衛(wèi)星影像像控點的自動轉(zhuǎn)點方法研究

孫曉昱，范大昭，紀 松，戴海濤，申二華

(信息工程大學地理空間信息學院，河南 鄭州 450052)

衛(wèi)星影像像控點的自動轉(zhuǎn)點方法研究

孫曉昱，范大昭，紀 松，戴海濤，申二華

(信息工程大學地理空間信息學院，河南 鄭州 450052)

針對以往多源影像中人工選取同名點費時費力并且精度低的問題，本文首先利用尺度不變特征變換(SIFT)特征匹配得到的同名像點作為初值進行仿射變換，生成變換后影像，然后對基準影像與變換后影像進行相關(guān)系數(shù)匹配，并利用雙向匹配刪除誤匹配點，最后通過仿射逆變換得到原始影像上的同名像點位置。利用此方法對資源三號影像后視影像和實踐九號全色影像進行試驗，試驗證明其結(jié)果明顯優(yōu)于在原始影像上直接進行相關(guān)系數(shù)匹配，可以很好地代替人工選點工作，大大減小了人工選取同名點的工作量。

多源遙感影像；SIFT匹配；影像分塊；仿射變換；雙向匹配

一、引 言

隨著遙感技術(shù)的發(fā)展，遙感數(shù)據(jù)獲取的來源更加豐富，國內(nèi)外多種類型的傳感器已經(jīng)研制成功并投入使用，多源遙感影像之間的同名點匹配能夠為多源遙感影像的信息互補、綜合利用提供一個很好的途徑，其匹配精度決定了遙感影像后續(xù)處理的精確性和可靠性。因此，如何快速高精度地由一幅遙感影像上人工選取的已知像控點得到異源影像上的同名點，已成為一個亟待解決的問題。

一般而言，多源遙感影像的自動匹配可以分為兩大類：基于特征的自動匹配和基于區(qū)域灰度信息的自動匹配[1]。由于傳感器類型不同，獲取影像的時間、視角及外部環(huán)境差異等因素，多源遙感影像之間存在著復雜的幾何畸變和灰度畸變，傳統(tǒng)的灰度相關(guān)算法直接用于異源影像的匹配很難得到理想的結(jié)果。而對于基于特征的自動匹配，由于衛(wèi)星影像上的像控點，其鄰域灰度信息并不能用某一特征描述符描述，因此并不適合于基于特征的自動匹配。基于多項式模型的多源影像匹配方法也是實踐中經(jīng)常使用的一種方法，該方法原理簡單，回避了影像成像的空間幾何過程，直接對影像變形本身進行數(shù)學模擬[2]，但該方法未考慮圖像灰度信息，適合于地勢平坦地區(qū)，地勢起伏較大時則出現(xiàn)錯誤較多?；谝陨蠁栴}，對多源影像之間像控點的匹配，大多采用人工選取同名點的方法，效率和精度均較低。

本文結(jié)合影像匹配和多項式模型提出一種多源影像間像控點自動轉(zhuǎn)點方法。其基本思路為：首先采用尺度不變特征變換(scale invariant feature transform，SIFT)算法進行匹配，人工篩選匹配點進行仿射變換，提高了仿射變換的精確性，通過仿射變換模型對待匹配影像進行變換，繼而消除影像間角度與尺度的差異；然后進行相關(guān)系數(shù)匹配，并利用雙向匹配剔除誤匹配點，得到變換后影像上的同名像點；接著利用仿射逆變換將得到的同名像點轉(zhuǎn)化到原始影像上，最終得到原始影像上的同名像點。其流程如圖1所示。試驗證明，進行仿射變換生成影像后，進行相關(guān)系數(shù)匹配，結(jié)果明顯優(yōu)于在原始影像上直接進行相關(guān)系數(shù)匹配。

圖1 衛(wèi)星影像像控點自動轉(zhuǎn)點流程圖

二、SIFT匹配原理

2004年，Lowe提出了SIFT特征匹配方法[3]，由于SIFT特征具有較好的抗影像尺度變換、抗影像旋轉(zhuǎn)變換和抗影像亮度變換的特性，在多源遙感影像的匹配中具有很好的應(yīng)用前景[4]。

1.特征點提取

SIFT算法提取特征點主要分為 4個步驟[3]：①利用高斯差分及影像金字塔找出尺度空間中的極值點；②找出精度在次象元級的極值點，并將低對比度和位于邊緣的極值點刪除；③將剩余的極值點定義為特征點后，開啟一窗口，利用窗口內(nèi)的影像梯度和幅值定義出特征點的方向；④以此方向進行旋轉(zhuǎn)，并生成SIFT特征向量。

2.特征點匹配

SIFT算法提取特征點并建立特征向量后，可利用特征向量進行特征匹配的處理。具體匹配時，采用特征向量的距離作為兩幅影像中特征點的相似性判定度量，有多種距離可以衡量兩個特征之間的差別，最常用的是采用歐氏距離進行計算

