基于SIFT算法的遥感图像配准研究
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Chongqing Three Gorges University,C h o ngqing 404100,China
Abstract ：Automatic image registration is a vital yet challenging task,particularly for remote sensing im a g e s . A fully automatic registration approach which is accurate,robust,a n d fast is required. T h e scale-invariant feature trans form algorithm a nd its m a n y variants are widely used in feature-based remote sensing image registration. H o w e v e r ,in
关键词：S I F T 算法；特征 提取 ；图像配准；图像处理 中图分类号:T N 911.7 文献标识码：A d o i ：10. 14016/ki.jgzz.2021.06. 097
Research on remote sensing image registration based on SIFT algorithm
H U A N G H a i b o , L I X i a o l i n g , N I E X i a n g f e i ,Z H A N G Y u e , F E N G L i y u a n Chongqing K e y Laboratory of Geological Environment Monitoring a n d Disaster Early-warning in Three Gorges Reservoir A r e a ,
尺 度 、视角以及光照等变化的图像中仍然拥有很好的 效 果 而 得 到 了 广 泛 地 研 究 与 应 用 。然 而 ，由 于 SIFT
定 的 规 则 进 行 特 征 匹 配 、对 匹 配 结 果 进 行 筛 选 。
算 子 最 初 是 针 对 光 学 图 像 开 发 的 [6]，在 光 学 图 像 之 间
http ：//
98
黄 海 波 ，等 :基 于 SIFT算法的遥感图像配准研究
域 最 广 、使用频率最高的方法[4]。
征提取;②特征匹配;③确定图像变换模型;④图像变
图像的自动配准是一项十分重要而又具有挑战 性的 工 作 ，特别是在遥感图像配准领域，一 种 精 确 、鲁 棒 、快速的配准方法是目前所急需的。在众多基于特 征 的 配 准 算 法 中 ，尺 度 不 变 特 征 变 换 （Scale Invariant
Key words：S I F T algorithm；feature extraction；image registration；image processing
i 引言
图 像 配 准 技 术 是 图 像 处 理 领 域 的 基 础 ，其配准 结
收 稿 日 期 =2021-01-22 基 金 项 目 ：国 家 重 点 研 发 计 划 资 助 项 目 （No.2017YFC08047〇0);重庆市 院 士 牵 头 科 技 创 新 项 目 （No.cstC2017zdCy- yszxX0 0 0 5 ) 作 者 简 介 ：黄 海 波 （1 9 9 4 - ) ，男 ，硕 士 研 究 生 ，主 要 研 究 方 向 ：图 像 处 理 。 E- mail：huanghb0 1 3 0 @ 1 6 3 .com 通 讯 作 者 ：聂 样 飞 ，男 ，博 士 ，教 授 ，硕 士 生 导 师 ，主 要 研 究 方 向 ：图 像 处 理 、模 式 识 别 、智 能 信 息 处 理 等 。 E- mail:niexf@
的图像匹配效果较好，但 直 接 应 用 于 遥 感 像 时 ，因遥
感 图 像 之 间 通 常 存 在 灰 度 差 异 较 大 的 情 况 ，很 难 找 到 足够多的正确匹配对[7]。同 时 ，传 统 S I F T 算法的特 征 描 述 子 是 128维 的 ，这会导致其运算时具有较大的
图 1 配准流程图
第42卷 第 6 期 2021 年 6 月
激光杂志
LASER JOURNAL
V 〇1.42，N 〇.6 J u n e ,2021
基 于 SIFT算法的遥感图像配准研究
黄海波，李晓玲，聂祥飞，张 月 ，冯丽源
重 庆 三 峡 学 院 三 峡 库 区 地 质 环 境 监 测 与 灾 害 预 警 重 庆 市 重 点 实 验 室 ，重 庆 404100
remote sensing images,it m a y b e difficult to find e n ou gh correct matching results d u e to the significant differences in
the grayscale m a p p i n g between images. In this p a p e r ,Sobel operator is used to calculate the second gradient a n d a n e w feature description m e t h o d is proposed to improve the effect of image registration. At the s a m e time,in order to reduce the computational a m o u n t of image registration,feature detection is carried out from the second group of gaussian differ ence pyramid in S I F T algorithm. T h e n feature matching is carried out by Euclidean distance ratio matching m e t h o d , a n d the wrong matching results are eliminated by fast sample consensus ( F S C ) algorithm. This m e t h o d is tested on synthetic aperture radar ( S A R ) images a n d remote sensing images of different b a n d s . C o m p a r e d with the existing methods,the experimental results s h o w that this m e t h o d has good performance in registration time a n d accuracy.
