太陽(yáng)高分辨觀測(cè)圖像與全日面像的高精度配準(zhǔn)方法*

馮 濤，戴 偉 ，王 瑞，季凱帆,

(1. 昆明理工大學(xué)云南省計(jì)算機(jī)技術(shù)應(yīng)用重點(diǎn)實(shí)驗(yàn)室，云南 昆明 650500；2. 中國(guó)科學(xué)院云南天文臺(tái)，云南 昆明 650011)

在研究太陽(yáng)圖像的觀測(cè)數(shù)據(jù)時(shí)，經(jīng)常需要將不同設(shè)備的數(shù)據(jù)進(jìn)行對(duì)比，從而發(fā)揮它們各自在不同波段、不同視場(chǎng)、不同分辨率上的優(yōu)勢(shì)。太陽(yáng)光學(xué)成像觀測(cè)包括全日面和高分辨觀測(cè)兩類。對(duì)于全日面圖像，由于太陽(yáng)幾何尺寸和運(yùn)動(dòng)方式已知，如太陽(yáng)的半徑、太陽(yáng)極軸角、自轉(zhuǎn)等，因此各種觀測(cè)設(shè)備均把自己的數(shù)據(jù)在預(yù)處理后歸算到標(biāo)準(zhǔn)的太陽(yáng)坐標(biāo)系。然而對(duì)于局部高分辨像，由于觀測(cè)設(shè)備的指向誤差、視場(chǎng)旋轉(zhuǎn)以及焦距的變化，使得直接依賴儀器參數(shù)確定準(zhǔn)確的太陽(yáng)視場(chǎng)坐標(biāo)不精確，因此只能借助太陽(yáng)圖像上相似的太陽(yáng)結(jié)構(gòu)(如光球?qū)訉?duì)應(yīng)光球?qū)?，色球?qū)訉?duì)應(yīng)色球?qū)?與全日面像進(jìn)行轉(zhuǎn)換，即視場(chǎng)匹配。然而全日面觀測(cè)有大于31′ 的視場(chǎng)，但最高的空間像元分辨率僅為0.5″(空間太陽(yáng)動(dòng)力天文臺(tái)的日震及磁場(chǎng)成像儀，Solar Dynamics Observatory/Helioseismic and Magnetic Imager, SDO/HMI)。而地面高分辨觀測(cè)，如中國(guó)的1 m新真空太陽(yáng)望遠(yuǎn)鏡(New Vaccum Sloar Telescope, NVST)和美國(guó)大熊湖天文臺(tái)的新太陽(yáng)望遠(yuǎn)鏡(New Solar Telescope, NST)，視場(chǎng)僅僅為1′ 到2′，但像元分辨率達(dá)到0.05″ 以上，這就意味著需要將兩個(gè)空間分辨率相差10倍的圖像進(jìn)行配準(zhǔn)。即便不考慮其他畸變，局部像的視場(chǎng)旋轉(zhuǎn)(R)、比例尺(S)和中心位置坐標(biāo)(Tx,Ty)是必須得到的4個(gè)參數(shù)。

