帥 通，師本慧，陳金勇，劉 翔

（中國電子科技集團(tuán)公司第五十四研究所，河北 石家莊 050081）

多源遙感圖像艦船目標(biāo)SIFT匹配的性能分析

帥 通，師本慧，陳金勇，劉 翔

（中國電子科技集團(tuán)公司第五十四研究所，河北 石家莊 050081）

基于多源遙感圖像開展艦船目標(biāo)識(shí)別是未來的發(fā)展趨勢(shì)，但是SIFT特征匹配在該領(lǐng)域的應(yīng)用性能尚不明確。利用雙三次差值算法，模擬了6種空間分辨率等級(jí)的遙感圖像，對(duì)艦船目標(biāo)SIFT特征匹配進(jìn)行了性能測(cè)試。結(jié)果顯示：隨著空間分辨率的下降，目標(biāo)匹配對(duì)數(shù)會(huì)急劇減少，不同空間分辨率的艦船目標(biāo)進(jìn)行匹配時(shí)，可通過插值方法在一定程度上提高匹配性能。以上分析結(jié)果為多源遙感數(shù)據(jù)在艦船目標(biāo)識(shí)別中的應(yīng)用奠定了基礎(chǔ)。

多源遙感；艦船目標(biāo)匹配；SIFT；性能分析

0 引言

遙感技術(shù)具有大范圍、多時(shí)相及高動(dòng)態(tài)的探測(cè)優(yōu)勢(shì)，在艦船目標(biāo)探測(cè)和識(shí)別中具有獨(dú)特的優(yōu)勢(shì)［1，2］，能夠?yàn)楹Ｉ辖煌ūO(jiān)測(cè)、漁業(yè)監(jiān)測(cè)、海上應(yīng)急救援及出入境監(jiān)控等提供快速、準(zhǔn)確的信息支持。

隨著空間探測(cè)技術(shù)的發(fā)展，我國相繼發(fā)射了環(huán)境系列衛(wèi)星、資源系列衛(wèi)星、北京一號(hào)小衛(wèi)星以及高分系列衛(wèi)星等對(duì)地觀測(cè)衛(wèi)星，光學(xué)遙感空間分辨率不斷提高，為資源調(diào)查、環(huán)境監(jiān)測(cè)、目標(biāo)探測(cè)以及艦船目標(biāo)識(shí)別等需求提供了大量的遙感數(shù)據(jù)。采用一種載荷數(shù)據(jù)開展遙感應(yīng)用往往不能滿足數(shù)據(jù)需求，因此聯(lián)合多源遙感數(shù)據(jù)針對(duì)特定目的進(jìn)行應(yīng)用是目前的現(xiàn)狀，也是未來的發(fā)展趨勢(shì)［3］。

SIFT（Scale Invariant Feature Transform）算法是一種經(jīng)典、高效的圖像局部特征點(diǎn)檢測(cè)算法［4］，在機(jī)器視覺、圖像配準(zhǔn)等領(lǐng)域取得了廣泛應(yīng)用［5，6］，在高分辨率遙感圖像艦船精細(xì)目標(biāo)識(shí)別中初步證明了其應(yīng)用潛力。艦船目標(biāo)識(shí)別的業(yè)務(wù)化應(yīng)用，不論是目標(biāo)庫構(gòu)建，還是艦船精細(xì)識(shí)別，同樣需要多源遙感圖像的支持。

但是目前對(duì)SIFT算法在多源遙感數(shù)據(jù)應(yīng)用中的能力缺乏分析，尤其是對(duì)不同空間分辨率目標(biāo)的SIFT匹配性能尚不清晰，為該算法在目標(biāo)識(shí)別中的應(yīng)用帶來困擾。本文重點(diǎn)針對(duì)多源遙感數(shù)據(jù)在空間分辨率上的差異，利用模擬數(shù)據(jù)分別對(duì)SIFT算法在相同分辨率和不同分辨率的艦船目標(biāo)匹配中的性能進(jìn)行分析，為艦船目標(biāo)的多源遙感識(shí)別提供理論依據(jù)。

