SAR图像配准中仿射不变特征提取和变换参数估计算法研究及快速实现

Abstract: In the process of SAR image registration, the feature extraction and parameter estimation of transform model are two key issues which affect the accuracy of registration. This project researches the algorithms on the key issues mentioned above as well as parallel algorithm research and fast implementation based on GPU. The specific content is as follows: (1) We will detect the affine invariant regions on the basis of local extreme points located in the multiscale space of SAR image and fit them to ellipses which will be normalized as circular regions later. By studying the statistics of the pixels in the feature regions, we will construct a descriptor of the detected regions. (2) To solve the issues on the accuracy and convergence speed of parameter estimation, an optimization algorithm called dual regression will be designed. This algorithm accelerates the convergence speed as well as enhancing the accuracy of parameter estimation. (3) On the platform of GPU, we will research the parallel implementation of feature extraction and parameter estimation, and optimize the corresponding parallel algorithm to improve the efficiency. Through the studies in the project, a new method with effectiveness and speediness will be proposed for SAR image registration.

摘要：SAR图像配准过程中，特征提取和变换模型的参数估计是影响配准精度的关键问题，本项目开展上述关键问题的算法研究及基于GPU的并行算法研究和快速实现。具体内容如下：(1) 在SAR图像的多尺度空间上以局部极值点为基础检测仿射不变区域，进而拟合成椭圆并规范化为圆形区域，通过研究特征区域内像素的统计特征构建区域描述子；(2) 为解决仿射变换模型的参数估计精度和收敛速度问题，设计一种双重回归的参数估计优化算法，该算法在提高参数估计精度的情况下，加快算法的收敛速度；(3) 在GPU平台上研究特征提取和参数估计算法的并行化实现方法，并对算法进行优化，提高算法的执行效率。通过本项目的研究，可望为SAR图像的配准提供一种有效、快速的新方法。

特征提取和仿射变换模型（6个参数）参数估计是影响SAR图像配准精度的关键技术。项目重点研究了仿射不变特征的构建和描述、仿射变换模型（6个参数）的参数估计和GPU的并行实现。为了检测关键点，首先利用directionlet变换与MAP估计去除相干斑噪声，发现该预处理过程可以有效去除乘性噪声；然后，利用特征点局部灰度信息将特征区域内像素进行分块，构建局部坐标系下的局部特征描述子，通过将各个块的局部描述子按一定次序连接形成特征区域描述子，进而描述SAR图像所包含的关键信息，结果显示该描述子对仿射变换具有较好的鲁棒性，同时在光照变换上保持较强的不变性；利用由粗到精的匹配策略，通过使用最小二乘算法和回归分析实现仿射变换模型（6个参数）参数的高精度估计，实验表明该方法不仅加快了算法的收敛速度，而且提高了参数的估计精度；最后，通过将研究的特征提取与描述的串行算法、参数估计串行算法设计成并行算法，并在GPU的CUDA架构下通过合理分配和优化内存实现了各算法的并行化运算，提高了特征检测与参数估计的执行效率，获得了高达27.6的加速比。本研究不仅为SAR图像的特征提取与参数估计的后续研究奠定了坚实的理论基础，而且依托GPU的硬件平台，实现了SAR图像配准算法在硬件上的快速实现，为SAR图像的实时配准问题提供了解决方案。