一种结合SIFT和边缘信息的多源遥感影像匹配方法_叶沅鑫

文 献 标 志 码 ：Ａ
叶 沅 鑫１，２ 单 杰１，３ 熊 金 鑫１ 董 来 根１
（１ 武 汉 大 学 遥 感 信 息 工 程 学 院 ，武 汉 市 珞 喻 路 １２９ 号 ，４３００７９） （２ 西 南 交 通 大 学 地 球 科 学 与 环 境 工 程 学 院 ，成 都 市 二 环 路 北 一 段 １１１ 号 ，６１００３１）
ＳＩＦＴ 特征描述 子 首 先 根 据 特 征 点 的 主 方 向 建 立 坐 标 轴 ，然 后 以 特 征 点 为 中 心 取 １６×１６ 的 邻 域 并 划 分 为 ４×４ 的 子 区 域 ，在 每 个 子 区 域 内 统 计 ８方向 的 梯 度 方 向 直 方 图 （图 ２（ａ）），最 后 形 成 ４ ×４×８＝１２８维的特征向量。 由 于 多 源 遥 感 影 像 间的灰度 差 异 会 导 致 邻 域 内 的 梯 度 方 向 发 生 变 化 ，甚 至 还 会 使 梯 度 方 向 发 生 反 向 ，尤 其 是 在 可 见 光 影 像 和 红 外 影 像 之 间 （图 １ 的 河 流 部 分 ）。 考 虑
合改进的
ＳＩＦＴ
和
形
状
上
下
文
对
特
征
点
进
行
描
述
；最
后
将
欧
氏
距
离
和
２
χ
统计作为相似性测度获取同名点。
相比于 ＳＩＦＴ 算法，本文方法可有效地提高匹配正确率，并获得更多的同名点。
关 键 词 ：遥 感 影 像 ；影 像 匹 配 ；边 缘 点 ；ＳＩＦＴ；形 状 上 下 文
中 图 法 分 类 号 ：Ｐ２３７．３
图２ 改进的 ＳＩＦＴ 特征描述子 Ｆｉｇ．２ Ｉｍｐｒｏｖｅｄ ＳＩＦＴ Ｄｅｓｃｒｉｐｔｏｒ
ｓｈａｐｅ ｃｏｎｔｅｘｔ［８］的基本思想是 在 对 数 极 坐 标
下通过统 计 边 缘 点 信 息 来 对 目 标 或 物 体 进 行 描
述。这里使 用 ｓｈａｐｅ ｃｏｎｔｅｘｔ进 行 特 征 点 描 述 的
ｔｈｅ Ｍａｊｏｒ Ｏｒｉｅｎｔａｔｉｏｎ）
１１５０
武汉大学学报·信息科学版
２０１３ 年 １０ 月
对于邻域 内 的 某 一 边 缘 点 Ｐｅ（ｘｅ，ｙｅ），它 在 对 数 极 坐 标 系 统 下 对 应 的 子 区 域 位 置 （ａ，ｄ）为 ：
（ （ ） ） ａ＝
６ π
ａｔａｎ
ｙｅ ｘｅ
－ｙｋ －ｘｋ
为１２个 方 向，而 半 径 被 划 分 为 ５ 等 份，其 间 距 分
别
为１Ｒ６，１Ｒ６，Ｒ８
，Ｒ ４
和
Ｒ ２
，形
成
１２×５＝６０
个
子
区
域 ，如 图 ３ 所 示 。
图 ３ ｓｈａｐｅ ｃｏｎｔｅｘｔ描 述 子 （箭 头 指 向 主 方 向 ） Ｆｉｇ．３ ｓｈａｐｅ ｃｏｎｔｅｘｔ Ｄｅｓｃｒｉｐｔｏｒ（ｔｈｅ Ａｒｒｏｗ Ｉｎｄｉｃａｔｅｓ
