一种新的SAR图像分块匹配算法❋

张东兴，祝明波，李相平，赵腊，朱永昕（.海军航空工程学院电子信息工程系，山东烟台6400；.海军湛江通信雷达声纳修理厂，广东湛江5406；.海军装备部驻芜湖军代室，安徽芜湖400）

一种新的SAR图像分块匹配算法❋

张东兴1，❋❋，祝明波1，李相平1，赵腊2，朱永昕3
（1.海军航空工程学院电子信息工程系，山东烟台264001；2.海军湛江通信雷达声纳修理厂，广东湛江524016；3.海军装备部驻芜湖军代室，安徽芜湖241001）

当SAR图像噪声过强时，采用归一化积相关算法得到的相关面对比性较差，匹配结果可靠性降低。为解决此问题，给出一种新的SAR图像分块匹配算法。该算法将实时图分块并分别与基准图进行匹配，利用分块图像之间的相关性来找正确匹配点，增强了匹配结果的可靠性。实验证实该算法在实时图有强噪声的情况下依然可以正确匹配。

SAR；分块匹配；归一化积相关；强噪声

1 引言

所谓图像匹配，指的是把两个不同的传感器对同一景物录取下来的两幅图像在空间上进行对准，以确定出这两幅图像之间平移和旋转关系的过程［1－3］。常用的匹配算法有基于灰度的匹配算法和基于特征的匹配算法［4］。基于灰度的匹配算法［5－6］，其优点是抗噪声能力强，且在灰度和畸变不大的情况下，正确匹配概率和精度较高［7］。常见的基于灰度的匹配算法有MAD（Mean Absolute Distance）算法［8－10］、为提高匹配速度而提出的序贯相似性检测算法［11］以及归一化灰度相关算法［12－13］，其中，归一化积相关算法相对其他几种算法匹配适应性较好。

采用归一化积相关算法进行图像匹配会得到一个相关面，在相关面中，最大相关值所在位置一般被判定为正确匹配位置。但在噪声很强的情况下，相关面出现多个相关峰，最大相关值相对于其他相关峰对比度不强，导致匹配结果的可信度降低甚至会出现正确匹配点的相关峰被其他相关峰淹没的情况。

基于此，本文给出一种基于图像分块的匹配方法，将实时图进行分块，分块后的图像分别和基准图像匹配，利用两分块图像中心点之间特定的距离和方位约束关系来定位正确匹配点，提高在强噪声情况下匹配的可靠性，实验表明该方法在强噪声情况下可取得较好的匹配效果。

2 归一化积相关算法和相关面

在离散情况下，实时图R和基准图中（x，y）位置的基准子图（与实时图同样尺寸）可以表示成N ×1维矢量（这里N为图像像元数）R和Ux，y，如果两矢量的差矢量的范数越小或两矢量间的夹角越小，则图像矢量越趋于一致，即实时图和基准子图愈加相似；反之，则实时图和基准子图愈不相似。

图像矢量R和Ux，y之间的夹角θ也可以用来度量图像间的相似程度，但是为了节省计算量，这里不是直接计算θ，而是根据θ的函数来定义度量算法，主要有积相关算法和归一化积相关算法。

积相关算法（prod算法）：

不过，prod算法稳健性不够好，为了改进积相关算法，有人提出了归一化积相关算法（Normalized prod算法）。Nprod算法定义为

归一化积相关测度具有较高的准确性、适应性，对于灰度的线性变化和对比度线性差异具有不变性，但计算量比prod算法要大得多。

归一化积相关其计算是用实时图和基准子图（基准图中和实时图大小一样的子图）逐一进行相关运算，并记录下该位置的相关值，此相关值按照实时图在基准图内扫描的方式排列成一个二维平面，称为相关面。相关值在相关面中会出现高低起伏，把局部最大值区域称为相关峰，其中最大的一个称为最高峰，以下的依次称为次高峰等，如图1（a）所示。

在实时图噪声较强时容易出现有多个相关峰与最高峰的差别较小，从而影响匹配的可信度，甚至出现匹配点的峰值低于其他相关峰的情况进而导致错误匹配，如图1（b）所示。

3 分块匹配算法

在强噪声的情况下，相关峰对比性不强，导致匹配可靠性降低，甚至正确匹配点相关值会被其他相关峰淹没而导致错误匹配。为增强匹配可靠性，本文给出一种抗强噪声的匹配算法。算法的思路是将含有较强噪声的实时图上下平分成两个子图，如图2所示。两子图分别与基准图匹配，这两子图中心之间具有特定的距离和方位约束关系，即使两子图的匹配相关面中相关峰对比性不强，利用该约束关系也能正确地找出匹配点。