圖像配準(zhǔn)是指在不同時(shí)間、不同條件下得到的位于不同坐標(biāo)系下的同一場(chǎng)景的兩幅或者多幅圖像進(jìn)行匹配的過(guò)程[1]。由于存在各種不同的情況，同一場(chǎng)景的多幅圖像會(huì)在分辨率、位置、尺度、成像模式等方面存在很多差異，圖像配準(zhǔn)是找到一個(gè)幾何變換的最優(yōu)解，使得圖像上相對(duì)應(yīng)的點(diǎn)，或者至少是有意義的點(diǎn)達(dá)到匹配狀態(tài)。目前在圖像配準(zhǔn)領(lǐng)域，常見(jiàn)的配準(zhǔn)方法有基于特征的點(diǎn)匹配方法，即根據(jù)圖像中的特征點(diǎn)，或者顯著特征構(gòu)造描述子確定的匹配點(diǎn)，然后構(gòu)造轉(zhuǎn)換方程進(jìn)行配準(zhǔn)。理論上這個(gè)方法如果有足夠多和足夠精確的控制點(diǎn)是可以很好地解決兩個(gè)圖像的幾何變換，如旋轉(zhuǎn)、縮放、平移等問(wèn)題。但關(guān)鍵問(wèn)題是如何確定這些點(diǎn)，這方面在圖像處理界有很多研究，如Harris角點(diǎn)及其衍生的Harris-Laplace方法[2]，尺度不變特征(Scale-invariant feature transform, SIFT)[3]及其衍生的PCA-SIFT算法(Principal Com-ponent Analysis SIFT)[4]、局部特征描述子[5]、高速尺度不變特征算法(Very Fast SIFT, VF-SIFT)[6]，加速魯棒性特征(Speeded Up Robust Features, SURF)[7-8]等。另外一種是基于區(qū)域信息的統(tǒng)計(jì)配準(zhǔn)方法，主要通過(guò)圖像區(qū)域的統(tǒng)計(jì)信息度量圖像的相似程度，如互信息[9]，互相關(guān)函數(shù)[10-11]，模板匹配[12]，不變矩，相關(guān)匹配[13-14]等。但一般來(lái)講這種方法主要解決圖像間的平移問(wèn)題，對(duì)于具有旋轉(zhuǎn)和比例縮放的圖像，又引申出在頻率域的相位相關(guān)技術(shù)[15]，F(xiàn)ouier-Mellin[16-17]等。

然而，由于太陽(yáng)觀測(cè)圖像和普通自然圖像有很大的區(qū)別，其中的特征邊界不清晰，結(jié)構(gòu)相對(duì)模糊且存在很多噪聲，同時(shí)動(dòng)態(tài)范圍大，運(yùn)動(dòng)速度較快，并且存在很多不同的活動(dòng)現(xiàn)象，大部分運(yùn)動(dòng)現(xiàn)象為非剛性運(yùn)動(dòng)；同時(shí)太陽(yáng)圖像的圖幅一般較大，有效目標(biāo)小且缺少有效的紋理，不存在明顯的梯度變化等特征，并且由于拍攝太陽(yáng)圖像的設(shè)備以及拍攝過(guò)程中的不確定性，采集的太陽(yáng)圖像還存在旋轉(zhuǎn)、縮放及平移等情況，不同圖像的空間分辨率經(jīng)常不在同一尺度，這就為確定特征對(duì)應(yīng)點(diǎn)帶來(lái)非常大的困難。長(zhǎng)期以來(lái)，同一觀測(cè)設(shè)備的太陽(yáng)時(shí)間序列圖像的視場(chǎng)對(duì)齊一直采用基于互相關(guān)的統(tǒng)計(jì)配準(zhǔn)，而不同觀測(cè)設(shè)備之間的圖像配準(zhǔn)，還停留在利用一些顯著的太陽(yáng)特征，如黑子、氣孔、大米粒構(gòu)造對(duì)應(yīng)點(diǎn)的方式。然而這些特征點(diǎn)數(shù)量少，結(jié)構(gòu)不規(guī)則，難以保證位置測(cè)量精度，同時(shí)也難以使用計(jì)算機(jī)技術(shù)進(jìn)行自動(dòng)化測(cè)量。尤其是將高分辨局部像對(duì)應(yīng)到全日面像的時(shí)候，這種問(wèn)題更為突出。但從另一方面，通過(guò)望遠(yuǎn)鏡機(jī)械和終端光學(xué)系統(tǒng)，對(duì)局部太陽(yáng)像指向、比例尺和位置有初步估計(jì)，只是這些數(shù)值不很精確且隨時(shí)間有一些變化。因此實(shí)際面臨的是如何提高配準(zhǔn)精度，進(jìn)行精細(xì)圖像匹配的問(wèn)題。

