王 浩，孫福明

(遼寧工業(yè)大學(xué) 電子與信息工程學(xué)院，遼寧 錦州 121001)

?

基于分類模板的SAR圖像自動(dòng)配準(zhǔn)方法

王 浩，孫福明

(遼寧工業(yè)大學(xué) 電子與信息工程學(xué)院，遼寧 錦州 121001)

針對(duì)由合成孔徑雷達(dá)(SAR)獲取的遙感影像，采用異源影像的同名控制點(diǎn)對(duì)方法，提出了一種基于分類模板的SAR圖像快速自動(dòng)配準(zhǔn)方法。為尋找同名控制點(diǎn)對(duì)，建立了含有明顯地物特征的可見光圖像集合，利用聚類算法得到分類模板以及利用分類模板計(jì)算相關(guān)系數(shù)獲取同名控制點(diǎn)對(duì)，從而實(shí)現(xiàn)SAR圖像的精確配準(zhǔn)。由于融合了區(qū)域與特征，算法降低了圖像灰度對(duì)模板匹配算法的敏感性。實(shí)驗(yàn)結(jié)果表明，該算法具有較高的配準(zhǔn)性能。

圖像配準(zhǔn)；合成孔徑雷達(dá)；模板；控制點(diǎn)；相關(guān)系數(shù)

在諸如多源融合、變化檢測(cè)和圖像鑲嵌等遙感影像應(yīng)用中，針對(duì)不同傳感器在不同時(shí)間、不同視角條件下獲取的遙感影像進(jìn)行配準(zhǔn)是一個(gè)重要的預(yù)處理過程。由于成像條件差異及環(huán)境變化，遙感影像之間不僅存在著較大的成像特性差異，還存在著各種復(fù)雜的幾何畸變[1]。針對(duì)異源遙感影像，尋找一種實(shí)時(shí)、自動(dòng)且適用性廣的配準(zhǔn)方法，成為當(dāng)前配準(zhǔn)領(lǐng)域研究的一個(gè)重要課題。

在圖像配準(zhǔn)中，一個(gè)重要工作是在參考圖像和輸入圖像之間建立同名控制點(diǎn)對(duì)[2]，也就是在輸入圖像上獲取同名控制點(diǎn)，這是制約遙感圖像實(shí)現(xiàn)自動(dòng)配準(zhǔn)的一個(gè)主要瓶頸。獲取同名控制點(diǎn)對(duì)后，再利用仿射變換[3]、整體松弛[4]等方法對(duì)輸入圖像進(jìn)行幾何精校正。圖像匹配的算法大致可以分為基于區(qū)域的方法和基于特征[5-6]的方法兩大類?；趨^(qū)域的方法，主要有相關(guān)系數(shù)算法、FFT相關(guān)算法、最小絕對(duì)方差、最大似然法和互信息法[7]等，已廣泛應(yīng)用于不同特性圖像間的匹配?；谔卣鞯姆椒?，主要是提取參考圖像和輸入圖像的角點(diǎn)[5,8]、交叉點(diǎn)、邊緣[4,6,9]、直線[10]、曲線[11]及紋理等特征，然后按照某種相似性測(cè)度進(jìn)行匹配。對(duì)于可見光圖像與合成孔徑雷達(dá)(SAR)圖像之間的配準(zhǔn)問題，由于兩者差異較為明顯，并且SAR圖像的邊緣清晰度較差，因而基于特征的方法與基于區(qū)域的方法相比，存在著對(duì)噪聲敏感、特征提取困難及魯棒性差等問題。此外，在配準(zhǔn)具有較大尺寸的SAR圖像之前，往往采取人工干預(yù)在可見光參考圖像和SAR輸入圖像上建立初始的匹配關(guān)系[12]。如果可以將經(jīng)過精校正的可見光圖像建立成圖像片數(shù)據(jù)庫[13-14]作為同名控制點(diǎn)信息，供再次進(jìn)行圖像配準(zhǔn)時(shí)查詢使用，這不僅省時(shí)省力，也使得異源影像的自動(dòng)配準(zhǔn)成為可能。

