本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種SAR圖像配準(zhǔn)方法，具體涉及一種基于MRF圖像分割算法的SAR圖像配準(zhǔn)方法，可用于圖像融合和多時(shí)相圖像變化檢測(cè)等領(lǐng)域。

背景技術(shù)：

圖像配準(zhǔn)是對(duì)取自不同時(shí)間、不同視角或不同傳感器的同一景物的兩幅或多幅圖像進(jìn)行匹配、疊加的過程。它的主要目的是消除或減少基準(zhǔn)圖像和待矯正圖像之間由于成像條件不同所引起的幾何形變，從而獲得幾何一致性(最佳空間位置匹配)的兩幅圖像。它在圖像融合、多時(shí)相圖像變化檢測(cè)等領(lǐng)域都得到了廣泛的應(yīng)用。

合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)是一種全天時(shí)、全天候的高分辨率微波遙感成像雷達(dá)，SAR成像彌補(bǔ)了紅外成像、可見光成像的缺陷，是天基偵查監(jiān)視系統(tǒng)中不可缺少的重要探測(cè)技術(shù)。雖然SAR圖像有諸多好處，但由于SAR是相干系統(tǒng)，所以斑點(diǎn)噪聲是SAR圖像的固有性質(zhì)。圖像配準(zhǔn)是不同的圖像之間融合的基礎(chǔ)，也是圖像變化檢測(cè)，提取感興趣目標(biāo)的基礎(chǔ)，具有重要的意義和廣泛的應(yīng)用前景，其配準(zhǔn)方法分為三類：基于灰度的配準(zhǔn)、基于變換域的配準(zhǔn)以及基于特征的配準(zhǔn)?；诨叶鹊呐錅?zhǔn)方法對(duì)尺寸較小、灰度變化不大的圖像配準(zhǔn)精度高，但對(duì)于視角、灰度、結(jié)構(gòu)變化較大的遙感圖像配準(zhǔn)精度較差；基于變換域的配準(zhǔn)方法易于硬件實(shí)現(xiàn)，而且抗低頻噪聲強(qiáng)，能做到實(shí)時(shí)的配準(zhǔn)，但無法處理非線性形變，通常碰到高頻噪聲配準(zhǔn)效果也不太好，所以基于灰度配準(zhǔn)和基于變換域的配準(zhǔn)方法都不適于SAR圖像的配準(zhǔn)?；谔卣鞯呐錅?zhǔn)方法，直接提取有效的特征進(jìn)行匹配,抗噪性好，對(duì)灰度變化也不敏感。近年來，利用穩(wěn)定特征描述子匹配成為圖像配準(zhǔn)領(lǐng)域研究的熱點(diǎn)，其中尺度不變特征變換(Scale-invariant Feature Transform，SIFT)算法對(duì)圖像配準(zhǔn)效果較好，該算法包括以下步驟：建立高斯差分尺度空間；提取SIFT特征；篩選特征點(diǎn)；濾除錯(cuò)誤匹配點(diǎn)；仿射變換；疊加得到最終的配準(zhǔn)結(jié)果，該算法已經(jīng)在SAR圖像配準(zhǔn)領(lǐng)域取得了不錯(cuò)的效果。例如，中國(guó)專利申請(qǐng)，申請(qǐng)公開號(hào)為CN103839265A，名稱為“基于SIFT和歸一化互信息的SAR圖像配準(zhǔn)方法”中，提出了一種基于SIFT與歸一化互信息相結(jié)合的SAR圖像配準(zhǔn)方法，該方法在原基于SIFT方法配準(zhǔn)的基礎(chǔ)上，給定互信息配準(zhǔn)一個(gè)初始值，采用歸一化互信息方法對(duì)參考圖和待配準(zhǔn)圖進(jìn)行精配準(zhǔn)，求得最終的配準(zhǔn)參數(shù)，并輸出配準(zhǔn)后的圖像。該方法存在不足之處是，在建立尺度空間和特征點(diǎn)提取的過程中計(jì)算量較大，導(dǎo)致圖像的配準(zhǔn)效率較低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)存在的不足，提出了一種基于MRF圖像分割算法的SAR圖像配準(zhǔn)方法，用于解決現(xiàn)有基于特征的SAR圖像配準(zhǔn)方法中存在的配準(zhǔn)效率低的技術(shù)問題。