近 年 来 ，计 算 机 视 觉 领 域 的 局 部 不 变 性 特 征 在 影 像 匹 配 方 面 得 到 广 泛 应 用［１］，其 中 最 具 代 表 性 的 是 ＳＩＦＴ 算子［２－４］。但 是，ＳＩＦＴ 算 子 是 基 于 局 部 梯 度信息来进行特征描述的，当影像间灰度差异较大 时 ，尤其是非 线 性 的 灰 度 差 异 ，局 部 的 梯 度 信 息 不 能 提 供 稳 定 的 特 征［５］，其 性 能 有 所 下 降 。 考 虑 到 边 缘信息和线特征受灰度差异影响较小的特点，李芳 芳［６］提出一种基于线特征和ＳＩＦＴ 点特征的多源遥 感 影 像 配 准 方 法 。Ｍｏｒｔｅｎｓｅｎ［７］则 通 过 把 全 局 形 状 信息融入 ＳＩＦＴ 特征，提高了匹配的正确率。本文 针对遥感影像特点，提出一种结合 ＳＩＦＴ 特征和边 缘信息的影像匹配方法，旨在克服多源情况下的匹 配 困 难 问 题 ，保 证 方 法 的 有 效 性 和 鲁 棒 性 。
叶沅鑫等：一种结合 ＳＩＦＴ 和边缘信息的多源遥感影像匹配方法
１１４９
∑ Ｍ
＝
１（ ２θ
［（ＰＣ（θ）ｓｉｎ（θ））２ ＋ （ＰＣ（θ）ｃｏｓ（θ））２ ］＋
槡４ （∑ ） （ＰＣ（θ）ｓｉｎ（θ））（ＰＣ（θ）ｃｏｓ（θ））２ ＋ （∑ ［（ＰＣ（θ）ｃｏｓ（θ））２ － ） （ＰＣ（θ）ｓｉｎ（θ））２］２ ） （３）
（可见光）和 ＴＭ ７（红外）影 像 进 行 边 缘 点 检 测 的 过程。由于两幅 影 像 采 自 不 同 类 型 的 波 段，所 以
｛ φ（θ）＝
θ，θ∈ ［０，１８０］ θ－π，θ∈ （１８０，３６０）
（４）
影像间的灰 度 差 异 较 大。 尽 管 如 此，它 们 的 相 位 一致性最大矩特 征 图 比 较 相 似，而 且 经 过 非 极 大
式中，Ｌ 表示 ＧＯＲ－ＳＩＦＴ 描述 子 中 的 特 征 向 量，Ｓ
表 示 ｓｈａｐｅ ｃｏｎｔｅｘｔ描 述 子 中 的 特 征 向 量 。
这里采用特征点对之间的最近邻和次近邻距
离 之 比 ｄｒａｔｉｏ来 进 行 匹 配 ，当 ｄｒａｔｉｏ小 于 给 定 阈 值 （如 ０．６）时 ，该 特 征 点 对 被 视 为 匹 配 点 对 。
位一致性最大矩 特 征，然 后 在 相 位 一 致 性 最 大 矩 向并进行梯度幅值统计，最终形成改进后的 ＳＩＦＴ
特征图上进行非极大值抑制得到边缘点。图１显 特征 描 述 子，称 为 ＧＯＲ－ＳＩＦＴ（ｇｒａｄｉｅｎｔ ｏｒｉｅｎｔａ－
示了利用相位一致性最 大 矩 对 同 一 地 区 的 ＴＭ ３ ｔｉｏｎ ｒｅｓｔｒｉｃｔｉｏｎ ＳＩＦＴ），如图２所示。
θ
θ
式中，ＰＣ（θ）表 示 滤 波 方 向 θ 的 相 位 一 致 性 到这 一 问 题，这 里 对 ＳＩＦＴ 描 述 子 进 行 改 进。 首
值 。 ［１０－１１］
先 利 用 公 式 （４）把 梯 度 方 向 限 制 在 ０ 到 π 之 间 ，然
在边缘点检测 的 过 程 中，首 先 计 算 影 像 的 相 后在［０π］的范围内，把每个子区域划分为 ８ 个方
ｔｅｘｔ两 部 分 ，分 别 采 用 欧 氏 距 离 和
２
χ
统计作为相
似 性 测 度 ，其 计 算 公 式 如 下 ：
槡∑ ｄＬ ＝ Ｌｉ －Ｌｊ ＝
（Ｌｉ，ｋ －Ｌｊ，ｋ）２ （８）
ｋ
∑ ｄＳ
＝χ２
＝