鑒于上述考慮，針對(duì)SAR圖像的配準(zhǔn)問題，利用可見光圖像作為參考圖像，通過融合圖像的區(qū)域與特征屬性，提出了一種基于分類模板實(shí)現(xiàn)SAR圖像的自動(dòng)配準(zhǔn)算法。由于所用算法采用了聚類算法對(duì)可見光圖像進(jìn)行閾值分割，增加了其與SAR圖像相似性，提高了匹配的準(zhǔn)確性。同時(shí)，采取高效的搜索和匹配計(jì)算的方法，提高了算法的計(jì)算速度。

1 算法的流程

算法的基本流程如圖1所示。

圖1 算法流程圖

首先，從校正后的含有地理坐標(biāo)信息的航空或遙感的可見光圖像上，裁剪下來含有明顯地物特征的圖像片作為地面控制點(diǎn)；然后，利用聚類算法獲取分類圖像片，建立含有灰度數(shù)據(jù)和地理坐標(biāo)信息的地面控制點(diǎn)圖像片庫。接著，根據(jù)輸入圖像的地理空間坐標(biāo)信息從數(shù)據(jù)庫中查詢?cè)诖丝臻g坐標(biāo)一定范圍內(nèi)的若干分類模板；然后，采用相關(guān)系數(shù)的模板匹配方法，在輸入圖像上搜索與分類模板具有最大相關(guān)系數(shù)的匹配子圖，并將其中心作為候選同名控制點(diǎn)。最后，利用分類模板的空間關(guān)系檢驗(yàn)，剔除錯(cuò)誤的候選控制點(diǎn)，建立正確的同名控制點(diǎn)對(duì)，從而實(shí)現(xiàn)圖像配準(zhǔn)。

2 建立圖像片庫

利用經(jīng)過校正的航空或遙感圖像，裁剪包含有明顯地理位置信息的圖像切片，例如道路的交叉口、河流的拐彎處、湖泊或標(biāo)志性建筑及標(biāo)志性紋理區(qū)域等來建立圖像片數(shù)據(jù)庫[13]，注意必須保證它在一定區(qū)域范圍內(nèi)具有唯一性。圖像片數(shù)據(jù)庫中存有兩種數(shù)據(jù)，即圖像的灰度數(shù)據(jù)和含有地理坐標(biāo)信息的屬性數(shù)據(jù)。屬性數(shù)據(jù)必須具有在某一確定的投影空間的、正確的相互位置關(guān)系。在進(jìn)行圖像配準(zhǔn)時(shí)，根據(jù)輸入圖像已知的地理坐標(biāo)信息，從控制點(diǎn)庫中查詢滿足此條件一定空間范圍內(nèi)的參考圖像的控制點(diǎn)。圖像控制點(diǎn)數(shù)據(jù)的大小一般在64×64像素和256×256像素之間。為了正確描述地理位置關(guān)系，每一個(gè)控制點(diǎn)的屬性數(shù)據(jù)至少應(yīng)該包括:影像的行列數(shù)，左上角點(diǎn)的地理坐標(biāo)和校準(zhǔn)圖像像素坐標(biāo)、參考橢球、投影方式以及影像的比例尺。同時(shí)，還要具有和影像數(shù)據(jù)進(jìn)行連結(jié)的標(biāo)識(shí)號(hào)，以實(shí)現(xiàn)圖像數(shù)據(jù)與屬性數(shù)據(jù)的正確連接。

3 基于分類模板的配準(zhǔn)算法

由于SAR圖像與可見光圖像兩者的成像機(jī)理不同，兩者之間差別差大。與可見光圖像相比，SAR的圖像質(zhì)量較低，特征區(qū)域和背景區(qū)域的灰度和對(duì)比度也較低。如果二者直接進(jìn)行匹配，由于基于相關(guān)系數(shù)的模板匹配算法對(duì)灰度的敏感性較大，導(dǎo)致配準(zhǔn)結(jié)果并不理想。因而如果能夠增強(qiáng)它與SAR圖像的相似性，降低這種敏感性，將會(huì)提高基于區(qū)域的模板匹配方法的魯棒性，獲取比較準(zhǔn)確的匹配結(jié)果。基于此考慮，本文采用K-Means聚類算法[15]對(duì)圖像片進(jìn)行分類，把類中心的值作為圖像分割的閾值，本文稱經(jīng)此處理的圖像片為分類模板。