基于這些問(wèn)題， 本文提出了一種將統(tǒng)計(jì)信息和相關(guān)點(diǎn)匹配相結(jié)合的太陽(yáng)圖像配準(zhǔn)算法，解決將不同分辨率下的局部高分辨觀測(cè)數(shù)據(jù)和全日面數(shù)據(jù)進(jìn)行高精度坐標(biāo)轉(zhuǎn)換的問(wèn)題，其中包括測(cè)量圖像指向角、像元比例尺和圖像中心在全日面像上的位置。這一方法的基本思想是在初步匹配的基礎(chǔ)上，首先將視場(chǎng)劃分成大量重疊的局部區(qū)域代替點(diǎn)匹配中的控制點(diǎn)，通過(guò)基于統(tǒng)計(jì)的相關(guān)匹配確定對(duì)應(yīng)區(qū)域間的亞像元位移，從而確定特征點(diǎn)對(duì)在同一坐標(biāo)系中的位置；然后用最小二乘迭代求解整個(gè)視場(chǎng)的轉(zhuǎn)換參數(shù)，并逐步迭代提高擬合的精度，成功將1 m太陽(yáng)望遠(yuǎn)鏡和新太陽(yáng)望遠(yuǎn)鏡的TiO觀測(cè)數(shù)據(jù)與幾乎同時(shí)刻(最長(zhǎng)間隔11 s)的太陽(yáng)動(dòng)力天文臺(tái)的日震及磁場(chǎng)成像儀連續(xù)譜進(jìn)行了匹配，擬合結(jié)果的偏差在0.25″ 之內(nèi)。

1 實(shí)驗(yàn)數(shù)據(jù)來(lái)源

本文實(shí)驗(yàn)使用的全日面圖像來(lái)自太陽(yáng)動(dòng)力天文臺(tái)(Solar Dynamics Observatory, SDO)上日震及磁場(chǎng)成像儀(Helioseismic and Magnetic Imager, HMI)采集的連續(xù)譜全日面像，而高分辨圖像為1 m太陽(yáng)望遠(yuǎn)鏡和新太陽(yáng)望遠(yuǎn)鏡 的TiO光球像。SDO/HMI設(shè)備的空間分辨率約為0.504 3 arcsec/pixel，圖像尺寸為4 096像元 × 4 096像元；1 m太陽(yáng)望遠(yuǎn)鏡和新太陽(yáng)望遠(yuǎn)鏡圖像的像元比例尺為0.04 arcsec/pixel和0.03 arcsec/pixel。

圖1(a)為1 m太陽(yáng)望遠(yuǎn)鏡的TiO觀測(cè)數(shù)據(jù)，觀測(cè)時(shí)間為2013-07-15 07:29:09，有效區(qū)域尺寸為2 304像元 × 1 920像元；圖1(b)為SDO/HMI連續(xù)譜觀測(cè)數(shù)據(jù)，觀測(cè)時(shí)間為2013-07-15 07:29:15， 紅框標(biāo)記區(qū)域?yàn)? m太陽(yáng)望遠(yuǎn)鏡在SDO/HMI中的大體位置。本文主要以此圖像的匹配說(shuō)明算法流程。

2 配準(zhǔn)的方法

2.1 配準(zhǔn)方法的流程

配準(zhǔn)方法的主要流程如圖2。圖2可以描述為下列11個(gè)步驟：

(1)對(duì)1 m太陽(yáng)望遠(yuǎn)鏡圖像的指向、比例尺和位置進(jìn)行初步估計(jì)，得到旋轉(zhuǎn)(Rotation)、縮放(Scaling)及平移(Translation)參數(shù)(下文稱RST參數(shù))；