為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案包括如下步驟：

(1)利用MRF圖像分割方法，對(duì)SAR圖像參考圖和待配準(zhǔn)圖分別進(jìn)行圖像分割，實(shí)現(xiàn)步驟為：

(1a)設(shè)定MRF圖像分割方法的分割類別參數(shù)，得到確定類別數(shù)目的MRF圖像分割方法；

(1b)利用確定類別數(shù)目的MRF圖像分割方法，對(duì)SAR圖像參考圖和待配準(zhǔn)圖進(jìn)行圖像分割，得到分割參考圖和分割待配準(zhǔn)圖；

(2)對(duì)分割后參考圖和分割待配準(zhǔn)圖分別進(jìn)行區(qū)域截取，得到分割參考圖的圖像塊和分割待配準(zhǔn)圖的圖像塊；

(3)將分割參考圖的圖像塊對(duì)應(yīng)到SAR圖像參考圖中，同時(shí)將分割待配準(zhǔn)圖的圖像塊對(duì)應(yīng)到SAR圖像的待配準(zhǔn)圖中，得到參考圖圖像塊和待配準(zhǔn)圖圖像塊；

(4)利用SARSIFT算法，對(duì)參考圖圖像塊和待配準(zhǔn)圖圖像塊分別進(jìn)行處理，實(shí)現(xiàn)步驟為：

(4a)構(gòu)建參考圖圖像塊的SAR-Harris尺度空間S1,同時(shí)構(gòu)建待配準(zhǔn)圖圖像塊的SAR-Harris尺度空間S2；

(4b)計(jì)算SAR-Harris尺度空間S1中各像素點(diǎn)梯度，同時(shí)比較每個(gè)像素點(diǎn)梯度與該像素點(diǎn)鄰域內(nèi)的像素點(diǎn)梯度的大小，得到SAR-Harris尺度空間S1的多個(gè)特征點(diǎn)；

(4c)計(jì)算SAR-Harris尺度空間S2中各像素點(diǎn)梯度，同時(shí)比較每個(gè)像素點(diǎn)梯度與該像素點(diǎn)鄰域內(nèi)的像素點(diǎn)梯度的大小，得到SAR-Harris尺度空間S2的多個(gè)特征點(diǎn)；

(4d)利用直方圖統(tǒng)計(jì)法，逐一統(tǒng)計(jì)SAR-Harris尺度空間S1的多個(gè)特征點(diǎn)中每個(gè)特征點(diǎn)鄰域內(nèi)像素點(diǎn)的梯度幅值和方向，得到SAR-Harris尺度空間S1中每個(gè)特征點(diǎn)對(duì)應(yīng)的尺度直方圖，并將該直方圖中最大的幅值所對(duì)應(yīng)的方向作為SAR-Harris尺度空間S1特征點(diǎn)的主方向；

(4e)利用直方圖統(tǒng)計(jì)法，逐一統(tǒng)計(jì)SAR-Harris尺度空間S2的多個(gè)特征點(diǎn)中每個(gè)特征點(diǎn)鄰域內(nèi)像素點(diǎn)的梯度幅值和方向，得到SAR-Harris尺度空間S2中每個(gè)特征點(diǎn)對(duì)應(yīng)的尺度直方圖，并將該直方圖中最大的幅值所對(duì)應(yīng)的方向作為SAR-Harris尺度空間S2特征點(diǎn)的主方向；

(4f)將SAR-Harris尺度空間S1和SAR-Harris尺度空間S2中每個(gè)特征點(diǎn)的鄰域的坐標(biāo)軸,旋轉(zhuǎn)到該特征點(diǎn)所在尺度空間中的主方向上，得到每個(gè)特征點(diǎn)旋轉(zhuǎn)后的鄰域，計(jì)算該鄰域8個(gè)方向的梯度方向直方圖，并將每個(gè)梯度方向所對(duì)應(yīng)的幅值作為該特征點(diǎn)的描述子，得到參考圖圖像塊特征點(diǎn)描述子集合R1和待配準(zhǔn)圖圖像塊特征點(diǎn)描述子集合R2，將R1和R2的聯(lián)合特征點(diǎn)描述子集合記為R＝{R1,R2}；

(5)利用RANSAC算法,去除聯(lián)合特征點(diǎn)描述子集合R中的錯(cuò)誤匹配點(diǎn)對(duì)，實(shí)現(xiàn)步驟為：