1 SIFT特征匹配

基于SIFT算法對(duì)艦船目標(biāo)進(jìn)行特征匹配主要包括SIFT特征的提取、描述和匹配3個(gè)步驟［7］。

為了使檢測(cè)到的特征點(diǎn)具有尺度不變性，SIFT特征點(diǎn)的檢測(cè)是在尺度空間中完成的，一幅圖像中尺度空間的定義為：

式中，G（x，y，σ）是在尺度σ下的高斯函數(shù)卷積核：

σ值越小，圖像越清晰，則對(duì)應(yīng)于圖像細(xì)節(jié)信息；σ值越大，圖像越模糊，則對(duì)應(yīng)于圖像的概貌特征。

SIFT算法在某一尺度上對(duì)特征點(diǎn)進(jìn)行檢測(cè)，首先通過對(duì)2個(gè)相鄰高斯尺度空間的圖像相減，得到一個(gè)DoG（Difference of Gaussians）的響應(yīng)值圖像D (x，y，σ)。然后通過對(duì)響應(yīng)值圖像D( x，y，σ)進(jìn)行非最大值抑制（局部最大搜索），在位置空間和尺度空間中定位特征點(diǎn)。特征點(diǎn)的搜索通過同一組內(nèi)各DoG相鄰層之間的比較完成。為了尋找尺度空間的極值點(diǎn)，每一個(gè)采樣點(diǎn)要和它同一尺度以及相鄰尺度下的所有相鄰點(diǎn)進(jìn)行比較，看它其是否比這些相鄰點(diǎn)大或者小。通過上面檢測(cè)尺度空間的極值點(diǎn)，得到特征點(diǎn)的尺度和位置。

對(duì)SIFT特征點(diǎn)進(jìn)行描述主要包括特征點(diǎn)主方向和特征矢量2部分［8］。對(duì)特征點(diǎn)主方向的確定可以使特征點(diǎn)的特征向量具有旋轉(zhuǎn)不變性，主方向可以利用特征點(diǎn)周圍區(qū)域像素的梯度幅值大小及方向分布的特性得到。在具體的計(jì)算過程中，對(duì)以特征點(diǎn)為中心的鄰域進(jìn)行采樣，并且用直方圖來統(tǒng)計(jì)鄰域像素中每個(gè)梯度方向的累加值。得到梯度方向直方圖后，就查找直方圖中的峰值，峰值所處的方向則代表了該特征點(diǎn)的主方向。對(duì)特征矢量進(jìn)行描述，首先將坐標(biāo)軸旋轉(zhuǎn)為特征點(diǎn)的主方向，以確保旋轉(zhuǎn)不變性。然后以特征點(diǎn)為中心，取一個(gè)16×16的區(qū)域，然后將其再劃分為16個(gè)小區(qū)域，對(duì)4×4個(gè)小區(qū)域塊中的8方向梯度直方圖根據(jù)位置依次排序，這樣就形成了一個(gè)4×4×8＝128維的特征向量，該特征向量就作為SIFT特征的描述符子，此時(shí)描述子特征向量已經(jīng)去除了尺度變化、旋轉(zhuǎn)等這些幾何變形因素的影響。

對(duì)SIFT特征點(diǎn)的匹配主要包括特征匹配和匹配對(duì)提純2步。進(jìn)行特征匹配的方法可以分為2類：一類是線性掃描法，即將目標(biāo)集中的點(diǎn)與基準(zhǔn)集逐一進(jìn)行距離比較，也稱為窮舉法，該方法無需數(shù)據(jù)預(yù)處理，操作簡(jiǎn)單，但搜索效率比較低；第二類是建立數(shù)據(jù)索引，然后再進(jìn)行快速匹配，可以大大加快檢索的速度，但建立索引結(jié)構(gòu)需要比較高昂的代價(jià)，如Kd－樹（K-dimension Tree）等［9］。本研究數(shù)據(jù)量不大，因此采用第一種算法進(jìn)行匹配。雖然匹配對(duì)中2個(gè)數(shù)據(jù)點(diǎn)的距離最近，但并不意味著它們對(duì)應(yīng)相同的圖像區(qū)域，因此需要對(duì)匹配對(duì)進(jìn)行篩選，剔除錯(cuò)誤的匹配對(duì)。本研究采用經(jīng)典的隨機(jī)抽樣一致性RANSAC（Random Sample consensus）算法進(jìn)行匹配對(duì)的提純，它實(shí)現(xiàn)簡(jiǎn)單，性能良好［10］。RANSAC算法的核心思想是創(chuàng)建一個(gè)誤差判斷的模型，然后用隨機(jī)抽取一定符合條件的數(shù)據(jù)，通過誤差判斷模型反復(fù)地測(cè)試、迭代，從而尋找出一個(gè)錯(cuò)誤最小的模型，區(qū)分一致性數(shù)據(jù)和非一致性數(shù)據(jù)，達(dá)到匹配對(duì)提純的目的。

2 多源遙感數(shù)據(jù)模擬方法

本研究所用艦船目標(biāo)的高分辨率光學(xué)遙感圖像從Google Earth中截取，用于匹配測(cè)試的2個(gè)中型艦船目標(biāo)型號(hào)相同，但艦船周圍環(huán)境和艦載物品不同如圖1所示?？臻g分辨率約為0.2 m，艦船長(zhǎng)度約175 m，通過雙三次（bi-cubic）插值算法將該圖像分別重采樣到0.1 m、0.5 m、1.0 m、2.0 m和4.0 m，用于模擬共6種不同空間分辨率的艦船目標(biāo)。