(2)根據(jù)RST參數(shù)，對(duì)太陽(yáng)動(dòng)力天文臺(tái)的日震及磁場(chǎng)成像儀全日面像進(jìn)行旋轉(zhuǎn)，并截取與1 m太陽(yáng)望遠(yuǎn)鏡像視場(chǎng)相同的太陽(yáng)動(dòng)力天文臺(tái)的日震及磁場(chǎng)成像儀子圖IS；

圖1 觀測(cè)數(shù)據(jù)
Fig.1 Observed data

(3)根據(jù)RST參數(shù)和太陽(yáng)動(dòng)力天文臺(tái)的日震及磁場(chǎng)成像儀的比例尺，將1 m太陽(yáng)望遠(yuǎn)鏡像縮小至和太陽(yáng)動(dòng)力天文臺(tái)的日球?qū)哟艌?chǎng)觀測(cè)儀同一比例尺下，即對(duì)1 m太陽(yáng)望遠(yuǎn)鏡圖像進(jìn)行降采樣；

(4)對(duì)降采樣后的1 m太陽(yáng)望遠(yuǎn)鏡像進(jìn)行高斯平滑，減小采樣過(guò)程中的頻率混疊。平滑后的1 m太陽(yáng)望遠(yuǎn)鏡降采樣像用IR表示；

(5)將圖像IR等間隔劃分為N個(gè)重疊的子塊，并將每個(gè)子塊記為fiR；

(6)對(duì)每一個(gè)子塊fiR和太陽(yáng)動(dòng)力天文臺(tái)的日球?qū)哟艌?chǎng)觀測(cè)儀子圖IS利用歸一化互相關(guān)方法求得fiR對(duì)應(yīng)的每一個(gè)IS子塊fiS；

(7)對(duì)每一組fiR和fiS，測(cè)量其亞像元偏移，并將子塊中心設(shè)置為一組對(duì)應(yīng)的控制點(diǎn)；

(8)篩選每組控制點(diǎn)，將控制點(diǎn)間距離大于一定像元的點(diǎn)剔除；

(9)根據(jù)剩下的控制點(diǎn)，建立仿射變換的轉(zhuǎn)換方程，采用最小二乘求解RST參數(shù)；

(10)計(jì)算殘差σ和迭代次數(shù)L，若滿足{σ<0.5∧Δσ<0.1}；{σ<0.3}；{L>30,σ=min(σ1～30)}任一條件，則停止迭代；否則，返回步驟(2)，根據(jù)步驟(9)解得的RST參數(shù)重新對(duì)SDO/HMI和1 m太陽(yáng)望遠(yuǎn)鏡像進(jìn)行迭代處理；

(11)最終得到迭代完成后的RST參數(shù)并進(jìn)行配準(zhǔn)。

在上述步驟中， (6)至(9)步為算法的核心，下文對(duì)該部分進(jìn)行更為具體的描述。需要注意，開(kāi)始迭代后(2)到(3)步中的RST參數(shù)會(huì)根據(jù)上一次迭代的結(jié)果進(jìn)行下一次迭代，意味著算法會(huì)重新對(duì)圖像進(jìn)行平滑。

圖2 算法流程圖
Fig.2 Algorithm flow chart

2.2 分塊確定特征控制點(diǎn)

設(shè)IR為待匹配圖像，IS為參考圖像。將IR劃分N個(gè)特征區(qū)域，記為集合{fiR,i=1, 2, ...,N}；IS的尺寸為U×V，每個(gè)區(qū)域fiR的尺寸為u×v，可知u

(1)

根據(jù)上述公式，每個(gè)fiR和IS做歸一化互相關(guān)，可得到一個(gè)互相關(guān)曲面，而峰值的坐標(biāo)代表了fiR圖像中心在IS中的整數(shù)像元精度的匹配位置。

在IS中根據(jù)上述位置可截取和fiR同樣大小的特征區(qū)域，得到每一個(gè)fiR對(duì)應(yīng)的fiS。由它們組成的集合記為fiS,i=1, 2, ...,N。