子图a和子图b是由实时图上下平分成两块，若它们的图像中心坐标分别为（x1，y1）和（x2，y2），正确匹配须满足两个条件：

若（x1，y1）和（x2，y2）满足上式的约束条件，则正确匹配点的位置为

具体实现时，在两子图的相关面中分别选取一些相关值超过一定阈值的点作为可能的匹配点，然后根据正确匹配点应满足两子图中心之间具有特定的距离和方位约束关系，逐一判断这些点是否满足该约束条件，若满足该条件，得到正确匹配，程序结束；若没有找到正确匹配则进入下一循环，将上述步骤重复进行，直到找到正确匹配为止。算法流程如图3所示。

4 实验和结论

仿真用的基准图是690×533的SAR图像，截取的实时图的大小为99×99，匹配是将实时图上下平分为两个24×99的图像，这两个子图分别与基准图匹配（用归一化积相关算法）。实时图附加了强噪声，由于噪声太强，实时图几乎是杂乱的噪声，如图4（a）所示。得出的相关面也是相关峰很多，最高峰的可信度很低，如图4（b）所示。

仿真实验时对实时图加了不同类的强噪声，实验表明该算法能在实时图有较强噪声的情况下正确地找出匹配点对，进而找到正确匹配点，如图5所示。图中的标星符号的位置对应匹配点对。

多次实验对各次匹配的次高峰与最高峰的比值和实时图的信噪比取均值，实验结果如表1所示。

另外，该算法对泊松噪声、较弱的脉冲噪声和高斯噪声适应性良好，在多次实验中均能够正确匹配。

从实验过程和表1的结果可以得出下面结论：

（1）该算法在实时图含有强噪声（－10 dB）情况下依然有效，这对SAR实时图质量因弹载SAR实时成像因飞行平稳性差、成像需要运动补偿以及图像预处理的限制等因素的影响，造成成像的质量会较差的情况有重要意义；

（2）从表1的次高峰与最高峰之比来看，两种噪声都造成了单幅图像匹配时得到的匹配结果可信度很差，但采用本算法后仍然可靠找出正确匹配点。

另外，本文只是将实时图上下平分，也可以左右平分，还可以将实时图分为多块，如3块、4块等，理论上分块越多，每块的图像信息量就越少，单块的匹配性能就会越差；但另一方面，分块多了各块间相关性就更强。所以，在特定情况下具体分多少块匹配性能会达到最佳还有待进一步深入研究。

参考文献：

［1］孙仲康，沈振康.数字图像处理及其应用［M］.北京：国防工业出版社，1986：233－235，307－309. SUN Zhong-kang，SHEN Zhen-kang.Digital Image Processing and Its Applications［M］.Beijing：National Defense Industry Press，1986：233－235，307－309.（in Chinese）

［2］贺柏根，朱明.改进的抗全仿射尺度不变特征变换图像匹配算法［J］.光学精密工程，2011，19（10）：2472－2477. HE Bai-gen，ZHUMing.Improved fully affine invariant SIFT-based image matching algorithm［J］.Optics and Precision Engineering，2011，19（10）：2472－2477.（in Chinese）

［3］邱建国，张建国，李凯.基于Harris与Sift算法的图像匹配方法［J］.测试技术学报，2009，23（3）：271－274. QIU Jian-guo，ZHANG Jian-guo，LIKai.An ImagesMatching Method Base on Harris and Sift Algorithm［J］.Journalof Test and Measurement Technology，2009，23（3）：271－274.（in Chinese）

［4］李壮，雷志辉，于起峰.基于梯度径向夹角直方图的异源图像匹配［J］.测绘学报，2011，40（3）：318－325. LIZhuang，LEIZhi-hui，YUQi-feng.Matching Multisensor Images Basedon Gradient Radius Angle Pyramid Histogram［J］.Acta Geodaetica Et Cartographica Sinica，2011，40（3）：318－325.（in Chinese）

［5］Yu L，Wang R S.Object Detection and Recognition Based on Multiscale Deformable Template［J］.Journal of Computer Research and Development，2002，39（10）：1325－1330.

［6］Jain A K，Zhong Y，Lakshmanan S.Object Matching Using Deformable Templates［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1996，10（3）：267－270.

［7］汪洪桥，赵宗涛，蔡艳宁，等.景象匹配技术在巡航导弹制导中的应用研究［J］.战术导弹控制技术，2005，48（1）：34－35. WANGHong-qiao，ZHAOZong-tao，CAIYan-ning，etal.Research of Application on Scene Matching Technology to Cruise Missile Controland Guidance［J］.Control Technology of TacticalMissile，2005，48（1）：34－35.（in Chinese）

［8］Dubuission MP，Jain A K.AModified Hausdorff Distance for ObjectMatching［C］／／Proceedings of1994 International Conference on Pattern Recognition.Jerusalem，Israel：IEEE，1994：566－568.

