第4期 许可乐，等：一种SAR图像稳健特征点提取方法 ·289. 乘积模型认为，在一定的条件下，雷达回波是斑点噪 接用基于Gabor滤波器建立的尺度空间提取候选的 声和后向散射这2个随机过程共同作用的结果 特征点依然存在着一定数量的伪特征点.为了得到 SAR图像被建模为2个独立随机变量R和u的乘 稳定的特征点，仅删除Gabor差分尺度空间中响应 积，R为建模区域的后向散射，u为建模图像的斑 值低的点和删除边缘效应是不够的.针对SAR图 点，则： 像，本文采用抑制伪特征点的方法 Z=R·u (3) 删除低对比度的特征点的同时剔除对比度过高 两边同时取自然对数，则式(3)变为 的特征点，这样可以很好地抑制伪特征点.针对SAR In(Z)=In(R)+In(u). (4) 图像对比度上限的选择，选取了不同场景（如森林、 为了验证SAR图像灰度值作对数变换对特征 海洋、草地等)下，不同波段的SAR图像进行了配准 点数目以及正确匹配点的影响，本文分别选取多幅 实验.实验结果表明，在对比度上限取4.2时，重复率 不同波段、不同分辨率和不同极化方式的SAR图像 取值相对较大，本文在实验中对比度上限选为4.26 进行特征点提取数目和正确匹配点对数目的比较. 表3为不同波段、不同分辨率、不同极化方式下重复 为了使实验结果具有更好的对比说明性，以大小为 率变化情况 750×515,不同波段、不同分辨率和不同极化方式的 表3不同波段、不同分辨率、不同极化方式下重复率变化 特征点提取进行实验，表1、2为实验对比果 Table 3 Repeatability in different bands,different resolu- 表1灰度值对数变换前后特征点提取数目 tions,and different polarization modes Table 1 Number of the feature points extracted before and 门限 after the logarithmic transformation 比较方式 45 10203040 不同极 比较方式 不同波段不同分率辨 不同波段 0.770.94 0.88 0.640.46 0.42 化方式 不同分辨率 0.750.960.820.670.560.52 2幅图像取对数提 8417 2859 10691 取特征点数目 不同极化方式0.730.950.820.770.660.62 2幅图像不取对数 2.5 Gabor-SIFT算法流程 6472 2198 7852 提取特征点数目 为了更加清晰地阐述本文算法，给出本文算法 表2灰度值对数变换前后正确匹配点对数目 流程图，如图1. Table 2 Number of the correct-matched feature points ex- tracted before and after the logarithmic transfor- 输人SAR图像a 输人SAR图像b mation 不同极 图像灰度进行对数变换 图像灰度进行对数变换 比较方式 不同波段不同分率辨 化方式 取对数正确匹配 基于Gabori滤波器组 基于Gabori滤波器组 2045 549 549 点对数目 建立多尺度差分空间 建立多尺度差分空间 不取对数正确匹 1720 530 342 配点对数目 尺度空间极值检测 尺度空间极值检测 实验结果表明，在对SAR图像进行SIFT特征 基于双门限进行 基于双门限进行 提取之前进行对数变换能够有效地提高特征点提取 关键点的精确定位 关键点的精确定位 数目和正确匹配点对的数目.分析其原因为：SAR图 像的噪声模型为乘性噪声模型，对图像取对数变换 描述子构造 描述子构造 能够在数学意义上将乘性噪声转化成加性噪声， SFT算子中通过拟和三维二次函数以精确确定关 特征向量 特征向量 键点的位置和尺度，同时剔除低对比度的关键点和 不稳定的边缘响应点的步骤都提高了算子对加性噪 基于RANSAC进行特征匹配 声的抗干扰能力.以下实验都是基于对SAR图像进 行对数变换的基础上进行的。 