徐 穎，周 焰

（1.空軍預(yù)警學(xué)院， 湖北 武漢 430019）

合成孔徑雷達（SAR）是一種全天時、全天候的高分辨率微波遙感成像雷達，SAR成像彌補了紅外成像、可見光成像的缺陷，是天基偵查監(jiān)視系統(tǒng)中不可缺少的重要的探測技術(shù)。SAR圖像配準是不同的SAR圖像之間融合的基礎(chǔ)，也是SAR圖像變化檢測，提取感興趣目標的基礎(chǔ)，具有重要的研究意義和廣泛的應(yīng)用前景。前人針對遙感圖像的配準方法已經(jīng)進行了綜述[1-3]，但尚無專門針對SAR圖像配準進行綜述的文獻。為此，本文在分析SAR圖像配準難點的基礎(chǔ)上，將近年來的SAR圖像配準方法進行了分類總結(jié)，比較各類方法的優(yōu)缺點，指出目前SAR圖像配準存在的問題，并展望了該領(lǐng)域的發(fā)展趨勢。

1 SAR圖像配準難點分析

SAR圖像屬于斜距投影的相干成像，因此在成像機理、輻射特性及幾何特性上與可見光圖像有很大差異[4]。雖然SAR圖像配準技術(shù)與光學(xué)遙感圖像配準技術(shù)在理論上有很大的相似性和可借鑒性，但與傳統(tǒng)光學(xué)圖像相比，SAR圖像更難實現(xiàn)精確的配準，其主要原因為：

1）由于微波成像時照射角度、照射時間不同和照射場景中地物的變化等原因，導(dǎo)致SAR對相同場景的探測圖像的紋理和灰度的不同；

2）相干成像系統(tǒng)不可避免地存在相干斑噪聲對圖像的精細結(jié)構(gòu)、可分辨性和可理解性的破壞；

3）由于不同波段的SAR穿透能力不同，形成的圖像對同一場景的描述會有不同的體現(xiàn)[5]。

2 算法分類

由于SAR圖像與光學(xué)遙感圖像從成像機理到圖像灰度分布特點都具有較大差異，因此傳統(tǒng)配準方法對SAR圖像，特別是高分辨率的SAR圖像難以取得滿意效果。在我國，SAR圖像配準技術(shù)研究剛剛起步；在國外，SAR圖像配準的進展也不盡人意。

近年來，各國科研工作者提出了很多SAR圖像配準方法。SAR圖像配準方法通常根據(jù)有無人工干預(yù)、圖像類型、選用的配準因素等進行分類。按照有無人工干預(yù)，SAR圖像配準可以分為人工方法、半自動方法和自動方法；按照使用的圖像類型的不同，SAR圖像配準可以分為相同時相不同場景的SAR圖像配準和不同時相不同場景的SAR圖像配準；按照選用的配準因素的不同，SAR圖像配準可以分為基于灰度的配準方法、基于變換域的配準方法和基于特征的配準方法[6]。本文將有無人工干預(yù)和選用的配準因素結(jié)合起來對現(xiàn)有的SAR圖像配準方法進行分類，如圖1所示。

圖1 SAR圖像配準方法分類圖

人工SAR配準主要是指參考SAR圖像和待配準SAR圖像中的控制點由人工選取。人工配準的不足是需要耗費大量的時間和人力。同時，人的主觀因素、視覺誤差等都會對配準結(jié)果帶來不可預(yù)測的錯誤。其最大特點是對配準的2幅圖像質(zhì)量要求不高，特別是在異源SAR圖像配準中，手工配準比自動配準效果更好。半自動SAR配準是指引入計算機技術(shù)來代替人完成配準過程中的一些重復(fù)性工作，減輕人的工作量，輔助人工進行圖像配準，這種配準方式是目前工程實踐上的通用方法，具有較強的實用性和可靠性。自動SAR配準就是在整個配準過程中完全依靠計算機實現(xiàn)圖像的配準。這種方式實時性強、準確度高，但要求算法具有很強的抗干擾能力和魯棒性。目前，自動SAR配準技術(shù)和方法還停留在理論研究層面，很難在工程上實現(xiàn)，它是SAR圖像配準的最終發(fā)展方向。依據(jù)所提取的特征信息的不同，自動SAR配準方法可分為3大類：基于灰度的配準方法、基于變換域的配準方法和基于特征的配準方法。

