一種SAR圖像與光學圖像匹配算法研究

海深，韓志斌，王余

（1.銅陵學院數(shù)學與計算機學院，安徽銅陵244000；2.92857部隊，北京100083）

一種SAR圖像與光學圖像匹配算法研究

海深1，韓志斌2，王余2

（1.銅陵學院數(shù)學與計算機學院，安徽銅陵244000；2.92857部隊，北京100083）

INS／SAR組合導航系統(tǒng)對SAR實時圖像與光學參考圖像的匹配算法提出了較高的實時性和準確性要求。針對以往直線匹配算法與角點匹配算法的缺陷，首先提取SAR實時圖像與光學參考圖像直線中的直線與角點特征，然后在干線對粗匹配的基礎上利用精確的角點特征進行小參數(shù)變化下SAR圖像與光學圖像的精匹配。經(jīng)實驗驗證，該方法實時性與匹配精度高，可較好的應用于INS／SAR組合導航系統(tǒng)的圖像匹配中。

組合導航系統(tǒng)；圖像匹配；直線特征；角點特征

引言

隨著組合導航技術的發(fā)展，圖像匹配導航技術受到越來越多的重視。合成孔徑雷達（SAR）能夠全天候、全天時成像，并且對地面覆蓋物具有一定的穿透能力，其圖像的空間分辨率與波長、載機飛行高度無關。利用SAR所獲取的地面實時圖像與飛行器上存儲的光學參考圖像匹配確定飛行器的具體位置，以糾正INS的累積誤差，可以實現(xiàn)飛行器自主高精度的導航。

在INS／SAR組合導航系統(tǒng)中，SAR實時圖像與光學參考圖像的匹配算法是影響其性能的關鍵因素。由于SAR圖像與光學圖像是非同源圖像，二者在灰度特性上存在很大差異，基于像素灰度的圖像匹配算法很難適用于該組合導航系統(tǒng)，因此基于特征的圖像匹配算法成為當前研究的主要方向。

針對SAR圖像與光學圖像的特征匹配，目前主要有直線特征匹配［1-2］與角點特征匹配［3-4］兩類方法。直線特征匹配方法通常速度較快，但由于圖像直線邊緣特征與實際邊緣存在誤差，嚴重影響了匹配精度。角點特征定位準確，匹配精度較高，但對于存在較大參數(shù)變換的SAR實時圖與光學基準圖，該方法耗時較長，很難滿足實時性要求。

針對當前特征匹配算法的缺陷，本文提出了一種結合直線與角點特征的圖像匹配算法，根據(jù)邊緣直線特征匹配速度快的優(yōu)勢，首先對SAR實時圖與光學基準圖進行直線粗匹配，在此基礎上，利用精確的角點特征進行小參數(shù)變化下SAR圖像與光學圖像的精匹配，有效地提高了圖像匹配的準確性和實時性。

1 特征提取

1.1 直線特征提取

本文采用Dusan的小波多尺度邊緣檢測法對SAR圖像進行邊緣提取。對提取出的邊緣，定義直線彎曲度與閾值r［5］，采用如下步驟進行邊緣直線擬合：

（1）將每一條閉合邊緣分為兩條非閉合邊緣；

（2）求所有非閉合邊緣的彎曲度，若彎曲度大于閾值r，將非閉合邊緣分為兩段；

（3）重復步驟（2），直到所有非閉合邊緣的彎曲度均小于閾值；

（4）對所有非閉合邊緣進行直線擬合。

經(jīng)上述步驟，可以從邊緣圖像中擬合出較為明顯的長直線特征。

1.2 角點特征提取

目前的角點提取方法多種多樣，但大致上可以分為兩類：基于像素的角點提取和基于邊緣特征的角點提取?；谙袼氐慕屈c提取方法中，Harris算子法［6］定位精度高，但角點冗余度高，實時性差。邊緣特征角點提取方法中，Mokhtarian和Suomela的曲率尺度空間法［7-8］速度快，冗余角點少，穩(wěn)定性高，但定位精度存在一定的不足。

針對上述兩種算法的缺陷，本文采用一種結合曲率尺度空間與Harris算子定位的角點提取方法。由文獻［7－8］可知，雖然曲率尺度空間法存在誤差，但其可為邊緣角點進行大致定位，真實角點存在于曲率尺度空間法檢測出角點的小鄰域內(nèi)。因此，只要在曲率尺度空間法角點位置的V鄰域內(nèi)，對每一點Harris興趣值進行搜索，取興趣值的極大值作為角點，即可完成對錯誤角點的校正。設曲率尺度空間法檢測到的第i個角點pFi的位置為（xfi，yfi），該角點校正后的位置為（xci，yci），由上述分析知：

