李校林，李　銀，王志鋒

(1.重慶郵電大學(xué)，重慶　400065；2.重慶信科設(shè)計有限公司，重慶　400065)

?

基于SIFT算法在遙感圖像匹配中的研究

李校林1，2，李銀1，王志鋒1

(1.重慶郵電大學(xué)，重慶400065；2.重慶信科設(shè)計有限公司，重慶400065)

針對遙感圖像在光照和幾何差異等復(fù)雜因素上引起的匹配誤差，深入研究了SIFT特征描述符的改進方法。利用特征點圓形區(qū)域來構(gòu)造特征描述符，采用自適應(yīng)量化策略用來局部區(qū)域的劃分和梯度直方圖的計算，并對每個描述子采用一種插值法重新確立主方向，改進SIFT算法的描述符。降低特征點維數(shù)的同時，又保證特征點描述符的獨特性和魯棒性。研究結(jié)果表明，改進的SIFT描述符在遙感圖像幾種復(fù)雜環(huán)境下都取得了預(yù)期的結(jié)果，證實了改進算法的可行性。

SIFT算法；特征匹配；特征描述符；主方向；自適應(yīng)分級；遙感圖像

針對SIFT算法在遙感圖形匹配方面的不足，本文改進了SIFT描述符。首先利用一種基于插值法重新確定直方圖的主方向，保證主方向的正確性；其次，提出了一種新的自適應(yīng)策略形成了獨特的描述子構(gòu)造方法，增強了描述符的特殊性和魯棒性。最后通過實驗驗證了本文改進算法在遙感圖形方面的魯棒性、實時性和匹配準確性都得到了顯著提高，具有很強的現(xiàn)實意義。

1　SIFT算法簡介

SIFT算法是近年來比較先進局部圖像描述算法，主要基于以下3個步驟[6-7]：

1)關(guān)鍵點檢測。關(guān)鍵點的檢測是在構(gòu)建的一系列高斯差值(DoG)圖像上找到極值點，然后去除由DoG算子產(chǎn)生的不穩(wěn)定的邊緣響應(yīng)點和低對比度的關(guān)鍵點。

2)關(guān)鍵點的方向分配。首先為每個特征點計算出一個方向，然后利用關(guān)鍵點鄰域像素的梯度方向分布特性為其指定方向參數(shù)，使得到的算子具有旋轉(zhuǎn)不變特性。

3)關(guān)鍵點描述符的生成。經(jīng)過上述兩步檢測到的每一個關(guān)鍵點都具有3個信息，即尺度、方向和位置，這樣確定的特征區(qū)域保證了關(guān)鍵點的尺度和旋轉(zhuǎn)不變性，這一步主要通過局部梯度直方圖構(gòu)造的特征向量來描述關(guān)鍵點。

圖1　SIFT特征點描述符局部構(gòu)造

2　SIFT算法描述符的改進

2.1改進特征點主方向

陸游在蜀地的游歷不僅感受了與江南迥異的風土人情，蜀地海棠、彭州牡丹的花容花貌，他在《入蜀記》和《老學(xué)庵筆記》中都有描述，還見識到了不同于江南呢噥軟語的蜀地女子的美麗風情。蜀伎多才多藝，蜀女自有詩情，相傳陸游曾在一個驛館的墻壁上得詩一首，竟是驛卒女所寫，陸游遂納為妾④。

特征點的主方向是確保旋轉(zhuǎn)不變特征的關(guān)鍵，如果主方向是不準確的，那么它可以影響特征點匹配的結(jié)果。本文提出基于插值法用來確定主方向

(1)

式中：binnew表示新生成的主方向；binini代表原主方向；mainl，main和mainr分別表示直方圖峰值左側(cè)、峰值和右側(cè)的柱的值。

2.2改進特征描述子

SIFT描述符是基于特征點分布的，它運用方向方圖來表示外觀或形狀不同的特點。為了這個目的，局部特征區(qū)域被分成不同的區(qū)域，并計算每個區(qū)域的特定直方圖，最終的描述符是由這些直方圖的有序級聯(lián)給出。這往往在質(zhì)量、數(shù)量、提取特征的分布、對光照強度和幾何差異的敏感性上有存在問題，特別是在多源遙感圖像中[8]。由于距離特征點越近的領(lǐng)域像素對特征點描述的影響越大，本節(jié)提出了一種新的自適應(yīng)策略，提出了獨特的描述子構(gòu)造方法。通過采用自適應(yīng)量化策略用來局部區(qū)域的劃分和梯度直方圖的計算，采用遞減環(huán)數(shù)來表示特征點的鄰域區(qū)域；代替使用單一的梯度直方圖作為現(xiàn)有的局部描述符，根據(jù)距離局部特征中心的遠近使用不同尺寸的多個梯度直方圖。具體做法如下：

