基于SIFT的高分二號(hào)全色與多光譜影像配準(zhǔn)算法

王森

摘要：傳統(tǒng)的SIFT算法在配準(zhǔn)高分二號(hào)全色與多光譜影像時(shí)配準(zhǔn)效率較低，本文使用一種新的配準(zhǔn)策略：首先對(duì)圖像進(jìn)行區(qū)域劃分并計(jì)算每個(gè)區(qū)域的信息熵，只針對(duì)信息熵較大的部分采用改進(jìn)的Harris算法提取特征點(diǎn)，然后使用SIFT算法描述特征點(diǎn)并進(jìn)行粗匹配，再用PROSAC進(jìn)行特征點(diǎn)的提純，實(shí)現(xiàn)精匹配，最后完成圖像配準(zhǔn)。

關(guān)鍵詞：高分二號(hào);圖像配準(zhǔn);信息熵;SIFT;PROSAC

中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2020）01-0104-02

0 引言

在遙感圖像處理中，圖像配準(zhǔn)是很重要的處理環(huán)節(jié)。配準(zhǔn)精度的高低直接會(huì)影響到后續(xù)的圖像處理質(zhì)量，因此對(duì)遙感圖像配準(zhǔn)進(jìn)行深入的研究具有很重要的現(xiàn)實(shí)意義。近年來(lái)Harris算子和SIFT算子在圖像配準(zhǔn)領(lǐng)域應(yīng)用較為廣泛，這兩種方法在處理普通圖像時(shí)能夠取得較好的配準(zhǔn)效果，但是對(duì)于遙感圖像配準(zhǔn)而言往往配準(zhǔn)精度較低。因此本文基于這兩種算法對(duì)高分二號(hào)衛(wèi)星圖像的配準(zhǔn)方法進(jìn)行研究，從而充分利用這兩種算法的優(yōu)點(diǎn)。

Harris[1]角點(diǎn)檢測(cè)算法是通過(guò)微分算子計(jì)算像素點(diǎn)在任意方向上的灰度變化，并根據(jù)角點(diǎn)響應(yīng)函數(shù)的值來(lái)判斷目標(biāo)像素點(diǎn)是否為角點(diǎn)。該算法運(yùn)算量較小，且提取的角點(diǎn)分布較為均勻。尺度不變特征變換（SIFT）[2]算法是圖像配準(zhǔn)領(lǐng)域較為經(jīng)典的一種算法，SIFT特征對(duì)圖像的尺度、旋轉(zhuǎn)、平移等具有不變性，該算法的主要步驟包括：尺度空間構(gòu)造、極值點(diǎn)檢測(cè)、特征點(diǎn)主方向分配、特征描述子生成。SIFT算法在普通圖像中的配準(zhǔn)效果較好，但是對(duì)于大幅面的遙感圖像往往具有配準(zhǔn)速度慢、精度低等特點(diǎn)。配準(zhǔn)速度慢主要體現(xiàn)在檢測(cè)到的特征點(diǎn)數(shù)量多，從而在特征描述階段會(huì)有較多的時(shí)間消耗，因此本文在特征檢測(cè)部分使用改進(jìn)的Harris算法代替SIFT算法進(jìn)行特征檢測(cè)。

1 基于Harris-SIFT的圖像配準(zhǔn)算法

1.1 特征點(diǎn)檢測(cè)

經(jīng)典的Harris算子檢測(cè)出的角點(diǎn)不具有尺度不變性，因此本文使用Harris-Laplace[3]算法進(jìn)行角點(diǎn)檢測(cè)，使其具有尺度不變性。Harris算子是通過(guò)角點(diǎn)響應(yīng)函數(shù)CRF（corner response function）的值來(lái)判斷該點(diǎn)是否為角點(diǎn)，當(dāng)CRF的值超過(guò)所設(shè)定的閾值時(shí)，則認(rèn)為該點(diǎn)為需要的角點(diǎn)。但是CRF值的計(jì)算會(huì)受到經(jīng)驗(yàn)常數(shù)k的影響，進(jìn)而會(huì)影響到后續(xù)的配準(zhǔn)效果，因此為了避免k值的選取，本文使用改進(jìn)的角點(diǎn)響應(yīng)函數(shù)[4]，計(jì)算式為：

其中是圖像的水平方向梯度，是圖像的垂直方向梯度，其中，，是任意小的正數(shù)，可以避免分母為零的情況。

針對(duì)該改進(jìn)的Harris算法依然存在無(wú)效的角點(diǎn)的問(wèn)題，本文參考王崴等[5]提出的在當(dāng)前的目標(biāo)像素點(diǎn)8鄰域的范圍內(nèi)統(tǒng)計(jì)與之相似的像素點(diǎn)個(gè)數(shù)，以此來(lái)剔除無(wú)效的角點(diǎn)。由于高分二號(hào)圖像的特殊性，且波段間灰度存在較大的差異，這樣容易使角點(diǎn)的定位存在偏差。故需要對(duì)用上述方法檢測(cè)到的角點(diǎn)進(jìn)行精定位，本文參考經(jīng)典的Forstner[6]算子對(duì)角點(diǎn)進(jìn)行精定位。