１ ２
ｋ
（Ｓｉ，ｋ －Ｓｊ，ｋ）２ Ｓｉ，ｋ ＋Ｓｊ，ｋ
最终的距离为：
（９）
ｄ ＝ｄＬ ＋ｄＳ
（１０）
度幅值最大的方 向 作 为 该 特 征 点 的 主 方 向，最 终 得 到 的 特 征 点 具 有 位 置 、尺 度 和 主 方 向 ３ 个 属 性 。
针对影像间灰度差异较大所造成的边缘检测 不一致问题，引入 具 有 局 部 光 照 和 对 比 度 不 变 性 的相位一致性算法。相位一致性算法是一种基于 频 率 域 的 特 征 检 测 方 法 ，其 主 要 依 据 是 角 点 、边 缘 等特征出现在图 像 Ｆｏｕｒｉｅｒ谐 波 分 量 叠 合 最 大 的 相位处 。 ［９－１０］ 图像的相位一致性计算公式为 ：
（３ 普 渡 大 学 土 木 工 程 学 院 ，美 国 西 拉 法 叶 ，４７９０７）
摘 要：针对多源遥感影像间几何变形和灰度 差 异 造 成 的 匹 配 困 难 问 题，提 出 一 种 结 合 ＳＩＦＴ 和 边 缘 信 息 的
影像匹配方法。首先在高斯差分尺度空间进行特征点 检 测，并 采 用 相 位 一 致 性 提 取 可 靠 的 边 缘 信 息；然 后 结
方法如下：设 Ｐｋ（ｘｋ，ｙｋ，σｋ，θｋ）为 影 像 中 的 某 一 特 征点，其 中 ｘｋ 和ｙｋ 代 表 特 征 点 的 坐 标，σｋ 和θｋ 分别为特征点尺 度 和 主 方 向。 以 点 Ｐｋ 为 中 心 取 半径 大 小 为Ｒ ＝２１＊σｋ（保 持 尺 度 不 变）的 邻 域， 并 以 主 方 向θｋ（保 持 旋 转 不 变 ）为 基 准 建 立 对 数 极 坐标系。然后在 该 坐 标 系 下，角 度 被 均 匀 地 划 分
式中，θ代表梯度方向，φ 为修改后的梯度方向。
值抑制得到的边缘点的重复率也较高。
图１ 利用相位一致性最大矩对 ＴＭ ３和 ＴＭ ７ 进 行 边 缘 点 检 测
Ｆｉｇ．１ Ｅｄｇｅ Ｐｏｉｎｔｓ Ｅｘｔｒａｃｔｅｄ Ｕｓｉｎｇ ｔｈｅ Ｍａｘｉｍｕｍ Ｍｏｍｅｎｔ ｏｆ Ｐｈａｓｅ Ｃｏｎｇｕｒｅｎｃｙ ｆｏｒ ＴＭ Ｂａｎｄ ３ ａｎｄ Ｂａｎｄ ７Ｉｍａｇｅｓ
（７）
对 于 每 一 个 特 征 点，其 描 述 子 是 １８８ 维 的 特
征向量，其 中 １２８ 维 来 自 ＧＯＲ－ＳＩＦＴ，其 余 ６０ 维
来自ｓｈａｐｅ ｃｏｎｔｅｘｔ。 这 里 形 成 的 描 述 子 被 称 为
ＧＯＲ－ＳＩＦＴ＋ＳＣ。
１．３ 特 征 点 匹 配
对于 描 述 子 中 的 ＧＯＲ－ＳＩＦＴ 和 ｓｈａｐｅ ｃｏｎ－
wk.baidu.com
－θｋ
（５）
（ （ ） ） ｄ ＝ ｍａｘ １，ｌｏｇ２
‖Ｐｅ －Ｐｋ‖ Ｒ
＋６
（６）
式中，ａ 和ｄ 分别代表点Ｐｅ 在角度和 径 向 方 向 上 的位置，‖ · ‖ 表 示 Ｌ２ －范 数。 统 计 每 个 子 区 域 内 边 缘 点 的 数 量 ，并 利 用 式 （７）对 边 缘 点 进 行 反 向
１．２ 特 征 描 述 ＳＩＦＴ 是基于局部的梯度信息，其性能受影像
