基于SIFT的遥感图像配准技术综述
合集下载
相关主题
- 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)。
１）生成 高斯 差 （ｄｉｆｆｅｒｅｎｃｅ ｏｆ Ｇａｕｓｓｉａｎｓ，ＤｏＧ）尺 度 空 间 。图像 的尺度 空 间 Ｌ（ ，Ｙ， ）由一 个 变 尺 度 的高斯 函数 Ｇ（ ，Ｙ，ｏ ｒ）和图像 ，（ ，Ｙ）卷 积得 到 ，即
Ｌ（ ，Ｙ， ）： Ｇ（ ，Ｙ，ｏ ｒ）：ｌ＝，（ ，Ｙ） ， （１）
ＳＩＦＴ算 法 主 要 用 于 描 述 与检 测 图像 中 的局 部 性特 征 ，它在 空 问尺度 中寻 找极值 点 ，并提 取 出其 位 置 、尺 度 和旋转 不 变 量 。该 算 法 由 Ｌｏｗｅ在 １９９９年 提 出 Ｊ，２００４年 完 善 Ｊ。ＳＩＦＴ 遥 感 图像 配准 的基 本 步骤 包括 ：① 特征 提取 ；② 特征 匹 配 ；③ 配 准模 型确定 ；④图像重采样。具体流程见图 １。
基 于 ＳＩＦＴ的遥 感 图像 配 准 技 术综 述
李孚 煜 ，叶发茂
（南 昌大学计算机科学与技术系，南 昌 ３３００３１）
摘要 ：遥感 图像 配准是 图像 融合 、变化检测 、图像镶嵌等应 用 中不可缺少 的步骤 。近年来 ，出现 了大量基于尺度不 变特征变换 （ｓｃａｌｅ ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅ ｔｒａｎｓｆｏｒｍ，ＳＩＦＴ）的遥感 图像配 准方 法。在对 已有基于 ＳＩＦＴ的遥感 图像 配准文 献 的调研分析基础上 ，对 各种 ＳＩＦ Ｔ 遥 感图像配准技术进行 了系统性评述 ，将各 种改进方 法分为 ＳＩＦＴ 提 升算法 、针对 遥感 图像性 质的改进 、混合 方法以及 针对算法流程 的改进等 ４类 ；分析 了不 同类型 改进方法 的适用 范围和优缺点 ； 指 出了 ＳＩＦＴ遥感 图像 配准技术存在 的主要 问题和难点 ，对其未来 的发展方 向进行 了展望 ，为后续研究 提供参 考。 关键 词 ：尺度不变特征变换 （ＳＩＦ Ｔ ）；遥感 图像 ；图像配准 ；特征 提取 中 图 法分 类 号 ：ＴＰ ７９ 文 献 标 志码 ：Ａ 文 章 编 号 ：１００１—０７０Ｘ（２０１６）０２—００１４—０７
０ 引言
１ ＳＩＦＴ图像 配准
图像配准是对 同一场景从不 同视角、用不同传 感器 获取 的 ，有重 叠 区域 的 ２景 图 像 进行 几 何 配准 的过程 ¨』。在 遥感 图像 的 实 际应 用 中 ，配准 是 图像 融 合 、目标 变化 检测 、地 物识 别 以及 图像镶 嵌过 程 中 必 不可少 的步骤 。近 年 来 ，基 于 图 像 特 征 的配 准方 法 得 到 了较 快 的发 展 ，其 中尺 度 不 变 特 征 （ｓｃａｌｅ ｉｎ． ｖａｒｉａｎｔ ｆｅａｔｕｒｅｓ，ＳＩＦ）是 图像 特 征 中一 种 重 要 特 征 ； 尺度 不变特 征 变换 （ｓｃａｌｅ ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅｓ ｔｒａｎｓｆｏｒｍ， ＳＩＦＴ）是 Ｌｏｗｅ 在 总结 现有 基 于不 变 量技 术 的 特征 检测 算法 基 础上 提 出 的一 种 基于 尺度 空 间对 图像缩 放 、平移 、旋 转 、仿 射 变换 、视 角变换 和 光照 变换 保持 不变的特征提取算法 。