1.2 特征描述子生成

由于本文不直接對(duì)整幅圖像進(jìn)行特征檢測(cè)，而僅對(duì)信息熵較大的區(qū)域使用改進(jìn)的Harris算子檢測(cè)角點(diǎn)特征，這樣大大的降低了算法的運(yùn)算量，所以不必再為了進(jìn)一步提高運(yùn)算速度而降低特征描述符的維數(shù)，因?yàn)樵诮稻S的同時(shí)可能會(huì)使配準(zhǔn)精度降低。因此，為了確保配準(zhǔn)精度，本文使用傳統(tǒng)的SIFT算法進(jìn)行特征描述，生成128維特征向量，具體可參考文獻(xiàn)[2]中的方法。

1.3 針對(duì)高分二號(hào)衛(wèi)星影像的配準(zhǔn)方法

由于高分二號(hào)圖像的數(shù)據(jù)量較大，因此傳統(tǒng)的配準(zhǔn)策略在此已不能滿足實(shí)時(shí)性的要求。本文方法為：首先對(duì)整幅圖像進(jìn)行區(qū)域劃分[7]并計(jì)算各區(qū)域信息熵，然后針對(duì)信息熵較大的區(qū)域使用改進(jìn)的Harris算法進(jìn)行特征提取，從而縮短特征檢測(cè)的時(shí)間，而且能夠使特征點(diǎn)在整幅圖像中分布均勻。之后使用SIFT算法對(duì)特征點(diǎn)進(jìn)行描述并且進(jìn)行粗匹配，然后使用PROSAC[8]算法進(jìn)一步提純特征點(diǎn)并估算出變換模型參數(shù)，從而實(shí)現(xiàn)最終的圖像配準(zhǔn)。

2 實(shí)驗(yàn)分析

本文選取全色影像為基準(zhǔn)圖像，由于多光譜影像中的近紅外波段和全色影像存在較大的灰度差異，故以近紅外波段為例作為待配準(zhǔn)圖像進(jìn)行實(shí)驗(yàn)更能驗(yàn)證配準(zhǔn)算法的有效性，全色影像大小為2286×2225，近紅外波段影像大小為746×749。本文使用VS2013結(jié)合GDAL庫(kù)編程。使用傳統(tǒng)的SIFT算法作為對(duì)比實(shí)驗(yàn)，本文算法實(shí)驗(yàn)結(jié)果如圖1所示，兩種算法配準(zhǔn)效果比較如表1所示。實(shí)驗(yàn)結(jié)果表明，本文算法明顯比SIFT算法檢測(cè)到的特征點(diǎn)少、配準(zhǔn)速度快，在提高配準(zhǔn)速度的同時(shí)，配準(zhǔn)精度也較SIFT算法高。

3 結(jié)語(yǔ)

本文針對(duì)高分二號(hào)遙感圖像提出了一種在區(qū)域劃分的基礎(chǔ)上，使用改進(jìn)的Harris算子和SIFT算子相結(jié)合的圖像配準(zhǔn)方法。實(shí)驗(yàn)證明，該算法提取的特征點(diǎn)較SIFT算法更少且更均勻，配準(zhǔn)速度和配準(zhǔn)精度都較SIFT算法有顯著的提高。

參考文獻(xiàn)

[1] Harris C，Stephens M.A combined corner and edge detector[C].Proceedings of the Alvey Vision Conference，Manchester，UK，1988：147-151.

[2] Lowe D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision，2004，60（2）：91-110.

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

[4] 毛晨，錢惟賢，顧國(guó)華，等.基于雙邊濾波的Harris角點(diǎn)檢測(cè)[J].紅外技術(shù)，2014，36（10）：812-815+819.

[5] 王崴，唐一平，任娟莉，等.一種改進(jìn)的Harris角點(diǎn)提取算法[J].光學(xué)精密工程，2008（10）：1995-2001.

[6] 張艷，張志成.混合Forstner算法和SIFT灰度圖像特征點(diǎn)提取[J].科技通報(bào)，2012（10）：64-70.

[7] 李玉峰，王竹筠.基于Harris-SIFT特征匹配的圖像自動(dòng)配準(zhǔn)算法研究[J].電視技術(shù)，2015，39（23）：26-30.

[8] CHUM O，MATAS J.Matching with PROSAC-progressive sample consensus[C].IEEE Computer Society Conference on Computer Vision & Pattern Recognition（ICCV），Beijing：IEEE，2005：220-226.