基于遙感影像匹配綜述

吳雪蘭

(成都理工大學(xué) 四川 成都 610059)

一、引言

影像匹配是通過(guò)兩幅或多幅影像對(duì)同一區(qū)域的特征、紋理、以及灰度等特征進(jìn)行分析并通過(guò)相似性度量來(lái)尋找影像中所對(duì)應(yīng)的同名像點(diǎn)的過(guò)程。影像匹配是圖像處理過(guò)程中不可或缺且具有關(guān)鍵意義的一個(gè)重要環(huán)節(jié)，它的匹配結(jié)果的好壞直接影響著圖像處理的可靠性，因此，影像匹配的研究一直以來(lái)都是各國(guó)研究者們研究的重點(diǎn)和難點(diǎn)問題?，F(xiàn)如今，大量的文獻(xiàn)提出的影像匹配算法形態(tài)各異但基本原理相似，雖基本原理類似但卻存在細(xì)微的差異。影像匹配不僅僅實(shí)現(xiàn)了垂直和傾斜影像匹配，還朝著異源、多源、多視角、多分辨率影像的匹配發(fā)展[1]，它不僅實(shí)現(xiàn)了不同傳感數(shù)據(jù)的融合而且還解決了不同時(shí)像的影像間的差異問題。由于多學(xué)科、多技術(shù)的不斷發(fā)展與融合，現(xiàn)階段也將神經(jīng)網(wǎng)絡(luò)卷積與深度學(xué)習(xí)等引入影像匹配來(lái)提高影像匹配的精度與效率[2]。

二、常用的影像匹配方法

(一)基于灰度的匹配方法

基于灰度的匹配算法是以待定點(diǎn)為中心窗口的窗口內(nèi)，以影像的灰度分布信息為基礎(chǔ)進(jìn)行匹配的算法，灰度匹配算法最常用的方法有模板匹配算法、相關(guān)系數(shù)法和最小二乘匹配算法?；诨叶绕ヅ渌惴ㄊ瞧ヅ渌惴ㄊ瞧ヅ湓缙谔岢鰜?lái)的一種算法，它的方法理論比較成熟且易于實(shí)現(xiàn)，并在紋理豐富的區(qū)域具有匹配精度高的特點(diǎn)，但容易受到光照強(qiáng)度、陰影、遮擋等影響導(dǎo)致該匹配精度不理想。針對(duì)灰度信息的影像匹配算法的不足，國(guó)內(nèi)外學(xué)者做出了大量的研究。李強(qiáng)[3]等人提出了通過(guò)對(duì)局部影像灰度編碼的匹配方法有效的提高了匹配速度并解決了圖像亮度與尺寸變化敏感等問題。在灰度匹配的研究中，最小二乘匹配算法一直是基于灰度匹配算法中較為經(jīng)典的算法，這種匹配算法深受學(xué)者們的喜愛。朱遵尚[4]等人根據(jù)特征點(diǎn)局部形狀自適應(yīng)的選取匹配窗口進(jìn)行最小二乘迭代來(lái)提高影像的匹配精度。此外，還有學(xué)者將變形系數(shù)、極線約束等引入最小二乘匹配來(lái)提高匹配的精度與速度[5]。

(二)基于特征的匹配方法

由于基于灰度的影像匹配算法容易受到非線性光照強(qiáng)度、陰影、遮擋等影響導(dǎo)致該匹配算法的精度較低。針對(duì)影像灰度匹配算法的缺點(diǎn)，提出了基于特征的影像匹配方法。該算法由特征檢測(cè)、特征描述、特征匹配這三個(gè)步驟組成，它的匹配方法眾多且存在較大差異。Lowe提出了SIFT(Scale Invariance Feature Transform)算法[6]，該算法具有較高魯棒性并且能夠解決光線變化和遮擋等問題。由于該算法精度較高學(xué)者們還提出了很多改進(jìn)算法，如引入了主成分分析、快速SURF[7]。

Moravec算法是提出用灰度自相關(guān)函數(shù)作為相似性判斷準(zhǔn)則提取特征點(diǎn)的算法，由于構(gòu)造較為簡(jiǎn)單、計(jì)算量大并且對(duì)孤立點(diǎn)和噪聲點(diǎn)敏感使得匹配精度較低。SUSAN算子的提出能夠很好的解決邊緣和拐點(diǎn)等問題但由于圖像內(nèi)容復(fù)雜程度不同導(dǎo)致匹配準(zhǔn)確度不容易得到保證。Edward Rosten[8]等人提出了通過(guò)在圖像中判斷某像素點(diǎn)周圍領(lǐng)域內(nèi)是否有足夠多的像素與該點(diǎn)處于同一的區(qū)域范圍對(duì)圖像進(jìn)行加速分割測(cè)試特征的FAST算法。為了改善高斯分解時(shí)造成的邊界模糊與細(xì)節(jié)缺失等問題，基于非線性尺度空間的KAZE算法能夠取得較好的匹配結(jié)果[9]。戴激光[10]等人使用Hough算法并將其應(yīng)用于異源遙感影像的匹配中使得異源遙感影像中能顯著提高影像同名直線提取的數(shù)量和精度。

三、結(jié)論與展望

由于計(jì)算機(jī)技術(shù)的迅速發(fā)展，影像匹配技術(shù)不再像以前那樣受到計(jì)算速度的影響較大，因此，現(xiàn)階段學(xué)者對(duì)影像的匹配研究主要偏向于影像匹配方法的可靠性和精度問題上。針對(duì)匹配精度問題，研究人員已經(jīng)從不同的角度、尺度來(lái)對(duì)高分辨率衛(wèi)星影像的匹配方法都進(jìn)行了大量的研究。從特征點(diǎn)提取算法研究到匹配窗口問題以及核線約束條件等方面進(jìn)行了大量的研究。相似特征、遮擋特征、陰影等問題成為了影像匹配技術(shù)的難題，改善單立體影像匹配存在很多不足之處將研究的重點(diǎn)轉(zhuǎn)向了多基線影像匹配。影像匹配還存在相關(guān)的發(fā)展優(yōu)勢(shì)，在實(shí)用型匹配算法開發(fā)方面，制定一些切實(shí)可行的計(jì)劃和比較靈活的處理影像匹配方式可以提高匹配效率；在匹配算法實(shí)用性方面，可以使每一種理論和方法都能在一定的約束條件下達(dá)到比較滿意的匹配效果。