[发明专利]基于改进SIFT引导ISAR图像特征点提取匹配方法

说明书

本发明涉及逆合成孔径雷达图像处理技术，尤其涉及一种基于SIFT引导的ISAR图像特征点提取与匹配方法。通过本发明，在保证传统SIFT精确性高，对图像的旋转、缩放鲁棒性较高等优点的基础上，首先通过改进的SIFT匹配算法得到少量匹配精度高的特征点，然后基于图像特征点变换矩阵为引导搜索二次匹配，进一步增加匹配点数目，实现了两幅ISAR图像特征点集的高精度完整匹配，保证了所提特征点尽可能完整反映目标结构，具有重要的工程应用价值。

技术领域

本发明涉及逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)图像处理技术，尤其涉及一种基于改进尺度不变特征变换(Scale Invariant FeatureTransform,SIFT)引导的ISAR图像特征点提取与匹配方法。

背景技术

图像特征点，是指具有明显特性并能标识图像中的目标的点，具有稳定性，一般要求不随着图像的仿射、投影、旋转、缩放而改变。较少的特征点不足以提供足够的信息来表征目标的形状和结构，提取稳定而且足够数量的特征点，对分析目标姿态和形态变化有着重要意义。

二维ISAR图像是目标三维散射中心在成像平面上的投影，通过对多观测视角下的二维图像的处理，可以实现对目标三维几何结构的重建。对于ISAR图像来说，基于序列图像进行目标三维几何结构重建的关键步骤之一，是对所提取的图像特征点序列进行匹配处理，以形成不同图像间特征点的配对关系。所提特征点能否充分反映目标结构，匹配精度是否满足要求，都直接影响重建效果，继而决定重建后的结构分析结果。

关于特征点提取和关联匹配，光学、红外图像中都已有较为深入的研究。目前常用的特征点提取方法有HARRIS、SUSAN、SIFT、SURF等。但大多是基于特征点灰度邻域信息，即建立在相邻两幅图像具有灰度相似性的基础上，并不直接适用于ISAR图像。ISAR图像是以矩阵形式表示的数字图像。矩阵中的每个元素的值都是一个灰度值，对应图像中的像素的灰度级。与光学图像相比，序列ISAR图像中即使是相邻两幅之间，灰度分布差别也很大，因此传统的基于灰度邻域信息的特征点提取方法，对于ISAR图像并不能取得很好的效果。对于ISAR图像来言，其多表现为稀疏孤立的图像斑块，限于其成像质量，其边缘往往比较模糊，当图像转角较大时，所成的ISAR图像灰度相似性不高，因而前一幅所提特征点难以在后续图像中同时检测。同HARRIS提取一样，SUSAN提取只对成像质量较好的具有稳定边缘的ISAR图像有效。SIFT提取所提图像特征点的稳定性不高，成功关联匹配的特征点对数不能满足重构的需求。由于噪声的存在，SURF提取依旧存在把噪声当成特征点的情况。因此，光学和红外图像的特征点提取与关联匹配方法直接应用于ISAR图像并不能取得较好的效果。

发明内容

针对上述技术中存在的问题，本发明提出一种基于改进SIFT引导的ISAR图像特征点提取与匹配方法。考虑到SIFT算法虽然存在匹配点少、部分点对不在目标区域上等缺点，但也具有精确度高，对图像的旋转、缩放鲁棒性较高的优点，本发明针对转角变化较小，灰度相似性相对较高的ISAR图像，提出一种基于改进SIFT算法匹配结果引导的ISAR图像特征点提取与匹配方法。

本发明采用的技术方案为：基于改进SIFT引导的ISAR图像特征点提取与匹配方法，该方法包括以下步骤：

S1：采用改进的SIFT检测算法进行特征点检测。