不失一般性，可見光圖像可被粗略地劃分為背景、主要地物特征和明亮地物3類。因?yàn)閮煞N圖像的成像質(zhì)量不同，應(yīng)用相關(guān)系數(shù)匹配算法時(shí)，受可見光圖像中的明亮區(qū)域影響較大，因而導(dǎo)致匹配精度下降。通過分類，以明亮地物的中心值作為圖像分割的閾值，可有效抑制可見光圖像中的高亮部分。這樣，既可以保留區(qū)域特征，又有效地降低模板匹配算法對(duì)灰度的敏感性，可以提高匹配的精度。

3.1 相關(guān)系數(shù)算法

相關(guān)系數(shù)ρ(x,y)可表示為

(1)

(2)

(3)

(4)

其中，T(x,y)表示模板圖像；I(x,y)表示輸入圖像；μT表示模板均值；μI表示輸入圖像的均值。使用模板在待配準(zhǔn)圖像中進(jìn)行匹配，具有最大相關(guān)系數(shù)的子圖就是候選的匹配解。

3.2 搜索策略與計(jì)算策略

為加快模板在輸入圖像上的搜索速度，采取由粗到精的搜索策略。即將高分辨率的遙感圖像和圖像片模板抽取數(shù)倍，在低分辨率的圖像上搜索相匹配的子圖，然后再返回到高分辨率圖上進(jìn)一步確定控制點(diǎn)對(duì)。另外，可優(yōu)化式(1)的計(jì)算來提高計(jì)算速度。由式(2)～式(4)分別可得

(5)

(6)

(7)

其中，wn表示模板的維數(shù)。

在式(6)中，模板T2(·)與模板μT均為常量。在式(7)中，圖像I的I2(·)及均值 ，可以利用前面滑動(dòng)窗口的行列像素的移出與移入來計(jì)算。這樣，算法的計(jì)算量主要由式(5)中的∑∑T(x,y)I(x,y)決定。通過采取上述策略，可顯著提高與圖像片模板相匹配的子圖的搜索速度。

4 實(shí)驗(yàn)部分

4.1 實(shí)驗(yàn)數(shù)據(jù)

首先，選取可見光圖像片(128×128像素)若干，利用聚類算法將其分為3類，建立控制點(diǎn)數(shù)據(jù)庫。其次，從SAR圖像上選擇一個(gè)初始點(diǎn)，并在其周圍設(shè)定1 024×1 024像素作為待配準(zhǔn)圖像。再者，將可見光圖像片與待配準(zhǔn)圖像調(diào)整至相同的分辨率。本文假定二者具有相同的分辨率，圖像的旋轉(zhuǎn)角度<3°。 圖2為某地SAR圖像(為了顯示，將其縮小至256×256像素)，與其相關(guān)的可見光模板如圖3所示。 由圖2和圖3可見，兩種圖像的灰度差異較大，在可見光圖像中存在著較多的高亮區(qū)域，對(duì)圖3采用聚類分割算法獲得分類模板如圖4所示。

圖2 SAR圖像

4.2 實(shí)驗(yàn)結(jié)果與分析

如果使用可見光原始模板在SAR圖像上進(jìn)行匹配，圖3(c)和圖3 (d)兩個(gè)模板將產(chǎn)生誤匹配。而如果使用圖4(c)和圖4 (d)兩個(gè)分類模板，則可以獲得正確的匹配結(jié)果，其結(jié)果已在圖1中標(biāo)出。本文算法與基于相關(guān)系數(shù)和基于邊緣匹配方法的結(jié)果比較如表1所示。

表1 可見光與SAR匹配結(jié)果

圖3 原始模板

圖4 分類模板

實(shí)驗(yàn)結(jié)果表明，通過采用K-Means聚類方法對(duì)圖像進(jìn)行分割預(yù)處理后，基本全部匹配成功；再利用模板的空間關(guān)系進(jìn)行檢驗(yàn)，可以獲得更準(zhǔn)確的控制點(diǎn)對(duì)，從而為后續(xù)的精配準(zhǔn)奠定基礎(chǔ)。

5 結(jié)束語

為了實(shí)現(xiàn)無限長(zhǎng)SAR圖像的自動(dòng)快速匹配，通過建立控制點(diǎn)模板庫，利用聚類算法獲得的分類中心值分割圖像，降低了可見光圖像片中高亮區(qū)域?qū)δ０迤ヅ渌惴ǖ拿舾行?，提高了匹配的精度。同時(shí)，采取快速計(jì)算技術(shù)以及采用由粗到精的配準(zhǔn)策略，有效提高了SAR圖像的定位速度。

[1] 谷雨,徐英,陳華杰.融合顯性和隱性度量的多模圖像配準(zhǔn)算法[J].信號(hào)處理,2016,32(6):669-675.

