基于SURF的声纳图像配准与融合方法研究_郭军

图 4 精匹配图 Fig． 4 Precise matching
图5
Fig． 2
声纳配准图
Sonar registration
图 2 SURF 特征点提取效果图 Extraction of SURF feature point
摘
要： 针对 侧扫声纳 图像 分辨率 高测 深精 度 低 而 多 波束 声纳 图 像 分 辨率低 测 深精 度 高 的特点， 提出了 一种 基 于 SUFR 的 声纳 图像自动配 准与融合方法 。该 算法检测同 一区域 内 侧 扫 声纳 图 像 和 多 波束 图 像 的特 征 点， 通过
最近 邻匹 配获 得匹配 点后 ， 计算 图像 间的 变 换矩阵 ， 利 用空间 变 换完 成 配 准， 采 用 加 权 融 合法实 现 两 者 的 融 合。 ， ， 实验 结 果 表明 该 算 法 具 有 很 好 的 鲁棒 性 配 准精 度 达 到 像 素 级 可实 现 两 者 的 高 精 度自 动 配 准 与 融 合， 取 得 了理 想的效果。 关键词： 声纳 图像 ; SUFR; 图像配准 ; 图像 融合 中图分类号： TP75 文献标识码： B 文章编号： 1672 － 5867 （ 2013 ） 03 － 0056 － 03
0
引
言
人
条带多波束图像进行配准， 取得了理想的效果。 Daniel 等 ［4 ］ 利用成对的目标和阴影进行侧扫声纳图像的匹配 。
［5 ］
多波束声纳系统可获得海底测点高精度的平面位置 和水深， 同时也可获得海底的声纳图像信息， 但是由于分 辨率的局限性， 成像质量相对较差； 侧扫声纳系统在成像 的同时也可以给出同多波束系统一样但位置精度较差的 却可以获得高分辨率的海底图像 水深，
2． 2
特征点描述
SURF 算法中采用了 Haar 小波模板对图像进行处理，
获得 x 和 y 方向上的 Haar 小波响应 dx 和 dy， 以此作为构 建特征向量的分布信息。 首先以特征点为中心， 构建一 个边长为 20 s 的矩形描述子窗口， 将其划分为 4 × 4 的子 窗口； 然后在子窗口中采用尺寸为 2 σ 的 Haar 小波对图像 dy； 最后以特征点为中心对 dx 和 dy 进行处理来获得 dx， 进行 σ = 3． 3 s 高斯加权计算并统计每一个子窗口的响应 值， 至此获得了每个子窗口的矢量： v sub = ［ ∑dx∑dy∑ | dx | ∑ | dy | ］ （ 3）
2
SURF 特征点检测及描述
SURF 算法［6 － 7］ 由两大主要部分组成： 特征点检测和
特征点描述。 前一 个 阶 段 首 先 通 过 对 图 像 进 行 积 分 处 理， 获得积分图像， 为下一步的尺度空间分析所使用， 积 分图像对尺度空间分析作出的响应用来定位特征点； 后 一个阶段为获得定位的特征点分配方向， 并使用特征矢 量来描述特征点。
每一个子窗口矢量包含了 4 个值， 描述子特征矢量总 共就包含了 4 × 4 × = 64 维特征矢量， 至此得到了每一个 64 维特 特征点的信息： 特征点所在的尺度、 特征点坐标、
58
测绘与空间地理信息
2013 年
图 1 侧扫声纳图像（ a） 和多波束图像（ b） Fig． 1 Side － scan sonar image （ a） and multi － beam image （ b）
第3 期
郭
军： 基于 SURF 的声纳图像配准与融合方法研究声纳图像为参考图像， 多波束图像为待配准 图像； 2 ） 使用 SURF 检测特征点及生成描述子； 3 ） 利用最近邻算法获得匹配点对， 采用 RANSAC 算 法剔除误匹配点对； 4 ） 计算图像空间变换矩阵， 通过重采样和插值完成 图像的配准； 5 ） 采用像素级融合方法对配准图像进行融合处理。
［1 ］
在国内阳凡林等人
提出基于等深线和轮廓线的同名特
征点配准法， 实现了多波束图像和侧扫声纳图像的配准。 图像配准是图像融合的必要前提， 配准精度的高低 直接决定着融合效果， 往往配准的精度越高， 融合的结果 包含的信息越精确、 越可靠。 传统方法配准效率低、 配准 精度与图像的畸变、 明暗程度紧密相关， 配准后的图像往 往不协调， 不利于后续的融合处理， 本文在深入研究的基 础上提出一种基于 SURF （ Speeded Up Robust Features ） 的 声纳图像自动配准与融合算法。
第 36 卷 第 3 期 2013 年 3 月
测绘与空间地理信息
GEOMATICS ＆ SPATIAL INFORMATION TECHNOLOGY
Vol． 36 ， No． 3 Mar． ， 2013
基于 SURF 的声纳图像配准与融合方法研究
郭 军
（ 广州海洋地质调查局， 广东 广州 510760 ）
[
L xx （ X， σ） L yx （ X， σ）
L xy （ X， σ） L yy （ X， σ）
]
（ 1）