(5a)從聯(lián)合特征點(diǎn)描述子集合R中隨機(jī)選取一個(gè)包括p個(gè)匹配點(diǎn)對(duì)的RANSAC樣本集，其中p≥4，并對(duì)該p個(gè)匹配點(diǎn)對(duì)進(jìn)行仿射變換，得到變換矩陣M；

(5b)設(shè)定閾值J,計(jì)算聯(lián)合特征點(diǎn)描述子集合R中剩余的點(diǎn)對(duì)經(jīng)過變換矩陣M變換后的歐式距離z，判斷歐式距離z是否小于閾值J，若是，將該點(diǎn)對(duì)放入RANSAC樣本集合中，并將該樣本集合作為初步匹配點(diǎn)對(duì)集合,否則，舍去該點(diǎn)對(duì)；

(6)利用互信息優(yōu)化方法，對(duì)初步匹配點(diǎn)對(duì)集合進(jìn)行優(yōu)化,實(shí)現(xiàn)步驟為：

(6a)對(duì)互信息集合進(jìn)行初始化，得到空的互信息集合；

(6b)從步驟(5b)中得到的初步匹配點(diǎn)集合中隨機(jī)選取L個(gè)匹配點(diǎn)對(duì)，利用該L個(gè)匹配點(diǎn)對(duì)待配準(zhǔn)圖圖像塊進(jìn)行仿射變換，并計(jì)算仿射變換后的待配準(zhǔn)圖圖像塊與參考圖圖像塊的互信息；

(6c)將互信息添加到空集互信息集合中,得到包含一個(gè)互信息集合；

(6d)重復(fù)步驟(6b)～(6c),直到選取完所有的匹配點(diǎn)，得到包含多個(gè)互信息的互信息集合，并選出該包含多個(gè)互信息的互信息集合中最大值對(duì)應(yīng)的點(diǎn)對(duì)作為最優(yōu)匹配點(diǎn)對(duì)；

(6e)利用仿射變換函數(shù)對(duì)最優(yōu)匹配點(diǎn)對(duì)進(jìn)行仿射變換，得到最優(yōu)仿射變換矩陣，并通過該最優(yōu)的仿射變換矩陣對(duì)SAR待配準(zhǔn)圖進(jìn)行仿射變換，得到仿射變換的SAR待配準(zhǔn)圖；

(6f)將仿射變換后的SAR圖像待配準(zhǔn)圖與SAR圖像參考圖進(jìn)行疊加，得到SAR圖像待配準(zhǔn)圖與SAR圖像參考圖的配準(zhǔn)圖像。

本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn)：

1.本發(fā)明由于在SAR-Harris尺度空間建立的過程中，采用了MRF圖像分割方法對(duì)圖像進(jìn)行分割，該圖像分割方法對(duì)圖像噪聲不敏感，有利于提高圖像的分割質(zhì)量，得到的特征明顯、尺寸較小的SAR圖像塊可以更快地提取更有效的特征，與現(xiàn)有的基于特征的SAR圖像配準(zhǔn)方法相比，有效的提高了圖像的配準(zhǔn)效率。

2.本發(fā)明由于在圖像特征匹配的過程中，采用SARSIFT算法對(duì)參考圖圖像塊和待配準(zhǔn)圖圖像塊分別進(jìn)行處理，減少了噪聲對(duì)圖像特征提取的影響，提取到了更多更準(zhǔn)確的SAR圖像特征，與現(xiàn)有的基于特征的SAR圖像配準(zhǔn)技術(shù)相比，有效的提高了圖像配準(zhǔn)的魯棒性。

附圖說明

圖1是本發(fā)明的實(shí)現(xiàn)流程框圖；

圖2是本發(fā)明SAR圖像參考圖和得到的分割參考圖；

圖3是本發(fā)明SAR圖像待配準(zhǔn)圖和得到的分割待配準(zhǔn)圖；

圖4是本發(fā)明得到的SAR圖像參考圖圖像塊圖和待配準(zhǔn)圖圖像塊圖；

圖5是本發(fā)明得到的最終的圖像配準(zhǔn)圖。

具體實(shí)施方式

以下結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明：

參照?qǐng)D1，本發(fā)明包括如下步驟：

步驟1.利用MRF圖像分割方法，對(duì)SAR圖像參考圖和待配準(zhǔn)圖分別進(jìn)行圖像分割，實(shí)現(xiàn)步驟為：

(1a)設(shè)定MRF圖像分割方法的分割類別參數(shù)，為了使分割后的圖像更容易區(qū)分，將分割類別設(shè)為3類，得到確定類別數(shù)目的MRF圖像分割方法；