由于其 匹配能力强 ，提取 出 的特征稳定 ，所以从各种 图像局部不变特征描述子 （ｄｉｓｃｒｉｐｔｅｒ）中脱 颖 而 出 ，近 年来 在 遥 感 图 配 准 领域 得 到 了越 来 越 多 的 应 用 。本 文 对 ＳＩＦＴ遥 感 图 像 配准技 术 的研 究情 况进 行 了系 统评 述 。首先 简单 描述 了一般性 的 ＳＩＦＴ图像配 准方 法 ；然后介绍 了 为提高遥感 图像 配准的准确度近年对 ＳＩＦＴ 提 出的 一 些改进算法 ，并分析 了各种改进算法的适用 范围 和优缺 点 ；最 后 总 结 了 ＳＩＦ Ｔ 遥 感 图 像 配 准 技 术 目 前存在的主要问题和缺陷 ，并对其未来的发展 方向 进 行 了展望 。
２０１６年 ０６月
ＲＥＭ ＯＴＥ ＳＥＮＳＩＮＧ ＦＯＲ ＬＡＮＤ ＆ ＲＥＳＯＵＲＣＥＳ
ｄｏｉ：１０．６０４６／ｇｔｚｙｙｇ．２０１６．０２．０３
引用格式 ：李孚煜 ，叶发茂．基于 ＳＩＦＴ的遥感 图像配 准技术综 述 ［Ｊ１．国土资源遥 感 ，２０１６，２８（２）：１４—２０．（Ｌｉ Ｆ Ｙ，Ｙｅ Ｆ Ｍ． Ｓｕｍｍａｒ ｉｚａｔｉｏｎ ｏｆ ＳＩＦ Ｔ —ｂａｓｅｄ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｔｅｃｈｎｉｑｕｅｓ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｆｏｒ Ｌａｎｄ ａｎｄ Ｒｅｓｏｕｒｃｅｓ，２０１６，２８ （２）：１４—２０．）
键点。每个检测点都跟与其同尺度的 ８个相邻点以
及上 下 相邻 尺 度 的 ９个点 （共 ８＋９ Ｘ ２＝２６个 点 ）
进行 比较 ，只保 留局部极值点 。这样得到 的局部极
值 点 即为粗 略特征 点 。
３）精 化 关 键 点 检 测 结 果 。通 过 子像 元 插 值 得
到特 征点 的精 确尺 度 ，删 除 受边 缘 效 应 影 响较 大 的
第 ２期
李孚煜 ，等 ： 基于 ＳＩＦＴ的遥感 图像配准技术综述
其 中特征 提 取 及 特征 匹 配 主 要 包 括 关 键 点 检 测 、局部 特征 描述 子生成 和特 征点 匹配 。 １．１ 关键点检 测
ＳＩＦＴ算法是基于点的匹配算法，所 以首先要找 出具 有 代 表 性 和 稳 定 性 的 关 键 点 。ＳＩＦＴ算 法 关 键 点 检测 的 目的就 是在 图像 的尺度 空间 中找 出对 图像 缩 放 、旋 转 以及一 定 程度 的 噪声 保持 不 变 的点 的精 确 位置 ，并对 这些 点进行 筛选 ，为 后续处 理搜 集足 够 多 的信 息 。ＳＩＦ Ｔ 的关键 点检测 分为 以下 ４个 步骤 ：
２）对特 征矢 量进 行 归 一化 处 理 ，以使 其 拥 有 一 定程 度 的光 照强 度不 变性 。 １．３ 特 征点 匹 配
ＳＩＦＴ算法 根 据 描 述 子 之 间 的 欧 氏距 离 来 判 断 其相似性 ，并 根据相似性 的大小进行 特征点 匹配 。 为减少误匹配 ，通常先使 用 比值提纯法对 匹配结果 进行提纯。除查询最近邻 的描述子之外 ，还要考虑 次 近邻 ；当次近邻 距 离与 最近 邻距 离 的 比值 小 于 阈 值 时 ，则认 为 这 个 ＳＩＦＴ图 像 配 准 基 本 流 程 不 够 显 著 ，剔 除该 匹配对 。匹配对 比值 提纯 之后 ，一 般还 要 使用 随 机 抽 样 一 致 性 （ｒａｎｄｏｍ ｓａｍｐｌｅ ｃｏｎｓｅｎｓｎｓ， ＲＡＮＳＡＣ）方法剔除离群匹配对 ，以进一步减少误匹配。
