國(guó)產(chǎn)衛(wèi)星影像配準(zhǔn)技術(shù)研究

姜鈞陶，戚浩平，申佩佩，馬昱肖

(東南大學(xué)交通學(xué)院測(cè)繪工程系，江蘇 南京 210096)

國(guó)產(chǎn)衛(wèi)星影像配準(zhǔn)技術(shù)研究

姜鈞陶，戚浩平，申佩佩，馬昱肖

(東南大學(xué)交通學(xué)院測(cè)繪工程系，江蘇 南京 210096)

我國(guó)西部高海拔山區(qū)的地形地貌使得在衛(wèi)星影像上確定同名特征點(diǎn)比較困難，為了解決國(guó)產(chǎn)衛(wèi)星影像存在的譜段偏差，本文選擇了基于SIFT算法、基于區(qū)域灰度和人工配準(zhǔn)3種方法，對(duì)ZY1-02C、ZY-3和GF-1等國(guó)產(chǎn)衛(wèi)星影像展開(kāi)了配準(zhǔn)試驗(yàn)研究，應(yīng)用目視法和中誤差法進(jìn)行了精度評(píng)價(jià)，并對(duì)結(jié)果進(jìn)行了對(duì)比分析。試驗(yàn)結(jié)果表明：人工法雖能獲得較高的配準(zhǔn)精度，但效率很差；基于區(qū)域灰度法受影像亮度差異影響很大，同名點(diǎn)提取少，精度最差；基于SIFT算法自動(dòng)化程度最高，可以提取大量特征點(diǎn)，并能篩選提出誤匹配點(diǎn)，配準(zhǔn)精度較高。

國(guó)產(chǎn)衛(wèi)星影像；影像配準(zhǔn)；SIFT算法；配準(zhǔn)精度分析

遙感影像的高精度配準(zhǔn)問(wèn)題一直是研究的熱點(diǎn)，直接影響后續(xù)影像融合、立體匹配、變化監(jiān)測(cè)等的質(zhì)量。

近年來(lái)，我國(guó)陸續(xù)發(fā)射了一系列高分辨率衛(wèi)星，如資源一號(hào)02C高分辨率遙感衛(wèi)星(簡(jiǎn)稱為ZY1-02C)、資源三號(hào)遙感衛(wèi)星(簡(jiǎn)稱為ZY-3)、高分一號(hào)衛(wèi)星(簡(jiǎn)稱為GF-1)等[1-3]。與國(guó)外比較成熟的衛(wèi)星數(shù)據(jù)相比，國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)仍有一些不足之處，由于相機(jī)的安裝誤差及各譜段間鏡頭光學(xué)畸變的存在，會(huì)引起譜段偏差[4-5]。而且遙感影像由于光譜波段不同、分辨率不同或拍攝時(shí)間和角度不同，會(huì)使拍攝的影像存在差異，若不進(jìn)行配準(zhǔn)處理，則影像的信息量較低且應(yīng)用性較差，因此要對(duì)影像進(jìn)行正確的匹配[6]。1970年，P.E.Anuta提出了一種影像配準(zhǔn)技術(shù)，由于使用了FFT計(jì)算中的互相關(guān)性進(jìn)行影像檢測(cè)，從而有效地提高了配準(zhǔn)速度；1982年，Rosenfeld等[7]提出了一種基于灰度統(tǒng)計(jì)的交叉相關(guān)性的影像配準(zhǔn)方法，這種方法能夠直接給出模板影像和待配準(zhǔn)影像的相似程度，可以用來(lái)進(jìn)行模板匹配和模式識(shí)別；1992年，F(xiàn)lussr[8]提出了一種自適應(yīng)映射的方法，解決了變形影像間的配準(zhǔn)問(wèn)題；1998年，張祖勛等[9]提出多級(jí)影像概率松弛的整體快速匹配技術(shù)，實(shí)現(xiàn)了不同傳感器、不同空間分辨率的遙感影像快速配準(zhǔn)；2001年，郭海濤等[10]提出了一種遺傳算法(genetic algorithm)，2004年，熊興華[11]在此基礎(chǔ)上，加入最小二乘法，提高了配準(zhǔn)精度，使其達(dá)到了亞像素級(jí)。