圖1 相同分辨率艦船目標(biāo)匹配結(jié)果

雙三次插值又稱立方卷積插值，是一種相對(duì)復(fù)雜的插值方式，它能創(chuàng)造出比雙線性插值更平滑的圖像邊緣，因此可以得到更接近高分辨率圖像的效果［11］。通過雙三次插值可以得到一個(gè)連續(xù)的插值函數(shù)，它的一階偏導(dǎo)數(shù)連續(xù)，并且交叉導(dǎo)數(shù)處處連續(xù)。該算法利用待采樣點(diǎn)周圍16個(gè)點(diǎn)的灰度值做三次插值，不僅考慮到4個(gè)直接相鄰點(diǎn)的灰度影響，而且考慮到各鄰點(diǎn)間灰度值變化率的影響。

插值算法可以表示為：

式中，f(xk)為第k個(gè)原函數(shù)的值；S(w)為差值基函數(shù)。如果基函數(shù)的最高次冪為3次且在定義域內(nèi)基函數(shù)的一階、二階導(dǎo)數(shù)連續(xù)，則稱該算法為三次插值算法，若在二維方向上應(yīng)用該算法即雙三次插值算法。

三次插值算法的數(shù)學(xué)表達(dá)式如下：

3 相同分辨率的目標(biāo)匹配

為測(cè)試空間分辨率對(duì)艦船目標(biāo)匹配的影響，首先將相同空間分辨率下的艦船目標(biāo)進(jìn)行匹配測(cè)試，共分為0.1 m、0.2 m、0.5m、1.0 m、2.0 m和4.0 m六種空間分辨率等級(jí)，匹配效果如圖1所示。

對(duì)以上6個(gè)空間分辨率等級(jí)的艦船目標(biāo)匹配情況進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果如圖2所示。

圖2 相同分辨率艦船目標(biāo)匹配結(jié)果統(tǒng)計(jì)

由以上艦船目標(biāo)的匹配結(jié)果可見：隨著空間分辨率的降低，由于目標(biāo)細(xì)節(jié)趨于模糊，SIFT特征匹配總對(duì)數(shù)近似呈對(duì)數(shù)曲線急劇減少，正確匹配對(duì)數(shù)也隨之減少，錯(cuò)誤匹配對(duì)數(shù)增加，尤其是當(dāng)分辨率低于2 m時(shí)，沒有正確匹配的SIFT特征對(duì)。

4 不同分辨率的目標(biāo)匹配

為測(cè)試不同空間分辨率艦船目標(biāo)相互匹配的效果，將0.1～2.0 m空間分辨率的艦船目標(biāo)與0.2 m空間分辨率艦船目標(biāo)進(jìn)行匹配，匹配結(jié)果如圖3所示。由以上匹配結(jié)果可見，隨著空間分辨率的降低，正確匹配對(duì)數(shù)同樣急劇減少，但錯(cuò)誤匹配對(duì)數(shù)并未表現(xiàn)出增長(zhǎng)的趨勢(shì)，這可能是由于0.2 m空間分辨率艦船目標(biāo)所提取SIFT特征相對(duì)精度較高，從而促使匹配正確率提高所致。同樣，當(dāng)目標(biāo)集空間分辨率低于2 m時(shí)，匹配對(duì)數(shù)不足以對(duì)艦船目標(biāo)進(jìn)行有效識(shí)別。

圖3 不同分辨率艦船目標(biāo)匹配結(jié)果

對(duì)以上不同空間分辨率的艦船目標(biāo)匹配情況進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果如圖4所示。

圖4 不同空間分辨率艦船目標(biāo)匹配結(jié)果統(tǒng)計(jì)

此外，從整體上看，不同分辨率的目標(biāo)匹配對(duì)數(shù)比相同分辨率的目標(biāo)匹配對(duì)數(shù)要少，這主要是由于不同分辨率圖像匹配時(shí)兩目標(biāo)的SIFT特征尺度存在差異所致。因此考慮當(dāng)不同分辨率目標(biāo)圖像進(jìn)行匹配時(shí)，先將低分辨率圖像利用雙三次插值算法插值到高空間分辨率，然后再進(jìn)行SIFT特征匹配。0.5 m分辨率圖像插值到0.2 m分辨率后與0.2 m圖像的匹配結(jié)果如圖5所示。

圖5 圖像插值后的匹配結(jié)果

同圖3（b）和圖3（c）對(duì)比可見，經(jīng)過以上思路的處理，目標(biāo)匹配能力有所提升，證明了以上處理思路的可行性。需要說明的是，當(dāng)兩目標(biāo)分辨率相差5倍以上或分辨率低于2 m時(shí)，即便通過插值算法將兩者統(tǒng)一到一致的分辨率，也不能明顯提升目標(biāo)的匹配性能。