1)以局部特征點為中心，把歸一化的部區(qū)域R根據(jù)不同的步長l(l1,l2,…,lm)分離成m個不重疊的圓環(huán)R(1),R(2),…，R(m)。

2)采用自適應(yīng)的梯度方向直方圖數(shù)K={k1,k2,…,km}，這是不同于其他基于分布的方法在每個局部區(qū)域生成一個常數(shù)直方圖。

3)對每個子區(qū)域R(m)進行均勻的角度量化，量化數(shù)為n，由此就可以確定每個子區(qū)域R(i,j)，其中i={1,2,…,m},j={1,2,…,n}。

本文提出的描述符尺度計算參數(shù)值如表1。

表1描述符尺度計算參數(shù)值

參數(shù)名稱參數(shù)表示參數(shù)值徑向量化數(shù)m4步長環(huán)數(shù)ll={3,2,2,1}角度量化數(shù)n4梯度直方圖數(shù)kk={8,6,4,4}描述符尺度dd=8×4+6×4+4×4+4×4=88

由此可設(shè)計特征點描述符構(gòu)造圖如圖2所示。

圖2　改進前后構(gòu)造描述符對比圖

利用表1給出的參數(shù)值，采用不同的步長，即3、2、2、1的環(huán)數(shù)劃分4個圓環(huán)，運用梯度直方圖分別統(tǒng)計4個圓環(huán)內(nèi)的不同梯度方向的梯度累加值。每個圓環(huán)內(nèi)形成4個種子點，共有16個種子點；距離中心特征點的不同圓環(huán)分別取k={8,6,4,4}個方向向量信息，統(tǒng)計每個種子點生成的特征向量，總共得到88維的描述子向量。考慮到越靠近中心特征點的的像素對生成的描述子影響越大，將每個子區(qū)域生成的特征向量由內(nèi)向外順序排列。子區(qū)域1的特征向量作為最前面的1～32維；子區(qū)域2的特征向量作為33～56維；子區(qū)域3的特征向量作為57～72維；子區(qū)域4的特征向量作為73～88維。最后統(tǒng)計各個子區(qū)域內(nèi)的灰度累加值，并將其進行歸一化處理，進一步去除光照、噪聲等復(fù)雜因素的影響。

3　實驗結(jié)果與分析

實驗平臺為Windows7系統(tǒng)，CPU2.0GHz，內(nèi)存2Gbyte，利用VS13+Opencv2.4.8平臺進行仿真實驗。無人機采取某城市一角1∶5 000的遙感圖像，分別在不同場景下對選取圖像進行實驗對比，如圖3所示。統(tǒng)計實驗數(shù)據(jù)，并分析改進SIFT描述符算法的魯棒性和匹配率。

其中正確匹配率的評價方法[9]可用公式表示為

(2)

圖3　實驗對比圖

從實驗結(jié)果可以得出，運用本文提出的SIFT的改進算法在不同條件下對所選遙感圖像進行匹配實驗，其匹配效率和匹配時間都有明顯增強。其中考慮到圓具有良好的旋轉(zhuǎn)不變性，采用圓形區(qū)域來構(gòu)造特征描述符，并根據(jù)離特征點距離不同來劃分不同的子區(qū)域，提高了描述子的獨特性，重新確定特征點主方向的方法也保證了每個匹配點的準確性，最終對每個描述符確立的88維特征向量，充分考慮了鄰域內(nèi)距離特征點不同的像素對特征點描述符影響不同這一特點，不僅減小了算法的時間復(fù)雜度，還增強了描述符的獨特性和魯棒性。分析表2數(shù)據(jù)可知，本文提出的改進對光照條件下的遙感圖像匹配效果最好。與文獻[10]介紹

表2實驗數(shù)據(jù)對比

算法類型對比項圖3a圖3b圖3c圖3dSIFT算法匹配對數(shù)/對362148257146匹配時間/s8.675.386.764.79正確匹配率/%89.583.382.680.1本文算法匹配對數(shù)/對353142249144匹配時間/s5.454.013.013.23正確匹配率/%90.385.788.983.7