本文選擇西部高海拔區(qū)域內(nèi)的國(guó)產(chǎn)衛(wèi)星影像數(shù)據(jù)(ZY1-02C、ZY-3、GF-1)，采用基于SIFT算法(下面簡(jiǎn)稱為SIFT法)、基于區(qū)域灰度匹配(下面簡(jiǎn)稱為灰度法)和人工配準(zhǔn)法(下面簡(jiǎn)稱為人工法)進(jìn)行影像配準(zhǔn)，并采用目視法和中誤差法進(jìn)行精度評(píng)價(jià)，對(duì)比分析了3種方法在國(guó)產(chǎn)衛(wèi)星影像配準(zhǔn)時(shí)的有效性。

1 國(guó)產(chǎn)衛(wèi)星影像特點(diǎn)與試驗(yàn)方案

遙感影像由于成像的傳感器不同，傳感器拍攝時(shí)的時(shí)間相位、影像的光譜波段和分辨率也會(huì)不同，需要進(jìn)行配準(zhǔn)處理，才能繼續(xù)對(duì)影像進(jìn)行下一步的操作和處理。同時(shí)國(guó)產(chǎn)遙感衛(wèi)星的相機(jī)安裝存在誤差且各譜段間鏡頭存在光學(xué)畸變，從而會(huì)引起譜段偏差，需要消除譜段偏差從而提高配準(zhǔn)精度，如圖1所示。圖1中(a)、(b)、(c)分別為ZY1-02C、ZY-3、GF-1的多光譜影像和全色影像通過(guò)ERDAS卷簾后的試驗(yàn)結(jié)果，3組試驗(yàn)數(shù)據(jù)均存在譜段偏差；圖1(d)為異源影像的卷簾試驗(yàn)結(jié)果，異源影像間也存在譜段偏差。

圖1 試驗(yàn)數(shù)據(jù)存在的問(wèn)題

試驗(yàn)中使用的ZY1-02C衛(wèi)星的多光譜影像3個(gè)波段灰度值偏低且亮度偏暗，ZY-3衛(wèi)星的近紅外波段灰度值偏大且曝光過(guò)度，對(duì)影像配準(zhǔn)時(shí)同名點(diǎn)的自動(dòng)提取帶來(lái)了不確定因素。

試驗(yàn)方案設(shè)計(jì)：首先對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行預(yù)處理，然后分別采用SIFT法、灰度法和人工法，以國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)全色影像為模板影像，對(duì)多光譜影像實(shí)施譜段間配準(zhǔn)；以ZY-3為模板影像，與TM影像實(shí)施影像間配準(zhǔn)，然后對(duì)試驗(yàn)結(jié)果進(jìn)行精度評(píng)價(jià)；最后，對(duì)比分析3種方法在國(guó)產(chǎn)衛(wèi)星影像配準(zhǔn)中的作業(yè)效率及能達(dá)到的精度等，總結(jié)出適合西部高海拔山區(qū)國(guó)產(chǎn)衛(wèi)星影像配準(zhǔn)的較優(yōu)方案。

本文的技術(shù)路線如圖2所示。

1.1 試驗(yàn)數(shù)據(jù)預(yù)處理

遙感圖像預(yù)處理一般包括幾何校正、圖像增強(qiáng)、輻射校正等，為以后的圖像處理做基礎(chǔ)。本文研究數(shù)據(jù)是我國(guó)西部高海拔地區(qū)的衛(wèi)星影像，該地區(qū)地形起伏較大，內(nèi)部存在幾何變形，為消除這種幾何變形，減少其他校正對(duì)配準(zhǔn)結(jié)果的影響，僅對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行正射校正。

圖2 技術(shù)路線

1.2 基于SIFT算法的影像配準(zhǔn)

本次研究編寫(xiě)了一個(gè)獨(dú)立的程序，使用SIFT算法進(jìn)行影像配準(zhǔn)。程序在VS2010平臺(tái)上編寫(xiě)，直接調(diào)用了RobHess源碼。首先調(diào)用源碼中的sift_features()函數(shù)進(jìn)行默認(rèn)參數(shù)的SIFT特征點(diǎn)提取，然后利用KD-Tree和BBF算法進(jìn)行特征匹配查找，并根據(jù)最近鄰和次近鄰距離比值進(jìn)行初步篩選，最后利用RANSAC算法篩選匹配點(diǎn)并計(jì)算變換矩陣，進(jìn)行影像配準(zhǔn)。程序的優(yōu)點(diǎn)為在兩幅圖像上分別提取特征點(diǎn)后，先通過(guò)距離比值法進(jìn)行粗匹配，然后應(yīng)用精度更高的RANSAC算法對(duì)匹配點(diǎn)進(jìn)行剔除錯(cuò)誤匹配點(diǎn)對(duì)。