(1b)利用確定類別數(shù)目的MRF圖像分割方法，對(duì)SAR圖像參考圖和待配準(zhǔn)圖進(jìn)行圖像分割，得到分割參考圖和分割待配準(zhǔn)圖，實(shí)現(xiàn)步驟為：

(1b1)對(duì)SAR圖像參考圖和待配準(zhǔn)圖的每個(gè)像素分別進(jìn)行類別初始化，得到SAR圖像參考圖和待配準(zhǔn)圖的初始化分割類別場(chǎng)；

(1b2)判斷SAR圖像參考圖和待配準(zhǔn)圖類別場(chǎng)中當(dāng)前像素點(diǎn)鄰域中是否存在占支配地位的標(biāo)記類x_p，即判斷其中是鄰域R_i標(biāo)記為x_p的像素個(gè)數(shù)之和，如果成立，則令當(dāng)前像素點(diǎn)的新標(biāo)記類x_p；否則隨機(jī)改變當(dāng)前像素點(diǎn)的標(biāo)記類，獲得新標(biāo)記類x_k；

(1b3)計(jì)算當(dāng)前SAR圖像參考圖和待配準(zhǔn)圖當(dāng)前標(biāo)記類像素點(diǎn)和新標(biāo)記類像素點(diǎn)的能量，判斷新標(biāo)記類像素點(diǎn)的能量是否低于當(dāng)前標(biāo)記類像素點(diǎn)的能量，是接受新標(biāo)記，否則保持當(dāng)前分割標(biāo)記類不變，得到SAR圖像參考圖和待配準(zhǔn)圖的當(dāng)前類別場(chǎng)和SAR圖像參考圖和待配準(zhǔn)圖的新標(biāo)記類別場(chǎng)；

(1b4)設(shè)閾值G，計(jì)算SAR圖像參考圖的當(dāng)前類別場(chǎng)的全局能量和新標(biāo)記類別場(chǎng)的全局能量，同時(shí)計(jì)算SAR圖像待配準(zhǔn)圖類別場(chǎng)的全局能量和新標(biāo)記類別場(chǎng)的全局能量，判斷SAR圖像參考圖類別場(chǎng)和SAR圖像待配準(zhǔn)圖類別場(chǎng)的全局能量的變化量是否小于事先確定的閾值G，若是就將SAR圖像參考圖類別場(chǎng)和SAR圖像待配準(zhǔn)圖類別場(chǎng)作為SAR圖像參考圖和SAR圖像待配準(zhǔn)圖的分割圖，否則迭代尋優(yōu)過程直至結(jié)束。

步驟2.對(duì)分割后參考圖和分割待配準(zhǔn)圖分別進(jìn)行區(qū)域截取，截取分割圖像中區(qū)間連續(xù)，特征顯著的區(qū)域，得到分割參考圖的圖像塊和分割待配準(zhǔn)圖的圖像塊；

步驟3.將分割參考圖的圖像塊對(duì)應(yīng)到SAR圖像參考圖中，同時(shí)將分割待配準(zhǔn)圖的圖像塊對(duì)應(yīng)到SAR圖像的待配準(zhǔn)圖中，得到參考圖圖像塊和待配準(zhǔn)圖圖像塊；

步驟4.利用SARSIFT算法，對(duì)參考圖圖像塊和待配準(zhǔn)圖圖像塊分別進(jìn)行處理，實(shí)現(xiàn)步驟為：

(4a)構(gòu)建參考圖圖像塊的SAR-Harris尺度空間S1,同時(shí)構(gòu)建待配準(zhǔn)圖圖像塊的SAR-Harris尺度空間S2，實(shí)現(xiàn)步驟為：

(4a1)利用下式計(jì)算得到SAR-Harris尺度空間的濾波核T：

$T=\underset{x=R,y=R+}{\∫\∫}I(a+x,b+y)\×e^{-\frac{\left|x\right|+\left|y\right|}{\mathrm{\α}}},$

其中是指數(shù)平均加權(quán)濾波核，α表示SAR-Harris尺度空間的尺度參數(shù)，x和y是圖像I的像素點(diǎn)的鄰域空間，在該像素點(diǎn)水平方向和垂直方向范圍均為[-R,R]；

(4a2)利用SAR-Harris尺度空間濾波核T與參考圖圖像塊和待配準(zhǔn)圖圖像塊分別進(jìn)行卷積就得到SAR參考圖圖像塊和待配準(zhǔn)圖圖像塊的SAR-Harris尺度空間圖像，卷積過程如下所示：