2.1 基于灰度的方法

基于灰度的配準算法一般是利用2幅SAR圖像的灰度統(tǒng)計信息作為相似性的衡量標準，優(yōu)點是簡單易行，缺點是對噪聲敏感、當目標發(fā)生形變、旋轉(zhuǎn)、尺寸變換時容易導(dǎo)致算法失敗，且計算量過大，特別是隨著SAR圖像分辨率的快速提高，如果不進行算法優(yōu)化不能滿足實時性的要求?；诨叶鹊姆椒ㄑ芯科鸩捷^早，主要可以分為直接利用灰度法、互信息法、對齊度法3大類。

2.1.1 直接利用灰度信息法

由于SAR圖像是相干成像，不可避免地存在相干斑噪聲，這種噪聲隨機分布對SAR圖像的灰度影響較大，因此，直接利用灰度信息的配準方法對SAR圖像配準的效果并不好，一般僅用于對SAR圖像進行初始的粗配準[7]。

2.1.2 互信息法

利用互信息進行配準，是目前遙感圖像基于灰度的配準方法中的主流。具體應(yīng)用到SAR圖像，需要克服由相干斑噪聲造成的插值假象的問題。文獻[8]、文獻[9]都是先對SAR圖像進行降噪處理，之后利用互信息的方法分別實現(xiàn)了SAR圖像之間的匹配以及SAR和SPOT圖像的匹配，均未考慮圖像的先驗信息。文獻[10]考慮了SAR能量圖像服從Gamma分布這一先驗信息，建立二元Gamma分布模型計算互信息，提高了配準精度。由于SAR圖像常常反映的是所接收地物回波的幅值情況，且同質(zhì)區(qū)域服從Rayleigh分布，文獻[11]基于此提出二元Rayleigh互信息配準方法，配準了同源單視的SAR圖像，配準效果優(yōu)于文獻[8]～文獻[10]的方法。

此算法缺點在于：計算量較大，為了滿足算法的實時性需要考慮優(yōu)化算法；要求配準圖像間存在較大的重疊區(qū)域，不適用于重疊較少的條帶狀機載SAR圖像。

2.1.3 對齊度法

考慮到基于灰度的方法對噪聲較敏感這一缺陷，選用對圖像中的噪聲有很強容忍性的對齊度準則進行多模圖像的配準。將圖像配準問題歸結(jié)為對齊度的最大化，成為全局參數(shù)優(yōu)化問題。文獻[12]應(yīng)用多分辨率方法的Powell方向族搜索法來最大化對齊度，自動處理了多模圖像的配準問題。

該方法的局限性在于要求圖像特征區(qū)域是規(guī)則的矩形區(qū)域，因此在利用對齊度準則配準SAR圖像時需要結(jié)合邊緣特征共同使用來減少計算復(fù)雜度。

2.2 基于變換域的方法

由于基于灰度的方法存在對噪聲敏感，計算量大，無法獨立滿足高分辨率SAR圖像實時配準的要求。人們發(fā)展了基于變換域的配準方法，目前主要分為基于傅立葉變換和基于小波變換2大類。

2.2.1 基于傅立葉變換的方法

基于傅立葉變換的配準方法目前是變換域配準的主要方法，具有對圖像灰度依賴小，受幾何失真影響小的優(yōu)點[13,14]。該方法便于硬件實現(xiàn)并有快速算法，對于圖像配準的工程應(yīng)用非常有用。