Байду номын сангаас
换与插值。其 配 准 流 程 图 如 图 1 所 示 。其中特征点 提取又可以细分为生成高斯差分（Difference of Gauss ian,D O G )尺度空间 、寻 找 局 部 极 值 点 、特征点筛选与 定 位 、确定特征点方向、生成特征描述子等步骤;特征
Feature Transform,S I F T )算 法 由 于 其 在 平 移 、旋 转 、 匹配主要包括根据描述子的相似性进行度量、利用特
3 改进算法
在 S I F T 算 法 和 G L 0 H 描 述 子 的 基 础 上 ，提出了 一种局部坐标系下圆形邻域描述方法,基于圆形区域 划 分 的 渐 变 分 割 梯 度 直 方 图 （Circular Gradient Seg mentation Gradient Histogram ，C G S G H ) 。该方 法类似 于 G L 0 H 算 子 ，但不同之处在于进行特征描述时采用 的梯度方向是对图像梯度幅值计算得到的，且其描述 区 域 更 加 简 洁 ，能 够 具 有 旋 转 不 变 等 特 性 并 减 少 灰 度 差 异 造 成 的 误 差 。 同 时 为 提 高 算 法 的 效 率 ，采 用 原 始 输 入 图 像 作 为 高 斯 金 字 塔 的 初 始 层 ，并 从 第 二 组 尺 度 空间进行特征的检测，如 图 2 所示。在进行特征点定 位与筛选时使用了更高的对比度阈值以提高特征点 的稳定性。
计 算 量 。为 提 高 图 像 配 准 的 性 能 ，众 多 学 者 相 继 提 出 了 基于S I F T 的改进算法。对 此 K e 等提出了 P C A S I F T (Pricncipal C o m p o n e n t s Analysis，P C A ) 算 法 ，通 过 降 低 描 述 子 的 维 度 ，来 达 到 提 高 特 征 匹 配 速 度 的 目 的[8]。Mikolajczyk对 比 了 多 种 局部图像描述子，并提 出了一个新的描述子 G L O H (Gradient Location and 0rientation Histogram) ，经 过 实 验 对 比 发 现 在 多 数 情 况 下 ，G L 0 H 描述子取得的结果更好[9]。B a y 沿 着 L o w e 的思路，于 2 0 0 8 年 提 出 了 一 种 借 助 积 分 图 像 替 代 卷 积运算的快速鲁棒性特征（Sp e e d U p Robust Features, S U R F )算法 [1°]，从而增加了图像的配准速度。Dellin ger 提出的 S A R - S I F T 算法结合 S A R 图像的特点对 S I F T 的 特 征 提 取 与 描 述 方 法 进 行 了 修 改 ，在 S A R 图 像 中 的 配 准 实 验 显 示 ，此 方 法 的 实 验 效 果 明 显 优 于 经
典 的 S I F T 算法[11]。M a 提 出 的 P S 0 - S I F T 算法改进
摘 要 ：图像的自动配准是一项重要而又具有挑战性的工作，特别是对遥感图像而言。需 要 一 种 准 确 、鲁 棒 、快速的全自动配准方法。尺 度不 变 特 征 变 换（S I F T ) 算 法 及 其 改 进 算 法 在 图 像 配 准 中 得 到 了 广 泛 地 应 用 。 然而，在遥感图像中，由于图像间的灰度映射存在显著的差异，可能很难找到足够多的正确匹配结果。采 用 Sob e l 算子进行二次梯度计算，提出了一种新的特征描述方式来克服灰度映射的差异，同时为了减少图像配准的 计算量，从 S I F T 算法中高斯差分金字塔第二组开始进行特征检测，然后利 用欧氏距离 比值法进行 特征匹配 ，最 后通过快速采样一致性（F S C ) 算法对错误的匹配结果进行剔除。在合成 孔径雷达（S A R ) 以及不同波段的遥感 图 像 上 进 行 了 测 试 ，实 验 结 果 表 明 ，与 现 有 的 几 种 方 法 相 比 ，该 方 法 在 配 准 时 间 和 精 度 方 面 均 具 有 很 好 的 性 能 。
果的优劣直接影响着后续工作的效果。图像配准是 对 同 一 场 景 区 域 中 由 不 同 的 时 间 、视 角 或 传 感 器 获 得 的 两 幅 或 多 幅 图 像 ，在 几 何 上 寻 找 对 应 关 系 的 过 程 [1]。它是实现图像的拼接、融合以及变化检测等技 术所必须的一个前提步骤[2]。现 有 的 图 像 配 准 算 法 主要分为基于灰度的方法和基于特征的方法两大 类 [3]。其中基于特征的图像配准方法因其具有较高 的 运 算 速 度 和 较 好 的 鲁 棒 性 ，已 经 成 为 了 当 前 应 用 领
Abstract ：Automatic image registration is a vital yet challenging task,particularly for remote sensing im a g e s . A fully automatic registration approach which is accurate,robust,a n d fast is required. T h e scale-invariant feature trans form algorithm a nd its m a n y variants are widely used in feature-based remote sensing image registration. H o w e v e r ,in
关键词：S I F T 算法；特征 提取 ；图像配准；图像处理 中图分类号:T N 911.7 文献标识码：A d o i ：10. 14016/ki.jgzz.2021.06. 097
