[4](文献)可见光与SAR图像的特征级融合
特征级与像素级相混合的SAR与可见光图像融合
２ ０ １ ４年 ３月
光 电工 程
Ｏｐｔ ｏ — Ｅｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ
Ｖｏ１ ． ４１ Ｎ Ｏ ． ３ Ｍａ ｒ ｃ ｈ． ２０１ ４
文 章编 号 ：１ ０ ０ ３ — ５ ０ １ Ｘ（ ２ ０ １ ４ ） ０ ３ — ０ ０ ５ ５ — ０ ６
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｄｉ ｆ ｅ ｒ ｅ ｎ ｔ ｉ ｍａ ｇ ｉ ｎ ｇ ｍｅ ｃ ｈ ａ ｎ ｉ ｓ ｍ ｏ ｆ Ｓ ｙ ｎ ｔ ｈ ｅ ｔ ｉ ｃ Ａｐ ｅ ｒ ｔ ｕ ｒ ｅ Ｒ ａ ｄ ａ ｒ（ Ｓ Ａ Ｒ ）ａ ｎ ｄ ｖ ｉ ｓ ｉ ｂ ｌ ｅ ｉ ｍａ ｇ ｅ ｓ ｉ ｎ ｔ ｈ ｅ ｇ ｅ ｎ ｅ ｒ ａ ｌ ｆ ｕ ｓ ｉ ｏ ｎ
Ｎｏ ｎ ｓ ｕ ｂ ｓ ａ ｍｐ ｌ ｅ ｄ Ｃ ｏ ｎ ｔ ｏ ｕ ｒ ｌ ｅ ｔ Ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ （ Ｎ Ｓ Ｃ Ｔ １ ｔ ｏ ｆ ｕ ｓ ｅ ｔ ｈ ｅ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｏ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ ｉ ｎ ｆ ｏ ｍａ ｒ ｔ ｉ ｏ ｎ ｏ ｆ Ｓ ＡＲ ｉ ｍａ ｇ ｅ ｉ ｎ ｔ ｏ ｖ ｉ ｓ ｉ ｂ ｌ ｅ
析 图像的成像机 理 ，首先在 ＮＳ Ｃ Ｔ融合 框架下 ， 将 Ｓ ＡＲ图像 中重要 的 目标信 息加入到可 见光 图像 中，并尽息；再 结合数 学形态学和多尺度 空间理论 ，提取 源图像 的亮、暗细节特征 ，进行特征 级 融合 ， 得到 亮、暗细节特征显著增 强的融合 图像 。实验 结果表 明， 本文 算法有效 的融合 了 Ｓ Ａ Ｒ 图像的 目标信息，
并增 强 了源图像 的细节特征 ，达到 了较好 的视 觉效果，提 高 了图像 的 目标检 测和 识别能力。 关键词 ：Ｓ ＡＲ ；可见光 图像；ＮＳ Ｃ Ｔ；数 学形 态学；特征融合
基于相位特征的可见光和SAR遥感图像自动配准
第29卷第3期2021年3月Vol.29No.3Mar.2021光学精密工程Optics and Precision Engineering基于相位特征的可见光和SAR遥感图像自动配准孙明超1，马天翔1，宋悦铭1*，彭佳琦2（1.中国科学院长春光学精密机械与物理研究所，吉林长春130033；2.驻长春地区第一军事代表室，吉林长春130022）摘要：针对可见光和SAR遥感图像存在非线性辐射差异和几何差异，加之SAR的斑点噪声，使得可见光和SAR图像配准十分困难的问题。
本文提出了一种基于改进相位一致性的可见光和SAR图像配准方法。
首先，分别计算相位一致性的最大矩和最小矩，将二者叠加，利用Harris算子在叠加图上提取特征点，得到稳定的角点和边缘点作为待匹配的特征点；接着，分别构建相位一致性的方向图和基于多尺度融合的最大幅值索引图，借助于（Histogram of Oriented Gradi⁃ents，HOG）模板，利用相位一致性方向对基于多尺度融合的最大幅值索引图进行投票，建立一种新颖的局部特征描述符；最后，利用欧式距离作为特征向量的度量，计算最近邻比率实现特征匹配，采用快速采样一致性算法剔除误匹配点。
在四组图像数据上的实验结果表明，本算法相比于基于梯度的OS-SIFT算法具有更多的正确匹配点对和更高的匹配精度，正确匹配点数分别提高了11，8，15和11对，均方根误分别提升了57.5%，57.9%，23.5%和58%。
关键词：可见光和SAR图像；辐射差异；图像配准；相位一致性中图分类号：TP394.1；TH691.9文献标识码：A doi：10.37188/OPE.20212903.0616Automatic registration of optical and SAR remote sensingimage based on phase featureSUN Ming-chao1，MA Tian-xiang1，SONG Yue-ming1*，PENG Jia-qi2（1.Changchun Institute of Optics，Fine Mechanics and Physics，Chinese Academy of Sciences，Changchun130033，China；2.First