利用SIFT特征算子提取影像特征，首先需要在特征空間進行極值檢測，并確定關(guān)鍵點的位置及其所在的尺度；然后用關(guān)鍵點鄰域的主方向作為該點的方向特征，實現(xiàn)算子對尺度和旋轉(zhuǎn)的不變性。具體流程包括：尺度空間的極值檢測、特征點的精確定位和篩選、特征點的主方向確定和特征點的描述。

式(1)中，Xi表示參考影像中第i個特征點的特征向量；Xj表示待配準影像中第j個特征點的特征向量；D為歐氏距離。通過計算兩幅影像特征點間的歐式距離，再從中找出最小距離Dmin與次小距離Dscn，并計算其比值R＝Dmin/Dscn。當R小于某個預(yù)定義閾值時，對應(yīng)的特征點為匹配點；否則去除。預(yù)定義閾值表示特征點的顯著性，不同的應(yīng)用可以取不同的值，其取值范圍為[0，1]，閾值越小，則得到的匹配點對會減少，但更加穩(wěn)定。

三、基于分塊仿射變換的影像匹配

1.影像分塊

仿射變換是一個非奇異線性變換與一個平移變換的復合，有6個自由度[5]，對于多源遙感影像，圖像幅面較大，整幅影像間幾何變形和尺度由于傳感器和環(huán)境等因素差異較復雜，因此用一個仿射變換模型無法控制兩整幅影像的幾何變形和尺度畸變關(guān)系，考慮將影像分為多塊，對每一塊影像間關(guān)系分別用一個仿射變換模型描述。

2.仿射變換生成新影像

相對于直接在影像上人工選取仿射變換所需初值，利用SIFT匹配結(jié)果作為進行仿射變換的初值精度更加精確，人工篩選由SIFT匹配的4個角點和1個中心點，利用同名點坐標進行仿射變換，得到基準影像和待匹配影像的角度和尺度畸變關(guān)系

式中，(u，v)是基準影像上點的坐標；(x，y)是待匹配影像上對應(yīng)點的坐標；a0，a1，a2，b0，b1，b2為仿射變換系數(shù)。

采用雙線性內(nèi)插對待匹配影像進行重采樣，得到變換影像，生成的影像修正了待匹配影像相對于基準影像在幾何變形和尺度上的差異，消除了基于區(qū)域的自動匹配在待匹配影像上如何確定搜索窗口大小與形狀，以及搜索路線的選擇問題。

3.相關(guān)系數(shù)匹配

對基準影像和變換后的影像進行相關(guān)系數(shù)匹配，采用公式(3)以相似性測度值最大并超過給定閾值的搜索窗口為目標窗口的配準窗口，配準窗口的中心為目標窗口中心的同名像素。

4.雙向匹配

由于單向匹配可能造成基準影像上多個像控點與待匹配影像上某一個點匹配，出現(xiàn)錯誤匹配[6]，因此利用雙向匹配剔除誤匹配點。其做法是以變換后的影像為基準影像，原始基準影像為待匹配影像，以上一步匹配得到的像點作為待匹配點進行逆向匹配，比較匹配結(jié)果與原始基準影像上的待匹配點的坐標是否相同，若相同，則保留；若不同，則舍去。

5.仿射逆變換

變換影像像點坐標與原始影像像點坐標存在逆向仿射變換關(guān)系

式中，(x，y)是原始影像上點的坐標；(u，v)是變換影像上對應(yīng)點的坐標；a0，a1，a2，b0，b1，b2為與式(2)中相同的仿射變換系數(shù)。

四、試驗及結(jié)果分析

1.試驗數(shù)據(jù)及準備

試驗影像為嵩山地區(qū)的資源三號衛(wèi)星影像后視影像和實踐九號衛(wèi)星影像全色影像。資源三號后視影像分辨率為3.6 m，實踐九號影像分辨率為2.5 m。本試驗分別從資源三號衛(wèi)星影像后視影像和實踐九號衛(wèi)星全色影像截取了500像素×500像素的一小塊影像，如圖2所示。

圖2 試驗影像

2.影像匹配

設(shè)定高斯平滑因子為1.6，最近距離和次近距離的比例閾值為0.35，若距離比大于此閾值，則舍去。匹配結(jié)果如圖3所示。

圖3 SIFT匹配結(jié)果

人工篩選由SIFT匹配得出的4個角點和中心處的同名點，并進行仿射變換，將實踐九號影像通過仿射變換模型生成轉(zhuǎn)換后影像。結(jié)果如圖4所示。

圖4 由實踐九號影像進行仿射變換后影像

得到變換影像后，在基準影像上每隔25個像素選擇一個待匹配點，共156個待匹配點，首先利用仿射變換模型估計待匹配點在變換后影像上的位置，在基準影像待匹配點開取11×11目標窗口，并在變換后影像上建立20×20搜索區(qū)域，開取與目標窗口相同大小的配準窗口，將資源三號后視影像與變換后影像進行相關(guān)系數(shù)匹配，設(shè)定相關(guān)系數(shù)閾值為0.8。所得匹配結(jié)果如圖5所示。