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

[3] 畢齊林,王啟騰,全燕鳴.空間變換雙靶面成像系統(tǒng)圖像配準(zhǔn)[J].中國測(cè)試,2015,41(12):95-99.

[4] 彭曙蓉,王耀南,劉國才.基于邊緣提取和改進(jìn)型整體松弛匹配算法的InSAR復(fù)圖像配準(zhǔn)方法[J].測(cè)繪學(xué)報(bào),2007,36(1):62-66.

[5] 楊常清,王孝通,徐曉剛,等.基于特征空間的航空影像自動(dòng)配準(zhǔn)算法[J].測(cè)繪學(xué)報(bào),2005,34(3):218-221.

[6] 韋燕鳳,趙忠明,閆冬梅,等.基于特征的遙感圖像自動(dòng)配準(zhǔn)算法[J].電子學(xué)報(bào),2005,3(1):161-165.

[7] 湯敏.結(jié)合形態(tài)學(xué)梯度互信息和多分辨率尋優(yōu)的圖像配準(zhǔn)新方法[J].自動(dòng)化學(xué)報(bào),2008,34(3):246-250.

[8] Yua Le,Zhang Dengrong.A fast and fully automatic registration approach based on point features for multi- source remote-sensing images[J].Journal of Mathematical Imaging and Vision,2006,24(2):195-208.

[9] Bentoutou Y,Taleb N,Kpalma K,et al.An automatic image registration for applications in remote sensing[J].IEEE Transactions on Geoscience and Remote Sensing,2005,43(9):2127-2137.

[10] 高峰,文貢堅(jiān),呂金建.基于干線對(duì)的紅外與可見光最優(yōu)圖像配準(zhǔn)算法[J].計(jì)算機(jī)學(xué)報(bào),2007,30(6):1014-1021.

[11] Stefan Henn.A full curvature based algorithm for image registration[J].Journal of Mathematical Imaging and Vision,2006,24(2):195-208.

[12] 王東峰,鄒謀炎.簡(jiǎn)單人工輔助下的無限長(zhǎng)遙感圖像自動(dòng)配準(zhǔn)[J].計(jì)算機(jī)工程與應(yīng)用,2004,40(21):8-11.

[13] 張繼賢,馬瑞金.圖形圖像控制點(diǎn)庫及應(yīng)用[J].測(cè)繪通報(bào),2000(1):15-17.

[14] 湯亞波,徐守時(shí).一種衛(wèi)星遙感圖像目標(biāo)位置快速精校正的新方法[J].遙感學(xué)報(bào),2005,9(6):653-658.

[15] 孫吉貴,劉杰,趙連宇.聚類算法研究[J].軟件學(xué)報(bào),2008,19(1):48-61.

Automatic Registration Method with Classified Templates for SAR Images

WANG Hao,SUN Fuming

(School of Electronics and Information Engineering,Liaoning University of Technology,Jinzhou 121001,China)

For the remote sensing image acquired by the synthetic aperture radar (SAR), an automatic and robust registration method using classified template for the unlimited-length SAR images with templates is proposed, which adopts the same name controlling points between heterologous images. To obtain the same name controlling points, a set of visual images that have apparent geographic features is set up, and then the classified template is obtained by clustering the visual images. Subsequently， the same name controlling points can be obtained by computing correlation coefficient based on classified templates. Therefore, the SAR images can be automatic registration. The sensitivity of the proposed approach is reduced in view of the fusion of the characters of areas and features so that the matching performance is enhanced. Experimental results demonstrate the accuracy, efficiency and robustness of the presented approach.

Image registration;SAR;template;controlling point;correlation coefficient

2016- 10- 10

遼寧省高等學(xué)校優(yōu)秀人才支持計(jì)劃(LR2015030)

王浩(1990-)，男，碩士研究生。研究方向：圖像處理，機(jī)器學(xué)習(xí)。孫福明(1972-)，男，博士，教授。研究方向：圖像處理，目標(biāo)跟蹤。

10.16180/j.cnki.issn1007-7820.2017.08.029

TN957.52

A

1007-7820(2017)08-105-04