针对 ＳＩＦＴ 描述子维数高 （１２８维 ）导致计算 量
２ 遥感 图像 配准
传统 ＳＩＦＴ算 法是 为解 决 不 同视 角 之 间 目标 或 场景 的可 靠 匹配 而提 出 的。该方 法针 对 同一种 传感 器 图像之 间 的图像 匹配 效 果 较好 ，但 直 接 用 于不 同 性质遥感图像之间的配准可能会失效 ；在复杂场景 或相似场景下 ，ＳＩＦＴ算法容易出现误匹配 ；同时 ，传 统 ＳＩＦＴ算法也存在生成 １２８维 的描述子速度慢等 问题 。为 了使 ＳＩＦＴ算 法 能 更 好 地 应 用 于 遥 感 图配 准 ，很 多 研 究 者 提 出 了 不 同 的 改 进 方 案 ，可 分 为 ４ 类 ：①ＳＩＦＴ提升算法 ；② 针对遥感 图像性 质 的改 进 ；③ 混 合方法 ；④针 对算 法流 程 的改进 。 ２．１ ＳＩＦＴ提 升算 法
的关键点之后 ，ＳＩＦＴ 为每一个关键点的主方 向和每
个 辅方 向生成 一个 描 述 子 ，并 让 这些 描 述 子 拥 有 尽
可能 多的不变 性 ：
１）根 据 关 键 点 所 在 尺 度 ，选 择 相 应 大 小 的 邻 域 ，分为 ４×４个子 区域 ，每个子 区域有 ４像元 Ｘ４ 像元。以主方向为基准对齐后 ，对每个 子区域 的梯 度方向进行统计 ，形成 ８个方 向的直方 图。因存在 ４ Ｘ４个子 区域 ，每个 子 区域 的 梯度 直 方 图有 ８个 方 向 ，故 ＳＩＦＴ特 征矢 量 有 ４×４×８＝１２８维 。 由于直 方图只有局部小 区域的灰度统计信息 ，而仿射变换 对 灰 度频率 的影 响甚 微 ，所 以如 此 产 生 的 描述 子 对 仿 射 变换 也具 有一定 程度 的不 变性 。
间的图像相减得到。实际算法 中，ＤｏＧ通过构建 图
像金字塔来实现 ，即将图像金字塔分成 Ｏ组 ，每组 ｓ
层 ，下 一组 的图 像 由上 一 组 图像 隔 点 降 采 样 取 得 。
将 每组 上下相 邻 ２层 的高 斯 尺度 空 间 的 图 像相 减 ，
得 到 ＤｏＧ。
２）寻找 尺 度 空 间 中的 局 部 极 值 点 作 为 候 选 关
１
一ｒ…２ ２、
式 中 ：Ｇ（ ，Ｙ， ）＝ ｅ ； 为 尺 度 参 数 ；
盯 ｏ ｒ
为 卷积运 算符 。
如果 把 ｏｒ看 成 是 尺 度 变 量 ，那 么 在 尺 度 空 间
中 ，不 同 ｏｒ 的 Ｇ（ ，Ｙ，ｏｒ）就 组 成 一 个 组 （Ｏｃｔａｖｅ）。
ＤｏＧ响应值图像 Ｄ（ ，Ｙ， ）由２个相邻 高斯尺度空
在 计算 机视 觉领 域 ，继 ＳＩＦＴ后 又有 大 量 提升 算 法 ，有 些 已 经 被 应 用 于 遥 感 图 像 配 准 。 Ｂａｙ 等 ＿２０ 借鉴 了 ＳＩＦＴ的思想 ，于 ２００８提 出加速鲁棒特 征 （ｓｐｅｅｄｅｄ—ｕｐ ｒｏｂｕｓｔ ｆｅａｔｕｒｅｓ，ＳＵＲＦ）描述 子 ，用 图 像积分代替卷积运算 ，提高了特征提取 的速度 ；Ｌｉｕ 等 ＿２ 把 ＳＵＲＦ应用于 ＳＡＲ图像 匹配 ，获得了高匹配 率。Ｍｏｒｅｌ等 提 出了仿射无 关 的 ＡＳＩＦＴ（ａｆｆｉｎｅ— ＳＩＦＴ）算法 ；Ｙａｎｇ等 将 ＡＳＩＦＴ应用 于图像 配准 问题 ；Ｌｉｎ等ｕ 借鉴 ＡＳＩＦＴ的思 想 ，改进 了 ＳＵＲＦ， 提出了仿射无关的 ＡＳＵＲＦ（ａｆｆｉｎｅ—ＳＵＲＦ）算法 。