其中，H（xfi，yfi）為點（xfi，yfi）處的Harris興趣值。本文將V鄰域取較大的10×10鄰域，以確保能搜索到正確的角點。具體步驟如圖1所示：

2 結合直線與角點特征的SAR圖像與光學圖像匹配算法

2.1 基于改進Hausdorff距離的干線對粗匹配

干線對是長度、夾角和距離滿足下列要求的兩條直線的組合：

（1）兩條直線的長度不小于限定值l；

（2）兩條直線之間的夾角接近90度；

（3）兩條直線之間的距離d不超過限定值D。

按照要求（1）～（3）遍歷所有邊緣擬合出的直線，即可得到所有干線對。假設SAR實時圖與光學參考圖像之間存在著平移和旋轉關系，且SAR圖像上的點（x，y）與光學圖像上的點（x′，y′）一一對應，則有：

SAR圖像與光學圖像的匹配，實質(zhì)上就是尋找一組最優(yōu)的變換參數(shù)對θ、Δx、Δy，對SAR圖像進行坐標變換，使得變換后SAR圖像與光學圖像中的同名干線對相重合的過程。

設SAR圖像中M組干線對的交點P＝｛P1，P2，…PM｝，光學圖像中的N組干線對的交點為P′＝｛P′1，P′2，…P′N｝，定義P′與P的改進Hausdorff距離h為兩幅圖像中干線對的重合度：

其中，P′K表示將dP（p′）從小到大排序后的前K個值，K通常取較大的值，＃（P′K）表示P′K所含點的數(shù)量，。

根據(jù)定義（1）～（3）尋找圖像中的干線對，運用式（2）與式（3）進行直線匹配，求解步驟如圖2所示。

2.2 基于角點特征的圖像精匹配

設SAR實時圖與光學基準圖提取出的角點分別為Cs＝｛Cs1，…Csi，…Csv｝與Cg＝｛Cg1，…，Cgi，…Cgu｝，對Cs＝｛Cs1，…Csi，…Csv｝經(jīng)直線粗匹配（即經(jīng)參數(shù)Δθ，Δx，Δy剛體變換）后，得到的角點為C′s＝｛C′s1，…，C′si，…C′sv｝。

對于C′si與Cgj，若其為同名角點，則有：

（1）距離約束

直線粗匹配后兩幅圖像中的同名角點應該對齊。定義閾值Ω，若兩點距離在Ω內(nèi)，則其為候選同名角點。理論上，Ω的值應與直線匹配誤差相等，為保持算法穩(wěn)健性，實際中Ω值應略大于匹配誤差，取15～20像素為宜。

（2）邊緣約束

同名角點在兩幅圖像上所對應的邊緣必須一致。

采用如下方法定義一致邊緣：對于SAR圖像中的某條邊緣，在其上均勻取n個點。分別計算這n個點到光學圖像所有邊緣的單向Hausdorff距離的均值，均值最小值所對應的光學邊緣與該SAR圖像邊緣為一致邊緣。

（3）彎曲度約束

每一個角點在其邊緣支持域內(nèi)對應一彎曲度α［5］，若C′s與Cg匹配，則二者對應的α值相同。鑒于SAR圖像與光學圖像成像機理不同以及噪聲、圖像離散化等因素的影響，α值的計算存在一定的波動，因此，在角點值匹配時，匹配條件放寬為：

在2.1節(jié)直線粗匹配結果基礎上，根據(jù)約束條件（1）～（3），即可得到的用于校正粗匹配結果的同名角點對集。根據(jù)該角點對集，運用最小二乘法即可得到精匹配參數(shù)Δθ′，Δx′，Δy′。

3 算法匹配結果與性能分析

3.1 算法匹配結果

對于一幅河流光學圖像與SAR圖像（圖3），采用2.1節(jié)的方法進行直線特征提取，并基于改進Hausdorff距離進行干線對粗匹配，結果如圖4所示。

在圖4直線粗匹配結果的基礎上采用結合曲率尺度空間與Harris算子定位的角點提取方法提取兩幅圖像的角點特征，運用2.2中約束條件（1）～（3）尋找同名角點（圖5），進行圖像精匹配結果如圖6所示。

