程 丹，范洪冬，鄧喀中，姚國標(biāo)

(1.中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院，江蘇 徐州 221116；2.中國礦業(yè)大學(xué)江蘇省資源環(huán)境信息工程重點(diǎn)實(shí)驗(yàn)室，江蘇 徐州 221116)

基于MSER的SAR影像配準(zhǔn)算法

程 丹1，2，范洪冬1，2，鄧喀中1，2，姚國標(biāo)1，2

(1.中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院，江蘇 徐州 221116；2.中國礦業(yè)大學(xué)江蘇省資源環(huán)境信息工程重點(diǎn)實(shí)驗(yàn)室，江蘇 徐州 221116)

研究了一種基于最大穩(wěn)定極值區(qū)域(MSER)的SAR影像配準(zhǔn)方法。該方法首先利用MSER算法提取影像上的特征區(qū)域，并對提取的特征區(qū)域進(jìn)行橢圓擬合；然后對橢圓擬合后的特征區(qū)域分別進(jìn)行歸一化、SIFT描述子描述及匹配。選取實(shí)際的SAR影像進(jìn)行配準(zhǔn)試驗(yàn)，并將本文方法與SIFT算法得出的結(jié)果進(jìn)行比較，結(jié)果表明：本文算法匹配精度可以達(dá)到像素級配準(zhǔn)精度，即滿足影像配準(zhǔn)精度要求，匹配速度優(yōu)于SIFT算法。

SAR影像；配準(zhǔn)方法；MSER；SIFT描述子；特征提取

一、引 言

影像配準(zhǔn)方法可分為基于區(qū)域的配準(zhǔn)方法和基于特征的配準(zhǔn)方法，其中基于區(qū)域的配準(zhǔn)方法在影像匹配時對尺度變化、圖像變形及光照等方面不能很好地處理，并且基于區(qū)域的影像配準(zhǔn)方法對影像灰度變化敏感，其計(jì)算量相對來說較大，而特征匹配能夠克服基于區(qū)域配準(zhǔn)方法的缺陷，能夠較好地適應(yīng)圖像變形、光照變化等諸方面的問題，是今后研究的發(fā)展方向[3-4]。近幾年來，國內(nèi)外眾多學(xué)者對影像的配準(zhǔn)方法進(jìn)行了深入研究，提出了多種配準(zhǔn)算法并對一些經(jīng)典算法進(jìn)行了改進(jìn)，雖能解決匹配點(diǎn)對稀少、分布不均勻及誤配點(diǎn)的去除問題，但改進(jìn)后的算法計(jì)算過程較繁瑣，存在計(jì)算量大、效率低等缺陷[5-9]。隨著科學(xué)技術(shù)的迅猛發(fā)展，新型SAR影像不斷涌現(xiàn)，各類影像的幾何變形、輻射變形、斑點(diǎn)噪聲、分辨率等不盡相同，增加了SAR影像配準(zhǔn)的難度，同時，光學(xué)與SAR影像的融合也需要對兩者進(jìn)行配準(zhǔn)，但往往因成像模式、分辨率差異較大而無法達(dá)到理想的配準(zhǔn)效果，因此，研究一種基于特征提取的通用匹配方法已經(jīng)成為當(dāng)前的主要方向。

為此，本文研究了一種最大穩(wěn)定極值區(qū)域(maximally stable extremal region，MSER)和尺度不變特征變換(scale-invariant feature transform，SIFT)相結(jié)合的SAR影像配準(zhǔn)方法，并對不同分辨率SAR影像進(jìn)行了配準(zhǔn)試驗(yàn)并進(jìn)行了精度評定。通過將本文算法和傳統(tǒng)的SIFT算法的配準(zhǔn)結(jié)果進(jìn)行對比發(fā)現(xiàn)，本文算法不僅在精度上能夠滿足影像配準(zhǔn)需要，而且在速度上也優(yōu)于基于SIFT的配準(zhǔn)方法。

二、基于MSER的影像配準(zhǔn)算法

1.最大穩(wěn)定極值區(qū)域[10]

最大穩(wěn)定極值區(qū)域MSER最早是由J.Matas提出來的，對于外邊界來說最大穩(wěn)定極值區(qū)域是具有密度極值的區(qū)域[11]。對于灰度圖像其閾值共256個(閾值取值范圍為0～255)，通過閾值范圍對二值圖像進(jìn)行分割后所得到的連通區(qū)域，當(dāng)閾值范圍變化時其連通區(qū)域也隨之變化，MSER即為在此過程中具有極小變化率的區(qū)域。

