崔建軍，李亞?wèn)|，張曉棟，羅　想，張韶華，范冬娟

(1. 長(zhǎng)安大學(xué)地質(zhì)工程與測(cè)繪學(xué)院，陜西 西安 710054； 2. 解放軍信息工程大學(xué)測(cè)繪學(xué)院，河南 鄭州 450052； 3. 73608部隊(duì)，江蘇 南京 210028)

?

利用攝影基線改進(jìn)SIFT算法

崔建軍1，李亞?wèn)|1，張曉棟1，羅想1，張韶華2,3，范冬娟3

(1. 長(zhǎng)安大學(xué)地質(zhì)工程與測(cè)繪學(xué)院，陜西 西安 710054； 2. 解放軍信息工程大學(xué)測(cè)繪學(xué)院，河南 鄭州 450052； 3. 73608部隊(duì)，江蘇 南京 210028)

影像匹配是利用航空影像獲取同名點(diǎn)和DEM的關(guān)鍵技術(shù)之一，而大傾斜影像的匹配問(wèn)題也是目前匹配技術(shù)發(fā)展的難點(diǎn)。針對(duì)這一問(wèn)題，本文研究了SIFT和ASIFT算法，并基于航空影像之間的攝影基線對(duì)ASIFT算法進(jìn)行了改進(jìn)，在成像模型中加入傾斜角度和平移變量，在一定程度上解決了大傾斜航空影像的自動(dòng)匹配問(wèn)題，并給出了試驗(yàn)結(jié)果。

影像匹配；同名點(diǎn)；ASIFT；航空攝影基線；成像模型

隨著國(guó)民經(jīng)濟(jì)和遙感技術(shù)的發(fā)展，由于無(wú)人機(jī)遙感平臺(tái)具有成本低廉、機(jī)動(dòng)靈活、快速響應(yīng)、能夠承擔(dān)高風(fēng)險(xiǎn)航空攝影任務(wù)和獲取高分辨率影像等優(yōu)點(diǎn)，其應(yīng)用已經(jīng)逐漸滲透到民用領(lǐng)域的各個(gè)方面。與之相應(yīng)的，如何對(duì)無(wú)人機(jī)獲取的遙感影像進(jìn)行處理，從中提取有效的信息數(shù)據(jù)也得到越來(lái)越多的研究。近年來(lái)，利用SIFT算法進(jìn)行影像匹配的研究得到越來(lái)越多的重視，因?yàn)槠渚哂幸欢ǖ姆律洳蛔冃訹1-3]，也逐漸在無(wú)人機(jī)影像上得到了應(yīng)用[4-7]。但是由于無(wú)人機(jī)遙感平臺(tái)體積和重量都比較小，極易受到氣流影響，導(dǎo)致其姿態(tài)很不穩(wěn)定，影像的傾斜較大，此時(shí)SIFT方法也難以取得好的效果。針對(duì)這一問(wèn)題對(duì)SIFT算法進(jìn)行了深入的研究，并分析了圖像變形產(chǎn)生的主要原因，從構(gòu)像方程入手，在圖像匹配過(guò)程中考慮相機(jī)姿態(tài)引起的圖像變形，進(jìn)而改進(jìn)了SIFT算法。

一、Base-ASIFT

針對(duì)SIFT算法的局限性把相機(jī)姿態(tài)的變化引入到算法中，根據(jù)成像方程對(duì)圖像進(jìn)行重采樣，盡可能恢復(fù)兩張傾斜圖像之間的可推導(dǎo)關(guān)系，進(jìn)而改進(jìn)了SIFT算法的匹配流程，最終實(shí)現(xiàn)了具有較大傾斜的兩幅圖像之間良好的匹配效果。

1. 相機(jī)的姿態(tài)

所謂相機(jī)姿態(tài)指的是相機(jī)在對(duì)目標(biāo)進(jìn)行成像時(shí)的位置、轉(zhuǎn)角等參數(shù)值。通常情況下，相機(jī)獲取目標(biāo)的影像主要有兩種形式：一是相機(jī)在以被拍攝對(duì)象為球心，拍攝距離為半徑的球面上運(yùn)動(dòng)獲取影像，這種情況通常出現(xiàn)在一般的對(duì)地面景物進(jìn)行拍攝的過(guò)程中，如圖1所示；二是相機(jī)沿著某一基線進(jìn)行移動(dòng)以獲取目標(biāo)的影像，這種情況通常出現(xiàn)在航空攝影或地面近景攝影等專業(yè)處理過(guò)程中，如圖2所示。