對(duì)于兩組對(duì)應(yīng)的特征區(qū)域的fiR和fiS，使用集合F描述fiR和fiS任意兩個(gè)特征區(qū)域之間的關(guān)系，即

Fi=F(fiR,fiS),1≤i≤N，

(2)

Fi表示任意兩個(gè)對(duì)應(yīng)的局部特征區(qū)域(fiR,fiS)。

對(duì)于每一對(duì)特征區(qū)域(fiR,fiS)，計(jì)算標(biāo)準(zhǔn)的互相關(guān)函數(shù)。假設(shè)D為特征區(qū)域(fiR,fiS)間互相關(guān)函數(shù)分布的峰值局部區(qū)域，按照修正矩方法計(jì)算重心坐標(biāo)(m,n)：

(3)

其中，I為曲面強(qiáng)度值，則I′=I-b，b=min(I)，I∈D。每一對(duì)(fiR,fiS)圖像間互相關(guān)函數(shù)的局部重心坐標(biāo)代表每一對(duì)特征區(qū)域(fiR,fiS)間的亞像元偏移。

根據(jù)亞像元偏移的情況， 可以建立每一對(duì)(fiR,fiS)圖像中心點(diǎn)對(duì)應(yīng)的坐標(biāo)，得到和IS之間的N對(duì)坐標(biāo)轉(zhuǎn)換控制點(diǎn)。用集合P描述控制點(diǎn)對(duì)之間的關(guān)系，即

Pi=P(piR,piS),1≤i≤N.

(4)

2.3 最小二乘求解轉(zhuǎn)換參數(shù)

考慮平移、旋轉(zhuǎn)和縮放的情況，假設(shè)控制點(diǎn)對(duì)(piR,piS)，對(duì)應(yīng)的坐標(biāo)分別為(xA,yA)和(xB,yB)，變換關(guān)系為

xB=Δx+(1+m)xAcosθ-(1+m)yAsinθ，

yB=Δy+(1+m)xAsinθ+(1+m)yAcosθ.

(5)

轉(zhuǎn)換為矩陣形式，

(6)

誤差方程為

(7)

需要注意，在視場(chǎng)平面坐標(biāo)轉(zhuǎn)換時(shí)，需要對(duì)誤配點(diǎn)對(duì)進(jìn)行篩選，通過(guò)計(jì)算控制點(diǎn)間的距離。在實(shí)際匹配中，如果控制點(diǎn)之間的距離大于5像元，即2.5″ 時(shí)，則認(rèn)為該點(diǎn)為誤配點(diǎn)對(duì)，將其剔除，根據(jù)篩選后的控制點(diǎn)求解的RST參數(shù)，重新對(duì)太陽(yáng)動(dòng)力天文臺(tái)的日震及磁場(chǎng)成像儀和1 m太陽(yáng)望遠(yuǎn)鏡像進(jìn)行RST迭代，計(jì)算RST參數(shù)，最后得到迭代完成后的RST轉(zhuǎn)換參數(shù)。

3 實(shí)驗(yàn)結(jié)果與分析

本文實(shí)驗(yàn)中，分塊尺寸設(shè)置為30像元 × 30像元，塊間隔為5像元。圖3為利用上述方法，將1 m太陽(yáng)望遠(yuǎn)鏡高分辨像和太陽(yáng)動(dòng)力天文臺(tái)的日震及磁場(chǎng)成像儀全日面像配準(zhǔn)后重疊區(qū)域的對(duì)比圖。

圖3 1 m太陽(yáng)望遠(yuǎn)鏡高分辨像和太陽(yáng)動(dòng)力天文臺(tái)的日球?qū)哟艌?chǎng)觀測(cè)儀全日面像配準(zhǔn)后重疊區(qū)域的對(duì)比圖
Fig.3 Comparison overlapping area of NVST high-resolution image and full-disk Solar image after registration