1.3 基于區(qū)域灰度匹配和人工配準(zhǔn)法的影像配準(zhǔn)

應(yīng)用ENVI4.7的人工配準(zhǔn)項(xiàng)與ENVI5.0中的自動(dòng)配準(zhǔn)項(xiàng)，首先對(duì)待配準(zhǔn)影像進(jìn)行重采樣，使其分辨率與全色影像一致，然后設(shè)置配準(zhǔn)參數(shù)，剔除、校正誤差較大的點(diǎn)，使總RMS誤差控制在1像元以內(nèi)，且控制點(diǎn)數(shù)量超過(guò)20，最后進(jìn)行配準(zhǔn)得出配準(zhǔn)結(jié)果。

1.4 精度評(píng)價(jià)

本次研究的配準(zhǔn)精度評(píng)定方法有兩種：目視法與中誤差法。目視法可以主觀地評(píng)價(jià)配準(zhǔn)精度。使用ENVI5.0，隨機(jī)均勻地選取20個(gè)區(qū)域，找到最大誤差、最小誤差并計(jì)算出平均誤差。中誤差法可以客觀地評(píng)價(jià)配準(zhǔn)精度。使用ENVI4.7，隨機(jī)均勻地選取20個(gè)點(diǎn)，輸出各點(diǎn)在模板影像與配準(zhǔn)影像中的坐標(biāo)，建立Excel表格，計(jì)算出中誤差。

2 試驗(yàn)結(jié)果與分析

2.1 試驗(yàn)結(jié)果

2.1.1 ZY1-02C衛(wèi)星影像試驗(yàn)結(jié)果

圖3是分別使用3種方法對(duì)ZY1-02C衛(wèi)星影像進(jìn)行配準(zhǔn)的試驗(yàn)結(jié)果，以全色影像作為模板影像。

圖3 ZY1-02C衛(wèi)星影像試驗(yàn)結(jié)果

2.1.2 ZY-3衛(wèi)星影像試驗(yàn)結(jié)果

圖4為分別使用3種方法對(duì)ZY-3衛(wèi)星影像進(jìn)行配準(zhǔn)的試驗(yàn)結(jié)果，其中以全色影像作為模板影像。

圖4 ZY-3衛(wèi)星影像試驗(yàn)結(jié)果

2.1.3 GF-1衛(wèi)星影像試驗(yàn)結(jié)果

圖5為分別使用3種方法對(duì)GF-1衛(wèi)星影像進(jìn)行配準(zhǔn)的試驗(yàn)結(jié)果，其中以全色影像作為模板影像。GF-1衛(wèi)星影像無(wú)法采用灰度法進(jìn)行配準(zhǔn)。

圖5 GF-1衛(wèi)星影像試驗(yàn)結(jié)果

2.1.4 異源衛(wèi)星影像試驗(yàn)結(jié)果

圖6為使用3種方法對(duì)異源衛(wèi)星影像(ZY-3與TM影像)進(jìn)行配準(zhǔn)的試驗(yàn)結(jié)果，其中以ZY-3衛(wèi)星影像作為模板影像。

圖6 異源衛(wèi)星影像試驗(yàn)結(jié)果

2.2 精度評(píng)價(jià)

2.2.1 目視法

表1為應(yīng)用目視法進(jìn)行配準(zhǔn)結(jié)果精度評(píng)價(jià)的分析結(jié)果。由表1可以看出，SIFT法的配準(zhǔn)精度基本高于灰度法和人工法的配準(zhǔn)精度，可以看出SIFT法配準(zhǔn)效果更好。

表1 目視誤差對(duì)比 像元

2.2.2 中誤差法

表2為應(yīng)用中誤差法進(jìn)行精度評(píng)價(jià)的分析結(jié)果。由表2可以看出SIFT法中誤差小于人工法和灰度法，精度更高，配準(zhǔn)效果更好。