Military Representative office in Changchun，Changchun130022，China）*Corresponding author，E-mail：songym525@Abstract：Optical SAR image registration is highly difficult because of the geometric and nonlinear radia⁃tion differences between optical and SAR remote sensing images，as well as the speckle noise of SAR. Thus，this paper proposes an automatic algorithm，based on phase congruency，to register optical and SAR images.First，the maximum and minimum moments of phase consistency are calculated，and the re⁃sults are superimposed.The feature points are extracted from the superimposed image by the Harris opera⁃tor，and then，the stable corner points and edge points are obtained as the feature points to be matched. Subsequently，the phase-consistent orientation and the maximum amplitude index map，based on multi-scale fusion，are constructed with the help of the HOG template.The maximum amplitude index map 文章编号1004-924X（2021）03-0616-12收稿日期：2020-12-02；修订日期：2021-02-07.基金项目：国家重点研发计划资助项目（No.2017YFC0822402）；国家自然科学基金资助项目（No.61905240）；吉林省重点科技研发项目资助（No.20190303074SF）第3期孙明超，等：基于相位特征的可见光和SAR遥感图像自动配准based on multi-scale fusion is voted using the phase consistency orientation，and a novel local feature de⁃scriptor is established.Finally，Euclidean distance is used as the measure of the feature vector，the nearest neighbor ratio is calculated to realize feature matching，and the fast sampling consistency algorithm is used to eliminate mismatched points.Experimental results on three sets of image data show that the proposed algorithm has more correct matching points and a higher matching accuracy than the gradient-based OS-SIFT algorithm.The number of correct matching points is increased by11，8，15and11pairs，and the root mean square error is increased by57.5%，57.9%，23.5%and58%，respectively.Key words：optical and SAR images；radiation difference；image registration；phase congruency1引言传感器技术的快速发展为对地观测提供了多种手段。
SAR图像处理及地面目标识别技术研究
SAR图像处理及地面目标识别技术研究SAR图像处理及地面目标识别技术研究随着雷达技术的不断发展，合成孔径雷达（SAR）图像处理及地面目标识别技术引起了广泛关注。