…
特璧 秆 Ｌ—回 匪Ｌ— ；
童 Ｊ生成局部描述子ｌ Ｉ生成局部描述子『ｊ
，… … … … … 一ｔ… …
一
…
…
一
根 据 描 述 子 相 似 性 进 行 匹 配
特征 匹配
对 匹配 对 比值 提 纯
… … … … 寸… … … … 一
ＲＡＮＳＡＣ￣方 法 剔 除 离 群 匹 配 对
点 ，通过子像元插值和去边缘效应 ，精化关键点检测
结果 。
４）生 成 关 键 点 的 主 方 向。根 据 关 键 点 所 在 的
尺度 选取 邻域 ，在该邻 域 内分 ３６个方 向统计 所有 点
的梯 度方 向 ，取 方 向统计 直方 图 中主 峰 的对 应 方 向
为主 方 向。若存 在相 当于 主峰 ８０％ 以上 的方 向 ，则
将这 些方 向取 为辅方 向 。每个关 键点 只有 一个 主方
向 ，大 约 ２０％ 的关键 点有 １ 或多 个辅 方 向 。每 个
探测到的关键点都包括位置信息、所在尺度及主方
向信息 ，可以用 １个 ４维向量来描述。
１．２ 局部 特征描 述子 生成
得 到 在尺 度 空 间 中对 图像 缩 放 、旋 转保 持 不 变
＋
配准模型 的确定 （参数估计）
① ＲＡＮＳＡＣ为随机抽样一致性（ｒａｎｄｏｍ ｓａｍｐｌｅ ｃｏｎｓｅｎｓｕｓ）算法 。 图 １ 基于 ＳＩＦＴ的图像配准流程 图
Ｆｉｇ．１ Ｆｌｏｗｃｈａｒｔ ｏｆ ＳⅡ１Ｔ —ｂａｓｅｄ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ
收稿 日期 ：２０１４—１２—１７；修订 日期 ：２０１５—０３—１８ 基金项 目：国家 自然科学基金项 目“基于人工禁 忌免疫 原理的多源遥感 图像 自动配准研究 ”（编号 ：４１２６１０９１）资助 。
Ｌ（ ，Ｙ， ）： Ｇ（ ，Ｙ，ｏ ｒ）：ｌ＝，（ ，Ｙ） ， （１）
ＳＩＦＴ算 法 主 要 用 于 描 述 与检 测 图像 中 的局 部 性特 征 ，它在 空 问尺度 中寻 找极值 点 ，并提 取 出其 位 置 、尺 度 和旋转 不 变 量 。该 算 法 由 Ｌｏｗｅ在 １９９９年 提 出 Ｊ，２００４年 完 善 Ｊ。ＳＩＦＴ 遥 感 图像 配准 的基 本 步骤 包括 ：① 特征 提取 ；② 特征 匹 配 ；③ 配 准模 型确定 ；④图像重采样。具体流程见图 １。
基 于 ＳＩＦＴ的遥 感 图像 配 准 技 术综 述
李孚 煜 ，叶发茂
（南 昌大学计算机科学与技术系，南 昌 ３３００３１）
摘要 ：遥感 图像 配准是 图像 融合 、变化检测 、图像镶嵌等应 用 中不可缺少 的步骤 。近年来 ，出现 了大量基于尺度不 变特征变换 （ｓｃａｌｅ ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅ ｔｒａｎｓｆｏｒｍ，ＳＩＦＴ）的遥感 图像配 准方 法。在对 已有基于 ＳＩＦＴ的遥感 图像 配准文 献 的调研分析基础上 ，对 各种 ＳＩＦ Ｔ 遥 感图像配准技术进行 了系统性评述 ，将各 种改进方 法分为 ＳＩＦＴ 提 升算法 、针对 遥感 图像性 质的改进 、混合 方法以及 针对算法流程 的改进等 ４类 ；分析 了不 同类型 改进方法 的适用 范围和优缺点 ； 指 出了 ＳＩＦＴ遥感 图像 配准技术存在 的主要 问题和难点 ，对其未来 的发展方 向进行 了展望 ，为后续研究 提供参 考。 关键 词 ：尺度不变特征变换 （ＳＩＦ Ｔ ）；遥感 图像 ；图像配准 ；特征 提取 中 图 法分 类 号 ：ＴＰ ７９ 文 献 标 志码 ：Ａ 文 章 编 号 ：１００１—０７０Ｘ（２０１６）０２—００１４—０７
