基于Hausdorff距离和变参差分进化的SAR图像配准

作者：黄玲; 陈浩文; 张伟

来源：南京理工大学学报, 2023, 47(03): 337-372.

DOI：10.14177/j.cnki.32-1397n.2023.47.03.007

• Hausdorff距离
• 差分进化
• 合成孔径雷达
• 图像配准
• 差分缩放因子
• 适应度函数
• 尺寸不变特征变换
• 卷积神经网络

为了提高合成孔径雷达(SAR)图像配准性能，提出了一种基于变参差分进化算法的图像配准方法。首先，获取了原始图像和待配准图像样本。然后，建立了基于差分进化(DE)算法的SAR图像配准模型。通过交叉、变异和选择操作等进化方式获得最优匹配特征点对，并根据特征点对获得图像配准结果。为了进一步优化DE算法在SAR图像配准中的性能，对差分缩放因子引入自适应策略。采用变参DE算法进行图像配准，弥补了因差分缩放因子设置不当而导致配准精度降低的缺点。在DE算法的适应度函数选择上，选取图像特征的Hausdorff距离函数作为相似性度量方法。实验结果显示，相比尺寸不变特征变换(SIFT)算法、卷积神经网络(CNN)算法，该文算法能够获得更高的配准准确度，接近100%,且配准稳定性更高，均方根误差(RMSE)均值为0.506 7。

• 单位
  中南大学; 湖南大学; 湖南师范大学; 教育科学学院