SAR是一种主动雷达，它通过发送脉冲信号并接收返回的回波来获取目标的图像信息。
相比于光学影像，在遥感和军事领域，SAR具有天气无关性及全天候工作的优势，可以提供高分辨率、高质量的图像。
然而，由于复杂的雷达物理过程和大量的干扰，SAR图像处理及地面目标识别面临着许多挑战。
SAR图像处理涉及到对原始数据进行预处理和图像增强，以提高图像质量和目标识别的准确性。
预处理包括多普勒校正、多视图融合和地面杂波抑制等步骤。
在SAR图像中，由于目标和地面散射的不同，会引起多普勒频移现象。
多普勒校正可以通过对SAR数据进行频率分析和相位校正，来消除多普勒频移的影响。
多视图融合技术结合了不同角度和视角的SAR图像，可以提供更全面、更丰富的目标信息。
地面杂波抑制是对SAR图像中的背景杂波进行滤波处理，以凸显目标的边缘和细节。
在SAR图像增强中，常用的方法包括滤波、多尺度变换和图像去噪。
滤波是常用的降噪方法，它可以通过去除图像中的高频噪声，使图像更加清晰。
常见的滤波方法有中值滤波、均值滤波和小波变换滤波等。
多尺度变换可以将SAR图像分解为不同尺度的频带，以获取图像的多尺度信息，从而提高目标的识别能力。
图像去噪技术的目的是减少图像中的噪声，以提高目标的清晰度和辨识度。
去噪方法常用的有小波去噪、自适应邻域滤波和非局部平均去噪等。
地面目标识别是SAR图像处理的一个核心任务，它主要包括目标检测、目标分割和目标识别等过程。
目标检测是在图像中找出可能的目标区域，常用的方法有基于像素值、基于纹理和基于形状的目标检测算法。
目标分割是将图像中的目标与背景进行分离，以便更好地进行识别和分析。
目标识别是将分割后的目标与数据库中的目标进行匹配，从而实现目标的自动识别和分类。
目标识别的方法较为复杂，常用的有基于特征、基于模型和基于机器学习的目标识别算法。
基于可见光与红外图像特征融合的目标跟踪
基于可见光与红外图像特征融合的目标跟踪闫钧华;陈少华;许俊峰;储林臻【期刊名称】《中国惯性技术学报》【年(卷),期】2013(000)004【摘要】Aiming at the problem that the accuracy of tracking object is not high when with a single image source, CAMShift(Continuously Adaptive Mean Shift) tracking algorithm is improved by using different characteristics of the tracked target in the visible images and infrared images. Firstly,“color-gradient back projection”is selected as the improved target model in visible image, and“gray-gradient back projection”is selected as the improved target model in infrared image. Then the coefficient of qi which is got by using the improved CAM Shift tracking algorithm in visible images and infrared images respectively is used to judge the effect of the two images tracking. The weights of two images are adjusted adaptively by the coefficient of qi. Finally, the feature fusion image and the location of object are got according to the respective weight. The experimental results show that, for visible and infrared image of 320pixel×240pixel, the object tracking algorithm which is based on feature fusion by visible images and infrared images can get much accurate location of tracking target under complex background in which the accuracy of tracking object is 0.5pixel, and the velocity of tracking object is 30-32 ms/frame.%针对单一图像源下目标跟踪精度不高的问题，利用跟踪状态下的目标存在于可见光与红外图像中的特征对连续自适应均值移动跟踪算法做出改进。
