航空影像自動配準(zhǔn)技術(shù)淺析

摘 要：圖像配準(zhǔn)技術(shù)正在被得到越來越廣泛的應(yīng)用，所涉及到的領(lǐng)域已經(jīng)包含了遙感、自動目標(biāo)識別、智能機器人和醫(yī)學(xué)圖像處理等等。通過在上述領(lǐng)域中的不斷應(yīng)用，圖像配準(zhǔn)技術(shù)受到了廣泛的關(guān)注。鑒于此，本文選擇航空影像自動配準(zhǔn)技術(shù)為研究對象，針對相關(guān)問題進行了分析與闡釋。文章首先分析了待配準(zhǔn)影像坐標(biāo)變換模型，然后闡述了仿射變換參數(shù)的最小二乘解，在分析航空影像圖像重采樣的基礎(chǔ)上最后介紹了航空影像圖像配準(zhǔn)基本方法的步驟。希望本文的研究能夠為航空影像自動配準(zhǔn)技術(shù)的進一步研究和應(yīng)用提供指導(dǎo)和幫助，同時對于相關(guān)領(lǐng)域的其他研究也能起到拋磚引玉的作用。

關(guān)鍵詞：航空影像 自動配準(zhǔn)技術(shù) 坐標(biāo)變換模型 圖像重采樣

中圖分類號：TN4 文獻標(biāo)識碼：A 文章編號：1672-3791（2012）11（b）-0056-01

1 待配準(zhǔn)影像坐標(biāo)變換模型分析

從航空影像圖像配準(zhǔn)的概念出發(fā)來分析問題的話，航空影像圖像配準(zhǔn)實際上是指如何將兩幅待配準(zhǔn)影像進行整合，整合到同一個坐標(biāo)空間的過程。在這個過程中，我們需要實現(xiàn)的就是兩幅航空影像待配準(zhǔn)影像相對位置的正確解釋。這個正確解釋的過程需要通過數(shù)學(xué)模型來進行表達，這種數(shù)學(xué)模型實際上表達的是一種圖像映射關(guān)系。

從目前的應(yīng)用和研究上看，最常用的坐標(biāo)變換模型主要包含了以下幾種。

1.1 投影變換

所謂投影變換，是指假設(shè)一幅航空影像圖像上的直線經(jīng)過某種變換后，映射到另一幅航空影像圖像上的結(jié)果還保持直線的時候，但是打破了原來的相對平行關(guān)系，那么這種變換就可以稱之為投影變換。從應(yīng)用上看，航空影像投影變換主要應(yīng)用于景物平面相對于相平面有一定傾斜的情況。

1.2 仿射變換

所謂仿射變換，是指假設(shè)一幅航空影像圖像上的直線經(jīng)過某種變換后，映射到另一幅航空影像圖像上的結(jié)果還保持直線的時候，但是沒有打破原來的相對平行關(guān)系，那么這種變換就可以稱之為仿射變換。從應(yīng)用上看，仿射變換還可以分成兩種，分別是線性（矩陣）變換和平移變換。

1.3 非線性變換

所謂非線性變換通常也可以稱之為彎曲變換。它實際上是指一幅航空影像圖像上的直線映射到另一幅航空影像圖像上的結(jié)果并不是直線，而是曲線的情況。因此，非線性變換可以應(yīng)用來解決全局形變的圖像配準(zhǔn)問題，同時對于整體近似剛體但局部有形變的配準(zhǔn)情況也可以適用。

1.4 剛性交換

所謂剛性交換，是指在變換的過程中一幅航空影像圖像中的兩點間的距離經(jīng)剛性變換變換后，在另外航空影像圖像中所呈現(xiàn)出來的結(jié)果與之前的圖像沒有發(fā)生相對位置上的變化。從應(yīng)用上看，剛性交換可以分解成為三種，分別是平移、旋轉(zhuǎn)和反轉(zhuǎn)（鏡像）變換。

2 仿射變換參數(shù)的最小二乘解

運用仿射變換模型可以建立兩幅航空影像待配準(zhǔn)圖像之間的關(guān)系，從而實現(xiàn)了對兩圖像的配準(zhǔn)。但在整個過程中，還需清楚兩幅航空影像圖像之間的仿射變換的相關(guān)參數(shù)。這些相關(guān)參數(shù)可以通過方程的模式來解決，根據(jù)以往的研究結(jié)果，需要確定的變換參數(shù)有四個。而參數(shù)的最小二乘解就是使一個點集中的點經(jīng)過仿射變換后的坐標(biāo)與另一個點集中對應(yīng)的點的坐標(biāo)的歐氏距離的平方和最小的變換參數(shù)，利用該原理可以很好的解決上述問題。