一幅影像中的MSER是由最小灰度(MSER＋，黑色)和最大灰度(MSER-，白色)兩部分組成的，通過將圖像中的像素點(diǎn)灰度值與閾值比較后，小于閾值的像素點(diǎn)不顯示，將灰度值大于閾值的像素點(diǎn)進(jìn)行記錄即形成了極值區(qū)域。若閾值取值為在0～255之間的一個較寬的范圍內(nèi)，這樣就可以得到最小灰度MSER＋；要得到最大灰度的MSER-，需要對影像進(jìn)行圖像灰度反轉(zhuǎn)，通過與求取MSER＋相同的方法便可以得到圖像的最大灰度MSER-。在檢測圖像MSER區(qū)域的過程中，原圖和反轉(zhuǎn)圖都要進(jìn)行處理，并且通過原圖和反轉(zhuǎn)圖得到的MSER區(qū)域是互補(bǔ)的。

2.MSER區(qū)域擬合與歸一化[10，12]

檢測到的圖像中的MSER區(qū)域是不規(guī)則的，要實(shí)現(xiàn)對提取的特征區(qū)域進(jìn)行歸一化及特征描述的處理，需要對提取的不規(guī)則的MSER進(jìn)行橢圓擬合。將圖像矩作為形狀描述，擬合的橢圓中心是所對應(yīng)的MSER的重心，橢圓的長軸和短軸都通過MSER的重心，同時滿足二階中心矩在長軸和短軸方向分別達(dá)到最大和最小。

2.5插管率高,愈合期長,這與老年人肺部基礎(chǔ)病多,肺組織修復(fù)技能減弱、感染、胸膜粘連形成多房、粘連牽拉致破口不易閉合有關(guān),為縮短愈合期,除加強(qiáng)抗感染外,還需注意吸氧、全身支持療法。

(1)特征區(qū)域重心的計(jì)算

二維幾何矩的定義如下，對于圖像I(x，y)中的區(qū)域A，有

其中，a、b＝0，1，2，…，a＋b為所求幾何矩的階數(shù)。MSER是二值化區(qū)域，區(qū)域內(nèi)的像元都為1。因此由上式可以得出，區(qū)域A的幾何0階矩m00、幾何一階矩m10和m01

將區(qū)域A的重心規(guī)范化，有

(2)中心二階矩的計(jì)算

對于中心矩陣的求取需要將原點(diǎn)移到區(qū)域A的重心(X0，Y0)并計(jì)算，有

這樣便得到了中心二階矩U，表示如下

(3)橢圓三參數(shù)的計(jì)算

可以通過橢圓的長半軸、短半軸及長軸的方向?qū)E圓區(qū)域進(jìn)行描述，橢圓的長半軸用ω表示，短半軸用l表示，θ代表區(qū)域的方向即為擬合后橢圓區(qū)域的長軸方向。得到中心二階矩陣U后，對其進(jìn)行特征值求取，表達(dá)式為

得到中心二階矩陣的兩個特征值后，就可以得到橢圓的三參數(shù)ω、l、θ，表示為

(4)區(qū)域歸一化

為了對擬合后的橢圓區(qū)域進(jìn)行特征描述，使其具有仿射不變性，需要對擬合后的MSER區(qū)域進(jìn)行仿射歸一化處理。對得到的歸一化區(qū)進(jìn)行圖像的梯度直方圖統(tǒng)計(jì)，以便找出最大值并以其方向作為圖像梯度的主方向，將特征區(qū)域按照主方向的角度對其進(jìn)行旋轉(zhuǎn)歸一化操作，使待配準(zhǔn)的兩幅圖像中提取的經(jīng)過擬合后的橢圓區(qū)域的主方向一致[13]。這樣可以使計(jì)算機(jī)對圖像的特征區(qū)域更好地進(jìn)行識別分析，有利于兩幅圖像的特征匹配。

3.SIFT特征描述子的生成

得到歸一化后的特征區(qū)域后，計(jì)算以關(guān)鍵點(diǎn)即橢圓區(qū)域中心點(diǎn)為中心的鄰域像素的幅值和方向，幅值和方向的計(jì)算公式如下

采用直方圖統(tǒng)計(jì)的方法對鄰域像素的梯度方向進(jìn)行統(tǒng)計(jì)，直方圖的峰值即為特征點(diǎn)的主方向，當(dāng)有大于80%主峰值的方向數(shù)值存在時，則此方向?yàn)檩o方向。以關(guān)鍵點(diǎn)為中心取窗口，計(jì)算其梯度值和方向，利用高斯加權(quán)的方法對其賦予權(quán)值；在每個小塊上計(jì)算8個方向的梯度方向直方圖，計(jì)算每個梯度方向的累加值，即可形成一個種子點(diǎn)，每個種子點(diǎn)有8個方向的向量信息，每個關(guān)鍵點(diǎn)取16個種子點(diǎn)故最終在特征點(diǎn)周圍生成128維SIFT特征描述向量。為去除光照的變化影響，需要對特征矢量作歸一化處理。