圖1　相機(jī)圍繞被拍攝對(duì)象移動(dòng)

圖2　相機(jī)沿某一基線移動(dòng)

不論是哪一種情況，對(duì)每一次成像的過(guò)程可以表示為[8]

u=S1G1ATu0

(1)

式中，u表示經(jīng)過(guò)成像的數(shù)字圖像；而u0表示被拍攝對(duì)象的一個(gè)正面視圖；T和A分別表示由于相機(jī)移動(dòng)而產(chǎn)生的平面位移和仿射投影；G1表示高斯卷積，反映了光學(xué)模糊過(guò)程；S1表示位于一個(gè)規(guī)則格網(wǎng)上的標(biāo)準(zhǔn)采樣算子。

2. 算法描述

針對(duì)圖1所示的情況，Jean-MichelMorel等給出了詳細(xì)的解決方案[8]，即以式(1)表示的成像模型為基礎(chǔ)，把待匹配的兩幅影像分別看成是相機(jī)在以被攝目標(biāo)為中心、攝影距離為半徑的球面上的成像，這樣就可以通過(guò)球面極坐標(biāo)的兩個(gè)角度(θ,φ)和相機(jī)自身的旋轉(zhuǎn)角度ω來(lái)確定相機(jī)成像時(shí)的傾斜矩陣A(實(shí)際上也就是相機(jī)成像時(shí)的旋轉(zhuǎn)矩陣)，即

A=HγR1(ω)TtR2(φ)=

(2)

文獻(xiàn)[8]中即以該式為基礎(chǔ)，把兩幅圖像分別按照一定的間隔對(duì)θ、φ、ω3個(gè)角度進(jìn)行循環(huán)，對(duì)于每一組角度利用式(1)得到傾斜后的圖像，并對(duì)這一系列圖像兩兩組合進(jìn)行匹配，最后統(tǒng)計(jì)匹配成功的同名點(diǎn)。

ASIFT算法能夠很好地處理一般的大傾斜影像，但對(duì)于兩幅沿著某一條基線獲取的航空影像對(duì)，由于其平移和旋轉(zhuǎn)的情況都不同于一般的傾斜影像對(duì)，因此簡(jiǎn)單采用ASIFT算法也不能取得很好的效果，本文借鑒文獻(xiàn)[8]的思路，針對(duì)圖2的情況對(duì)式(2)和整個(gè)計(jì)算流程進(jìn)行了修改。

(1) 旋轉(zhuǎn)

航空攝影的處理過(guò)程中，相機(jī)的旋轉(zhuǎn)是圍繞著像主點(diǎn)和主光軸進(jìn)行的，如圖3所示。其中，θ、φ、ω3個(gè)角度都是像方角度[9]，而ASIFT算法中的旋轉(zhuǎn)角度是物方角度，如圖4所示。

圖3　航空攝影的相機(jī)旋轉(zhuǎn)

圖4　ASIFT中的傾斜角

因此如果要引用式(2)來(lái)推算傾斜影像，就必須把像方角度轉(zhuǎn)換到物方角度，根據(jù)圖3和圖4的比較，可以得到計(jì)算式如下

(3)

將式(3)代入式(2)，則可以得到

(4)

其中

(2) 平移

航空影像是按照某一條基線獲取的序列影像，這與一般的影像對(duì)不同，如圖5所示。

圖5　航空影像對(duì)之間的關(guān)系

圖5中S1的坐標(biāo)為(X1,Y1)；S2的坐標(biāo)為(X2,Y2)，則存在如下的平移公式

將其轉(zhuǎn)換為極坐標(biāo)方程

式中，L為基線的長(zhǎng)度；α為基線與左像空間(S1處獲取的影像空間)坐標(biāo)系中X軸的夾角。對(duì)于兩幅圖像而言，設(shè)在S1處獲取的影像為F(x，y)，S2處獲取的影像為F′(x′,y′)。則有

F′(x′+y′)=F(x+L·cosα,y+L·sinα)

(5)

根據(jù)式(4)和式(5)，式(1)的成像模型可以修改為如下的形式

u′=S1G1A′Tu0(x+L·cosα,y+L·sinα)

(6)

式中，A′根據(jù)式(4)產(chǎn)生。式(6)為修改后的成像模型。圖6為根據(jù)修改后的成像模型對(duì)兩幅影像進(jìn)行匹配的流程。

圖6　Base-SIFT方法匹配流程

二、試　驗(yàn)

