本发明属于图像匹配，具体涉及一种基于多级小波分解的可见光与sar图像配准方法。
背景技术：
1、传感器技术的快速发展为对地观测提供了多种类型遥感影像。其中，可见光图像具有强大的视觉解译能力，但光学传感器易受天气影响且穿透能力差，难以在雨雾环境与沙尘遮挡情况下应用，而sar是一种主动式微波成像系统，具有全天时、全天候、穿透力强等显著优势，能够弥补光学传感器的不足，将可见光图像与sar图像配合使用能够实现优势互补，在图像融合、三维重构、导航定位、城市规划、目标识别等领域均具有重要的应用价值。然而，实现所述应用的前提需要高精度的图像配准。因此，提高可见光图像和sar图像的配准精度至关重要，目前已成为遥感领域的研究热点之一。
2、西安电子科技大学在其申请的专利文献“一种基于特征点提取筛选的多源图像匹配方法”(申请号：cn202311092597.2申请公布号：cn117078972a)公开了一种基于非线性尺度空间和相位一致性实现特征点筛选的方法，属于图形图像处理及遥感影像分析领域范畴，解决现有图像配准技术中特征点匹配模块精度低和鲁棒性不足的问题。该技术首先利用kaze构建非线性尺度空间；其次，在空间中每层图像上计算获取相位一致性图并利用fast检测每层特征点；然后，基于统计原理投票确定最终的特征点用于匹配；最后，计算每层图像的最大索引图并进行加权整合构建gloh特征描述符，通过最近邻比率和快速抽样一致性完成特征点的匹配。然而，尽管该技术对特征点进行了筛选，但该技术没有考虑特征点的分布情况对图像配准精度的影响，也没有考虑到sar斑点噪声对特征点检测过程的干扰，且算法复杂度较高，基于该技术进行图像配准仍然存在精度不足，效率低下等问题。
3、通常情况下，基于特征点的可见光图像和sar图像配准过程可以分为四步：特征检测、特征描述、特征匹配和变换模型估计。然而，由于传感器与成像机理差异，尽管相位一致性能够抵抗可见光与sar图像之间的非线性辐射畸变，但由于相干处理，sar图像中还会产生具有颗粒状外观的乘法散斑噪声，严重干扰sar图像上特征点的检测过程，尤其是角点的检测结果，使得可见光与sar图像的高精度配准具有挑战性。其次，图像边缘特征上的点特征重复率不足，一幅图像边缘上检测到的特征点在另一幅图像中可能缺失，这也会制约基于特征点的异源图像配准精度。现有的基于相位一致性的图像配准方法往往直接利用最大矩图(边缘图)和最小矩图(角点图)上获取的所有特征点进行特征匹配，然而，基于上述挑战，现有技术会检测出较多不合理的特征点，使得正确匹配的对应特征点数量不足。此外，通过分块处理虽然能够获取均匀分布的特征点，但不同图像块信息含量不同，相比于平坦区域，信息丰富部分通常能够检测出更多稳定且重复性高的特征点，在每块图像上检测相同数量特征点的方式不仅会出现关键特征点缺失，还会在某些图像块上造成特征点冗余。
4、综上所述，现有可见光与sar图像配准技术精度较低，且鲁棒性不足。
技术实现思路
1、为了解决现有技术中存在的上述问题，本发明提供了一种基于多级小波分解的可见光与sar图像配准方法。本发明要解决的技术问题通过以下技术方案实现：
2、本发明提供了一种基于多级小波分解的可见光与sar图像配准方法，包括：
3、s100，对输入的可见光图像和sar图像分别进行分块处理得到可见光图像块、sar图像块以及图像块的权值比例；
4、s200，利用2d dwt对sar图像块，通过多次不同分解级别的去噪进行分层处理得到sar图像块的各层子图；
5、s300，基于相位一致性图的多矩对所述可见光图像块作分层处理，得到可见光图像块的各层子图；
6、s400：根据权值比例确定各层子图的特征点，再利用特征点重复率对特征点进行筛选得到最终特征点；
7、s500，采用所述sar图像和可见光图像对应的方式，构建其最终特征点的特征描述向量；
8、s600，利用所述特征描述向量，在所述sar图像和可见光图像块的最终特征点之间作图像配准得到配准结果。
9、有益效果：
10、(1)在可见光和sar图像配准中，本发明通过图像分块与综合图像信息含量指数自适应优化特征点分布，有助于在全图范围内保持特征点的均匀分布，同时在关键区域提供密集的特征点，减少了不合理特征点，使得特征检测的效率和精度更高，适用性和稳健性更强。
11、(2)本发明利用2d dwt对sar图像进行分层处理，并基于投票准则筛选稳健且可重复性高的关键点用于匹配，进一步减少图像中受相干斑噪声干扰得到的不合理特征，提高了特征检测模块抵抗sar斑点噪声的能力，从而提高了特征点的重复率与检测精度，最终图像配准精度更高；
12、(3)本发明提出的算法运算量更低，效率更高，能够满足实际工程中可见光和sar异源图像配准对实时性的要求。
13、以下将结合附图及实施例对本发明做进一步详细说明。
1.一种基于多级小波分解的可见光与sar图像配准方法，其特征在于，包括：
2.根据权利要求1所述的基于多级小波分解的可见光与sar图像配准方法，其特征在于，s100包括：
3.根据权利要求2所述的基于多级小波分解的可见光与sar图像配准方法，其特征在于，
4.根据权利要求1所述的基于多级小波分解的可见光与sar图像配准方法，其特征在于，s200包括：
5.根据权利要求4所述的基于多级小波分解的可见光与sar图像配准方法，其特征在于，s300包括：
6.根据权利要求5所述的基于多级小波分解的可见光与sar图像配准方法，其特征在于，
7.根据权利要求6所述的基于多级小波分解的可见光与sar图像配准方法，其特征在于，s400包括：
8.根据权利要求7所述的基于多级小波分解的可见光与sar图像配准方法，其特征在于，s410包括：
9.根据权利要求1所述的基于多级小波分解的可见光与sar图像配准方法，其特征在于，s500包括：
10.根据权利要求1所述的基于多级小波分解的可见光与sar图像配准方法，其特征在于，s600包括：
