摘要
SAR-SIFT(Synthetic Aperture Radar-Scale-Invariant Feature Transform)特征是一种类SIFT特征,为了较好的适应SAR图像的特点,SAR-SIFT在SIFT的基础上针对SAR图像的统计特性改进了局部描述子的提取方式.SAR-SIFT相比SIFT具有更好的抗噪性能,然而在强噪声下仍然会提取许多异常点.为了解决强噪声情况下SAR图像的特征点提取及匹配问题,在SAR-SIFT基础上,首先提出了一种新的梯度计算方法,它的大小和方向对散斑噪声都具有很强的鲁棒性,使得对SAR图像进行特征点检测与特征描述提取时具有一定的抗噪性能.其次,使用快速稀疏编码方法对提取到的特征点进行稀疏表示,利用稀疏表示的聚类效果和更好的信号表达能力来减少噪声对特征点提取的影响,从而达到减少异常点的目的.最后通过NNDR(Nearest Neighbor Distance Ratio)和RANSAC(Random Sample Consensus)来完成特征点的匹配以及参数的估计.实验结果表明,利用本文方法能显著减少强噪声SAR图像所提取特征点中的异常点数量并提高匹配精度.
NETL
NSTL
维普
万方数据