特征点匹配点对 2.4基于对比度双门限的候选特征点优化 图1 Gabor-SFT算法流程 由于SAR图像中存在严重的斑点噪声现象，直 Fig.1 Flow chart of Gabor-SIFT乘积模型认为，在一定的条件下，雷达回波是斑点噪 声和后向散射这 ２ 个随机过程共同作用的结果． ＳＡＲ 图像被建模为 ２ 个独立随机变量 Ｒ 和 ｕ 的乘 积，Ｒ 为建模区域的后向散射，ｕ 为建模图像的斑 点，则： Ｚ ＝ Ｒ·ｕ． （３） 两边同时取自然对数，则式（３）变为 ｌｎ（Ｚ） ＝ ｌｎ（Ｒ） ＋ ｌｎ（ｕ）． （４） 为了验证 ＳＡＲ 图像灰度值作对数变换对特征 点数目以及正确匹配点的影响，本文分别选取多幅 不同波段、不同分辨率和不同极化方式的 ＳＡＲ 图像 进行特征点提取数目和正确匹配点对数目的比较． 为了使实验结果具有更好的对比说明性，以大小为 ７５０×５１５，不同波段、不同分辨率和不同极化方式的 特征点提取进行实验，表 １、２ 为实验对比果． 表 １ 灰度值对数变换前后特征点提取数目 Ｔａｂｌｅ １ Ｎｕｍｂｅｒ ｏｆ ｔｈｅ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｅｘｔｒａｃｔｅｄ ｂｅｆｏｒｅ ａｎｄ ａｆｔｅｒ ｔｈｅ ｌｏｇａｒｉｔｈｍｉｃ ｔｒａｎｓｆｏｒｍａｔｉｏｎ 比较方式 不同波段 不同分率辨 不同极 化方式 ２ 幅图像取对数提 取特征点数目 ８ ４１７ ２ ８５９ １０ ６９１ ２ 幅图像不取对数 提取特征点数目 ６ ４７２ ２ １９８ ７ ８５２ 表 ２ 灰度值对数变换前后正确匹配点对数目 Ｔａｂｌｅ ２ Ｎｕｍｂｅｒ ｏｆ ｔｈｅ ｃｏｒｒｅｃｔ⁃ｍａｔｃｈｅｄ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｅｘ⁃ ｔｒａｃｔｅｄ ｂｅｆｏｒｅ ａｎｄ ａｆｔｅｒ ｔｈｅ ｌｏｇａｒｉｔｈｍｉｃ ｔｒａｎｓｆｏｒ⁃ ｍａｔｉｏｎ 比较方式 不同波段 不同分率辨 不同极 化方式 取对数正确匹配 点对数目 ２ ０４５ ５４９ ５４９ 不取对数正确匹 配点对数目 １ ７２０ ５３０ ３４２ 实验结果表明，在对 ＳＡＲ 图像进行 ＳＩＦＴ 特征 提取之前进行对数变换能够有效地提高特征点提取 数目和正确匹配点对的数目．分析其原因为：ＳＡＲ 图 像的噪声模型为乘性噪声模型，对图像取对数变换 能够在数学意义上将乘性噪声转化成加性噪声， ＳＩＦＴ 算子中通过拟和三维二次函数以精确确定关 键点的位置和尺度，同时剔除低对比度的关键点和 不稳定的边缘响应点的步骤都提高了算子对加性噪 声的抗干扰能力．以下实验都是基于对 ＳＡＲ 图像进 行对数变换的基础上进行的． ２．４ 基于对比度双门限的候选特征点优化 由于 ＳＡＲ 图像中存在严重的斑点噪声现象，直 接用基于 Ｇａｂｏｒ 滤波器建立的尺度空间提取候选的 特征点依然存在着一定数量的伪特征点．为了得到 稳定的特征点，仅删除 Ｇａｂｏｒ 差分尺度空间中响应 值低的点和删除边缘效应是不够的． 针对 ＳＡＲ 图 像，本文采用抑制伪特征点的方法． 删除低对比度的特征点的同时剔除对比度过高 的特征点，这样可以很好地抑制伪特征点．针对 ＳＡＲ 图像对比度上限的选择，选取了不同场景（如森林、 海洋、草地等）下，不同波段的 ＳＡＲ 图像进行了配准 实验．实验结果表明，在对比度上限取４．２时，重复率 取值相对较大，本文在实验中对比度上限选为 ４．２６． 表 ３ 为不同波段、不同分辨率、不同极化方式下重复 率变化情况． 表 ３ 不同波段、不同分辨率、不同极化方式下重复率变化 Ｔａｂｌｅ ３ Ｒｅｐｅａｔａｂｉｌｉｔｙ ｉｎ ｄｉｆｆｅｒｅｎｔ ｂａｎｄｓ， ｄｉｆｆｅｒｅｎｔ ｒｅｓｏｌｕ⁃ ｔｉｏｎｓ， ａｎｄ ｄｉｆｆｅｒｅｎｔ ｐｏｌａｒｉｚａｔｉｏｎ ｍｏｄｅｓ 比较方式 门限 ４ ５ １０ ２０ ３０ ４０ 不同波段 ０．７７ ０．９４ ０．８８ ０．６４ ０．４６ ０．４２ 不同分辨率 ０．７５ ０．９６ ０．８２ ０．６７ ０．５６ ０．５２ 不同极化方式 ０．７３ ０．９５ ０．８２ ０．７７ ０．６６ ０．６２ ２．５ Ｇａｂｏｒ⁃ＳＩＦＴ 算法流程 为了更加清晰地阐述本文算法，给出本文算法 流程图，如图 １． 图 １ Ｇａｂｏｒ⁃ＳＩＦＴ 算法流程 Ｆｉｇ． １ Ｆｌｏｗ ｃｈａｒｔ ｏｆ Ｇａｂｏｒ⁃ＳＩＦＴ 第 ４ 期 许可乐，等：一种 ＳＡＲ 图像稳健特征点提取方法 ·２８９·