０ 引言
１ ＳＩＦＴ图像 配准
图像配准是对 同一场景从不 同视角、用不同传 感器 获取 的 ，有重 叠 区域 的 ２景 图 像 进行 几 何 配准 的过程 ¨』。在 遥感 图像 的 实 际应 用 中 ，配准 是 图像 融 合 、目标 变化 检测 、地 物识 别 以及 图像镶 嵌过 程 中 必 不可少 的步骤 。近 年 来 ，基 于 图 像 特 征 的配 准方 法 得 到 了较 快 的发 展 ，其 中尺 度 不 变 特 征 （ｓｃａｌｅ ｉｎ． ｖａｒｉａｎｔ ｆｅａｔｕｒｅｓ，ＳＩＦ）是 图像 特 征 中一 种 重 要 特 征 ； 尺度 不变特 征 变换 （ｓｃａｌｅ ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅｓ ｔｒａｎｓｆｏｒｍ， ＳＩＦＴ）是 Ｌｏｗｅ 在 总结 现有 基 于不 变 量技 术 的 特征 检测 算法 基 础上 提 出 的一 种 基于 尺度 空 间对 图像缩 放 、平移 、旋 转 、仿 射 变换 、视 角变换 和 光照 变换 保持 不变的特征提取算法 。由于其 匹配能力强 ，提取 出 的特征稳定 ，所以从各种 图像局部不变特征描述子 （ｄｉｓｃｒｉｐｔｅｒ）中脱 颖 而 出 ，近 年来 在 遥 感 图 配 准 领域 得 到 了越 来 越 多 的 应 用 。本 文 对 ＳＩＦＴ遥 感 图 像 配准技 术 的研 究情 况进 行 了系 统评 述 。首先 简单 描述 了一般性 的 ＳＩＦＴ图像配 准方 法 ；然后介绍 了 为提高遥感 图像 配准的准确度近年对 ＳＩＦＴ 提 出的 一 些改进算法 ，并分析 了各种改进算法的适用 范围 和优缺 点 ；最 后 总 结 了 ＳＩＦ Ｔ 遥 感 图 像 配 准 技 术 目 前存在的主要问题和缺陷 ，并对其未来的发展 方向 进 行 了展望 。
２０１６年 ０６月
ＲＥＭ ＯＴＥ ＳＥＮＳＩＮＧ ＦＯＲ ＬＡＮＤ ＆ ＲＥＳＯＵＲＣＥＳ
ｄｏｉ：１０．６０４６／ｇｔｚｙｙｇ．２０１６．０２．０３
引用格式 ：李孚煜 ，叶发茂．基于 ＳＩＦＴ的遥感 图像配 准技术综 述 ［Ｊ１．国土资源遥 感 ，２０１６，２８（２）：１４—２０．（Ｌｉ Ｆ Ｙ，Ｙｅ Ｆ Ｍ． Ｓｕｍｍａｒ ｉｚａｔｉｏｎ ｏｆ ＳＩＦ Ｔ —ｂａｓｅｄ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｔｅｃｈｎｉｑｕｅｓ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｆｏｒ Ｌａｎｄ ａｎｄ Ｒｅｓｏｕｒｃｅｓ，２０１６，２８ （２）：１４—２０．）
键点。每个检测点都跟与其同尺度的 ８个相邻点以
及上 下 相邻 尺 度 的 ９个点 （共 ８＋９ Ｘ ２＝２６个 点 ）
进行 比较 ，只保 留局部极值点 。这样得到 的局部极
值 点 即为粗 略特征 点 。
３）精 化 关 键 点 检 测 结 果 。通 过 子像 元 插 值 得