光学图像与SAR图像的配准
异性，那么实现光学和SAR图像的精配准，已经成为光学图像SAR图像配准的难点和关键问题。
2. SAR图像属于斜距投影的相干成像，因此在成像机理、辐射特征及几何特性上与可见光有很大差异，本文对现有的光学图像和SAR图像预处理技术进行了研究。
针对相干成像系统不可避免的存在相干斑噪声对图像的精细结构、可分辨性和可理解性破坏的问题，对传统的Lee滤波器、Kuan滤波器、Frost滤波器、GammaMAP滤波器进行了深入的研究。
3. 对现有的几种灰度图像匹配算法进行分析研究，如快速傅立叶变换（FFT）相位相关法、平均绝对差（MAD）算法、序贯相似性检测（SSDA）算法、归一化互相关（NCC）算法、SIFT特征的图象匹配算法、SURF特征的图象匹配算法等，最后根据其原理和效果寻找一种最适合光学图像与SAR图像配准的方法。
4. 利用RANSAC算法可以消除大部分的误匹配点的特点，所以采用RANSAC 算法对SIFT特征的图象匹配算法进行优化，实验结果说明了该方法大大的提高了匹配的准确率，并且具有该方法具有较好的适用性。
关键词：SAR图像；相干斑噪声；图像配准；RANSAC算法；SIFT特征；SURF 特征目录1 绪论 (3)1.1研究背景及意义 (3)1.2国内外研究现状 (4)2 光学和SAR图像配准方法及特点 (6)2.1图像配准基本理论 (6)2.1.1 图像配准的定义 (6)2.1.2 图像变换模型 (7)2.1.3图像配准方法基本要素 (9)3.光学和SAR图像的预处理 (11)3.1 光学图像预处理 (11)3.2 SAR图像预处理 (12)3.2.1 Lee滤波器 (12)3.2.2 Kuan滤波器 (12)3.2.3 Frost滤波器 (13)3.2.4 Gamma Map滤波器 (13)3.2.5 SAR图像的Otsu单阈值分割 (13)3.3 实验结果与分析 (15)4. 基于灰度图像的匹配算法 (19)4.1快速傅立叶变换（FFT）相位相关算法 (19)4.2 平均绝对差（MAD）算法 (21)4.3 序贯相似性检测（SSDA）算法 (21)4.4 归一化互相关（NCC）算法 (22)4.5 SIFT特征的图象匹配算法 (22)4.6 SURF特征的图象匹配算法 (23)4.7实验结果与分析 (23)5. 基于RANSAC算法优化SIFT特征的图像配准方法 (28)5.1 SIFT算法的简介 (28)5.1.1 SIFT算法的特点 (28)5.1.2 SIFT算法的实现步骤 (29)5.1.3 尺度空间 (30)5.1.4 高斯金字塔 (30)5.1.5 DoG高斯差分金字塔 (32)5.1.6 关键点检测 (34)5.1.7 关键点特征描述 (36)5.2 欧式距离最近邻法395.3 RANSAC算法剔除误匹配点对 (40)5.3.1 RANSAC算法基本原理 (40)5.4 基于RANSAC算法优化SIFT特征的图像配准方法的流程图 (42)5.5 配准精度衡量准则 (43)5.6 实验结果与分析 (44)6. 总结与展望 (47)6.1全文总结 (47)6.2研究展望 (48)致谢 (49)参考文献 (50)1 绪论1.1研究背景及意义（2-4）=0,1,2,3,...,L-1 (3-1)其中，是图像中像素的总和，是当前灰度级的像素个数，L是图像中可能的灰度级总数。
光学与sar融合算法
光学与sar融合算法
SAR（Synthetic Aperture Radar）图像与光学图像的融合方法可以分为频域融合和时域融合两类。
其中，频域融合方法主要包括傅里叶变换、小波变换等，时域融合方法包括基于区域分割的融合、基于特征融合的融合等。
以下是这些融合方法的介绍：- 傅里叶变换法：傅里叶变换法是一种广泛使用的频域融合方法。
它通过将SAR图像和光学图像进行傅里叶变换，将它们转换到频域，然后在频域中进行融合。
该方法的优点是算法简单、速度快，但难以保留地物的空间信息。
- 小波变换法：小波变换法是一种多尺度分析方法，能够提供图像的多尺度分解。
它通过将SAR图像和光学图像进行小波变换，得到不同尺度的分解系数，然后将这些系数进行融合，最后进行反变换得到融合后的图像。
该方法的优点是能够保留地物的空间信息和细节信息，但算法复杂度较高。