圖5 資源三號后視影像與變換后影像相關(guān)系數(shù)匹配結(jié)果

采用雙向匹配剔除誤匹配點，當經(jīng)逆向匹配生成的基準影像上的同名像點與原待匹配點的坐標相同時，為正確匹配，否則舍去。

將變換后影像上的同名像點進行逆向仿射變換，得到同名像點在原始影像上的位置。結(jié)果如圖6所示。

采用傳統(tǒng)匹配方法，將資源三號后視影像與原始實踐九號全色影像直接進行相關(guān)系數(shù)匹配，結(jié)果如圖7所示，兩種方案結(jié)果見表1。

圖6 本文方法匹配結(jié)果

圖7 傳統(tǒng)方法匹配結(jié)果

表1 設(shè)定相關(guān)系數(shù)為0.8時，兩種匹配結(jié)果比較

針對兩種方法，分別以0.6、0.7、0.8、0.9作為相關(guān)系數(shù)閾值，比較兩種方法匹配率，其結(jié)果見表2。

表2 不同相關(guān)系數(shù)閾值下，兩種匹配方法匹配率比較/(%)

從表1中可看出在相關(guān)系數(shù)為0.8時，采用本文方法的匹配率和匹配成功率都大大高于傳統(tǒng)方法。表2表示隨著相關(guān)系數(shù)閾值的增加，兩種方法匹配出的點數(shù)減少，傳統(tǒng)方法匹配出的點數(shù)急速下降，而采用本文方法仍能匹配出較多的同名點，并且采用仿射變換后影像匹配成功率大大高于原始影像匹配結(jié)果，因此結(jié)果更可靠。

五、結(jié)束語

目前國內(nèi)外對于多源遙感影像匹配進行了大量的研究，但是對于衛(wèi)星影像上人工選取的像控點的匹配，仍缺乏一個高精度、自動化的匹配方法，本文利用SIFT匹配結(jié)果提供初始點，采用仿射變換生成新影像，在此基礎(chǔ)上進行相關(guān)系數(shù)匹配，取得了較好的試驗效果，可以代替人工選擇同名點工作。在本方法中，由于匹配得到的同名點需要進行仿射逆變換得到其在原始影像上的位置，因此如何確保其精度是下一步的研究重點；另外，多源遙感影像數(shù)據(jù)量較大，本文采用分塊思想進行處理，如何在確保精度不下降的前提下提高分塊效率，也需要作進一步的研究。

[1] 王瑞瑞，馬建文.多尺度、多角度異源遙感影像配準方法研究[J].計算機工程與應(yīng)用，2012，48(30)：5-9.

[2] 鄔建偉，秦艷平.多源遙感影像多項式配準精度影響因素分析[J].計算機工程與應(yīng)用，2009，45(32)：153-155.

[3] LOWE D G.Distinctive Image Features from Scale-Invariant Keypoints[J].International Journal of Computer Vision，2004，60(2)：91-110.

[4] 李然，張云生.基于SIFT特征的多源遙感影像自動匹配方法[J].測繪科學，2011，36(5)：8-10.

[5] 哈特利，齊瑟曼.計算機視覺中的多視圖幾何[M].韋穗，楊尚駿，章權(quán)兵，等，譯.合肥：安徽大學出版社，2002.

[6] 姚敏.基于互匹配的圖像自動配準方法[J].現(xiàn)代雷達，2012(10)：46-49.

《測繪通報》在2014年版《中國科技期刊引證報告(擴刊版)》測繪地理信息類科技期刊中總被引頻次位居第二

[本刊訊]2014年9月，北京萬方數(shù)據(jù)股份有限公司發(fā)布了2014年版《中國科技期刊引證報告》?！吨袊萍计诳C報告》是我國最權(quán)威的期刊質(zhì)量評價報告之一，分為核心版和擴刊版。擴刊版基本囊括了我國出版的學術(shù)技術(shù)類科技期刊和理論研究性社會科學期刊，全方位、完整地提供了我國期刊的評估數(shù)據(jù)。2014年版《中國科技期刊引證報告(擴刊版)》共收錄中國期刊6435種，其中測繪地理信息類期刊25種。在這25種期刊中，《測繪通報》的總被引頻次從去年的2501上升至3357，排名仍居第二；影響因子則從去年的0.811上升至0.943，排名從去年的第5位上升至第4位。

(本刊編輯部)

Research on Automatic Transfer of Satellite Image Control Points

SUN Xiaoyu，F(xiàn)AN Dazhao，JI Song，DAI Haitao，SHEN Erhua

P237

B

0494-0911(2014)12-0032-04

2013-10-14

國家863計劃(2012AA12A302)；對地觀測技術(shù)國家測繪地理信息局重點實驗室項目(K201102)

孫曉昱(1990—)，男，河南永城人，碩士生，主要從事攝影測量與遙感研究工作。