到特 征点 的精 确尺 度 ，删 除 受边 缘 效 应 影 响较 大 的
第 ２期
李孚煜 ，等 ： 基于 ＳＩＦＴ的遥感 图像配准技术综述
其 中特征 提 取 及 特征 匹 配 主 要 包 括 关 键 点 检 测 、局部 特征 描述 子生成 和特 征点 匹配 。 １．１ 关键点检 测
ＳＩＦＴ算法是基于点的匹配算法，所 以首先要找 出具 有 代 表 性 和 稳 定 性 的 关 键 点 。ＳＩＦＴ算 法 关 键 点 检测 的 目的就 是在 图像 的尺度 空间 中找 出对 图像 缩 放 、旋 转 以及一 定 程度 的 噪声 保持 不 变 的点 的精 确 位置 ，并对 这些 点进行 筛选 ，为 后续处 理搜 集足 够 多 的信 息 。ＳＩＦ Ｔ 的关键 点检测 分为 以下 ４个 步骤 ：
２）对特 征矢 量进 行 归 一化 处 理 ，以使 其 拥 有 一 定程 度 的光 照强 度不 变性 。 １．３ 特 征点 匹 配
ＳＩＦＴ算法 根 据 描 述 子 之 间 的 欧 氏距 离 来 判 断 其相似性 ，并 根据相似性 的大小进行 特征点 匹配 。 为减少误匹配 ，通常先使 用 比值提纯法对 匹配结果 进行提纯。除查询最近邻 的描述子之外 ，还要考虑 次 近邻 ；当次近邻 距 离与 最近 邻距 离 的 比值 小 于 阈 值 时 ，则认 为 这 个 ＳＩＦＴ图 像 配 准 基 本 流 程 不 够 显 著 ，剔 除该 匹配对 。匹配对 比值 提纯 之后 ，一 般还 要 使用 随 机 抽 样 一 致 性 （ｒａｎｄｏｍ ｓａｍｐｌｅ ｃｏｎｓｅｎｓｎｓ， ＲＡＮＳＡＣ）方法剔除离群匹配对 ，以进一步减少误匹配。
针对 ＳＩＦＴ 描述子维数高 （１２８维 ）导致计算 量
２ 遥感 图像 配准
传统 ＳＩＦＴ算 法是 为解 决 不 同视 角 之 间 目标 或 场景 的可 靠 匹配 而提 出 的。该方 法针 对 同一种 传感 器 图像之 间 的图像 匹配 效 果 较好 ，但 直 接 用 于不 同 性质遥感图像之间的配准可能会失效 ；在复杂场景 或相似场景下 ，ＳＩＦＴ算法容易出现误匹配 ；同时 ，传 统 ＳＩＦＴ算法也存在生成 １２８维 的描述子速度慢等 问题 。为 了使 ＳＩＦＴ算 法 能 更 好 地 应 用 于 遥 感 图配 准 ，很 多 研 究 者 提 出 了 不 同 的 改 进 方 案 ，可 分 为 ４ 类 ：①ＳＩＦＴ提升算法 ；② 针对遥感 图像性 质 的改 进 ；③ 混 合方法 ；④针 对算 法流 程 的改进 。 ２．１ ＳＩＦＴ提 升算 法
的关键点之后 ，ＳＩＦＴ 为每一个关键点的主方 向和每
个 辅方 向生成 一个 描 述 子 ，并 让 这些 描 述 子 拥 有 尽
可能 多的不变 性 ：
１）根 据 关 键 点 所 在 尺 度 ，选 择 相 应 大 小 的 邻 域 ，分为 ４×４个子 区域 ，每个子 区域有 ４像元 Ｘ４ 像元。以主方向为基准对齐后 ，对每个 子区域 的梯 度方向进行统计 ，形成 ８个方 向的直方 图。因存在 ４ Ｘ４个子 区域 ，每个 子 区域 的 梯度 直 方 图有 ８个 方 向 ，故 ＳＩＦＴ特 征矢 量 有 ４×４×８＝１２８维 。 由于直 方图只有局部小 区域的灰度统计信息 ，而仿射变换 对 灰 度频率 的影 响甚 微 ，所 以如 此 产 生 的 描述 子 对 仿 射 变换 也具 有一定 程度 的不 变性 。