分別采用SIFT、ASIFT、Base-ASIFT這3種算法對(duì)一些在不同角度拍攝、具有較大傾斜的圖像進(jìn)行了試驗(yàn)并作了比較。圖7顯示了分別用3種算法進(jìn)行試驗(yàn)的情況，其中白點(diǎn)代表匹配的同名點(diǎn)。

在這個(gè)試驗(yàn)中，雖然采用SIFT算法也匹配了318個(gè)同名點(diǎn)，但這些點(diǎn)都是錯(cuò)誤的，ASIFT 算法得到了825個(gè)同名點(diǎn)，和Base-ASIFT算法相差不多，但其正確率卻明顯低于Base-ASIFT算法(見(jiàn)表1)。

表1　試驗(yàn)結(jié)果

圖7　3種算法的匹配結(jié)果比較

試驗(yàn)結(jié)果顯示,對(duì)于傾斜航空影像來(lái)說(shuō)，Base-ASIFT算法能夠得到更好的匹配結(jié)果，但其匹配速度和效率還有待于進(jìn)一步提高。

三、結(jié)束語(yǔ)

本文針對(duì)航空影像的特點(diǎn)，在ASIFT算法的基礎(chǔ)上加入基線平移變量，并按照航空攝影的相機(jī)姿態(tài)情況修改了ASIFT中的傾斜矩陣，然后以一幅圖像為基準(zhǔn)，與另一幅經(jīng)過(guò)重采樣后的一系列影像分別進(jìn)行匹配計(jì)算，最后得到兩張傾斜較大的航空影像上的同名像點(diǎn)。試驗(yàn)表明該算法比ASIFT方法更能適應(yīng)航空影像的處理需求，能較好地解決大傾斜圖像之間的匹配問(wèn)題，對(duì)無(wú)人機(jī)影像的處理具有一定的價(jià)值。此外，該算法需要對(duì)一批模擬影像分別進(jìn)行SIFT計(jì)算，因此運(yùn)算速度較慢，雖然在采用SURF算法后速度有所提高，但如果要滿足數(shù)據(jù)實(shí)時(shí)處理的要求，還需要進(jìn)一步提高算法的計(jì)算效率。

[1]LOWEDG.DistinctiveImageFeaturesfromScale-invariantKeypoints[J].InternationalJournalofComputerVision(IJCV),2004, 60(2):91-110.

[2]LUOJuan,GWUNAO.ComparisonofSIFT,PCA-SIFTandSURF[J].InternationalJournalofImageProcessing(IJIP),2010, 3(4)：143-152.

[3]于麗莉，戴青.一種改進(jìn)的特征匹配算法[J].計(jì)算機(jī)工程,2011,37(2):210-212.

[4]何敬,李永樹(shù),魯恒，等.基于特征點(diǎn)的無(wú)人機(jī)影像拼接方法研究[J].光電工程,2011, 38(2):122-126.

[5]宮阿都,何孝瑩,雷添杰，等.無(wú)控制點(diǎn)數(shù)據(jù)的無(wú)人機(jī)影像快速處理[J].地球信息科學(xué)學(xué)報(bào), 2010, 12(2):254-259.

[6]何孝瑩,岳建偉,張栩然.基于算法的無(wú)人機(jī)影像快速匹配[J].計(jì)算機(jī)工程,2011, 37(7):216-218.

[7]陳裕.基于SIFT算法的無(wú)人機(jī)遙感圖像配準(zhǔn)[D].長(zhǎng)沙：中南大學(xué), 2009.

[8]MOREL J M,YU G S.ASIFT: A New Framework for Fully Affine Invariant Image Comparison.[J].SIAM Journal on Imaging Sciences, 2009, 2(2):438-469.

[9]劉靜宇.航空攝影測(cè)量學(xué)[M].北京：解放軍出版社, 1995.

An Improved SIFT Algorithm Based on Photography Baseline

CUI Jianjun，LI Yadong，ZHANG Xiaodong，LUO Xiang，ZHANG Shaohua，F(xiàn)AN Dongjuan

2015-07-24；

2015-10-12

崔建軍(1975—)，男，博士，副教授，主要研究方向?yàn)橛?jì)算機(jī)圖形圖像處理，數(shù)字?jǐn)z影測(cè)量與遙感應(yīng)用。E-mail：stonecui@chd.edu.cn

P23

B

0494-0911(2016)08-0062-03

引文格式：崔建軍，李亞?wèn)|，張曉棟，等.利用攝影基線改進(jìn)SIFT算法[J].測(cè)繪通報(bào)，2016(8)：62-64.DOI:10.13474/j.cnki.11-2246.2016.0257.