3.2 算法匹配性能分析

組合導航系統(tǒng)中，圖像匹配的實時性和精度是衡量匹配算法優(yōu)劣的兩個重要因素。分別采用基于改進Hausdorff距離的直線匹配法、基于遺傳算法的角點特征匹配法對圖3的兩幅原始圖像進行匹配，與本文方法對比，結果見表1。

分析三種方法的匹配性能可知，本文方法由于在直線粗匹配基礎上進行了角點精匹配，其匹配時間略長于基于改進Hausdorff距離的直線匹配法，但匹配精度卻提高了4～5個像素；由于是在粗匹配結果的基礎上進行同名角點的配對，減少了角點的誤匹配率，同時省去了遺傳算法進行的匹配參數(shù)搜索過程，本文方法精度和速度均優(yōu)于角點特征匹配法［9-10］。

4 結論

本文采用一種結合直線與角點特征的圖像匹配算法，與已有方法相比，該方法具有以下兩個特點：

（1）采用一種結合曲率尺度空間與Harris算子定位的角點提取方法，提高了角點定位精度。

（2）在直線粗匹配基礎上進行角點精匹配，在保證算法實時性的前提下，減少了角點的誤匹配率，有效地提高了角點匹配精度。

經(jīng)仿真驗證，該方法匹配精度高，實時性好，可在INS／SAR組合導航系統(tǒng)中實現(xiàn)任意旋轉角度與平移情況下的SAR圖像與光學圖像匹配。而同屬于仿射變換的其他變換，如縮放、反射和剪切等方法是下一步需要研究的內(nèi)容。

［1］李濤,劉肖琳.一種穩(wěn)健的直線提取和匹配算法［J］.計算機仿真,2008,25（9）：171-173.

［2］席學強,王潤生.基于直線特征的圖像-模型匹配算法［J］.國防科技大學學報,2000,22（6）：70-74.

［3］冷雪飛,劉建業(yè),熊智.基于分支特征點的導航用實時圖像匹配算法［J］.自動化學報,2007,33（7）：678-682.

［4］Ding M ingyue,Li Lingling,Zhou Chengping,et al.A multisensor image registration method based on Harris Corner Matching［C］//Proceeding of the 12th International Conference on Virtual Systems and Multimedia,Xi'an, October 18-20,2006：174-183.

［5］韓志斌.INS/SAR組合導航系統(tǒng)中的圖像匹配方法研究［D］.煙臺：海軍航空工程學院,2009.

［6］孔紫陽,吳曉紅,何小海.基于改進的Harris角點檢測在巖心圖像拼接中的應用［J］.微計算機信息,2010, 26（11-2）：193-195.

［7］Mokhtarian F,Suomela R.Robust image cornet detection through Curvature Scale Space［J］.IEEE Trans on Pattern Analysis and machine Intelligence,1998,20（12）：1376-1381.

［8］張月婷,丁赤飚,王宏琦,等.圓柱型油罐SAR圖像的多徑散射特征和幾何參數(shù)提?。跩］.紅外與毫米波學報,2012,31（4）：379-384.

［9］婁軍,金添,周智敏,等.基于SEEMD的高分辨率SAR圖像目標特征提取方法［J］.電子學報,2012,40（4）：793-798.

［10］Zhao H W,Huang N E.Ensemble empirical mode decomposition：A nosise assisted data analysis method［J］.Advances in Adaptive Data Analysis,2008,1（1）：1-41.

Research on a Matching Arithmetic of SAR Images and Optical Images

HAIShen1，HAN Zhibin2，WANG Yu2
（1.School of Mathematics and Computer，Tongling University，Tongling 244000，China；2.92857 Troop，Beijing 100083，China）

INS／SAR integrated navigation system requires thematchingmethod of SAR real-time images and optical reference images to be fast and precise.Aiming at the defects of the linematchingmethod and the cornermatchingmethod，the line features and corner features of SAR real-time images and optical reference images line are extracted first，and then the precise corner features are used to perform the precisematching of SAR images and optical images on the basis ofmain line coarsematching results.Through experiment，themethod is verified to have high instantaneity and precision，it can be better applied to the imagesmatching of INS／SAR integrated navigation system.

integrated navigation system；imagematching；line features；corner features

TP391.4

A

1673-1549（2014）04-0048-04

10.11863／j.suse.2014.04.12

2014-01-17

安徽高校省級自然科學研究項目（KJ2012Z410）

海深（1974-），男，安徽無為人，講師，碩士，主要從事嵌入式系統(tǒng)、圖像處理方面的研究，（E-mail）haishen－2004＠163.com