5 結(jié)束語

本文利用模擬的多源遙感數(shù)據(jù)，生成了6種空間分辨率等級(jí)的艦船目標(biāo)，分別對(duì)相同分辨率和不同分辨率情況的艦船目標(biāo)SIFT特征匹配進(jìn)行了性能測(cè)試。測(cè)試結(jié)果顯示，隨著空間分辨率的下降，目標(biāo)匹配對(duì)數(shù)會(huì)急劇減少，當(dāng)分辨率低于2 m時(shí)，匹配結(jié)果難以對(duì)艦船目標(biāo)進(jìn)行有效識(shí)別。此外，當(dāng)不同空間分辨率的艦船目標(biāo)進(jìn)行匹配時(shí)，可以將低分辨率圖像插值到高空間分辨率，然后再進(jìn)行特征匹配，能夠在一定程度上提高艦船目標(biāo)的匹配性能。

利用多源遙感數(shù)據(jù)進(jìn)行艦船目標(biāo)識(shí)別是今后的發(fā)展趨勢(shì)，本文對(duì)不同空間分辨率下艦船目標(biāo)識(shí)別的SIFT匹配性能進(jìn)行了分析，為后期多源遙感數(shù)據(jù)在艦船目標(biāo)識(shí)別中的應(yīng)用奠定了一定的理論基礎(chǔ)。

［1］陳韜亦，陳金勇，趙和鵬.基于Ecogniton的光學(xué)遙感圖像艦船目標(biāo)檢測(cè)［J］.無線電工程，2013，43（11）：11－14.

［2］于 鵬.高分辨率可見光遙感圖像艦船目標(biāo)識(shí)別方法研究［D］.吉林：吉林大學(xué)，2011.

［3］李愛華，柏延臣.多源遙感專題信息比較研究：現(xiàn)狀、問題與展望［J］.地球科學(xué)進(jìn)展，2011，26（7）：741－750.

［4］LOWE D.Distinctive Image Features from Scale-invariant Keypoints［J］.International Journal of Computer Vision，2004，60（2）：91－110.

［5］陳 曦.基于SIFT的視覺單詞在人臉識(shí)別中的研究［J］.科學(xué)技術(shù)與工程，2013，13（20）：5 988－5 992.

［6］王云飛.基于SIFT和歸一化互信息的SAR圖像配準(zhǔn)算法研究［D］.西安：西安電子科技大學(xué)，2014.

［7］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.

［8］黃 燦.基于局部特征的車輛識(shí)別［D］.上海：上海交通大學(xué)，2010.

［9］朱佳文，屈新原，高小偉.基于CSIFT算法的UAV影像配準(zhǔn)技術(shù)研究［J］.首都師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，34（4）：69－74.

［10］FISHER M，BOLLES R.A Random Sample Consensus：A Paradigm For model Fitting with Application to Image A-nalysis and Automated Cartography［J］.Communication Association Machine，1981，24（6）：381－395.

［11］張阿珍，劉政林，鄒雪城，等.基于雙三次插值算法的圖像縮放引擎的設(shè)計(jì)［J］.微電子學(xué)與計(jì)算機(jī)，2007，24（1）：49－51.

Performance Analysis of SIFT Matching in Ship Target Based on Multi-source Remote Sensing Images

SHUAI Tong，SHI Ben-hui，CHEN Jin-yong，LIU Xiang
（The 54th Institute of CETC，Shijiazhuang Hebei 050081，China）

It is a future direction to identify ships based on multi-source remote sensing images，but SIFT（Scale Invariant Feature Transform）matching performance is not clear in this research field.The ship targets of six spatial resolutions are simulated using bi-cu-bic interpolation method，and the SIFT feature matching of ship target are tested.The results show that the target matching number is sig-nificantly reduced as the spatial resolution decreases，and the matching performance can be promoted by interpolating when ship targets with different spatial resolutions are matched.The analysis results lay the foundations for application of multi-source remote sensing in ship target identification.

multi-source remote sensing；ship target matching；SIFT；performance analysis

TP751

A

1003－3106（2015）10－0048－04

10.3969／j.issn.1003－3106.2015.10.13

帥 通，師本慧，陳金勇，等.多源遙感圖像艦船目標(biāo)SIFT匹配的性能分析［J］.無線電工程，2015，45（10）：48－51.

帥 通男，（1986—），博士。主要研究方向：遙感圖像處理及應(yīng)用。

2015-07-15

師本慧男，（1965—），研究員。主要研究方向：航天地面應(yīng)用和測(cè)控。