文獻[15]將相位相關(guān)方法用于干涉SAR圖像的匹配，取得了良好的效果。文獻[16]針對SAR圖像經(jīng)傅立葉變換后，對數(shù)極坐標圖像在尺度方向上灰度不穩(wěn)定，不利于估計尺度和旋轉(zhuǎn)量的缺點，提出了基于尺度預(yù)估的SAR圖像相位相關(guān)配準算法。文獻[17]綜合利用頻域相關(guān)、線性調(diào)頻Z變換和傅立葉變換有效降低了配準算法的運算量。文獻[18]提出一種改進的相位相關(guān)配準方法,將其應(yīng)用于存在縮放、旋轉(zhuǎn)和平移變換的SAR 圖像配準中，取得了較好的效果。

傅立葉變換類的方法計算時間小，工程容易實現(xiàn)，但對紋理豐富、灰度分布復(fù)雜、存在尺度變化大、旋轉(zhuǎn)角度大的不同波段不同極化的SAR圖像配準而言，配準精度難以保證。

2.2.2 基于小波變換的方法

由于傅立葉變換在SAR圖像配準上的局限性，人們利用小波分解的辦法為SAR配準提供了一種從粗到精的思路[19]。文獻[20]～文獻[22]將SAR圖像進行小波分解，然后在各層提取輪廓特征或點特征進行配準，避免了噪聲干擾，提高了配準精度。此類方法為SAR圖像的匹配提供了新思路，但需要選擇合適的小波進行分解，使分解后的子圖像具有平移和旋轉(zhuǎn)不變性。

2.3 基于特征的方法

基于特征的方法是目前遙感圖像配準領(lǐng)域的主流方法，它不受灰度變化的影響，通過提取2幅圖像中穩(wěn)定且共有的結(jié)構(gòu)特征來進行匹配，更適用于SAR 圖像的配準。

2.3.1 基于點特征的方法

點特征是圖像配準中最常用的圖像特征。目前被廣泛應(yīng)用的主流點特征提取方法有：Harris算子[23]、SIFT算子[24,25]、快速SIFT提取算子[26,27]、PCA-SIFT算子[28]、ICA-SIFT算子[29]和SURF算子[30]等。

上述方法對光學(xué)遙感圖像配準精度較高，但直接應(yīng)用于SAR圖像配準時易受相干斑的影響，配準精度低。同時，由于描述子不具有仿射不變性，不適用于有復(fù)雜幾何變化的SAR圖像配準。

鑒于此，國內(nèi)的學(xué)者們根據(jù)SAR圖像的特性，結(jié)合上述描述子算法，在SAR圖像配準領(lǐng)域進行了很多有益的探索。付琨等將Harris算法應(yīng)用在SAR 圖像配準中[31]，先手動粗配準解決圖像的旋轉(zhuǎn)和尺度不一致，再用Harris 算法對圖像精配。劉秀芳等將SIFT算法用于多時相SAR圖像的特征提取和自動匹配[32]，圖像特征點的自動匹配有效率達到70%以上。張建勛等利用PCA-SIFT提取特征點后，利用馬氏距離完成特征匹配，用RANSAC算法消除誤匹配，實現(xiàn)了SAR 圖像的自動配準[33]。文獻[22]提出一種基于仿射不變快速核獨立成分分析－尺度不變特征變換（FKICA-SIFT）的多尺度配準方法，解決了有較大仿射變化的SAR圖像配準問題。在進行點特征匹配時，基于相似三角形的算法[34-36]簡單準確，配準效果好。文獻[34]通過角度判斷相似三角形，計算簡單且可阻止病態(tài)三角形影響配準結(jié)果，提高了配準精度和運算速度。

點特征易于提取、使用方便，但SAR圖像中由于相干斑的影響會提取出大量的點特征，如何選擇較好的點特征，降低算法復(fù)雜度，避免誤匹配，提高算法的穩(wěn)健性是人們關(guān)注的重點

2.3.2 基于線特征的方法

線特征比點特征的穩(wěn)健性高。常用的邊緣檢測算子如Canny、LoG、Sobel或Hough變換等都可以用于提取圖像線特征[37,38]。其中，Canny算子對噪聲有一定的抑制作用，提取的邊緣方向信息準確，運算量適中，但是針對的是加性高斯噪聲模型，而SAR圖像的相干斑是乘性噪聲模型，因此在SAR圖像中直接使用Canny算子提取線特征會出現(xiàn)斷裂現(xiàn)象[39]，檢測效果不好。Touzi等提出的Ratio算子在乘性噪聲模型中具有恒虛警的特性[40]，然而Ratio算子只能提供大致的邊緣方向，不能直接用于直線提取中的邊緣檢測。