- 基于区域分割的融合法：基于区域分割的融合法是一种时域融合方法。
它首先对SAR 图像和光学图像进行区域分割，然后将相同区域的像素进行融合。
该方法的优点是能够充分利用地物的空间信息和颜色信息，但需要解决如何准确地进行区域分割和特征匹配的问题。
- 基于特征融合的融合法：基于特征融合的融合法也是一种时域融合方法。
它首先从SAR图像和光学图像中提取特征，然后将这些特征进行融合。
该方法的优点是能够充分利用地物的特征信息，但需要解决如何准确地进行特征提取和匹配的问题。
基于区域分割和特征融合的算法能够实现SAR图像与光学图像的深度融合，提高遥感图像的质量和实用性。
光学与sar数据融合开展地物识别的步骤 -回复
光学与sar数据融合开展地物识别的步骤-回复光学与SAR数据融合是一种有效的方法，可以提高地物识别的准确性和可靠性。
下面将介绍光学与SAR数据融合开展地物识别的步骤。
第一步：数据获取和预处理在进行光学与SAR数据融合之前，需要获取相应的光学和SAR影像数据。
光学数据通常可以通过航拍、卫星遥感等手段获取，而SAR数据则需要借助合适的传感器进行获取。
获取到的数据需要进行预处理，包括辐射校正、几何校正、大气校正等，以保证数据的可靠性和一致性。
第二步：图像配准光学和SAR数据具有不同的特点和成像原理，因此需要对两者进行准确的图像配准。
图像配准的目的是将光学和SAR数据映射到同一地理坐标系统下，使得它们的空间位置和尺度一致。
常用的图像配准方法包括特征点匹配、相位一致性等。
第三步：数据融合方法选择数据融合是指将光学和SAR数据进行合并，以获得更全面、更准确的地物信息。
常用的光学与SAR数据融合方法包括基于像素级别的融合、基于特征级别的融合和基于决策级别的融合。
根据应用需求和数据特点，选择合适的融合方法进行地物识别。
第四步：特征提取和选择在进行地物识别之前，需要对融合后的数据进行特征提取和选择。
特征提取是指从融合数据中提取出对地物识别有用的信息，如纹理特征、光谱特征等。
特征选择是指从提取的特征中选择最相关、最具代表性的特征，以减少冗余信息和计算复杂度。
第五步：地物分类和识别在特征提取和选择之后，可以利用机器学习算法进行地物分类和识别。
常用的分类算法包括支持向量机（SVM）、随机森林（RF）和人工神经网络等。
通过训练分类器模型，将地物进行分类并进行识别，以得到准确的地物信息。
第六步：结果评估和优化地物识别的结果需要进行评估和优化。
评估可以通过计算混淆矩阵、精确度、召回率等指标来衡量分类结果的准确性和可靠性。
根据评估结果，可以对算法参数和模型进行调整和优化，以获得更好的地物识别效果。
综上所述，光学与SAR数据融合开展地物识别的步骤包括数据获取和预处理、图像配准、数据融合方法选择、特征提取和选择、地物分类和识别，以及结果评估和优化。
基于D-S证据理论的多特征融合SAR图像目标识别方法
基于D-S证据理论的多特征融合SAR图像目标识别方法童涛;杨桄;李昕;叶怡;王寿彪【摘要】针对应用单特征SAR图像进行目标识别准确率低的问题,提出了一种将支持向量机(support vector machine,SVM)和D-S证据理论(Dempster-Shafer,D-S)相结合的多特征融合SAR图像目标识别方法.该方法在对SAR图像预处理的基础上,提取目标的纹理、Hu不变矩和峰值特征,并分别以这3类单特征的SVM分类结果作为独立证据,构造基本概率指派,通过D-S证据的组合规则进行融合,并根据分类判决门限给出最终的目标识别结果.将该方法用于SAR图像上的3类目标识别,识别率达95.5％,表明该方法是一种有效的SAR图像目标识别方法.【期刊名称】《国土资源遥感》【年(卷),期】2013(025)002【总页数】5页(P37-41)【关键词】SAR图像;D-S证据理论;支持向量机(SVM);纹理特征【作者】童涛;杨桄;李昕;叶怡;王寿彪【作者单位】空军航空大学航空航天情报系,长春 130022;空军航空大学航空航天情报系,长春 130022;空军航空大学训练部,长春130022;空军航空大学航空航天情报系,长春 130022;空军航空大学航空航天情报系,长春 130022【正文语种】中文【中图分类】TP751.10 引言应用合成孔径雷达(synthetic aperture radar，SAR)图像进行目标识别是SAR图像处理和模式识别领域的研究热点之一。
国内外学者对SAR图像目标自动识别方法进行了大量的研究和探索，但是大都只侧重于对单一特征的研究［1－2］。