從圖3可以看到，配準(zhǔn)后圖像的對(duì)應(yīng)區(qū)域除清晰度明顯不同外，其他特征已經(jīng)完全匹配。為了更好地觀察配準(zhǔn)效果，將配準(zhǔn)區(qū)域疊加后，對(duì)邊界區(qū)域進(jìn)行放大，如圖4，可以看到邊界細(xì)節(jié)的信息匹配度良好，氣孔、米粒、米粒暗徑均較好地銜接。

根據(jù)配準(zhǔn)結(jié)果和太陽(yáng)動(dòng)力天文臺(tái)的日震及磁場(chǎng)成像儀的標(biāo)準(zhǔn)參數(shù)，表1顯示了推算的這張1 m太陽(yáng)望遠(yuǎn)鏡圖像極軸角和像元比例尺，以及視場(chǎng)中心在太陽(yáng)動(dòng)力天文臺(tái)的日震及磁場(chǎng)成像儀全日面像中的位置。

表1 配準(zhǔn)結(jié)果Table 1 Registration results

從表1可以知道平均殘差為0.31太陽(yáng)動(dòng)力天文臺(tái)的日震及磁場(chǎng)成像儀像元，意味著擬合結(jié)果的偏差約為0.15″。圖5顯示了這些殘差的空間分布。從圖5可以看出，殘差分布并不是完全隨機(jī)，顯示了1 m太陽(yáng)望遠(yuǎn)鏡像存在畸變。這是由于地面高分辨觀測(cè)圖像重建后，依然還有一些低頻的大氣抖動(dòng)殘余未能消除，而這限制了最終擬合結(jié)果的精度。同時(shí)由于兩幅圖像的觀測(cè)時(shí)間并不完全同步，有6 s的間隔，因此有些太陽(yáng)圖像特征已經(jīng)發(fā)生了改變。

圖4 配準(zhǔn)區(qū)域的邊界細(xì)節(jié)
Fig.4 The edge details of the registration area

對(duì)多張1 m太陽(yáng)望遠(yuǎn)鏡和新太陽(yáng)望遠(yuǎn)鏡觀測(cè)的高分辨像和太陽(yáng)動(dòng)力天文臺(tái)的日震及磁場(chǎng)成像儀全日面像進(jìn)行了匹配，結(jié)果見(jiàn)表2。

從上述結(jié)果可以看到，最大的匹配殘差約0.5像元，相當(dāng)于0.25″。

實(shí)驗(yàn)過(guò)程中發(fā)現(xiàn)，不同參數(shù)的選取會(huì)對(duì)算法產(chǎn)生一定的影響，具體見(jiàn)圖6～圖8。

圖6顯示了初步估計(jì)的參數(shù)對(duì)迭代次數(shù)的影響。圖6中，三角型(綠色)、空心圓型(藍(lán)色)、米字型(紅色)、十字型(黑色)分別代表估計(jì)角度為30°、35°、40°、45°時(shí)的迭代過(guò)程?？梢钥闯?，隨著初值誤差增大，為了修正誤差使結(jié)果收斂在合理的范圍內(nèi)，算法的迭代次數(shù)相應(yīng)增加。當(dāng)初始估計(jì)角度達(dá)到45°(此時(shí)的誤差約為30°)時(shí)，迭代次數(shù)由6次增加到42次才能收斂。

圖5 配準(zhǔn)后的向量場(chǎng)
Fig.5 The vector field after registration

表2 新太陽(yáng)望遠(yuǎn)鏡和1 m太陽(yáng)望遠(yuǎn)鏡的TiO圖像與SDO/HMI全日面像的配準(zhǔn)結(jié)果Table 2 Registration result of TiO image (NST and NVST) and SDO/HMI full-disk Solar image