L xx （ X， 式中， σ） 指的是高斯二阶微分在点 X 处与图像 I 的 L xy （ X， L yy （ X， 卷积， 同样地， σ） 、 σ） 具有相似的涵义。 SURF 采用近似 Hessian 矩阵的 为了提高运算效率， y， σ） 处的斑点响应， 具体公式 行列式作为图像中 X = （ x， 如下所示： Det（ H approx ） = D xx D yy － （ 0 ． 9 D xy ）
3． 4
声纳图像融合
图像融合， 一是为了消除由声纳图像配准产生的拼 接痕迹； 二是为了尽可能多地保留图像的有效信息。 本 文采用加权平均融合法来实现声纳图像的融合， 其公式 如下： y） f1 （ x ， f3 （ x ， y ） = ω1 f1 （ x ， y ） + ω2 f2 （ x ， y） f2 （ x ， y） （ 5）
3
3． 1
声纳图像配准
特征点匹配
采用欧氏距离作为特征点匹配的相似度准则， 利用 最近邻算法获取匹配点。 由于数据冗余， 存在大量的误 匹配点对， 计算出的空间变换矩阵缺乏稳定性， 为此本文 提出一种先粗匹配再精匹配的算法。 1 ） 粗匹配 采用加入优先级的 KD － 树搜索查找每一个特征点 的最近邻特征点和次最近邻特征点， 计算特征点与最近 邻和次近邻特征点之间的欧氏距离的比值， 设置阈值， 剔 形成一个伪匹配点集。 除掉一部分错误的匹配点对， 2 ） 精匹配 采用 RANSAC 算法在粗匹配的基础上进行精 确 匹 在此基础上计算图像之间的空间变换模型。 配，
3． 2
空间变换模型
2． 1
特征点检测
SURF 算法是通过计算 Hessian 矩阵的行列式的极大
y） 为图像 I 中的一点， 值来检测特征点， 假设 X（ x， 在尺度 X 处的 Hessian 矩阵 H（ X， 为 σ 下， σ） 定义为下式： H（ X， σ） =
参考图像和待配准图像完成特征点匹配后， 就可以 y1 ） ， q = （ x2 ， 计算两者之间的空间变换模型。 设 p = （ x1 ， y2 ） 为匹配点对， 则有 p = H × q， 其中 H 为空间变换模型， 如下所示：
Research on Sonar Image Registration and Fusion Based on SURF Algorithm
GUO Jun
（ Guangzhou Marine Geological Survey，Guangzhou 510760 ，China） Abstract ： According to multi － beam sonar system， the high － resolution backscatter but poor horizontal position accuracy， and side － scan sonar system，the accurate bathymetry and horizontal position but low resolution，the study is concerned with an automatic registration and fusion method of sonar image based on SURF． To achieve the integration of multi － beam sonar system and side － scan sonar system with the weighted fusion method，it extracts feature points by using SURF，computes transformation matrix by using match points， and performs registration and fusion with a spatial transform． The results indicate that this method is robust and stable with registration accuracy up to pixel level realizing the quite precise automatic registration and fusion，and is more suitable for sonar image． Key words： sonar image； SURF； image registration； image fusion
。 由此可见， 两
具有极强的互补性， 考虑各 套系统的测量成果相得益彰， 自的特点， 将两者的图像信息融合可获得更加丰富的海 底图像信息， 可实现对海底地形地貌的全面、 定性、 定量 分析和精确解释， 这对海洋资源的勘探及开发、 水下目标 海底底质分类有着非常重要的意义。 的探测、 Bas 等人［2］ 使用 Chamfer 配准方法实现了多波束图像 和侧扫声纳图像的配准。Behrooz 等人