文獻[41]組合運用了Canny算子和Ratio算子得到初始直線圖，通過高層編組方法連接由噪聲引起的直線缺損，在SAR圖像上取得了滿意的效果。針對SAR圖像中提取的直線基元容易斷裂導(dǎo)致基元數(shù)目增加的缺點，文獻[42]提出一種基于像素編組和曲線擬合的線特征提取方法，以曲線基元取代直線基元、以曲線擬合取代端點連接，提高了處理效率。

使用線特征配準SAR圖像，在特征提取上主要應(yīng)避免相干斑干擾造成的特征斷裂，虛假邊緣多的情況，在特征匹配上可以考慮利用提取邊緣的灰度信息綜合實現(xiàn)匹配。

2.3.3 基于區(qū)域特征的方法

常用的區(qū)域邊緣檢測方法有：LoG邊緣提取算子、拉普拉斯-高斯算子、動態(tài)閾值技術(shù)和區(qū)域增長等。文獻[43]采用LoG算子提取封閉區(qū)域的方法實現(xiàn)了SAR圖像的自動匹配。文獻[44]提出一種基于分割區(qū)域的SAR圖像配準方法，可實現(xiàn)由粗到精的圖像配準，且參數(shù)運算復(fù)雜度大大降低。

對于SAR圖像配準而言，相干斑噪聲的影響會造成SAR圖像中的邊緣模糊，致使封閉區(qū)域、邊緣特征的提取困難。為解決這一問題，文獻[21]、文獻[22]提出了一種基于小波域的多尺度配準方法，在小波分解后的子圖像上提取邊緣特征，在降低斑點噪聲干擾的同時又保留了邊緣信息。

由于區(qū)域分割技術(shù)目前發(fā)展得比較成熟，因此此類方法在處理SAR圖像配準時較為常用，但隨著高分辨率SAR圖像的發(fā)展，區(qū)域特征的提取耗時變長，難以滿足配準實時性的要求。同時，利用區(qū)域特征匹配時如何選擇合適的匹配控制點計算變換模型也是需要考慮的問題。

2.4 其他SAR圖像配準方法

綜合考慮SAR圖像自身的特點，結(jié)合多種方法的特性，可以采用綜合的配準方法。文獻[45]以特征匹配為基礎(chǔ)，灰度匹配作為一種修正方法，取得了較好的配準效果。文獻[46]綜合利用Freeman鏈碼、相位一致性和歸一化互相關(guān)相似性度量準則完成圖像由粗到精的匹配。此外，也有學(xué)者提出采用數(shù)字高程模型信息來實現(xiàn)SAR圖像配準[47,48]。

3 存在問題和發(fā)展趨勢

由于SAR圖像具有背景復(fù)雜、相干斑噪聲干擾大等特點，現(xiàn)有算法在自動化程度、配準速度、普適性、穩(wěn)健性以及配準精度等方面存在諸多問題有待解決。未來的發(fā)展趨勢應(yīng)主要考慮多波段SAR圖像配準技術(shù)和大失配條件下SAR圖像配準技術(shù)。在算法性能上快速、自動、高精度的配準方法仍是研究的重點。

4 結(jié) 語

SAR圖像配準在SAR圖像處理研究領(lǐng)域具有不可替代的地位。隨著SAR圖像成像技術(shù)的發(fā)展、雷達回波散射機理研究的深入、信號處理技術(shù)的進步以及數(shù)學(xué)理論的推陳出新，必將給SAR圖像配準帶來新的解決途徑。

[1]Brown L G. A Survey of Image Registration Techniques[J].ACM Computing Surveys, 1992, 24(4):326-376

[2]Barbara Zitova, Jan Flusser. Image Registration Methods: A Survey[J]. Image and Vision Computing，2003, 21:977-1 000