三、試驗(yàn)與分析

試驗(yàn)所用影像數(shù)據(jù)分別是ALOS衛(wèi)星監(jiān)測到的分辨率為 10 m的淮北袁莊煤礦附近區(qū)域影像(圖1)、分辨率為20 m的徐州周邊的ENVISAT衛(wèi)星影像(圖2)，以及ALOS衛(wèi)星監(jiān)測到的山東微山湖分辨率為30 m全極化模式中的VV極化影像(圖3)三組數(shù)據(jù)。試驗(yàn)首先采用MSER算法檢測提取影像的最大穩(wěn)定極值區(qū)域，之后利用SIFT特征128維描述向量生成特征描述子對特征點(diǎn)進(jìn)行描述，對特征點(diǎn)進(jìn)行匹配并刪除提取出來的誤配點(diǎn)，將本文算法提取結(jié)果與SIFT算法得出的結(jié)果進(jìn)行比較，試驗(yàn)結(jié)果如圖1—3所示。

圖1 分辨率為10 m的ALOS衛(wèi)星影像試驗(yàn)結(jié)果

圖2 分辨率為20 m的ENVISAT衛(wèi)星影像試驗(yàn)結(jié)果

圖3 分辨率為30 m的ALOS衛(wèi)星影像試驗(yàn)結(jié)果

試驗(yàn)可以得到兩幅待匹配影像中的匹配點(diǎn)坐標(biāo)，采用最小二次多項(xiàng)式擬合算出偏移參數(shù)以及匹配點(diǎn)坐標(biāo)差標(biāo)準(zhǔn)差，對最后得到的結(jié)果進(jìn)行總結(jié)分析，并與利用SIFT算法得到的結(jié)果進(jìn)行比較，表1為利用本文算法和SIFT算法分別對3組數(shù)據(jù)進(jìn)行試驗(yàn)的結(jié)果。

表1 利用SIFT算法和本文算法試驗(yàn)結(jié)果對比表

根據(jù)以上結(jié)果可以看到，利用本文算法得到的匹配點(diǎn)精度比利用SIFT算法得到的匹配點(diǎn)精度要好，通過結(jié)果對比分析可以發(fā)現(xiàn)，雖然采用SIFT算法得到的匹配點(diǎn)較多，但是其中包含的誤配點(diǎn)數(shù)也較多，SIFT算法對旋轉(zhuǎn)、視角變化及存在噪聲、分辨率高的影像來說其匹配效果更好。從表1中可以看出，對于本文算法的試驗(yàn)結(jié)果，分辨率10 m的影像數(shù)據(jù)結(jié)果精度相對于分辨率分別為20 m和30 m的影像數(shù)據(jù)結(jié)果精度來說其效果更好，不管是x方向還是y方向的精度，都能夠達(dá)到理想的結(jié)果。當(dāng)SAR影像中地物內(nèi)容豐富、區(qū)域特征顯著且地物邊界具有明顯分界時，所提取的MSER區(qū)域效果較好，故而提取的匹配點(diǎn)精度較高。雖然SIFT描述算子具有很好的魯棒性，但是其仿射不變性較差，另外，SIFT算法是建立在多尺度空間下，其計(jì)算過程較繁瑣且計(jì)算量大，耗費(fèi)時間長，先利用MSER算法對圖像進(jìn)行局部特征區(qū)域提取，歸一化后利用SIFT描述子對其表達(dá)后再進(jìn)行特征點(diǎn)匹配，采用這種辦法可以將MSER和SIFT描述子兩種算法的優(yōu)勢相結(jié)合，使其能夠有效地利用兩者的優(yōu)勢進(jìn)行互補(bǔ)，以便得到更好的配準(zhǔn)效果。通過表1中的數(shù)據(jù)對比發(fā)現(xiàn)，利用本文算法得到的匹配點(diǎn)精度優(yōu)于SIFT算法，當(dāng)圖像的局部區(qū)域特征較明顯，地物邊界較清晰并具有一定的仿射變形的情況下，采取將MSER與SIFT相結(jié)合的方法對圖像進(jìn)行配準(zhǔn)，將會得到更好的圖像配準(zhǔn)效果[14]。

四、結(jié)束語

本文根據(jù)MSER算法和SIFT算法各自的優(yōu)勢進(jìn)行互補(bǔ)集成，研究了一種新的SAR影像配準(zhǔn)方法，并利用多組影像數(shù)據(jù)對算法進(jìn)行驗(yàn)證，同時與SIFT算法的配準(zhǔn)結(jié)果進(jìn)行了對比，結(jié)果驗(yàn)證了該方法的有效性，SIFT算法計(jì)算量大且過程繁瑣，利用本文算法對SAR影像進(jìn)行匹配比利用SIFT算法得到的匹配點(diǎn)效果更好。今后仍需進(jìn)一步研究的工作包括：

