陈　华，邓喀中，张以文，范洪冬，杨俊凯

(1. 中国矿业大学环境与测绘学院，江苏 徐州 221116； 2. 中国矿业大学江苏省资源环境信息工程重点

实验室，江苏 徐州 221116； 3. 山东省淮河流域水利管理局规划设计院，山东 济南 250100)

InSAR Image Coregistration Using SIFT and RANSAC Algorithm

CHEN Hua，DENG Kazhong，ZHANG Yiwen，FAN Hongdong，YANG Junkai



结合SIFT和RANSAC算法的InSAR影像配准

陈华1,2，邓喀中1,2，张以文3，范洪冬1,2，杨俊凯1,2

(1. 中国矿业大学环境与测绘学院，江苏 徐州 221116； 2. 中国矿业大学江苏省资源环境信息工程重点

实验室，江苏 徐州 221116； 3. 山东省淮河流域水利管理局规划设计院，山东 济南 250100)

InSAR Image Coregistration Using SIFT and RANSAC Algorithm

CHEN Hua，DENG Kazhong，ZHANG Yiwen，FAN Hongdong，YANG Junkai

摘要：配准是合成孔径雷达干涉测量(InSAR)得到干涉图前的关键步骤。本文提出了基于SIFT和RANSAC的InSAR影像配准。尺度不变特征变换(SIFT)和随机采样一致性(RANSAC)相结合，得到特征稳定、匹配点对可靠的InSAR影像配准。利用PALSAR数据及TerraSAR-X数据，进行不同分辨率、不同波段的SAR影像配准试验，结合生成的干涉图条纹的清晰程度，评价其精度。并与目前主流的交叉互相关方法得到的相干系数进行了对比，证明了该方法在InSAR影像配准应用中是一种简单、有效的方法。

关键词：尺度不变特征变换(SIFT)；随机抽样一致性(RANSAC)；InSAR影像配准

一、引言

配准是InSAR的关键步骤，0.1像元的配准精度是影像生成干涉图的必备条件。传统的SAR影像配准主要流程为：首先利用卫星轨道参数进行粗配准；然后采用基于窗口的自动配准，在空间域或频率域进行像元级配准；最后进行亚像元级的配准并得到配准偏移参数[1]。尺度不变特征变换(scale invariant feature transform，SIFT)特征点提取算法能够克服部分场景遮挡、旋转缩放、视角变化引起的图像变形等问题，是特征点提取的稳定可靠算法。……