［9］刘健庄，谢维信，高新波，等.基于Hausdorff距离和遗传算法的物体匹配算法［J］.电子学报，1996，24（4）：1－6. LIU Jian-zhuang，XIEWei-xin，GAO Xin-bo，et al.Hausdorff Distance Based Object Matching with Genetic Algorithms［J］. Chinese Journal of Electronics，1996，24（4）：1－6.（in Chinese）

［10］Kuglin CD，Hines DC.The Phase Correlation Image AlignmentMethod［C］／／Proceedings of 1975 IEEE International Conference on Cybernetics and Society.San Francisco，California：IEEE，1975：163－165.

［11］董旭.基于序贯相似性检测法的景象匹配算法研究［C］／／仿真计算机与软件、仿真方法与建模学术交流会论文集.北京：电子工业出版社，2004：187－191. DONG Xu.Scenematching algorithMresearch based on sequential similarity detection method［C］／／Proceedings of 2004 Simulation computer software，simulation andmodeling Symposium.Beijing：Publishing House of Electronics Industry，2004：187－191.（in Chinese）

［12］陈宁江，李介谷.用归一化灰度组合法进行图像匹配［J］.红外与激光工程，2000，29（5）：5－9. CHEN Ning-jiang，LIJie-gu.magematching using normalized intensity combination method［J］.Infrared and Laser Engineering，2000，29（5）：5－9.（in Chinese）

［13］孙明磊，宗光华，毕树生，等.标准互相关的灰度无关特性及其应用［J］.光子学报，2009，38（2）：435－439. SUN Ming-lei，ZONG Guang-hua，BI Shu-sheng，et al. Characteristics of Independence on image gray level in patternmatching algorithMand itsapplication［J］.Acta Photonica Sinica，2009，38（2）：435－439.（in Chinese）

ZHANG Dong-xing was born in Heze，Shandong Province，in 1981.He is currently working toward the Ph.D.degree.His research interests include SAR imaging and SAR image processing.

Email：zdxcuihua＠sina.cn

祝明波（1971—），男，山东青州人，1999年获博士学位，现为副教授，主要研究方向为SAR成像制导技术；

ZHU Ming-bo was born in Qingzhou，Shandong Province，in 1971.He is now an associate professor.His research concerns SAR imaging guidance.

Email：15314486867＠126.com

李相平（1963—），男，山东邹平人，教授、博士生导师，主要研究方向为精确制导技术；

LI Xiang-ping was born in Zouping，Shandong Province，in 1963.He is now a professor and also the Ph.D.supervisor.His research concerns precise guidance technology.

Email：lxp410＠163.com

赵腊（1986—），男，湖南湘乡人，2009年获硕士学位，主要研究方向为精确制导技术；

ZHAO La was born Xiangxiang，Hunan Province，in 1963.He received the M.S.degree in 2009.His research concerns precise guidance technology.

Email：jueduiguoke＠126.com

朱永昕（1988—），男，安徽安庆人，2013年获硕士学位，主要研究方向为精确制导技术。

ZHU Yong-xin was born in Anqing，Anhui Province，in 1988. He received the M.S.degree in 2013.His research concerns precise guidance technology.

Email：zhu410969147＠126.com

A New Block Matching AlgorithMfor SAR Image

ZHANG Dong-xing1，ZHUMing-bo1，LIXiang-ping1，ZHAO La2，ZHU Yong-xin1
（1.Department of Electronic and Information Engineering，Naval Aeronautical and Astronautical University，Yantai264001，China；2.Naval705 Factory，Zhanjiang 524016，China；3.Navy EquipmentMilitary Representative Office in Wuhu，Wuhu 241001，China）

When Synthetic Aperture Radar（SAR）image noise is too strong，the reliability ofmatching based on normalized product correlation algorithms reduces obviously.A SAR image block matching algorithMis given to solve this problem.The relativity between the sub-block imagesmatching is utilized to enhance the reliability of thematching result.The experiments confirMthat the algorithMcan still get correctmatch under the circumstance of real-time image with strong noise.

SAR；block matching；normalized product correlation；strong image noise

The National Natural Science Foundation of China（No.61102166）

date：2013－01－10；Revised date：2013－04－10

国家自然科学基金资助项目（61102166）

❋❋通讯作者：zdxcuihua＠sina.cn Corresponding author：zdxcuihua＠sina.cn

TN957.52；TP391.4

A

1001－893X（2013）06－0726－04

张东兴（1981—），男，山东菏泽人，博士研究生，主要研究方向为SAR成像技术和SAR图像处理；

10.3969／j.issn.1001－893x.2013.06.010

2013－01－10；

2013－04－10