圖6 不同的初始參數(shù)
Fig.6 The different initial parameters

圖7 不同的控制點(diǎn)篩選間距
Fig.7 The different filter distance between control points

圖7顯示了篩選控制點(diǎn)間距離的設(shè)置對(duì)算法收斂速度的影響。圖7中，十字型(紅色)、空心圓型(黑色)分別代表篩選閾值為5 pixel和10 pixel的迭代過(guò)程。可以看出，初值誤差較大時(shí)，高閾值的迭代次數(shù)更少，意味著算法收斂更快，反之低閾值效果更理想。當(dāng)角度誤差在30°附近時(shí)，不同閾值的迭代次數(shù)相差28次，高閾值更優(yōu)。角度誤差在10°附近時(shí)，迭代次數(shù)僅相差9次，低閾值更優(yōu)。

圖8顯示了不同的平滑參數(shù)對(duì)迭代次數(shù)的影響。圖8中，米字型(綠色)、空心圓型(藍(lán)色)、十字型(紅色)分別表示平滑參數(shù)為0.5、1、1.5時(shí)的迭代過(guò)程?？梢钥闯?，平滑參數(shù)增大使迭代次數(shù)增加，并且擬合結(jié)果有一定的降低。當(dāng)平滑參數(shù)為0.5時(shí)，算法達(dá)到收斂所需的迭代次數(shù)和結(jié)果優(yōu)于其它情況。

圖8 不同的平滑參數(shù)
Fig.8 The different filtering parameters

4 結(jié) 論

本文提出了一種針對(duì)太陽(yáng)高分辨像和全日面像進(jìn)行視場(chǎng)匹配的算法，從而解決了不同空間分辨率下、具有旋轉(zhuǎn)角的太陽(yáng)觀測(cè)圖像匹配問(wèn)題。算法的基本思想是結(jié)合區(qū)域相關(guān)匹配和控制點(diǎn)最小二乘求解的方法。1 m太陽(yáng)望遠(yuǎn)鏡和新太陽(yáng)望遠(yuǎn)鏡高分辨圖像與SDO/HMI全日面像的視場(chǎng)匹配實(shí)驗(yàn)都證明了兩者圖像擬合結(jié)果的偏差優(yōu)于0.25″。通過(guò)匹配可以精確測(cè)量高分辨像的極軸角、像元比例尺等。

本文方法要計(jì)算大量的小區(qū)域相關(guān)，同時(shí)進(jìn)行迭代計(jì)算，因此，時(shí)間開(kāi)銷較大，應(yīng)用時(shí)需要注意不同參數(shù)對(duì)迭代次數(shù)的影響。除此之外，小尺寸子塊會(huì)導(dǎo)致匹配點(diǎn)數(shù)增加，計(jì)算量增大，擬合精度會(huì)存在一定程度的下降；而大尺寸雖然對(duì)精度有一定提升，但是會(huì)導(dǎo)致匹配區(qū)域變小，從而影響整張圖像的匹配效果，子塊間距更多地影響計(jì)算速度。結(jié)合實(shí)際情況，我們認(rèn)為子塊尺寸在30像元、塊間距5像元附近，算法的穩(wěn)定性較合理。在應(yīng)用中，可根據(jù)實(shí)際情況對(duì)參數(shù)進(jìn)行調(diào)整。

此外，將高分辨TiO像通過(guò)與SDO/HMI全日面連續(xù)譜圖像的高精度匹配，也意味著可以轉(zhuǎn)換為和任意標(biāo)準(zhǔn)的全日面像進(jìn)行匹配，如SDO/HMI磁圖、SDO/AIA各波段觀測(cè)，甚至和色球全日面像進(jìn)行匹配。這意味著可以在0.25″ 的偏差下，研究小尺度結(jié)構(gòu)在各個(gè)波段，以及在磁場(chǎng)上的對(duì)應(yīng)情況。

這套方案可以用于任何具有相似圖像結(jié)構(gòu)的太陽(yáng)圖像匹配，如TiO和G波段、Hα偏帶、10830，也可以用于Hα線心圖像和全球日震網(wǎng)全日面像的配準(zhǔn)，因此具有非常廣闊的應(yīng)用前景。

[1] Zitova B, Flusser J. Image registration methods: a survey[J]. Image and Vision Computing, 2003, 21(11): 977-1000.