表2 中誤差對(duì)比 像元

2.3 配準(zhǔn)方法對(duì)比分析

本次試驗(yàn)使用的ZY1-02C衛(wèi)星、ZY-3衛(wèi)星和GF-1衛(wèi)星的全色影像和多光譜影像及異源遙感衛(wèi)星影像都存在譜段偏差，應(yīng)用人工法、SIFT法和灰度法對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行配準(zhǔn)，3種方法均能解決存在的問(wèn)題，如圖3—圖6所示。對(duì)精度評(píng)價(jià)結(jié)果從以下兩個(gè)方面進(jìn)行對(duì)比分析。

2.3.1 作業(yè)效率

人工法選取了20個(gè)同名點(diǎn)，平均耗時(shí)12 min；灰度法平均選取33個(gè)同名點(diǎn)，平均耗時(shí)3 min；SIFT法平均選取20 000個(gè)同名點(diǎn)，耗時(shí)6 min。因此，SIFT法的自動(dòng)化程度最高且效率最高，其次是灰度法，人工法效率和自動(dòng)化程度最低。

2.3.2 配準(zhǔn)精度

由表1和表2可得，人工法精度很高，但是針對(duì)本次試驗(yàn)數(shù)據(jù)中的山區(qū)特征不明顯地區(qū)，尋找同名點(diǎn)過(guò)程費(fèi)時(shí)費(fèi)力；SIFT法的配準(zhǔn)結(jié)果分辨率更高，目視誤差和中誤差相對(duì)較小，配準(zhǔn)精度相對(duì)較高。

試驗(yàn)數(shù)據(jù)的灰度差異直接影響著灰度法的配準(zhǔn)精度，因?yàn)榛叶确ㄊ歉鶕?jù)灰度值進(jìn)行配準(zhǔn)的；SIFT法提取的是局部特征，有對(duì)亮度變化保持不變的特性，因此提取的特征點(diǎn)具有一定的穩(wěn)定性且高精度；人工法的配準(zhǔn)精度雖然高且不受灰度等其他條件影響，但是過(guò)于耗時(shí)耗力。而且本次試驗(yàn)數(shù)據(jù)均是我國(guó)西部山區(qū)影像，地形起伏很大且特征不明顯，影像不同區(qū)域的顏色相近，灰度法對(duì)于本次試驗(yàn)數(shù)據(jù)提取的特征點(diǎn)數(shù)量少且精度不高；人工法雖然精度還算理想，但是山區(qū)的明顯特征點(diǎn)少，尋找特征點(diǎn)過(guò)程過(guò)于浪費(fèi)時(shí)間；而SIFT法因其特有的多量性、獨(dú)特性等特性，能夠在特征點(diǎn)不明顯的山區(qū)提取大量的SIFT特征向量，而且能夠在海量的特征數(shù)據(jù)庫(kù)中快速、準(zhǔn)確地匹配，并且同名點(diǎn)分布均勻，不會(huì)集中在某一區(qū)域，本文中SIFT法在進(jìn)行同名點(diǎn)匹配時(shí)，先進(jìn)行粗匹配再用RANSAC算法篩選出誤匹配點(diǎn)，提高了配準(zhǔn)精度。

3 結(jié) 語(yǔ)

本文針對(duì)國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)存在的譜段偏差及我國(guó)西部高海拔山區(qū)的地形地貌特點(diǎn)，分別應(yīng)用SIFT法、灰度法和人工法進(jìn)行了影像配準(zhǔn)工作，并對(duì)配準(zhǔn)結(jié)果應(yīng)用目視法和中誤差法從主觀和客觀兩方面進(jìn)行精度評(píng)價(jià)，并且對(duì)3種試驗(yàn)結(jié)果進(jìn)行了對(duì)比分析。人工法雖然配準(zhǔn)精度較高，但是效率和自動(dòng)化程度極低；灰度法受亮度影響大，配準(zhǔn)精度最差；SIFT法自動(dòng)化程度最高，可以在較短的時(shí)間內(nèi)提取大量特征點(diǎn)，效率最高，配準(zhǔn)精度較高。用SIFT算法對(duì)ZY1-02C、ZY-3和GF-1影像配準(zhǔn)的檢查中誤差分別為0.61、1.66、0.29個(gè)像元，能夠滿足山區(qū)影像配準(zhǔn)的精度要求。

[1] 唐新明，謝俊峰，張過(guò).測(cè)繪衛(wèi)星技術(shù)總體發(fā)展和現(xiàn)狀[J].航天返回與遙感,2012,33(3):17-24.