[3]汪漢云, 王程, 李鵬，等. 多源遙感圖像配準技術(shù)綜述[J].計算機工程, 2011, 31(19): 17-21, 25

[4]張紅，王超，張波，等.高分辨率SAR圖像目標識別[M]. 北京：科學(xué)出版社，2009

[5]馮衛(wèi)平.多波段多極化SAR圖像配準技術(shù)研究[D]. 杭州:電子科技大學(xué)，2009

[6]劉蘇錢.基于特征的SAR圖像自動配準方法研究[D].長沙:國防科技大學(xué)，2007

[7]鄧鵬，王宏琦. 結(jié)合邊緣與灰度信息的SAR圖像配準算法[J].遙感技術(shù)與應(yīng)用，2003，18(3):159-164

[8]Xie H, Pierce L E, Ulaby F.T. Mutual Information Based Registration of SAR Images[C].International Geosciences and Remote Sensing Symposium, Sponsored by IEEE, Toulouse France, 2003:4 028-4 031

[9]Shu Lixia, Tan Tieniu. SAR and SPOT Image Registration Based on Mutual Information with Contrast Measure[C].ICIP,2007: 429-432

[10]Chatelain F, Tourneret J Y, Inglada J, et al. Bivariate Gamma Distributions for Image Registration and Change Detection[J].IEEE Transactions on Image Processing,2007,16(7):1 796-1 806

[11]肖星,田錚,冷成財. SAR圖像配準的二元Rayleigh分布互信息方法[J]. 工程數(shù)學(xué)學(xué)報， 2011, 28 (2): 157-164

[12]王東峰. 多模態(tài)和大型圖像配準技術(shù)研究[D]. 北京：中國科學(xué)院電子學(xué)研究所，2002

[13]Reddy B S, Chatterji B N. An FFT-based Technique for Translation, Rotation and Scale-invariant Image Registration[J].IEEE Transactions on Image Processing, 1996, 5(8): 1 266-1 271

[14]Stone H S, Wolpov R. Blind Cross-spectral Image Registration Using Prefiltering and Fourier-based Translation Detection [J].IEEE Trans Geo science and Remote Sensing, 2002, 40(3): 637-650

[15]Abdelfattaha R, Nicolas J M, Tupin F. Interferometric SAR Image Coregistration Based on the Fourier-Mellin Invariant Descriptor[C].International Geoscience and Remote Sensing Symposium (IGARSS), 2002:1 334-1 336

[16]林岳松, 馮衛(wèi)平, 陳華杰. 基于尺度預(yù)估的SAR圖像相位相關(guān)配準算法[J]. 現(xiàn)代雷達,2010,32(7):39-43

[17]崔岑，趙淑清，張劍奇. 一種改進的頻域相關(guān)法復(fù)圖像快速配準[J].測繪科學(xué)技術(shù)學(xué)報，2011，17(3):36-39

[18]辛登松, 彭建雄. SAR圖像的改進相位相關(guān)配準方法[J]. 計算機與數(shù)字工程,2011,39(8): 126-128

[19]Kumar S, Arya K V, Rishiwal V, et al. Robust Image Registration Technique for SAR Images [C].First International Conference on Industrial and Information Systems. Piscataway,NJ , USA: IEEE, 2006

[20]李昱川, 田錚，劉向增，等. SAR圖像多尺度配準的小波域最小割模型方法[J].電子學(xué)報，2010, 38 (9):2 122-2 127

[21]李婧, 田錚. SAR圖像多尺度配準的小波域等周割方法[J].計算機仿真,2011,28(1)：246-249

[22]劉向增，田錚，史振廣，等. 基于FKICA-SIFT特征的合成孔徑圖像多尺度配準[J]. 光學(xué)精密工程, 2011, 19(9): 2 186-2 196[23]Harris C, Stephens M. A Combined Corner and Edge Detector[C].In Proceedings of the Alvey Vision Conference,1988[24]Lindeberg T. Feature Detection with Automatic Scale Selection[C]. IJCV 30(2) (1998)：79-116

