[8](文献)基于改进SIFT的SAR图像与可见光图像配准

Dec 2010 Vo l 28,No.6航 天 控 制A erospace Control基于改进SIFT的S AR图像与可见光图像配准杨雪梅 龚俊斌 王 鹏 田金文华中科技大学图像所多谱信息处理国防重点实验室,武汉430074摘 要 针对SAR图像与可见光图像的自动配准问题,提出了一种基于尺度不变特征(S I FT)的SAR与可见光图像配准算法。

算法首先对SI FT主方向的检测进行了优化,利用特征点邻域内边缘局部极大值点的梯度方向作为特征点的方向,并以去均值归一化互相关系数为相似性度量进行特征点对匹配,然后通过随机抽样一致性算法(RANSAC)剔除误匹配点对,最后利用剩余的特征点对实现SAR与可见光图像的自动配准。

实验结果表明,本算法对不同分辨率图像和不同旋转角度图像具有较好的适用性,在正确匹配点的比率和定位精度方面都优于原始SI FT算法和H arris算法。

关键词 改进SI FT;SAR图像;可见光图像;特征点匹配;图像配准中图分类号:TP751.1 文献标识码:A文章编号:1006 3242(2010)06 0013 05R egistration A lgorith m for S AR and OpticalI m ages Based on I mproved SIFTYANG Xue m ei GONG Junb i n WANG Peng T I A N Ji n w enI PRA I o fHUST State K ey Laboratory for M ulti spectral I nfor m ationProcessi n g Techno l o g i e s,W uhan430074,Ch i n aAbst ract Focusing on the auto m atic i m age re g istra tion proble m of SAR and op tical i m ages,a ne w algo rith m based on SI FT is presented i n this paper.F irstly,the detection of SI FT do m inant direction is op ti m ized,in which t h e grad ient directions o f localmax i m a edge po i n ts are used as the d irections of key point.Secondly,t h e nor m ali z ed cross correlated al g orithm is used in t h e features m atching.Thirdly,t h e RANSAC algorithm is app lie d to re m ove false m atching points.F inall y,according to the correct matching p oints,t h e i m ages are registered auto m aticall y.In t h e experi m ents,the adap tability of the algorithm is an al y zed for the i m ag es of di f ferent resolutions and d i f ferent rotating ang les.The exp eri m en t results sho w tha t t h e pro p osed m ethod is better t h an S I F T and H arris algorithm s i n the correctm atch i n g probabilit y and fea t u res ma tching precision,and also p resents the app licability.K ey w ords I mproved SI FT;SAR i m ages;Op tical i m ages;F eature m atch ing;I m age re g istration收稿日期:2010 03 23作者简介:杨雪梅(1986-),女,湖北松滋人,硕士,主要从事图像处理与模式识别方面的研究;龚俊斌(1978-),男,河南南阳人,博士后,主要从事图像处理、模式识别和精确制导方面的研究工作;王 鹏(1980-),男,湖北枝江人,博士研究生,主要从事计算机视觉、图像处理与模式识别方面的研究工作;田金文(1960-),男,河北秦皇岛人,教授,博士生导师,主要从事遥感信息处理、分形及其应用、小波变换理论及其应用、图像数据压缩、目标检测与识别等方面的研究工作。

13航 天 控 制2010年相对于传统的光学景象匹配,基于合成孔径雷达图像匹配以其优良的全天候、全天时工作能力,成为中远程精确制导武器系统的一种发展趋势。

在基于合成孔径雷达的图像匹配辅助制导中,需要将获取的SAR图像和带有地理坐标的光学图像进行精确配准。

研究SAR图像和可见光图像的高精度自动配准方法对于提高合成孔径雷达图像匹配系统的性能和适用性具有重要的意义。

由于成像条件的差异、拍摄时间和视角的不同、拍摄场景地物的变化,使得SAR图像与可见光图像存在局部形变、角度差异和尺度变化,因此传统的基于灰度的配准方法难以取得满意效果[1]。

而基于局部特征[2-4]的配准方法是从两幅图像中提取共性特征进行匹配,更适合于存在上述差异的SAR图像与可见光图像配准。

在基于局部特征的配准方法中,Dav i d G. Low e[5]在2004年提出一种尺度不变特征SI FT,由于具有旋转、缩放及仿射不变性[6],对视角变化及噪声具有一定的稳定性,被广泛应用于遥感图像配准及目标识别中。

目前研究表明SI FT适合纹理信息丰富,结构突出的光学图像配准,但没有对SI FT 应用于SAR与可见光图像的配准进行深入研究。

为此本文研究了S I FT特征在SAR图像与可见光图像配准中的适用性,提出了一种基于改进SI FT算法的SAR图像与可见光图像配准。

该算法利用特征点邻域内边缘局部极大值点的梯度方向确定特征点的主方向并利用归一化互相关准则进行特征匹配,与原始SI FT算法和H a irris角点比较匹配点对的正确匹配率和定位精度,实验结果表明改进SI FT 算法具有更好的性能。

