海深，韓志斌，王余

（1.銅陵學(xué)院數(shù)學(xué)與計(jì)算機(jī)學(xué)院，安徽銅陵244000；2.92857部隊(duì)，北京100083）

一種SAR圖像與光學(xué)圖像匹配算法研究

海深1，韓志斌2，王余2

（1.銅陵學(xué)院數(shù)學(xué)與計(jì)算機(jī)學(xué)院，安徽銅陵244000；2.92857部隊(duì)，北京100083）

INS／SAR組合導(dǎo)航系統(tǒng)對(duì)SAR實(shí)時(shí)圖像與光學(xué)參考圖像的匹配算法提出了較高的實(shí)時(shí)性和準(zhǔn)確性要求。針對(duì)以往直線匹配算法與角點(diǎn)匹配算法的缺陷，首先提取SAR實(shí)時(shí)圖像與光學(xué)參考圖像直線中的直線與角點(diǎn)特征，然后在干線對(duì)粗匹配的基礎(chǔ)上利用精確的角點(diǎn)特征進(jìn)行小參數(shù)變化下SAR圖像與光學(xué)圖像的精匹配。經(jīng)實(shí)驗(yàn)驗(yàn)證，該方法實(shí)時(shí)性與匹配精度高，可較好的應(yīng)用于INS／SAR組合導(dǎo)航系統(tǒng)的圖像匹配中。

組合導(dǎo)航系統(tǒng)；圖像匹配；直線特征；角點(diǎn)特征

引言

隨著組合導(dǎo)航技術(shù)的發(fā)展，圖像匹配導(dǎo)航技術(shù)受到越來(lái)越多的重視。合成孔徑雷達(dá)（SAR）能夠全天候、全天時(shí)成像，并且對(duì)地面覆蓋物具有一定的穿透能力，其圖像的空間分辨率與波長(zhǎng)、載機(jī)飛行高度無(wú)關(guān)。利用SAR所獲取的地面實(shí)時(shí)圖像與飛行器上存儲(chǔ)的光學(xué)參考圖像匹配確定飛行器的具體位置，以糾正INS的累積誤差，可以實(shí)現(xiàn)飛行器自主高精度的導(dǎo)航。

在INS／SAR組合導(dǎo)航系統(tǒng)中，SAR實(shí)時(shí)圖像與光學(xué)參考圖像的匹配算法是影響其性能的關(guān)鍵因素。由于SAR圖像與光學(xué)圖像是非同源圖像，二者在灰度特性上存在很大差異，基于像素灰度的圖像匹配算法很難適用于該組合導(dǎo)航系統(tǒng)，因此基于特征的圖像匹配算法成為當(dāng)前研究的主要方向。

針對(duì)SAR圖像與光學(xué)圖像的特征匹配，目前主要有直線特征匹配［1-2］與角點(diǎn)特征匹配［3-4］兩類方法。直線特征匹配方法通常速度較快，但由于圖像直線邊緣特征與實(shí)際邊緣存在誤差，嚴(yán)重影響了匹配精度。角點(diǎn)特征定位準(zhǔn)確，匹配精度較高，但對(duì)于存在較大參數(shù)變換的SAR實(shí)時(shí)圖與光學(xué)基準(zhǔn)圖，該方法耗時(shí)較長(zhǎng)，很難滿足實(shí)時(shí)性要求。

針對(duì)當(dāng)前特征匹配算法的缺陷，本文提出了一種結(jié)合直線與角點(diǎn)特征的圖像匹配算法，根據(jù)邊緣直線特征匹配速度快的優(yōu)勢(shì)，首先對(duì)SAR實(shí)時(shí)圖與光學(xué)基準(zhǔn)圖進(jìn)行直線粗匹配，在此基礎(chǔ)上，利用精確的角點(diǎn)特征進(jìn)行小參數(shù)變化下SAR圖像與光學(xué)圖像的精匹配，有效地提高了圖像匹配的準(zhǔn)確性和實(shí)時(shí)性。

1 特征提取

1.1 直線特征提取

本文采用Dusan的小波多尺度邊緣檢測(cè)法對(duì)SAR圖像進(jìn)行邊緣提取。對(duì)提取出的邊緣，定義直線彎曲度與閾值r［5］，采用如下步驟進(jìn)行邊緣直線擬合：

