1 简介
相比于传统的 SIFT 算法，SAR-SIFT 主要在两个方面进行了修改，首先是改进了像素点梯度计算方法，用比值代替了差值。其次是改进了最终描述子生成的方法。通过这两个方面的修改，使得这种方法更适用于一般乘性斑点噪声的 SAR 图像。对于 SAR 图像中的乘性噪声，SAR-SIFT 在一定程度上相比原始 SIFT 具有更好的适应性，但是当 SAR 图像中具有强噪声斑点的干扰时，SAR-SIFT 算法提取特征点时也会存在大量的异常点。针对 SAR 图片中强乘性斑点噪声问题，首先借助SAR-SIFT 算法提取出来特征，然后通过稀疏编码有效地利用特征聚类来剔除在特征提取过程中那些由于强斑点噪声而导致的异常点。从而通过 SAR-SIFT 算法结合FSC 算法来抑制 SAR 图像中的噪声斑点，提高 SAR 图像配准的精度和鲁棒性。
2 部分代码
function [k_percentile]=compute_k_percentile_auto(gradient_x,gradient_y,perc)
%该函数计算一个对比度参数k,这个对比度参数用于计算扩散系数
%gradient_x是水平方向的梯度，gradient_y是竖直方向的梯度
%perc是梯度直方图的百分位数，默认取值是0.7，k的取值根据这个百分位数确定
%传导系数函数都是k的增函数，因此对于相同的梯度值，如果k值较大，则传导系数值较大
%因此扩散大，平滑严重，因此可以看出，如果要保留细节需要较小的k值
%该函数自动计算k值，因此这里不需要指定bin的大小
%直方图间隔
unit=0.005;
%忽略边界计算梯度的最大值
gradient=sqrt(gradient_x.^2+gradient_y.^2);
[M,N]=size(gradient);
temp_gradient=gradient(2:M-1,2:N-1);
%忽略边界计算直方图
temp_gradient=temp_gradient(temp_gradient>0);
max_gradient=max(max(temp_gradient));
min_gradient=min(min(temp_gradient));
temp_gradient=round((temp_gradient-min_gradient)/unit);
nbin=round((max_gradient-min_gradient)/unit);
hist=zeros(1,nbin+1);
[M1,N1]=size(temp_gradient);
sum_pix=M1*N1;%非零像素梯度个数
%计算直方图
for i=1:1:M1
for j=1:1:N1
hist(temp_gradient(i,j)+1)=hist(temp_gradient(i,j)+1)+1;
end
end
%直方图百分位
nthreshold=perc*sum_pix;
nelements=0;
temp_i=0;
for i=1:1:nbin+1
nelements=nelements+hist(i);
if(nelements>=nthreshold)
temp_i=i;
break;
end
end
% k_percentile=max_gradient*(temp_i)/(nbin+1);
k_percentile=(temp_i-1)*unit+min_gradient;
end
3 仿真结果
4 参考文献
[1]李培, 姜刚, and 马千里. "基于SAR-SIFT改进的SAR图像配准." 测绘通报 (2021).
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