3 航空影像圖像重采樣

通過以上兩個過程，可以得出航空影像自動配準(zhǔn)仿射變換參數(shù)，根據(jù)所得參數(shù)，可以將一幅圖像的坐標(biāo)轉(zhuǎn)換到另一幅圖像的坐標(biāo)中去，然而待配準(zhǔn)航空影像圖像中任意像素點的坐標(biāo)經(jīng)過坐標(biāo)變換之后，通常會出現(xiàn)這樣的情況：變換后的坐標(biāo)點不是剛好由原圖像的某個網(wǎng)格點變換而來，此時像素點的灰度值就需要根據(jù)原圖像相應(yīng)坐標(biāo)點周圍像素的灰度值按照一定的權(quán)函數(shù)內(nèi)插得到，這種內(nèi)插技術(shù)被稱為圖像重采樣。

目前常用的插值方法重要包含了以下三種方式，通過實踐應(yīng)用，都表現(xiàn)出了各自的優(yōu)點和不足。

3.1 最鄰近插值法

優(yōu)點：速度最快，同時在保持最快速度的基礎(chǔ)上，對于原始航空影像圖像的灰度信息也進行了最大限度的保護。

缺點：在幾何精度方面存在一定程度的差異，因此會出現(xiàn)馬賽克效應(yīng)。

3.2 雙線性插值法

優(yōu)點：航空影像圖像連續(xù)，并保持較高的精度，其相應(yīng)速度也比較快。

缺點：在應(yīng)用過程中可能會出現(xiàn)模糊的現(xiàn)象，因為雙線性插值具有的低通濾波性質(zhì)，這種低通濾波性質(zhì)抑制了高頻成分，從而導(dǎo)致了上述問題的發(fā)生。

3.3 雙三次卷積法

優(yōu)點：在保持灰度連續(xù)的基礎(chǔ)上，可以實現(xiàn)對高頻信息的有效保留。

缺點：在應(yīng)用過程中會遇到很多復(fù)雜的計算，這樣必然會對于速度產(chǎn)生一定程度的影響。

4 航空影像圖像配準(zhǔn)基本方法的步驟

從目前針對航空影像圖像配準(zhǔn)基本方法的研究現(xiàn)狀上看，航空影像圖像配準(zhǔn)基本方法主要包括以下的基本步驟。

4.1 特征檢測（Feature detection）

特征提取的精度和效率對整個算法的性能有很重要的影響，因此，它是整個圖像配準(zhǔn)算法的基礎(chǔ)。圖像特征基本上可分為三類：點特征，常用提取算子有MoraVec算子、Harris算子等；線特征，常用提取算子有Hou曲變換算子等；面特征，主要通過區(qū)域分割方法得到。由于特征點是一種穩(wěn)定、旋轉(zhuǎn)不變、能克服灰度反轉(zhuǎn)的有效特征，因而常被使用，其中常用的特征點是角點，角點特征的提取正是本文研究的重點之一。

4.2 特征匹配（Feature matching）

目前，關(guān)于特征點的匹配問題，國內(nèi)外已經(jīng)報道了相當(dāng)多的算法，其中松弛算法是經(jīng)典算法的代表，它最早由Ranade S.提出，但該算法對存在丟失點或虛假點的情況顯得無能為力。后來Jezching和Anil引入匹配矩陣的概念對松弛算法進行了改進，但改進的算法必須保證兩個點集中能夠存在一半以上的有效點。Z.Zhang和R.Deriche給出了一個較好的基于互相關(guān)函數(shù)的點特征匹配算法。以上算法采用了不同的相關(guān)準(zhǔn)則來度量特征點的相似度，通過初始匹配和進一步加上一定約束條件來篩選匹配點對的模式來得到精確的特征點匹配點對。

4.3 變換模型的估計

在得到兩幅圖像中一定數(shù)量的匹配點對后，就可以根據(jù)這些匹配點對確定這兩幅圖像之間映射函數(shù)的參數(shù)，從而建立起兩坐標(biāo)之間的函數(shù)關(guān)系式。

4.4 圖像重采樣和變換

按照上一步驟得到的函數(shù)映射模型及參數(shù)進行坐標(biāo)變換，并對變換后的坐標(biāo)點上的像素值進行插值，插值。

參考文獻

[1] 張遷，劉政凱，龐彥偉，等.基于SUSAN算法的航空影像的自動配準(zhǔn)[J].測繪學(xué)報，2003，32（3）：245-250.

[2] 楊常清，王孝通，徐曉剛，等.基于特征空間的航空影像自動配準(zhǔn)算法[J].測繪學(xué)報，2005，34（3）：218-222.

[3] 王志強，程紅，孫文邦，等.一種基于梯度最大值相位相關(guān)的航空影像自動配準(zhǔn)算法[J].地理與地理信息科學(xué)，2008，24（6）：111-112.

[4] Wang Zhiqiang，Cheng Hong，Sun Wenbang，et al.Based on improved Harris algorithm for image automatic registration algorithm of remote sensing information，2008（6）：18-21.