（1）將每一條閉合邊緣分為兩條非閉合邊緣；

（2）求所有非閉合邊緣的彎曲度，若彎曲度大于閾值r，將非閉合邊緣分為兩段；

（3）重復(fù)步驟（2），直到所有非閉合邊緣的彎曲度均小于閾值；

（4）對(duì)所有非閉合邊緣進(jìn)行直線擬合。

經(jīng)上述步驟，可以從邊緣圖像中擬合出較為明顯的長(zhǎng)直線特征。

1.2 角點(diǎn)特征提取

目前的角點(diǎn)提取方法多種多樣，但大致上可以分為兩類：基于像素的角點(diǎn)提取和基于邊緣特征的角點(diǎn)提取。基于像素的角點(diǎn)提取方法中，Harris算子法［6］定位精度高，但角點(diǎn)冗余度高，實(shí)時(shí)性差。邊緣特征角點(diǎn)提取方法中，Mokhtarian和Suomela的曲率尺度空間法［7-8］速度快，冗余角點(diǎn)少，穩(wěn)定性高，但定位精度存在一定的不足。

針對(duì)上述兩種算法的缺陷，本文采用一種結(jié)合曲率尺度空間與Harris算子定位的角點(diǎn)提取方法。由文獻(xiàn)［7－8］可知，雖然曲率尺度空間法存在誤差，但其可為邊緣角點(diǎn)進(jìn)行大致定位，真實(shí)角點(diǎn)存在于曲率尺度空間法檢測(cè)出角點(diǎn)的小鄰域內(nèi)。因此，只要在曲率尺度空間法角點(diǎn)位置的V鄰域內(nèi)，對(duì)每一點(diǎn)Harris興趣值進(jìn)行搜索，取興趣值的極大值作為角點(diǎn)，即可完成對(duì)錯(cuò)誤角點(diǎn)的校正。設(shè)曲率尺度空間法檢測(cè)到的第i個(gè)角點(diǎn)pFi的位置為（xfi，yfi），該角點(diǎn)校正后的位置為（xci，yci），由上述分析知：

其中，H（xfi，yfi）為點(diǎn)（xfi，yfi）處的Harris興趣值。本文將V鄰域取較大的10×10鄰域，以確保能搜索到正確的角點(diǎn)。具體步驟如圖1所示：

2 結(jié)合直線與角點(diǎn)特征的SAR圖像與光學(xué)圖像匹配算法

2.1 基于改進(jìn)Hausdorff距離的干線對(duì)粗匹配

干線對(duì)是長(zhǎng)度、夾角和距離滿足下列要求的兩條直線的組合：

（1）兩條直線的長(zhǎng)度不小于限定值l；

（2）兩條直線之間的夾角接近90度；

（3）兩條直線之間的距離d不超過(guò)限定值D。

按照要求（1）～（3）遍歷所有邊緣擬合出的直線，即可得到所有干線對(duì)。假設(shè)SAR實(shí)時(shí)圖與光學(xué)參考圖像之間存在著平移和旋轉(zhuǎn)關(guān)系，且SAR圖像上的點(diǎn)（x，y）與光學(xué)圖像上的點(diǎn)（x′，y′）一一對(duì)應(yīng)，則有：

SAR圖像與光學(xué)圖像的匹配，實(shí)質(zhì)上就是尋找一組最優(yōu)的變換參數(shù)對(duì)θ、Δx、Δy，對(duì)SAR圖像進(jìn)行坐標(biāo)變換，使得變換后SAR圖像與光學(xué)圖像中的同名干線對(duì)相重合的過(guò)程。

設(shè)SAR圖像中M組干線對(duì)的交點(diǎn)P＝｛P1，P2，…PM｝，光學(xué)圖像中的N組干線對(duì)的交點(diǎn)為P′＝｛P′1，P′2，…P′N｝，定義P′與P的改進(jìn)Hausdorff距離h為兩幅圖像中干線對(duì)的重合度：

其中，P′K表示將dP（p′）從小到大排序后的前K個(gè)值，K通常取較大的值，＃（P′K）表示P′K所含點(diǎn)的數(shù)量，。

根據(jù)定義（1）～（3）尋找圖像中的干線對(duì)，運(yùn)用式（2）與式（3）進(jìn)行直線匹配，求解步驟如圖2所示。

2.2 基于角點(diǎn)特征的圖像精匹配

設(shè)SAR實(shí)時(shí)圖與光學(xué)基準(zhǔn)圖提取出的角點(diǎn)分別為Cs＝｛Cs1，…Csi，…Csv｝與Cg＝｛Cg1，…，Cgi，…Cgu｝，對(duì)Cs＝｛Cs1，…Csi，…Csv｝經(jīng)直線粗匹配（即經(jīng)參數(shù)Δθ，Δx，Δy剛體變換）后，得到的角點(diǎn)為C′s＝｛C′s1，…，C′si，…C′sv｝。

