基于PCA-HOG的SAR與光學圖像配準方法
2023-04-29 00:00:00王琳
無線互聯科技 2023年10期
摘要：針對異源遙感圖像之間存在的對比度差異較大、存在灰度反轉等問題，文章提出了一種基于特征的SAR與光學圖像配準方法。文章首先闡述了一種基于相位一致性的圖像邊緣提取方法，其次介紹了基于主成分分析的圖像梯度增強方法，最后提出了一種新型的特征描述方法，將主成分分析技術與方向梯度直方圖描述算子相結合進而實現異源圖像精細配準。采用所提方法對獲取的實際數據進行處理，驗證了所提方法的有效性和可行性。
關鍵詞：合成孔徑雷達；主成分分析；方向梯度直方圖；遙感圖像配準
中圖分類號：TP75
文獻標志碼：A
0 引言
光學圖像能夠獲得豐富的地物信息且便于識別和理解，但是影像質量依賴于外部光源條件；而雷達不受暗夜、云層等環境制約，但圖像具有相干噪聲、疊掩等現象，解譯工作困難。因此SAR與光學圖像配準是一項熱門研究內容。目前，針對光學和SAR圖像的配準方法，通常可被分為基于灰度、基于變換域和基于特征的3類圖像匹配方法［1-4］，但不同類型的算法在不同程度上存在計算量大、噪聲敏感等缺點。此外，深度學習方法也可以實現異源圖像配準，但也存在學習樣本少、解釋困難、處理效率較低等問題［5］。因此，亟待開展具有配準精度高、運算復雜度低以及魯棒性好的SAR與光學圖像融合配準技術的研究。
本文分析光學和SAR圖像配準技術中存在的異源圖像灰度差異顯著以及圖像梯度易受噪聲影響等問題，形成了基于相位一致性（Phase Congruency，PC）的圖像分割，基于主成分分析（Principal Component Analysis，PCA）的圖像梯度增強以及結合PCA的方向梯度直方圖（Histogram of Oriented Gradient，HOG）的特征構建方法。
1 研究方法
1.1 基于PC的圖像邊緣提取
相位一致是通過傅里葉變換或其他方法將圖像轉換到頻域進行檢測，特征被定義為轉換后相位一致的點，它對圖像亮度或對比度的變化不敏感。
信號展開傅里葉級數為：
可將相位一致性函數定義為：
An表示第n個傅里葉分量的幅度值，фn（x）代表第n個傅里葉分量的相位偏移量，ф-（x）表示在當前位置處使PC（x）取最大值時其傅里葉各分量局部相角的加權平均值。根據泰勒公式，通過計算局部能量函數中的峰值等效計算相位一致性的最大點［6］。
E（x）是在x點處的局部能量，與相位一致性函數成正比。本文采用優化的相位一致性算法：
上式中，W（x）表示展頻因子，T表示噪聲估計，ε是為了避免分母為零而設置的常量。
1.2 基于PCA的圖像梯度增強
PCA常被用于計算給定數據集的優勢向量。針對SAR圖像存在斑點噪聲、圖像梯度受噪聲影響較大等問題，采用PCA優化結構信息［7］。實現途徑為：
對圖像每個像素（x，y），給定鄰域尺度i，利用公式計算該尺度的梯度方差Gixx，Giyy與協方差Gixy：
尺度i決定了鄰域范圍大小，應注意最終的主方向基于多個尺度平均梯度的加權融合得到。像素點的主方向為：
1.3 基于HOG的圖像特征提取
HOG基于局部梯度強度和方向統計直方圖構造結構特征，與圖像的整體灰度變化相獨立，最早用于行人檢測。特征提取步驟為：
（1）將梯度算子與圖像進行卷積，獲得圖像的梯度幅度和方向。
（2）將方向劃分為N個分區，統計得到N維梯度方向直方圖。
（3）對直方圖進行歸一化處理，降低灰度畸變等影響。
（4）將特征向量進行串行組合，構成圖像的HOG特征描述。
1.4 綜合處理流程
根據以上的方法基礎，形成光學與SAR圖像配準的綜合處理流程，如圖1所示。
其中PCA-HOG特征描述的構建步驟為：
（1）計算圖像中所有像素的梯度直方圖特征的均值，將其零均值化。
（2）計算梯度直方圖特征的協方差矩陣，并求出特征值對應的特征向量。
（3）將特征值進行排序，據此形成特征向量矩陣，即為PCA-HOG特征。
對于相似度測算，常用的方法有直方圖法、結構相似度、歐式距離等。
2 實驗與分析
2.1 邊緣分割結果
如圖2所示，通過相位一致性計算獲得的圖像邊緣連續性更好，且弱邊緣信息也可表現出來。
2.2 圖像配準結果
本部分采用所提出的方法對實測數據進行了實驗，并利用直線框直觀地標出了圖像配準成功的區域，如圖3所示。對于SAR與光學圖像的配準而言，兩者場景中相同目標的顯示特性可能不同，配準誤差難以控制；對于實測數據而言，大場景下人工布置控制點的數量有限，很難通過正確配準點的具體數值衡量。實際中，異源圖像配準一個重要的目的是利用SAR圖像來填補光學圖像中被云層等遮擋的部分。
3 結語
本文提出了基于PCA-HOG特征的光學與SAR圖像配準方法，通過實驗驗證了所提方法的有效性。相比于現有圖像配準算法，所提算法對圖像噪聲更為魯棒，因此有利于提高遙感數據的綜合利用效率。但是，本算法屬于基于統計圖的方法，對于劇烈的旋轉和尺度變化差異抗性不佳，未來的研究內容將就此因素提出對應的方案。
參考文獻
［1］張銀蒲.基于互信息的圖像配準技術的研究［J］.核電子學與探測技術，2012（5）：562-568，619.
［2］薛慶，楊樹文，閆恒，等.耦合相位一致性與互信息的光學影像與SAR影像配準方法［J］.激光與光電子學進展，2021（24）：1-13.
［3］PAN W，QIN K，CHEN Y. An adaptable-multilayer fractional fourier transform approach for image registration ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2009（3）：400-413.
［4］鄧傳斌，郭雷，李維.基于SIFT的遙感圖像配準方法［J］.傳感技術學報，2009（12）：1742-1747.
［5］魏泓安，單小軍，鄭柯，等.基于深度學習的SAR與光學影像配準方法綜述［J］.無線電工程，2021（12）：1361-1372.
［6］MORRONE M C，OWENS R A. Feature detection from local energy［J］. Pattern Recognition Letters，1987（5）：303-313.
［7］KOVESI P. Phase congruency： a low-level image invariant［J］. Psychological Research，2000（2）：136-148.
（編輯 王雪芬）
SAR and optical image registration based on PCA-HOG
Wang Lin
（The 54th Research Institute of CETC， Shijiazhuang 050081， China）
Abstract： Aiming at the problem of the large differences in contrast， and grayscale， a feature-based image registration method with high accuracy is proposed in this paper. To begin with， an edge extracting method based on the phase congruency is introduced. Then， a gradient enhancement method based on principal component analysis is illustrated. At last， to achieve fine registration for multi-sensor image， a novel feature description based on the combination of principle component analysis and histogram of oriented gradient is developed. Experiment results are provided to demonstrate the effectiveness and feasibility of the proposed method.
Key words： synthetic aperture radar; principal component analysis; histogram of oriented gradients; image registration