Research on remote sensing image registration based on SIFT algorithm
H U A N G H a i b o , L I X i a o l i n g , N I E X i a n g f e i ,Z H A N G Y u e , F E N G L i y u a n Chongqing K e y Laboratory of Geological Environment Monitoring a n d Disaster Early-warning in Three Gorges Reservoir A r e a ,
尺 度 、视角以及光照等变化的图像中仍然拥有很好的 效 果 而 得 到 了 广 泛 地 研 究 与 应 用 。然 而 ，由 于 SIFT
定 的 规 则 进 行 特 征 匹 配 、对 匹 配 结 果 进 行 筛 选 。
算 子 最 初 是 针 对 光 学 图 像 开 发 的 [6]，在 光 学 图 像 之 间
http ：//
98
黄 海 波 ，等 :基 于 SIFT算法的遥感图像配准研究
域 最 广 、使用频率最高的方法[4]。
征提取;②特征匹配;③确定图像变换模型;④图像变
图像的自动配准是一项十分重要而又具有挑战 性的 工 作 ，特别是在遥感图像配准领域，一 种 精 确 、鲁 棒 、快速的配准方法是目前所急需的。在众多基于特 征 的 配 准 算 法 中 ，尺 度 不 变 特 征 变 换 （Scale Invariant
Key words：S I F T algorithm；feature extraction；image registration；image processing
i 引言
图 像 配 准 技 术 是 图 像 处 理 领 域 的 基 础 ，其配准 结
收 稿 日 期 =2021-01-22 基 金 项 目 ：国 家 重 点 研 发 计 划 资 助 项 目 （No.2017YFC08047〇0);重庆市 院 士 牵 头 科 技 创 新 项 目 （No.cstC2017zdCy- yszxX0 0 0 5 ) 作 者 简 介 ：黄 海 波 （1 9 9 4 - ) ，男 ，硕 士 研 究 生 ，主 要 研 究 方 向 ：图 像 处 理 。 E- mail：huanghb0 1 3 0 @ 1 6 3 .com 通 讯 作 者 ：聂 样 飞 ，男 ，博 士 ，教 授 ，硕 士 生 导 师 ，主 要 研 究 方 向 ：图 像 处 理 、模 式 识 别 、智 能 信 息 处 理 等 。 E- mail:niexf@
的图像匹配效果较好，但 直 接 应 用 于 遥 感 像 时 ，因遥
感 图 像 之 间 通 常 存 在 灰 度 差 异 较 大 的 情 况 ，很 难 找 到 足够多的正确匹配对[7]。同 时 ，传 统 S I F T 算法的特 征 描 述 子 是 128维 的 ，这会导致其运算时具有较大的
图 1 配准流程图
第42卷 第 6 期 2021 年 6 月
激光杂志
LASER JOURNAL
V 〇1.42，N 〇.6 J u n e ,2021
基 于 SIFT算法的遥感图像配准研究
黄海波，李晓玲，聂祥飞，张 月 ，冯丽源
重 庆 三 峡 学 院 三 峡 库 区 地 质 环 境 监 测 与 灾 害 预 警 重 庆 市 重 点 实 验 室 ，重 庆 404100
remote sensing images,it m a y b e difficult to find e n ou gh correct matching results d u e to the significant differences in
the grayscale m a p p i n g between images. In this p a p e r ,Sobel operator is used to calculate the second gradient a n d a n e w feature description m e t h o d is proposed to improve the effect of image registration. At the s a m e time,in order to reduce the computational a m o u n t of image registration,feature detection is carried out from the second group of gaussian differ ence pyramid in S I F T algorithm. T h e n feature matching is carried out by Euclidean distance ratio matching m e t h o d , a n d the wrong matching results are eliminated by fast sample consensus ( F S C ) algorithm. This m e t h o d is tested on synthetic aperture radar ( S A R ) images a n d remote sensing images of different b a n d s . C o m p a r e d with the existing methods,the experimental results s h o w that this m e t h o d has good performance in registration time a n d accuracy.
