可視光画像とSAR画像間の非線形放射差およびSARのスペックルノイズの影響により、既存のアルゴリズムはSAR画像の特徴点抽出時に特徴点の再現率を保証することが難しく、マッチング性能の低下を招いている。これらの問題に対処するため、本論文では位相整合行列の特徴に基づくブロック単位Harris特徴点抽出アルゴリズムを提案する。まず、入力画像をブロックに分割し、中間位相整合行列を定義し、最大行列と最小行列と組み合わせて各画像ブロックに位相整合多重行列図を構築する。最後に位相整合多重行列図上で投票戦略を設計し、多重行列図上で過半数以上繰り返し出現する特徴点、すなわち安定かつ再現率の高い特徴点を最終特徴点として選択する。本論文ではシミュレーションによる可視光とSAR画像を実験データとして使用し、3つの異なる特徴点検出アルゴリズムと提案アルゴリズムを比較した。実験結果は、本アルゴリズムがSARのスペックルノイズの影響と画像間の非線形放射差を克服し、特徴点の再現率を効果的に向上させることを示している。可視光とSAR画像のマッチング結果は、他の3つのテストアルゴリズムに比べて一致点数がそれぞれ23、26、35対増加し、二乗平均平方根誤差がそれぞれ12.6%、37.2%、40.8%減少し、マッチングアルゴリズムの性能向上を効果的に実証した。

可視光とSAR画像;非線形放射差;スペックルノイズ;位相整合;特徴点抽出