受SAR传感器俯仰角和方位角等变化因素的影响，基于纹理、灰度及投影空间等单特征目标识别方法的准确率低、稳定性差;而综合利用多特征SAR图像的目标识别方法，虽然已经取得了一定成果，并在一定程度上改善了目标识别效果，但并没有实现多特征的有效融合，从而导致特征空间的复杂度和分类器的维数过高，影响了目标识别的精度和效率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图2 4.114 9 9.536 0 15.071 0 17.184 3 33.576 9 23.329 0 34.237 5 57.423；88
从表 1 中的数据可以看出两个闭合区域的不变矩相似，质 心位置相近，保留图 1 和图 2 中任意一个闭合的边缘。
情况 2 光学图像闭合区域和 SAR 图像开区域，计算质心， 进行轮廓矩匹配，如匹配，则把闭合区域放到最终边缘图。图 3 是 SAR 图像中的一个闭合区域，图 4 是光学图像相近位置上 一个开区域，计算开区域两个端点和质心，在图 3 中找到这两 个端点，图 3 中的闭合区域被这两个端点截取为两部分开区 域，再计算两个开区域的质心，选取与图 4 质心最为相近的那 个开区域。
5 该文算法步骤
（1）用离散 Canny 算法提取光学图像的边缘，用 Ratio 算法 提取 SAR 图像边缘，并细化，用 Hough 变换检测道路；
（2）SAR 图像中的闭合区域，在光学图像中相近位置找闭 合 区 域 ，计 算 它 们 的 不 变 矩 ，如 果 不 变 矩 相 似 ，则 保 留 其 中 一个；
（3η21 -η03）（η21 +η03）[3（η30 +η12） -（η21 +η03） ]
（9）
2
2
准6 =（η20 -η02）（[ η30 +η12） -（η21 +η03） ]+
4η11（η30 +η12）（η21 +η03）
（10）
2
2
准7 =（3η21 -η03）（η30 +η12）（[ η30 +η12） -3（η21 +η03） ]+
2009，45（24） 179
3 轮廓矩
这里先介绍轮廓矩的定义，平面曲线 l 的（p+q）阶矩定义[2]为：
乙 mp，q= xpyqds，（p，q=0，1，2，…）
（12）
其中，ds 为曲线 l 的弧微分。由此 m00 是曲线的弧长。（p+q）阶 中心矩定义为：
乙 νp，q= （x-x0）（p y-y0）qds，p，q=0，1，2，…
1 引言
多传感器图像融合是为克服单一传感器在某些方面的不 足，通过对多源信息的融合获得包含各个源图像特征信息的质 量更好的图像，有利于对特定事件和现象进行定位、识别和解 释。由于光学图像和 SAR 图像成像机理不同，即便配准精确的 图像提取出来的边缘也会出现不重合的情况，这是不可避免 的，不是由特征提取算法导致的，而是两图像中的边缘客观存 在偏差。同一目标的两条边缘，在源图像中就存在微小位移，减 少重复边缘，考虑将一幅图像中连续的边缘（包括闭合的边缘） 作为一个整体，考虑相近位置上与另一幅图像边缘之间的相似 度，用不变矩和轮廓矩计算统计量进行各条边缘的匹配，如果 相似度高，则保留其中任意一条，如果相似度低，则全部保留。
（13）
0 0 其中
x0=
m10 m00
，y0=
m01 m00
是质心坐标。对于数字图像的边缘有：
Σ mpq= xpyq△s x，y
（14）
Σ νpq= （x-x0）（p y-y0）q△s x，y
（15）
其中，△s 是轮廓曲线上两个相邻像素点之间的距离，中心矩 νpq
是平移不变的。为了得到尺度不变性，同样也要引进尺度规范
化矩的定义。与上述基于区域的情况不同的是，这时分母中的
ν0（0 或 m00）的指数是 1+p+q 而非 1+（p+q）/2。
μpq=
νpq =
1+p+q
νpq ，p，q=0，1，2，…
1+p+q
ν00
m00
（16）
最后，为了使轮廓矩不变量具有旋转不变性，只需将尺度规范
化矩式（16）代入式（5）~式（11）。
4 匹配融合
由于获取地物波谱信息的波段范围及成像方式的不同， SAR 图像与可见光图像所得到的信息有很大差异。将 SAR 与 可见光图像融合，可以获得地物的多层次特性，进一步揭示地 物的本质特征[3]。
由于光学图像和 SAR 图像成像机理不同，导致两幅图像 中的边缘客观存在偏差。同一目标的两条边缘，在源图像中就 存在微小位移，考虑将一幅图像中连续的边缘（如闭合的边缘） 作为一个整体，考虑与另一幅图像相近位置上的边缘之间的相 似度，用不变矩和轮廓矩计算统计量进行各条边缘的匹配，如 果 相 似 度 高 ，则 保 留 其 中 任 意 一 条 ，如 果 相 似 度 低 ，则 全 部 保留。
基于上述工作，进一步的研究方向应是改进混合高斯背景 模型的建模过程，加快其收敛速度以及研究使用参数较少的阴 影去除方法移除阴影。