间 灰 度 差 异 影 响 较 大。 本 文 对 ＳＩＦＴ 进 行 改 进， 并与描述 边 缘 点 信 息 的 形 状 上 下 文 （ｓｈａｐｅ ｃｏｎ－ ｔｅｘｔ）相结合，建 立 一 种 更 为 可 靠 的 特 征 描 述 子， 定义为 ［ＬＴ，ＳＴ ］Ｔ。其中，Ｌ 表 示 代 表 局 部 特 征 的 改进的 ＳＩＦＴ 描述子，Ｓ表示在一个较大邻域内计 算 的 ｓｈａｐｅ ｃｏｎｔｅｘｔ描 述 子 ，以 此 来 区 分 影 像 间 相 似的局部区域。
ＰＣ（ｘ，ｙ）＝
∑ ∑Ｗｏ（ｘ，ｙ）Ａｎｏ（ｘ，ｙ）ΔΦｎｏ（ｘ，ｙ）－Ｔ ｏｎ ∑ ∑Ａｎｏ （ｘ，ｙ）＋ε ｏｎ （１）
ΔΦｎｏ （ｘ，ｙ）＝ ｃｏｓ（φｎｏ （ｘ，ｙ）－φ珔（ｘ，ｙ））－ （２） ｓｉｎ（φｎｏ（ｘ，ｙ）－φ珔（ｘ，ｙ）） 式中，（ｘ，ｙ）为 图 像 的 坐 标；Ｗｏ（ｘ，ｙ）为 频 率 扩 展 的权重因子；Ａｎｏ（ｘ，ｙ）和 φｎｏ （ｘ，ｙ）为 像 点 （ｘ，ｙ） 在 Ｌｏｇ Ｇａｂｏｒ滤波器尺度ｎ 和方向ｏ 上的振幅和 相位；φ珔（ｘ，ｙ）为加权的平均相位； 符号表示值为 正时取本身，否则取０；Ｔ 为噪声阈值；ε是一个避 免除零的常数。相位一致性的最大矩代表了图像 的 边 缘 特 征 ［１１］，其 计 算 式 为 ：
的高斯距离加权，形成ｓｈａｐｅ ｃｏｎｔｅｘｔ描述子。 反
向距离加 权 是 为 了 使 ＧＯＲ－ＳＩＦＴ 邻 域 外 的 边 缘 点 在 ｓｈａｐｅ ｃｏｎｔｅｘｔ描 述 子 中 的 贡 献 更 大 ，增 强 描 述子区分影像间相似局部区域的能力 ： ［７］
ｗ ｘ ｙ （ ， ）＝ １－ｅ－（（ｘｅ－ｘｋ）２＋（ｙｅ－ｙｋ）２）／２σｋ
第３８卷 第１０期 ２０１３ 年 １０ 月
武汉大学学报·信息科学版 Ｇｅｏｍａｔｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ｏｆ Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ
文 章 编 号 ：１６７１－８８６０（２０１３）１０－１１４８－０４
一种结合ＳＩＦＴ 和边缘信息的 多源遥感影像匹配方法
Ｖｏｌ．３８ Ｎｏ．１０ Ｏｃｔ．２０１３
１ 多源遥感影像匹配方法
１．１ 特 征 检 测 特征检测包括特征点检测和边缘点检测。为
了 在 影 像 间 提 取 具 有 尺 度 （分 辨 率 ）不 变 性 的 特 征 点 ，首 先 建 立 影 像 的 高 斯 尺 度 空 间 ，并 通 过 高 斯 尺 度空间的相邻两层影像相减得到 ＤｏＧ 尺度空间， 然后在该空间中 进 行 极 值 检 测 得 到 特 征 点，并 统 计特征点邻域内 像 素 的 梯 度 方 向 直 方 图，选 择 梯
收 稿 日 期 ：２０１３－０６－０５。 项目来源：国家９７３计划资助项 目 （２０１２ＣＢ７１９９０４，２０１１ＣＢ３０２３０６，２０１２ＣＢ７１９９０１）；中 央 高 校 博 士 研 究 生 自 主 科 研 经 费 资 助 项 目
（２０１１２１３０２０２０００２）。
第 ３８ 卷 第 １０ 期