Байду номын сангаас
换与插值。其 配 准 流 程 图 如 图 1 所 示 。其中特征点 提取又可以细分为生成高斯差分（Difference of Gauss ian,D O G )尺度空间 、寻 找 局 部 极 值 点 、特征点筛选与 定 位 、确定特征点方向、生成特征描述子等步骤;特征
Feature Transform,S I F T )算 法 由 于 其 在 平 移 、旋 转 、 匹配主要包括根据描述子的相似性进行度量、利用特
3 改进算法
在 S I F T 算 法 和 G L 0 H 描 述 子 的 基 础 上 ，提出了 一种局部坐标系下圆形邻域描述方法,基于圆形区域 划 分 的 渐 变 分 割 梯 度 直 方 图 （Circular Gradient Seg mentation Gradient Histogram ，C G S G H ) 。该方 法类似 于 G L 0 H 算 子 ，但不同之处在于进行特征描述时采用 的梯度方向是对图像梯度幅值计算得到的，且其描述 区 域 更 加 简 洁 ，能 够 具 有 旋 转 不 变 等 特 性 并 减 少 灰 度 差 异 造 成 的 误 差 。 同 时 为 提 高 算 法 的 效 率 ，采 用 原 始 输 入 图 像 作 为 高 斯 金 字 塔 的 初 始 层 ，并 从 第 二 组 尺 度 空间进行特征的检测，如 图 2 所示。在进行特征点定 位与筛选时使用了更高的对比度阈值以提高特征点 的稳定性。
计 算 量 。为 提 高 图 像 配 准 的 性 能 ，众 多 学 者 相 继 提 出 了 基于S I F T 的改进算法。对 此 K e 等提出了 P C A S I F T (Pricncipal C o m p o n e n t s Analysis，P C A ) 算 法 ，通 过 降 低 描 述 子 的 维 度 ，来 达 到 提 高 特 征 匹 配 速 度 的 目 的[8]。Mikolajczyk对 比 了 多 种 局部图像描述子，并提 出了一个新的描述子 G L O H (Gradient Location and 0rientation Histogram) ，经 过 实 验 对 比 发 现 在 多 数 情 况 下 ，G L 0 H 描述子取得的结果更好[9]。B a y 沿 着 L o w e 的思路，于 2 0 0 8 年 提 出 了 一 种 借 助 积 分 图 像 替 代 卷 积运算的快速鲁棒性特征（Sp e e d U p Robust Features, S U R F )算法 [1°]，从而增加了图像的配准速度。Dellin ger 提出的 S A R - S I F T 算法结合 S A R 图像的特点对 S I F T 的 特 征 提 取 与 描 述 方 法 进 行 了 修 改 ，在 S A R 图 像 中 的 配 准 实 验 显 示 ，此 方 法 的 实 验 效 果 明 显 优 于 经
典 的 S I F T 算法[11]。M a 提 出 的 P S 0 - S I F T 算法改进
摘 要 ：图像的自动配准是一项重要而又具有挑战性的工作，特别是对遥感图像而言。需 要 一 种 准 确 、鲁 棒 、快速的全自动配准方法。尺 度不 变 特 征 变 换（S I F T ) 算 法 及 其 改 进 算 法 在 图 像 配 准 中 得 到 了 广 泛 地 应 用 。 然而，在遥感图像中，由于图像间的灰度映射存在显著的差异，可能很难找到足够多的正确匹配结果。采 用 Sob e l 算子进行二次梯度计算，提出了一种新的特征描述方式来克服灰度映射的差异，同时为了减少图像配准的 计算量，从 S I F T 算法中高斯差分金字塔第二组开始进行特征检测，然后利 用欧氏距离 比值法进行 特征匹配 ，最 后通过快速采样一致性（F S C ) 算法对错误的匹配结果进行剔除。在合成 孔径雷达（S A R ) 以及不同波段的遥感 图 像 上 进 行 了 测 试 ，实 验 结 果 表 明 ，与 现 有 的 几 种 方 法 相 比 ，该 方 法 在 配 准 时 间 和 精 度 方 面 均 具 有 很 好 的 性 能 。
果的优劣直接影响着后续工作的效果。图像配准是 对 同 一 场 景 区 域 中 由 不 同 的 时 间 、视 角 或 传 感 器 获 得 的 两 幅 或 多 幅 图 像 ，在 几 何 上 寻 找 对 应 关 系 的 过 程 [1]。它是实现图像的拼接、融合以及变化检测等技 术所必须的一个前提步骤[2]。现 有 的 图 像 配 准 算 法 主要分为基于灰度的方法和基于特征的方法两大 类 [3]。其中基于特征的图像配准方法因其具有较高 的 运 算 速 度 和 较 好 的 鲁 棒 性 ，已 经 成 为 了 当 前 应 用 领