S1＝H_α*I_r，

S2＝H_α*I_s，

其中，S1，S2分別表示參考圖圖像塊和待配準(zhǔn)圖圖像塊對(duì)應(yīng)的SAR-Harris尺度空間圖像，H_α表示尺度參數(shù)為α對(duì)應(yīng)的指數(shù)平均加權(quán)濾波核，*表示二維卷積操作，I_r,I_s分別表示參考圖圖像塊和待配準(zhǔn)圖像塊；

得到參考圖圖像塊的SAR-Harris尺度空間S1和待配準(zhǔn)圖圖像塊的SAR-Harris尺度空間S2。

(4b)計(jì)算SAR-Harris尺度空間S1中各像素點(diǎn)梯度，同時(shí)比較每個(gè)像素點(diǎn)梯度與該像素點(diǎn)鄰域內(nèi)的像素點(diǎn)梯度的大小，得到SAR-Harris尺度空間S1的多個(gè)特征點(diǎn)；

(4c)計(jì)算SAR-Harris尺度空間S2中各像素點(diǎn)梯度，同時(shí)比較每個(gè)像素點(diǎn)梯度與該像素點(diǎn)鄰域內(nèi)的像素點(diǎn)梯度的大小，得到SAR-Harris尺度空間S2的多個(gè)特征點(diǎn)；

(4d)利用直方圖統(tǒng)計(jì)法，逐一統(tǒng)計(jì)SAR-Harris尺度空間S1的多個(gè)特征點(diǎn)中每個(gè)特征點(diǎn)鄰域內(nèi)像素點(diǎn)的梯度幅值和方向，得到SAR-Harris尺度空間S1中每個(gè)特征點(diǎn)對(duì)應(yīng)的尺度直方圖，并將該直方圖中最大的幅值所對(duì)應(yīng)的方向作為SAR-Harris尺度空間S1特征點(diǎn)的主方向；

(4e)利用直方圖統(tǒng)計(jì)法，逐一統(tǒng)計(jì)SAR-Harris尺度空間S2的多個(gè)特征點(diǎn)中每個(gè)特征點(diǎn)鄰域內(nèi)像素點(diǎn)的梯度幅值和方向，得到SAR-Harris尺度空間S2中每個(gè)特征點(diǎn)對(duì)應(yīng)的尺度直方圖，并將該直方圖中最大的幅值所對(duì)應(yīng)的方向作為SAR-Harris尺度空間S2特征點(diǎn)的主方向；

(4f)將SAR-Harris尺度空間S1和SAR-Harris尺度空間S2中每個(gè)特征點(diǎn)的鄰域的坐標(biāo)軸,旋轉(zhuǎn)到該特征點(diǎn)所在尺度空間中的主方向上，得到每個(gè)特征點(diǎn)旋轉(zhuǎn)后的鄰域，計(jì)算該鄰域8個(gè)方向的梯度方向直方圖，并將每個(gè)梯度方向所對(duì)應(yīng)的幅值作為該特征點(diǎn)的描述子，得到參考圖圖像塊特征點(diǎn)描述子集合R1和待配準(zhǔn)圖圖像塊特征點(diǎn)描述子集合R2，將R1和R2的聯(lián)合特征點(diǎn)描述子集合記為R＝{R1,R2}；

步驟5.利用RANSAC算法,去除聯(lián)合特征點(diǎn)描述子集合R中的錯(cuò)誤匹配點(diǎn)對(duì)，實(shí)現(xiàn)步驟為：

(5a)從聯(lián)合特征點(diǎn)描述子集合R中隨機(jī)選取一個(gè)包括p個(gè)匹配點(diǎn)對(duì)的RANSAC樣本集，其中p≥4，并對(duì)該p個(gè)匹配點(diǎn)對(duì)進(jìn)行仿射變換，得到變換矩陣M；

(5b)設(shè)定閾值J,計(jì)算聯(lián)合特征點(diǎn)描述子集合R中剩余的點(diǎn)對(duì)經(jīng)過變換矩陣M變換后的歐式距離z，判斷歐式距離z是否小于閾值J，若是，將該點(diǎn)對(duì)放入RANSAC樣本集合中，并將該樣本集合作為初步匹配點(diǎn)對(duì)集合,否則，舍去該點(diǎn)對(duì)；

