基于稳健统计的SAR图像配准方法研究

SAR image registration is the necessary technique in varies remote sensing applications.Registration accuracy is a key index for registration alogrithms, and has an important influence on downstream SAR image processing.Owing to neglect of SAR imaging properties, the robustness and accuracy of existing SAR image registration models are poor. This project centers around two fundamental issues of feature based SAR image registration: feature construction and establishment of feature matching model, to explore the roubst registration model of SAR image. For the feature construction, the project will study scattering centers extraction of SAR image, and construct robust local descriptors of scattering centers by combining with statistical properties of SAR image.For the establishment of feature matching model, the project will analyse the effect of each outlier on matching accuracy, and explore criteria to identify outliers in the framework of robust statistical theory.On this basis, the work here will also establish a robust feature matching model and propose a fast matching algorithm.This project will enrich and improve the theory of SAR image registration, and the fruits of the research will be exposed to a broader audience, thereby, helping establish new image registration models.

SAR图像配准是众多SAR图像应用不可或缺的组成部分，配准精度作为衡量图像配准方法的关键指标，对SAR图像后续处理具有重要影响。针对现有SAR图像配准算法稳健性较差、配准精度较低的研究现状，本项目围绕基于特征的SAR图像配准中两个核心问题- - 特征的构造和匹配模型的建立展开研究，探索建立SAR图像的稳健配准模型。特征构造方面，研究SAR图像散射中心的检测方法，并结合SAR图像的统计特性，构造散射中心的特征描述向量,获得具有不变性的SAR图像特征。匹配模型的建立方面，分析非同名特征对特征匹配精度的影响程度，在稳健统计理论框架内，提出非同名特征鉴别准则，在此基础上建立稳健特征匹配模型并设计快速匹配算法。本项目的完成将丰富和完善SAR图像配准的理论体系，为设计稳健的SAR图像配准方法提供理论依据。

SAR图像配准是众多SAR图像应用不可或缺的组成部分，配准精度作为衡量图像配准方法的关键指标，对SAR图像后续处理具有重要影响。本项目重点围绕基于特征的 SAR 图像配准中两个核心问题——特征的构造和匹配模型的建立展开研究。主要研究成果包括：(1) 为了构造稳健的特征描述向量，并保持局部近邻匹配的光滑性问题，借助流形学习思想，提出了基于局部保持的非负矩阵分解模型，并建立了迭代求解算法；(2) 利用多尺度理论，构造了两类新的仿射不变特征描述向量；(3) 针对目标区域、形状等几何结构上的微小变化并未改变目标的拓扑结构这一特点，提出流形对齐的特征匹配模型，并建立了迭代求解算法；(4) 为了获得SAR图像目标的形状特征，实现基于几何轮廓的匹配，提出了基于图割以及MRF随机场的SAR图像分割模型；(5)非同名特征对配准精度的影响非常大，为了剔除非同名特征，利用多元统计理论，提出了基于典型相关分析的误匹配校正模型；(6) 此外，课题组还研究了与本项目相关的SAR图像目标识别、特征提取、图像超分辨等内容，得到了部分有意义的结论。. 通过本项目的研究，将流形学习、稳健统计、多尺度分析等理论与方法应用于SAR图像配准的研究，丰富和完善了SAR图像配准的理论体系，为设计稳健的SAR图像配准方法提供了理论依据。. 项目的研究过程中，在国内外学术期刊及学术会议上发表学术论文27篇，其中9篇被SCI检索，10篇被EI检索。项目组成员3人次出国进行学术访问或参加学术会议，邀请2名外国专家来华进行学术交流。培养博士2名，其中1人毕业、1人在读；培养硕士2名，其中1人毕业、1人在读。