[2] 白照廣.高分一號(hào)衛(wèi)星的技術(shù)特點(diǎn)[J].中國(guó)航天,2013(8):5-9.

[3] 馬熹肇. 資源一號(hào)“02C”衛(wèi)星數(shù)據(jù)在軌測(cè)試分析[D].長(zhǎng)春：吉林大學(xué),2013.

[4] 蔣永華，張過(guò)，唐新明，等.資源三號(hào)測(cè)繪衛(wèi)星三線陣影像高精度幾何檢校[J].測(cè)繪學(xué)報(bào),2013,42(4):523-529.

[5] 戴激光，宋偉東，賈永紅，等.一種新的異源高分辨率光學(xué)衛(wèi)星遙感影像自動(dòng)匹配算法[J].測(cè)繪學(xué)報(bào),2013,42(1):80-86.

[6] 樊曼曼.多源衛(wèi)星遙感影像配準(zhǔn)技術(shù)研究[D].秦皇島：燕山大學(xué),2012.

[7] ROSENFELD A, KAK A C. Digital Picture Processing[M]. New York: Academic Press, 1982.

[8] FLUSSR J. An Adaptive Method for Image Registration[J]. Pattern Recognition,1992,25(1):45-54.

[9] 張祖勛，張劍清，廖明生，等．遙感影像的高精度自動(dòng)配準(zhǔn)[J]．武漢測(cè)繪科技大學(xué)學(xué)報(bào),1998,23(4):320-323.

[10] 郭海濤，劉智，張保民.基于遺傳算法的快速影像匹配技術(shù)的研究[J].測(cè)繪學(xué)院學(xué)報(bào),2001,18(51):20-22.

[11] 熊興華.遺傳算法及其在影像處理與分析中應(yīng)用[J].測(cè)繪學(xué)報(bào),2004,33(2):74-81.

[12] 羅代建.遙感影像配準(zhǔn)與融合技術(shù)研究[D].成都：電子科技大學(xué),2009.

[13] 常青，張斌，邵金玲.基于SIFT和RANSAC的特征圖像匹配方法[J].華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,38(6):97-101.

[14] 陳華，鄧喀中，張以文，等.結(jié)合SIFT和RANSAC算法的InSAR影像配準(zhǔn)[J].測(cè)繪通報(bào),2015(12):30-33.

[15] KE Y， SUKTHANKAR R， HUSTON L. Efficient Near Duplicate Detection and Sub-image Retrieval[C]∥Proceedings of ACM Multimedia Conference.[S.l.]：ACM,2004.

Research on the Registration of Domestic Satellite Images

JIANG Juntao，QI Haoping，SHEN Peipei，MA Yuxiao

(Department of Surveying Engineering， Southeast University, Nanjing 210096, China)

It is difficult to find correspondence points on the satellite images of the high altitude mountainous area of west China because of the geographic and geomorphic conditions. To solve the multispectral deviation of the satellite images, this paper use SIFT-based algorithm, regional gray-based algorithm and artificial registration to do registration experiments on domestic satellite images such as ZY1-02C, ZY-3, GF-1 and so on. Then visual method and error method are used to evaluate precisions, the results of which are contrasted and analyzed. The experimental results show that: artificial method has higher registration precision, but the efficiency is poor; regional gray-based method is affected by luminance difference which extracts least correspondence features and has the lowest registration precision; SIFT-based method has the highest degree of automation which can extract a huge amount of correspondence features and can also screen out false matching points. It has a higher registration precision.

domestic satellite image; image registration; SIFT algorithm; registration accuracy analysis

姜鈞陶，戚浩平，申佩佩，等.國(guó)產(chǎn)衛(wèi)星影像配準(zhǔn)技術(shù)研究[J].測(cè)繪通報(bào)，2017(8)：76-79.

10.13474/j.cnki.11-2246.2017.0259.

2016-12-01；

2017-02-24

全國(guó)邊海防地區(qū)基礎(chǔ)地質(zhì)遙感調(diào)查(121201003000150003)

姜鈞陶(1993—)，女，碩士生，主要從事遙感方面的研究。E-mail：jjtseu@163.com

P23

A

0494-0911(2017)08-0076-04