步驟6.利用互信息優(yōu)化方法，對(duì)初步匹配點(diǎn)對(duì)集合進(jìn)行優(yōu)化,實(shí)現(xiàn)步驟為：

(6a)對(duì)互信息集合進(jìn)行初始化，得到空的互信息集合；

(6b)從步驟(5b)中得到的初步匹配點(diǎn)集合中隨機(jī)選取L個(gè)匹配點(diǎn)對(duì)，利用該L個(gè)匹配點(diǎn)對(duì)待配準(zhǔn)圖圖像塊進(jìn)行仿射變換，并計(jì)算仿射變換后的待配準(zhǔn)圖圖像塊與參考圖圖像塊的互信息；

(6c)將互信息添加到空集互信息集合中,得到包含一個(gè)互信息集合；

(6d)重復(fù)步驟(6b)～(6c),直到選取完所有的匹配點(diǎn)，得到包含多個(gè)互信息的互信息集合，并選出該包含多個(gè)互信息的互信息集合中最大值對(duì)應(yīng)的點(diǎn)對(duì)作為最優(yōu)匹配點(diǎn)對(duì)；

(6e)利用仿射變換函數(shù)對(duì)最優(yōu)匹配點(diǎn)對(duì)進(jìn)行仿射變換，得到最優(yōu)仿射變換矩陣，并通過該最優(yōu)的仿射變換矩陣對(duì)SAR待配準(zhǔn)圖進(jìn)行仿射變換，得到仿射變換的SAR待配準(zhǔn)圖；

(6f)將仿射變換后的SAR圖像待配準(zhǔn)圖與SAR圖像參考圖進(jìn)行疊加，得到SAR圖像待配準(zhǔn)圖與SAR圖像參考圖的配準(zhǔn)圖像。

下面結(jié)合仿真實(shí)驗(yàn)，對(duì)本發(fā)明的技術(shù)效果作進(jìn)一步的描述。

1、仿真實(shí)驗(yàn)條件：

采用一幅大小為1000×954的SAR圖像參考圖,如圖2(a)所示和一幅大小為1047×1000的SAR圖像待配準(zhǔn)圖，如圖3(a)所示；硬件平臺(tái)為：Intel(R)Core(TM)i5-4210U、4GB RAM，軟件平臺(tái)：MATLAB R2015a。

2、實(shí)驗(yàn)內(nèi)容與結(jié)果：

仿真1，對(duì)SAR圖像參考圖分割過程進(jìn)行仿真，其結(jié)果如圖2(b)所示，圖2(a)表示SAR圖像參考圖，圖2(b)表示分割參考圖；

參照?qǐng)D2可以看出分割參考圖與SAR圖像參考圖相比，分割參考圖會(huì)形成特征明顯的分割圖像區(qū)域，對(duì)分割參考圖中的特征明顯的連接區(qū)域進(jìn)行截取，可以獲得特征顯著的分割參考圖圖像塊；

仿真2，對(duì)SAR圖像待配準(zhǔn)圖分割過程進(jìn)行仿真，其結(jié)果如圖3(b)所示，圖3(a)表示SAR圖像待配準(zhǔn)圖，圖3(b)表示分割待配準(zhǔn)圖；

參照?qǐng)D3可以看出分割待配準(zhǔn)圖與SAR圖像參考圖相比，分割待配準(zhǔn)圖會(huì)形成特征明顯的分割圖像區(qū)域，對(duì)分割待配準(zhǔn)圖中的特征明顯的連接區(qū)域進(jìn)行截取，可以獲得特征顯著的分割待配準(zhǔn)圖像塊；

仿真3，對(duì)區(qū)域截取的圖像塊對(duì)應(yīng)到原圖中的過程進(jìn)行仿真，其結(jié)果如圖4所示，圖4(a)表示SAR圖像參考圖分割圖像塊，圖4(b)表示SAR圖像待配準(zhǔn)圖分割圖像塊；

仿真4，對(duì)SAR圖像參考圖和待配準(zhǔn)圖的疊加過程進(jìn)行仿真，其結(jié)果如圖5所示，參照?qǐng)D4可以看出SAR圖像參考圖圖像塊和待配準(zhǔn)圖圖像塊與原SAR圖像參考圖和待配準(zhǔn)圖相比尺寸較小，而且特征更加明顯，這樣在建立尺度空間和特征提取的過程中，計(jì)算量將顯著減少，最終提高了圖像配準(zhǔn)的效率。