方向上的相位 一致性响应； 步骤1.3， 计算图像ISR上每一个像素点相位一致性响应的协方差矩阵， 并基于协方差矩 阵得到各像素点的最大矩； 步骤1.4， 基于图像ISR上各像素点的最大矩， 得到各像素点对应的纹 理丰富度。 6.根据权利要求5任一项所述的SAR与可见光遥感图像匹配的相似性度量方法， 其特征 在于， 步骤1.2具体为： 采用多尺度与方向上的Log ‑Gabor小波对图像ISR进行滤波， 通过滤波器的实部 和虚 部 对图像ISR卷积得到尺度n和方向o上的响应eno(x,y)和ono(x,y)， 计算得到在方向o上 的幅值与相位， 为： φno(x,y)＝arctan(eno(x,y),ono(x,y)) 式中， Ao(x,y)为图像ISR上像素点(x,y)在方向o上的幅值， φno(x,y)为图像ISR上像素点 (x,y) 在方向o上的相位； 基于幅值与相位计算相位 一致性响应， 为： 式中， PCo(x,y)图像ISR上像素点(x,y)在方向o上的相位一致性响应， Wo(x,y)为通过 sigmoid函数应用于滤波器响应扩展值构造的加权函数， T为噪声阈值， ΔΦno(x,y)为一个 更敏感的相位偏差， ε为 一个小常数， 以避免被零除。 7.根据权利要求6所述的SAR与可见光遥感图像匹配的相似性度量方法， 其特征在于， 步骤1.3具体为： 首先， 将ISR上像素点(x,y)在每 个方向的相位 一致性响应投影到x和y分量， 为： 权　利　要　求　书 2/3 页 3 CN 115100446 A 3