對(duì)于C′si與Cgj，若其為同名角點(diǎn)，則有：

（1）距離約束

直線粗匹配后兩幅圖像中的同名角點(diǎn)應(yīng)該對(duì)齊。定義閾值Ω，若兩點(diǎn)距離在Ω內(nèi)，則其為候選同名角點(diǎn)。理論上，Ω的值應(yīng)與直線匹配誤差相等，為保持算法穩(wěn)健性，實(shí)際中Ω值應(yīng)略大于匹配誤差，取15～20像素為宜。

（2）邊緣約束

同名角點(diǎn)在兩幅圖像上所對(duì)應(yīng)的邊緣必須一致。

采用如下方法定義一致邊緣：對(duì)于SAR圖像中的某條邊緣，在其上均勻取n個(gè)點(diǎn)。分別計(jì)算這n個(gè)點(diǎn)到光學(xué)圖像所有邊緣的單向Hausdorff距離的均值，均值最小值所對(duì)應(yīng)的光學(xué)邊緣與該SAR圖像邊緣為一致邊緣。

（3）彎曲度約束

每一個(gè)角點(diǎn)在其邊緣支持域內(nèi)對(duì)應(yīng)一彎曲度α［5］，若C′s與Cg匹配，則二者對(duì)應(yīng)的α值相同。鑒于SAR圖像與光學(xué)圖像成像機(jī)理不同以及噪聲、圖像離散化等因素的影響，α值的計(jì)算存在一定的波動(dòng)，因此，在角點(diǎn)值匹配時(shí)，匹配條件放寬為：

在2.1節(jié)直線粗匹配結(jié)果基礎(chǔ)上，根據(jù)約束條件（1）～（3），即可得到的用于校正粗匹配結(jié)果的同名角點(diǎn)對(duì)集。根據(jù)該角點(diǎn)對(duì)集，運(yùn)用最小二乘法即可得到精匹配參數(shù)Δθ′，Δx′，Δy′。

3 算法匹配結(jié)果與性能分析

3.1 算法匹配結(jié)果

對(duì)于一幅河流光學(xué)圖像與SAR圖像（圖3），采用2.1節(jié)的方法進(jìn)行直線特征提取，并基于改進(jìn)Hausdorff距離進(jìn)行干線對(duì)粗匹配，結(jié)果如圖4所示。

在圖4直線粗匹配結(jié)果的基礎(chǔ)上采用結(jié)合曲率尺度空間與Harris算子定位的角點(diǎn)提取方法提取兩幅圖像的角點(diǎn)特征，運(yùn)用2.2中約束條件（1）～（3）尋找同名角點(diǎn)（圖5），進(jìn)行圖像精匹配結(jié)果如圖6所示。

3.2 算法匹配性能分析

組合導(dǎo)航系統(tǒng)中，圖像匹配的實(shí)時(shí)性和精度是衡量匹配算法優(yōu)劣的兩個(gè)重要因素。分別采用基于改進(jìn)Hausdorff距離的直線匹配法、基于遺傳算法的角點(diǎn)特征匹配法對(duì)圖3的兩幅原始圖像進(jìn)行匹配，與本文方法對(duì)比，結(jié)果見(jiàn)表1。

分析三種方法的匹配性能可知，本文方法由于在直線粗匹配基礎(chǔ)上進(jìn)行了角點(diǎn)精匹配，其匹配時(shí)間略長(zhǎng)于基于改進(jìn)Hausdorff距離的直線匹配法，但匹配精度卻提高了4～5個(gè)像素；由于是在粗匹配結(jié)果的基礎(chǔ)上進(jìn)行同名角點(diǎn)的配對(duì)，減少了角點(diǎn)的誤匹配率，同時(shí)省去了遺傳算法進(jìn)行的匹配參數(shù)搜索過(guò)程，本文方法精度和速度均優(yōu)于角點(diǎn)特征匹配法［9-10］。