（d）该文方法检测到的阴影 （e）该文方法检测结果 图 1 检测及去阴影后的结果
（a）背景图像 （b）光线突变的待检测图像 （c）检测结果 图 2 光照发生突变的检测结果
图 1 使用分辨率为 144×176 的摄像头，其中（a）为背景图 像，（b）为待检测的图像，（c）为使用文献[8]所述方法检测出的 前景目标，由于图中左上部分为多层书的侧面，颜色变化很大， 摄像头略微晃动就会引起误检。由图 1（c）可见采用文献[8]方 法左上产生了两处误检。（d）为使用 3.4 节所述方法检测出的 球体阴影。（e）为使用该文所述方法检测到的前景，可见该方法 很好地消除了误检，去除了阴影，取得了较好的检测效果。
6 实验
实验用计算机配置为：P4，3.0 G CPU，1 G 内存，用 MAT－
轮廓矩
f1 f2*105 f3*108 f4*108 f5*1015 f6*1010 f7*1028 质心
表 2 轮廓矩数据
图1 0.007 082 8 5.016 5 6.134 3 6.134 3 2.221 5 4.344 8 1.173 7 162.84；20.253
（下转 182 页）
182 2009，45（24）
Computer Engineering and Applications 计算机工程与应用
个混合高斯模型，每一个高斯混合模型的初始权值和方差分别 为 0.2 和 10。权值更新参数为 0.3，均值和方差更新系数为 0.2。 阴影移除实验中 α=0.65，β=0.95，τs、τh 均为 0.3，T=20。实验结 果如图 1 和图 2 所示。
178 2009，45（24）
Computer Engineering and Applications 计算机工程与应用
可见光与 SAR 图像的特征级融合
李璟旭 LI Jing-xu
北京航空航天大学 电子信息工程学院，北京 100083 School of Electronic and Information Engineering，Beihang University，Beijing 100083，China E-mail：freemail@
LAB 编程实现。 情况 1 光学图像闭合区域和 SAR 图像闭合区域相匹配，
计算质心，如匹配，则说明实际有这个目标，则把这个闭合区域 放到最终边缘图。
表 1 不变矩数据
不变矩 ф1 ф2 ф3 ф4 ф5 ф6 ф7 质心
图1 4.163 7 9.577 8 15.326 6 17.179 9 33.672 8 23.315 3 34.465 0 57.214；87.354
（3）SAR 图像中的闭合区域，在光学图像中相近位置如果 没有闭合区域，而有开区域，那么计算开区域两个端点并计算 开区域的质心，在 SAR 图像中的闭合区域取以光学图像中开 区域两个端点为端点，参考质心位置，截取其中的部分边缘，进 行不变矩或轮廓矩计算，如果矩相似则保留闭合区域；
（4）如果 SAR 图像中的边缘在光学图像中不存在，那么则 考虑此边缘在 SAR 图像边缘提取时，即使阈值很高时仍存在， 则保留此边缘。
LI Jing-xu.Optical and SAR images’feature puter Engineering and Applications，2009，45（24）：178-179.
Abstract：Aiming at single sensor’s limitation on spectrum and spatial resolution，this paper uses the technology of multi-sensor fusion，which furthest obtains the information description of target scene.This paper firstly adopts different edge detection to extract the same scene’s optical image and SAR image，obtaining each one’s edge feature image.By adopting the methods of moment in－ variants and contour-based moment to match each edge in the two edge feature images，this paper obtains the clearer and even more complete image. Key words：edge detection；image matching；image fusion