[25]Lowe D. Distinctive Image Features from Scale-invariant Keypoints[J].Computer Vision,2004,2(60):91-110

[26]Michael Grabner, Helmut Grabner. Fast Approximated SIFT[C].ACCV 2006：918-927

[27]Herbert Bay, Tinne Tuytelaars. SURF: Speeded Up Robust Features[C].ECCV,2006

[28]Ke Y, Sukthankar. PCA-SIFT: A More Distinctive Representation for Local Image Descriptors[C]. Proceedings of International Conference Pattern Recognition, Washington,USA， 2004

[29]Duan C, Meng X. How to Make Local Image Features More Efficient and Distinctive [J]. IET Computer Vision, 2008, 2:178-189

[30]Bay H, Ess A. Speeded-up Robust Features (SURF) [J].Computer Vision and Image Understanding, 2008, 110: 346-359

[31]付琨, 尤紅建, 胡巖峰. 多時相星載SAR圖像精配準技術(shù)研究[J]. 遙感技術(shù)與應(yīng)用,2007,10(5):637-641

[32]劉秀芳, 尤紅建. 基于SIF的多時相星載SAR圖像特征點自動匹配[J]. 測繪科學(xué),2009,34(1):43-45

[33]張建勛，張凱文，牛文賓. 基于PCA-SIFT和馬氏距離的SAR圖像自動配準[J]. 重慶理工大學(xué)學(xué)報：自然科學(xué)版,2011,25(10):40-45

[34]錢為．基于角點特征的圖像配準技術(shù)研究[D]．成都：電子科技大學(xué)，2009

[35]呂金建，文貢堅，李德仁．一種基于虛擬三角形的圖像自動配準方法[J]．信號處理，2008,24(5):737-741

[36]王燕，高鑫，徐靜. 合成孔徑雷達圖像自動配準算法研究[J].計算機測量與控制，2011， 19(11)： 2 726-2 729

[37]Dai X, Khorram S. A Feature-based Image Registration Algorithm Using Improved Chain-code Representation Combined with Invariant Moments [J]. IEEE Trans, Geo Science and Remote Sensing, 1999, 37(5): 2 351-2 362

[38]Hie Q L，Gautama S, Philips W. Automatic Registration of SAR Images[J]. IEEE International Geoscience and Remote Sensing Symposium, 2004 (6):3 864-3 867

[39]Bovik A C．On Detecting Edges in Speckle Imagery[J].IEEE Trans, Acoust Speech Signal Processing(S0096-3518),1988,36(10):1 618-1 627

[40]Touzi R, Lopes A, Bousquet P. A Statistical and Geometrical Edge Deteetor for SAR Images[J]. IEEE Trans on Geoscience and Remote Sensing,1988,26(6):764-773

[41]王程，王潤生. SAR圖像直線提取[J]. 電子學(xué)報, 2003,31(6):816-820

[42]陳思, 楊健, 宋小全. 基于編組擬合的合成孔徑雷達圖像線特征提取[J]. 清華大學(xué)學(xué)報：自然科學(xué)版,2011,51(2):166-171[43]黃勇,王建國,黃順吉.一種SAR圖像的自動匹配算法及實現(xiàn)[J].電子與信息學(xué)報，2006，27(1)：6-9

[44]張寶尚, 田錚, 延偉東. 基于分割區(qū)域的SAR圖像配準方法研究[J]. 工程數(shù)學(xué)學(xué)報, 2011,28(1):7-14

[45]Yu X, Sun H, Cao Y F. SAR Image Registration Combing Watershed Segmentation and Mutual Information[J]. IS for optical Engineering , 2005:64-68

[46]于盈，程詠梅，潘泉，等. 一種異源圖像多級配準算法[J].計算機仿真,2011,28(9):256-259

[47]郭交，李真芳，劉艷陽，等. 基于粗數(shù)字高程模型信息的干涉相位圖生成方法[J]. 電子與信息學(xué)報,2010,32(11):2 642-2 647

[48]王通，郭東華，梁飛，等. 基于機載InSAR生成DEM技術(shù)研究試驗[J]. 微計算機信息，2012,28(3):158-160