[2] Mikolajczyk K, Schmid C. Scale & affine invariant interest point detectors[J]. International Journal of Computer Vision, 2004, 60(1): 63-86.

[3] Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004, 60(60): 91-110.

[4] Yan K, Sukthankar R. PCA-SIFT: a more distinctive representation for local image descriptors[C]// IEEE Computer Society Conference on Computer Vision & Pattern Recognition. 2004: 506-513.

[5] Hou J, Qi N M, Kang J X. Image matching based on representative local descriptors[C]// International Conference on Advances in Multimedia Modeling. 2010: 303-313.

[6] Alhwarin F, Ristic′-Durrant D , Gr?ser A . VF-SIFT: Very Fast SIFT feature matching[C]// Dagm Conference on Pattern Recognition. 2010: 222-231.

[7] Bay H, Tuytelaars T, Gool L V. SURF: speeded up robust features[J]. Computer Vision & Image Understanding, 2006, 110(3): 404-417.

[8] 張開(kāi)玉, 梁風(fēng)梅. 基于改進(jìn)SURF的圖像配準(zhǔn)關(guān)鍵算法研究[J]. 科學(xué)技術(shù)與工程, 2013, 13(10): 2875-2879.

Zhang Kaiyu, Liang Fengmei. Research on key algorithms of image registration based on improved SURF[J]. Science Technology and Engineering, 2013, 13(10): 2875-2879.

[9] Pluim J P W, Maintz J B A, Viergever M A. Multual-information-based registration of medical images: a survey[J]. IEEE Transactions on Medical Imaging, 2003, 22(8): 986-1004.

[10]Lewis J P. Fast normalized crossed-correlation[J]. Circuits Systems & Signal Processing, 2001, 82(2): 144-156.

[11]Lee S U, Heo Y S, Lee K M. Robust stereo matching using adaptive normalized cross-correlation[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2011, 33(4): 807-822.

[12] 高軍, 李學(xué)偉, 張建, 等. 基于模板匹配的圖像配準(zhǔn)算法[J]. 西安交通大學(xué)學(xué)報(bào), 2007(3): 307-311.

Gao Jun, Li xuewei, Zhang Jian. et al. Image registration algorithm based on template matching[J]. Journal of Xi′an Jiaotong University, 2007(3): 307-311.

[13] Sarvaiya J N, Patnaik S, Bombaywala S. Image registration using log-polar transform and phase correlation[C]// Tencon IEEE Region 10 Conference. 2009: 1-5.

[14] 辛登松, 彭建雄. SAR圖像的改進(jìn)相位相關(guān)配準(zhǔn)方法[J]. 計(jì)算機(jī)與數(shù)字工程, 2011, 39(8): 126-128.

Xin Dengsong, Peng Jianxiong. Improved phase correlation registration method for SAR images[J]. Computer and Digital Engineering, 2011, 39(8): 126-128.

[15] Reddy B S, Chantterji B N. An FFT-based technique for translation, rotation, and scale-invariant image registration[J]. IEEE Transactions on Image Processing, 1996, 5(8): 1266-1271.

[16] Guo X X, Lu Y N, Xu Z W, et al. An application of Fourier-Mellin transform in image registration[C]// International Conference on Computer & Information Technology. 2005: 619-623.

[17] 王亮, 劉蓉, 張麗, 等. 基于Fourier-Mellin變換的氣象衛(wèi)星光譜圖像配準(zhǔn)[J]. 光譜學(xué)與光譜分析, 2013, 33(3): 855-858.

Wang Liang, Liu Rong, Zhang Li, et al. Spectral image registration of meteorological satellite based on Fourier-Mellin transform[J]. Spectroscopy and Spectral Analysis, 2013, 33(3): 855-858.