遙感影像圖像拼接算法研究

王穎 王忠慶

【摘要】針對高分辨率遙感影像的圖像特點，采用SURF特征算法實現對圖像的快速拼接。該方法利用SURF算子提取特定區域的圖像特征;并應用圖像的幾何特征做進一步的特征點篩選，以提高圖像拼接效率，減少計算誤差;利用RANSAC配準算法對圖像進行配準，以消除誤匹配;對于光照不均勻情況，致使拼縫圖像插值不均勻，可采用三次樣條插值法處理，使拼接后圖像整體更符合人眼評價標準。

【關鍵詞】圖像拼接;SURF算法;RANSAC配準;三次樣條插值法

Abstract：For the image features of high resolution remote sensing image，using SURF registration algorithm for mosaicing image quickly. In this scheme，SURF（Speeded Up Robust Features）is applied to extract features from the images;and using the geometric features of image to screen the feature points，in order to improve the efficiency of image mosaic and reduce the error in calculating;and then，for eliminating the matching error，bring in the RANSAC（Random Sampling Consensus）algorithm for image registration;for the non-uniform illumination，lead to the seaming image interpolations are not uniform. In order to solve this problem，we using the Cubic Spline Interpolation，so that the whole image is more consistent with human eyes evaluation standard after mosaic.

Keywords：image mosaic;SURF algorithm;RANSAC registration;Cubic Spline Interpolation

1.引言

隨著國民經濟的發展，高分遙感影像的應用已從軍事化擴展到國民生活中。而為實現對更大范圍地面圖像的探索研究，需要對航拍的影像進行精準拼接處理，因為對多幅遙感影像的拼接處理技術成為重要的應用技術之一。

2.現狀研究

圖像拼接技術是將不同時間，不同視角或不同傳感器獲得的數張有重疊部分的圖像拼成一幅大型的無縫高分辨率圖像的技術。

隨著高分辨率遙感影像應用范圍的不斷擴寬，圖像拼接已經成為了圖形圖像處理和計算機視覺領域的研究熱點。近幾年，國內外研究學者不斷地向匹配精度高、魯棒性好、時間效率高等優點方向研究[1]。基于這種訴求，同時為了克服現有拼接效果不佳的缺點，提出一種綜合型的拼接算法理論。

3.算法的基本原理

3.1 SURF特征提取

SURF是一種特征點提取算法，作為一種尺度不變特征變換算法，相較于SIFT算法具有更好的魯棒性，并且克服了SIFT算法數據計算量大、時間復雜度高的缺點。

Hessian矩陣是SURF算法的核心[2]，在算法中選用圖像像素函數L（x，y），并用二階標準高斯函數作為濾波器，得到H矩陣：

為了平衡準確值與近似值之間的誤差，引入一種叫做權值硼的權值，可隨尺度的變化而變化，則H矩陣判別式又可表示為：

其行列式表達式為：

SURF算法與SIFT算法的區別主要在于構建尺度空間上，這兩種算法采用的均為圖像金字塔法，如圖1所示。圖像的尺度大小用高斯標準差來表示，但在具體理論應用上兩種算法截然不同。在SIFT算法中，保持濾波器大小不變，在計算每層圖像尺寸時，需要根據前一層圖像的尺寸重新設置，即需進行二次抽樣，大大加重了計算量;在SURF算法中，保持圖像大小不變，申請增加圖像核的尺寸，允許尺度空間多層圖像同時被處理，大大提高了運算效率[3]。

圖1 SURF算法和SIFT算法濾波金字塔

在基礎條件確定后，SURF算法的重點在于對特征點的提取，為了保證旋轉不變性，首先以特征點為圓心，計算半徑為6S（S為特征點所在尺度值）的領域內Harr小波的dy、dz響應，并賦于權重系數。然后將60°范圍內的響應相加以形成新的矢量，在遍歷整個圓形區域后，得到特征點的主方向，即為最長矢量方向。

圖2 確定特征點主方向

如此計算，可算出每一特征點的主方向。一般以特征點為圓心，選取20S得正方形窗，并將該正方形窗劃分為4*4個小正方形區域，計算每個小區域內的x、y方向上的響應，構成該特征點64維描述符向量。該部分也是指導機器學習的重要步驟之一。

3.2 圖像配準

利用SURF算法中提取的兩幅圖像中特征點進行下一步的匹配。可通過對經坐標變換（包括對圖像的平移、旋轉和放縮等變換）后兩幅圖像中的各特征點的信息（包括位置、尺度、主方向以及特征向量）比較，并設定閾值，以確定特征點是否匹配。為提高圖像匹配的精準性，采用RANSAC算法去除偽匹配點。該算法隨機重復選擇N次，具有最大支撐點集的直線被確定為點集的擬合，在擬合的誤差距離范圍（即規定閾值）內的被認為是有效點，誤差距離范圍外的為無效點[4]。該過程雖能有效的減少圖像匹配過程中產生的誤差，但是該算法重復度高，計算速度慢，存在一定的缺陷。

3.3 拼接優化

受原始遙感圖像的拍攝質量的約束，對拼接工作帶來一定的影響。在特征點非均勻采樣的插值或重構問題上，采用三次樣條插值法進行擬合優化，使得圖像拼接效果更能符合人眼評價標準。給定邊界范圍（可為自然邊界、固定邊界、非節點邊界），將采樣點分段處理，代入特征點求解每一段三次方程的二次微分方程，進行擬合，從而達到優化拼接效果的作用。

4.結束語

本文提出了一種基于SURF特征的圖像拼接算法，并融合了常用的拼接優化方法對圖像的拼接工作做進一步的配準、優化。為充分體現出SURF算法的高魯棒性，特配合使用RANSAC算法消除可能存在的偽匹配點;為了鞏固本算法的準確度，在算法處理后期加入了三次樣條插值法，提高圖像的擬合度，真正實現了圖像的無縫拼接。

參考文獻

[1]張媛，高冠東，賈克斌.運用特征點匹配的柱面全景圖像快速拼接算法[D].中國圖象圖形學報，2009（6）：1188-1193.

[2]MICHAEL JONES，PAUL VIOLA. Rapid Object Detection Using a Boosted Cascade of Simple Features;proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition，Kauai，HI，USA，F，2001[C].IEEE Comput.Soc.

[3]王君本，盧選民，賀兆.一種基于快速魯邦特征的圖像匹配算法[D].計算機工程與科學，2011（33）：112-117.

[4]羅文超，劉國棟.SIFT描述子和改進的RANSAC算法在圖像配準中的應用[D].計算機工程與應用，2012-05-21

作者簡介：王穎（1989—），女，北京人，研究方向：電氣傳動自動化。