1 SIFT算法原理S I FT[5-7]特征的构造方法主要包含2个方面:一是利用DOG算子提取具有尺度不变性的关键点, DOG算子是对归一化LOG算子的简化,在保持LOG算子良好的不变性同时具有更快的计算速度;二是构造一种符合生物视觉特性的特征区域描述子,通过局部梯度直方图对这个区域进行描述,具有良好的尺度、平移、旋转和光照不变性。

生成S I FT特征描述子主要步骤如下[5]:1)尺度空间极值点检测。

首先建立图像的高斯差分(DOG)尺度空间,在DOG尺度空间3个相邻尺度上检测极值点时,将当前点与其周围邻域8个像素和上下相邻的2个DOG尺度上对应位置的9!2个像素共26个点同时进行比较,检测出极大值点和极小值点,初步确定极值点的位置及所在的尺度,使极值点具有尺度不变性。

图1是尺度空间极值点检测示意图。

图1 尺度空间极值点检测示意图2)精确确定关键点位置。

由于DOG算子对边缘和噪声很敏感,为了提高特征点匹配的稳定性和抗噪声的能力,需要通过三维二次函数拟合的方法精确定位关键点的位置及尺度,然后删除对比度绝对值大于设定阈值的点以去除低对比度的点,并利用H essian矩阵求出主曲率以删除主曲率不满足条件的边缘点。

3)确定关键点主方向。

利用关键点邻域内所有像素点的梯度方向分布特性为关键点指定方向,使关键点具有旋转不变性。

m(x,y)=(L(x+1,y)-L(x-1,y))2+(L(x,y+1)-L(x,y-1))2(1) (x,y)=arctan(L(x,y+1)-L(x,y-1))(L(x+1,y)-L(x-1,y))(2) (1)式和(2)式分别为相应点的梯度模值和梯度方向,即在以关键点为中心的邻域内,将0∀到360∀等分为36个区间,计算每个像素的梯度模值和梯度方向,将每个像素的梯度方向投票到对应的区间上,投票值为对应像素的梯度模值乘以对应点位置为中心、标准差为 的高斯分布系数。

这样就形成了关键点的梯度方向直方图,统计直方图中所有大于0.8倍峰值的区间对应的方向均作为该关键点的主方向。

14第28卷 第6期杨雪梅等:基于改进SIFT的SAR图像与可见光图像配准4)生成关键点描述子。

首先将坐标轴旋转为特征点的主方向,以确保旋转不变性;然后以关键点为中心选取16!16的邻域并划分成16个4!4的小邻域,在每个4!4的小邻域内计算每个像素的梯度方向和模值,仍以高斯加权的方式投票形成8个方向的梯度方向直方图,16个小邻域就可以得到1个128维的特征向量;然后将其归一化,以确保光照不变性。

2 基于改进SIF T的S AR图像与可见光图像配准基于改进SI FT的SAR图像与可见光图像配准算法主要包含以下几个部分:首先对SAR图像进行预处理;然后提取改进SI FT特征点并对其进行描述,形成改进SI FT特征向量;最后进行特征向量的匹配。

2.1 SAR图像预处理由于SAR图像存在固有的相干斑噪声,因此首先必须抑制SAR图像的噪声,改善SAR图像质量以尽可能去除边缘提取过程中的伪边缘。

本文采用了增强Frost滤波和自适应直方图均衡对SAR图像进行预处理,以改善图像的质量,增强图像的轮廓特征,提高图像的信噪比[8]。

2.2 S I FT特征的提取和描述原始SI FT特征是利用特征点邻域内所有像素的梯度值进行投票,确定其主方向,充分利用邻域内的细节信息来描述特征点。

可见光图像的纹理结构信息很丰富,信噪比较大,利用丰富的纹理细节信息能够准确地确定特征点的主方向并正确地描述该特征点;而SAR图像由于斑点噪声太强,造成连续边缘太少,细小的伪边缘太多,且SAR图像纹理细节比较少,利用原始的SI FT主方向来描述特征点不够准确,造成特征点方向的确定误差很大,导致匹配错误。

因此本文采用特征点邻域内边缘局部极大值点的梯度方向作为其主方向。

算法流程图如图2所示。

具体计算方法如下:1)首先利用Sobel算子提取SAR与可见光高斯金字塔图像的边缘强度(梯度)图像,形成高斯金字塔梯度图像,设定阈值去除细小边缘,保留主轮廓边缘。