1)SIFT算法在InSAR影像配準(zhǔn)中具有較大的開發(fā)潛力，進(jìn)一步開發(fā)基于SIFT特征提取的InSAR影像配準(zhǔn)平臺，使其在影像配準(zhǔn)中發(fā)揮其獨(dú)特優(yōu)勢。

2)研究多尺度的MSER提取算法，同時對MSER和SIFT兩種算法進(jìn)行更深入的研究，使二者能夠更好地結(jié)合，集成二者的優(yōu)勢并融合其他算法，使其可以更好地應(yīng)用于SAR影像配準(zhǔn)。

3)利用SIFT描述子對MSER特征區(qū)域進(jìn)行描述，其計(jì)算過程繁瑣、計(jì)算量較大、程序運(yùn)行時間較長，對該算法進(jìn)一步優(yōu)化、提高速度是十分重要的。

[1] PRATI C，ROCCO F.Report on ERS-1 SAR Interferometric Techniques and Applications[M].Milano： Dipartimentodi Eletronica Ploitecnicodi Milano，1994.

[2] 岳春宇，江萬壽.幾何約束和改進(jìn)SIFT的SAR影像和光學(xué)影像自動配準(zhǔn)方法[J].測繪學(xué)報(bào)，2012，41(4)：570-576.

[3] 熊自明，萬剛，閆鶴，等.改進(jìn)SIFT算法的小型無人機(jī)航拍圖像自動配準(zhǔn)[J].測繪科學(xué)技術(shù)學(xué)報(bào)，2012，29 (2)：153-156.

[4] 張謙，賈永紅，胡忠文.多源遙感影像配準(zhǔn)中的 SIFT特征匹配改進(jìn)[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2013，38(4)：455-459.

[5] 王青松，瞿繼雙，黃海風(fēng)，等.聯(lián)合實(shí)、復(fù)相關(guān)函數(shù)的干涉SAR圖像配準(zhǔn)方法[J].測繪學(xué)報(bào)，2012，41(4)：563-569.

[6] 陳鷹，于晶濤.InSAR復(fù)數(shù)影像配準(zhǔn)方法研究[J].計(jì)算機(jī)工程與應(yīng)用，2005(8)：13-15.

[7] 李芳芳，賈永紅，肖本林，等.利用線特征和SIFT點(diǎn)特征進(jìn)行多源遙感影像配準(zhǔn)[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2010(2)：233-236.

[8] 雷小群，李芳芳，肖本林.一種基于改進(jìn) SIFT算法的遙感影像配準(zhǔn)方法[J].測繪科學(xué)，2010，35(3)：143-145.

[9] 王瑞瑞，馬建文，陳雪.多傳感器影像配準(zhǔn)中基于虛擬匹配窗口的SIFT算法[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2011，36(2)：163-166.

[10] 王永明，王貴錦.圖像局部不變性特征與描述[M].北京：國防工業(yè)出版社，2010.

[11] MATAS J，CHUM O，URBAN M.Robust Wide Baseline Stereo from Maximally Stable Extremal Regions[J].Image and Vision Computing，2004，22(10)：761-767.

[12] 姚國標(biāo)，鄧喀中，楊化超.基于MSER的大失配立體影像自動配準(zhǔn)方法[C]∥第九屆長三角科技論壇 (測繪分論壇)論文集.南京：江蘇省測繪學(xué)會，2012.

[13] MIKOLAJCZYK K，SCHMID C.A Performance Evaluation of Local Descriptors[J].Pattern Analysis and Machine Intelligence，2005，27(10)：31-47.

[14] 莫會宇，王祝萍.一種結(jié)合MSER與SIFT算子的特征檢測方法[J].東華大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，37 (5)：624-628.

The SAR Image Registration Algorithm Based on MSER Features

CHENG Dan，F(xiàn)AN Hongdong，DENG Kazhong，YAO Guobiao

P237

B

0494-0911(2014)12-0028-04

程丹，范洪冬，鄧喀中，等.基于MSER的SAR影像配準(zhǔn)算法[J].測繪通報(bào)，2014(12)：28-31.

10.13474/j.cnki.11-2246.2014.0390

2013-12-18

江蘇高校優(yōu)勢學(xué)科建設(shè)工程資助項(xiàng)目(SZBF2011-6-B35)；江蘇省基礎(chǔ)研究計(jì)劃(自然科學(xué)基金)青年基金(BK20130174)

程 丹(1990—)，女，遼寧撫順人，碩士生，研究方向?yàn)檫b感影像配準(zhǔn)和數(shù)據(jù)處理。

引文格式:孫曉昱，范大昭，紀(jì)松，等.衛(wèi)星影像像控點(diǎn)的自動轉(zhuǎn)點(diǎn)方法研究[J].測繪通報(bào)，2014(12)：32-35.DOI：10.13474/j.cnki.11-2246.2014. 0391