4 結(jié)論

本文采用一種結(jié)合直線與角點(diǎn)特征的圖像匹配算法，與已有方法相比，該方法具有以下兩個(gè)特點(diǎn)：

（1）采用一種結(jié)合曲率尺度空間與Harris算子定位的角點(diǎn)提取方法，提高了角點(diǎn)定位精度。

（2）在直線粗匹配基礎(chǔ)上進(jìn)行角點(diǎn)精匹配，在保證算法實(shí)時(shí)性的前提下，減少了角點(diǎn)的誤匹配率，有效地提高了角點(diǎn)匹配精度。

經(jīng)仿真驗(yàn)證，該方法匹配精度高，實(shí)時(shí)性好，可在INS／SAR組合導(dǎo)航系統(tǒng)中實(shí)現(xiàn)任意旋轉(zhuǎn)角度與平移情況下的SAR圖像與光學(xué)圖像匹配。而同屬于仿射變換的其他變換，如縮放、反射和剪切等方法是下一步需要研究的內(nèi)容。

［1］李濤,劉肖琳.一種穩(wěn)健的直線提取和匹配算法［J］.計(jì)算機(jī)仿真,2008,25（9）：171-173.

［2］席學(xué)強(qiáng),王潤(rùn)生.基于直線特征的圖像-模型匹配算法［J］.國(guó)防科技大學(xué)學(xué)報(bào),2000,22（6）：70-74.

［3］冷雪飛,劉建業(yè),熊智.基于分支特征點(diǎn)的導(dǎo)航用實(shí)時(shí)圖像匹配算法［J］.自動(dòng)化學(xué)報(bào),2007,33（7）：678-682.

［4］Ding M ingyue,Li Lingling,Zhou Chengping,et al.A multisensor image registration method based on Harris Corner Matching［C］//Proceeding of the 12th International Conference on Virtual Systems and Multimedia,Xi'an, October 18-20,2006：174-183.

［5］韓志斌.INS/SAR組合導(dǎo)航系統(tǒng)中的圖像匹配方法研究［D］.煙臺(tái)：海軍航空工程學(xué)院,2009.

［6］孔紫陽(yáng),吳曉紅,何小海.基于改進(jìn)的Harris角點(diǎn)檢測(cè)在巖心圖像拼接中的應(yīng)用［J］.微計(jì)算機(jī)信息,2010, 26（11-2）：193-195.

［7］Mokhtarian F,Suomela R.Robust image cornet detection through Curvature Scale Space［J］.IEEE Trans on Pattern Analysis and machine Intelligence,1998,20（12）：1376-1381.

［8］張?jiān)骆?丁赤飚,王宏琦,等.圓柱型油罐SAR圖像的多徑散射特征和幾何參數(shù)提?。跩］.紅外與毫米波學(xué)報(bào),2012,31（4）：379-384.

［9］婁軍,金添,周智敏,等.基于SEEMD的高分辨率SAR圖像目標(biāo)特征提取方法［J］.電子學(xué)報(bào),2012,40（4）：793-798.

［10］Zhao H W,Huang N E.Ensemble empirical mode decomposition：A nosise assisted data analysis method［J］.Advances in Adaptive Data Analysis,2008,1（1）：1-41.

Research on a Matching Arithmetic of SAR Images and Optical Images

HAIShen1，HAN Zhibin2，WANG Yu2
（1.School of Mathematics and Computer，Tongling University，Tongling 244000，China；2.92857 Troop，Beijing 100083，China）

INS／SAR integrated navigation system requires thematchingmethod of SAR real-time images and optical reference images to be fast and precise.Aiming at the defects of the linematchingmethod and the cornermatchingmethod，the line features and corner features of SAR real-time images and optical reference images line are extracted first，and then the precise corner features are used to perform the precisematching of SAR images and optical images on the basis ofmain line coarsematching results.Through experiment，themethod is verified to have high instantaneity and precision，it can be better applied to the imagesmatching of INS／SAR integrated navigation system.

integrated navigation system；imagematching；line features；corner features

TP391.4

A

1673-1549（2014）04-0048-04

10.11863／j.suse.2014.04.12

2014-01-17

安徽高校省級(jí)自然科學(xué)研究項(xiàng)目（KJ2012Z410）

海深（1974-），男，安徽無(wú)為人，講師，碩士，主要從事嵌入式系統(tǒng)、圖像處理方面的研究，（E-mail）haishen－2004＠163.com