间的图像相减得到。实际算法 中，ＤｏＧ通过构建 图
像金字塔来实现 ，即将图像金字塔分成 Ｏ组 ，每组 ｓ
层 ，下 一组 的图 像 由上 一 组 图像 隔 点 降 采 样 取 得 。
将 每组 上下相 邻 ２层 的高 斯 尺度 空 间 的 图 像相 减 ，
得 到 ＤｏＧ。
２）寻找 尺 度 空 间 中的 局 部 极 值 点 作 为 候 选 关
１
一ｒ…２ ２、
式 中 ：Ｇ（ ，Ｙ， ）＝ ｅ ； 为 尺 度 参 数 ；
盯 ｏ ｒ
为 卷积运 算符 。
如果 把 ｏｒ看 成 是 尺 度 变 量 ，那 么 在 尺 度 空 间
中 ，不 同 ｏｒ 的 Ｇ（ ，Ｙ，ｏｒ）就 组 成 一 个 组 （Ｏｃｔａｖｅ）。
ＤｏＧ响应值图像 Ｄ（ ，Ｙ， ）由２个相邻 高斯尺度空
在 计算 机视 觉领 域 ，继 ＳＩＦＴ后 又有 大 量 提升 算 法 ，有 些 已 经 被 应 用 于 遥 感 图 像 配 准 。 Ｂａｙ 等 ＿２０ 借鉴 了 ＳＩＦＴ的思想 ，于 ２００８提 出加速鲁棒特 征 （ｓｐｅｅｄｅｄ—ｕｐ ｒｏｂｕｓｔ ｆｅａｔｕｒｅｓ，ＳＵＲＦ）描述 子 ，用 图 像积分代替卷积运算 ，提高了特征提取 的速度 ；Ｌｉｕ 等 ＿２ 把 ＳＵＲＦ应用于 ＳＡＲ图像 匹配 ，获得了高匹配 率。Ｍｏｒｅｌ等 提 出了仿射无 关 的 ＡＳＩＦＴ（ａｆｆｉｎｅ— ＳＩＦＴ）算法 ；Ｙａｎｇ等 将 ＡＳＩＦＴ应用 于图像 配准 问题 ；Ｌｉｎ等ｕ 借鉴 ＡＳＩＦＴ的思 想 ，改进 了 ＳＵＲＦ， 提出了仿射无关的 ＡＳＵＲＦ（ａｆｆｉｎｅ—ＳＵＲＦ）算法 。
…
特璧 秆 Ｌ—回 匪Ｌ— ；
童 Ｊ生成局部描述子ｌ Ｉ生成局部描述子『ｊ
，… … … … … 一ｔ… …
一
…
…
一
根 据 描 述 子 相 似 性 进 行 匹 配
特征 匹配
对 匹配 对 比值 提 纯
… … … … 寸… … … … 一
ＲＡＮＳＡＣ￣方 法 剔 除 离 群 匹 配 对
点 ，通过子像元插值和去边缘效应 ，精化关键点检测
结果 。
４）生 成 关 键 点 的 主 方 向。根 据 关 键 点 所 在 的
尺度 选取 邻域 ，在该邻 域 内分 ３６个方 向统计 所有 点
的梯 度方 向 ，取 方 向统计 直方 图 中主 峰 的对 应 方 向
为主 方 向。若存 在相 当于 主峰 ８０％ 以上 的方 向 ，则
将这 些方 向取 为辅方 向 。每个关 键点 只有 一个 主方
向 ，大 约 ２０％ 的关键 点有 １ 或多 个辅 方 向 。每 个
探测到的关键点都包括位置信息、所在尺度及主方
向信息 ，可以用 １个 ４维向量来描述。
１．２ 局部 特征描 述子 生成
得 到 在尺 度 空 间 中对 图像 缩 放 、旋 转保 持 不 变
＋
配准模型 的确定 （参数估计）
① ＲＡＮＳＡＣ为随机抽样一致性（ｒａｎｄｏｍ ｓａｍｐｌｅ ｃｏｎｓｅｎｓｕｓ）算法 。 图 １ 基于 ＳＩＦＴ的图像配准流程 图
Ｆｉｇ．１ Ｆｌｏｗｃｈａｒｔ ｏｆ ＳⅡ１Ｔ —ｂａｓｅｄ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ
收稿 日期 ：２０１４—１２—１７；修订 日期 ：２０１５—０３—１８ 基金项 目：国家 自然科学基金项 目“基于人工禁 忌免疫 原理的多源遥感 图像 自动配准研究 ”（编号 ：４１２６１０９１）资助 。