遥感影像配准方法探讨

科技信息2010年第7期

SCIENCE&TECHNOLOGY INFORMATION

遥感是目前为止能够提供全球范围的动态对地观测数据的惟一

手段,其成像模式多种多样。多源传感器影像的数据融合,可以产生

出比单一信息源更精确、更完整、更可靠的影像信息。在融合这些多源

遥感影像数据时,必须先进行影像配准，经过适当配准的多传感器图

像可以在像素级直接融合形成融合图像，然后在此基础上完成目标探

测、特征提取和目标识别等处理。图像配准广泛应用于航空航天技术、

地理信息系统、图像镶嵌、图像融合、目标识别、虚拟现实等领域。

1图像配准的基本概念

图像配准是指同一目标的两幅（或者两幅以上）图像在空间位置

上的对准，图像配准的技术过程称为图像匹配。影像匹配实质上是在

两幅(或多幅)影像之间识别同名点,是计算机视觉及遥感数字图像制

图的核心问题[1]。对影像匹配可作如下数学描述[2]:

若影像I

1与I

2

中的像点O1与O2具有坐标P

1

=(x1,y1)、P2=(x2,y2)及特

征属性f

1与f

2

，即O1=(P1,f1)、O2=(P2,f2)。其中f1与f2可以是P1与P2为

中心的小影像窗口的灰度矩阵g1与g2,也可以是其他能够描述O1与O2的特征。基于f1与f2定义某种测度m(f1,f2)。所谓影像匹配就是建立一个映射函数M满足：P

2

=M(P1,T)、M(f1,f2)=max或min(O1∈I1,O2∈I2)。其中T为描述映射M的参数矢量,测度m表示O1与O2的匹配程度,称为匹配测度。基于不同的理论或不同的思想可以定义各种不同的匹配测度,因而形成了各种影像匹配方法及相应的实现算法。

2图像匹配的一般算法

2.1基于图像灰度的匹配方法

基于图像灰度的匹配方法的基本思想是：首先对待匹配图像做几何变换；然后根据灰度信息的统计特性定义一个目标函数，作为参考图像与变换图像之间的相似性度量，使得匹配参数在目标函数的极值处取得，并以此为匹配的判决准则和匹配参数最优化的目标函数，从而将匹配问题转化为多元函数的极值问题；最后通过一定的最优化方法求得正确的几何变换参数。在两幅图像灰度信息相似的情况下，常用的匹配方法有：互相关匹配方法，投影匹配方法，基于傅立叶变换的相位匹配方法和图像矩匹配方法。

2.2基于图像特征的配准

基于图像特征的匹配方法就是利用图像的内部特征进行匹配。根据所提取的图像特征的不同，特征提取算子可分为点特征提取算子(如MORAVEC算子，FORSTNER算子)、线特征提取算子(如Log算子，hough变换算子)和区域特征提取算子（主要是区域分割)[3]。

基于图像特征的配准方法在实际应用中越来越广泛。图像的特征只考虑图像的局部信息，较大地减少了匹配过程的计算量，从而提高了配准的速度；同时，特征点的匹配度量值对位置的变化比较敏感，可以提高匹配的精确度。但是该方法只依赖于所提取的图像特征，所以对于图像的细微情节不太敏感。

2.3最小二乘影像匹配

最小二乘影像匹配方法充分利用了影像窗口内的信息进行平差计算，使影像匹配可以达到子像素等级，因此，最小二乘影像匹配被称为“高精度影像匹配”[4]。

影像匹配中判断影像匹配的度量很多，其中最常见的一种是灰度差的平方和最小。若将灰度差记为余差v，则有表达式：

Σvv=min v=g1（x，y）-g2（x，y）

这就是一般的按原则Σvv=min进行影像匹配的数字模型。

最小二乘匹配是以“相关系数最大”作为影像匹配搜索同名点的准则，其实质就是搜索“信噪比为最大”的灰度序列。

其残余灰度差的平方和计算公式：

Σvv=Σg21-（g1g2）2

Σg22

相关系数的计算公式:ρ2＝

（Σg1g2）2

Σg21Σg22

影像匹配算法采用目标区相对于搜索区不断地移动一个整像素，在移动的过程中，计算相关系数，搜索最大相关系数的影像区作为同名像点。其搜索过程可以用以下式子予以表示:

maxΣρ（x芄i·△，y芄j·△）}

其中一k荞i荞k;-l荞j荞l k;l为正整数，△为数字影像的采样间隔。

3图像配准的新方法

3.1频域匹配算法

频域匹配算法就是把在空域中的数据通过时频变换，变换为频域的数据，然后通过一定的相似性度量来确定两幅图像之间匹配参数的办法。最常用的时空变换是Fourier变换，最常用的相似性度量是相位相关度量。在诸多现有匹配算法中，频域匹配技术得到了广泛的应用，采用的是空域、频域复合配准的方法。该方法先用空域相关法求取粗匹配点的候选点，再利用频域相关对图像旋转敏感的特性，根据傅立叶变换的平移不变性，当两幅图像存在位移和旋转变化时。两者的频谱只反映了它们的旋转差别。这样，将其中一幅图像的频谱相对其中心旋转角后再与另一幅图像的频谱相减，差别之和为D(θ)的，而D值最小时所对应的θ角即为要校正的旋转角。

与许多空域算法相比，频域算法有如下一些显著的特点：首先频域方法对全局的照度变化不敏感；其次，这种算法可解决两幅图像之间存在平移，旋转和尺度的匹配问题，如果有必要还可得到子像素的匹配精度。因此，这类算法正好满足我们的匹配任务：（下转第406页）

遥感影像配准方法探讨

杨先武1，2李彩露1韦春桃1

(1.桂林理工大学土木与建筑工程学院广西桂林541004；

2.信阳师范学院城市与环境科学学院河南信阳464002）

【摘要】影像匹配是指从数字影像上识别相关影像，它是计算机视觉和数字摄影测量中的一个基本问题。遥感影像的配准技术直接关系到图像融合等地形分析的精度和效果，针对不同的应用目的和条件可以选择不同的匹配算法，本文在三种经典的配准方法的基础上提出了两种图像配准的新方法。

【关键词】图像配准；影像相关；最小二乘；特征提取

The Registration Way of Remote Sensing Image

【Abstract】Images matching is used to identify the related images from the digital image.It is a basic issue in computer vision and digital photogrammetry.The techniques of Remote sensing image registration has directly relation to the accuracy and effectiveness of the image integration and analysis of the terrain,etc.Applications for different purposes and conditions can choose different matching algorithms,this paper,three kinds of quasi-classical method of distribution based on the two kinds of image registration of the new methods.

【Key words】I mage matching;I mage correlation;L east Squares Image Matching;F eatures extraction

○本刊重稿○

397