的GLOH描述子相比較，不僅滿足遙感圖像數(shù)據(jù)量大的特點，降低了算法的復(fù)雜度，計算速度得到一定的提高，而且增強了每個描述子的特征數(shù)的獨特性，誤匹配率也有所降低。

4　結(jié)束語

本文在深入研究SIFT特征匹配的基礎(chǔ)上，針對遙感圖像的特點提出了一種特征描述符的改進方法。采用自適應(yīng)策略，提高了圖像配準效率與配準精度，不僅滿足遙感圖像采集圖像時的復(fù)雜環(huán)境，而且符合其數(shù)據(jù)量大對實時性的要求，具有很好的應(yīng)用前景。

[1]徐麗艷.基于特征點的遙感圖像配準方法及應(yīng)用研究[D].南京：南京理工大學(xué)，2012.

[2]余婷，厲小潤. 基于SIFT的全自動遙感圖像配準算法[J].機電工程，2013(1)：111-115.

[3]LOWE D G. Object recognition from local scale-invariant features[C]// Internat-ional Conference on Computer Vision. Greece： IEEE，1999：1150-115.

[4]LOWE D. Distinctive image features from scale-invariant key points[J]. Nit compute vis， 2004(60)：91-110.

[5]SEDAGHAT A，EBADI H. Remote sensing image mathching based on adaptive bini-ng SIFT descriptor[J].IEEE transactions on geoscience and remote sensing，2015，53(10)：5283-5292.

[6]肖健.SIFT特征匹配算法研究與改進[D].重慶：重慶大學(xué)，2012.

[7]馬莉，韓燮. 主成分分析法(PCA)在SIFT匹配算法中的應(yīng)用[J]. 電視技術(shù)，2012，36(1)：129-132.

[8]CHAO D，YA L Q. An improved algorithm of multi-source retmote sensing image registration based on SIFT and Wavelet Trasform[J].IEEE institute of fiber communication & information eng-ineering college of information engineer-ing，2014，9(14)：1189-1192.

[9]MIKOLAJCZYK K，SCHMID C. A perform-ance evaluation of local descriptors[C]//IEEE Computer Society Conference on computer Vision and Pattern Recognition. [S.l.]：IEEE，2005：257-263.

[10]BELLAVIA F，DOMENICO T. Impoving SIFT-based descriptor stability to rotation-ns[C]//International Conference on Pattern Recogntion. [S.l.]：IEEE，2010：3460-3463.

李校林(1968— )，碩士生導(dǎo)師，正高級工程師，主要研究方向新一代移動通信技術(shù)、天線與電波傳播；

李銀(1990— )，碩士生，主研計算機視覺、圖像處理；

王志鋒(1989— )，碩士生，主研圖像處理、機器學(xué)習(xí)。

責任編輯：閆雯雯

Research SIFT matching algorithm based on remote sensing image

LI Xiaolin1，2，LI Yin1，WANG Zhifeng1

(1.ChongqingUniversityofPostsandTelecommunications，Chongqing400065，China；2.ChongqingInformationTechnologyDesigningCo.Ltd.，Chongqing400065，China)

For remote sensing image matching error on the complex factors causing differences in light and geometry， in-depth study of the improved method of SIFT feature descriptor. Use a circular area to construct the feature point feature descriptor， adaptive quantization strategy used to calculate the histogram division and gradients local area， and each descriptor uses an interpolation method to re-establish the main direction， improved SIFT algorithm descriptor. Reduce the dimension of feature points， they also feature point descriptor ensure uniqueness and robustness. The results show that the improved SIFT descriptors in the complex environment of several remote sensing images have achieved the expected results， confirming the feasibility of the improved algorithm.

SIFT algorithm； feature matching； feature descriptor； main direction； adaptive classification； remote sensing image

TP317

A

10.16280/j.videoe.2016.09.022

重慶市研究生科研創(chuàng)新基金項目(CYS15166)

2015-11-16

文獻引用格式：李校林，李銀，王志鋒. 基于SIFT算法在遙感圖像匹配中的研究[J].電視技術(shù)，2016，40(9)：108-111.

LI X L，LI Y，WANG Z F. Research SIFT matching algorithm based on remote sensing image[J]. Video engineering，2016，40(9)：108-111.