張曉晨，曾鵬，張有山

(中國船舶工業(yè)系統(tǒng)工程研究院， 北京 100093)

采用雙樹復(fù)小波結(jié)構(gòu)相似性度量的景象匹配*

張曉晨，曾鵬，張有山

(中國船舶工業(yè)系統(tǒng)工程研究院， 北京 100093)

以基于人類視覺系統(tǒng)的圖像結(jié)構(gòu)相似性度量為基礎(chǔ)，雙樹復(fù)小波變換為工具，將復(fù)小波變換域下的結(jié)構(gòu)相似性度量應(yīng)用于景象匹配系統(tǒng)中，提出了對(duì)于圖像空域變換具有較強(qiáng)魯棒性的景象匹配方法。測試試驗(yàn)表明，雙樹復(fù)小波結(jié)構(gòu)相似性度量從較大程度上反映了相比較圖像在結(jié)構(gòu)方面的相似性，同人類視覺認(rèn)知系統(tǒng)更接近；同時(shí)由于復(fù)小波的近似位移不變性，該指標(biāo)對(duì)于實(shí)時(shí)圖存在對(duì)比度、光照變化等干擾情況表現(xiàn)出較好的魯棒性，更適合作為復(fù)雜成像條件下景象匹配的相似性度量指標(biāo)。景象匹配實(shí)驗(yàn)表明，該方法在復(fù)雜干擾下具有更高的正確匹配率。

導(dǎo)航技術(shù)；景象匹配；結(jié)構(gòu)相似性；雙樹復(fù)小波變換；位移不變性；魯棒性

0 引言

在把2兩個(gè)不同傳感器從同一景物錄取下來的2幅圖像在空間上對(duì)準(zhǔn)以確定其相對(duì)平移的過程稱為圖像匹配[1]。其廣泛應(yīng)用于模式識(shí)別、計(jì)算機(jī)視覺、導(dǎo)航制導(dǎo)、遙感等領(lǐng)域[2-3]。以導(dǎo)航制導(dǎo)為背景，以圖像匹配基本原理為基礎(chǔ)定位實(shí)時(shí)圖在基準(zhǔn)圖中的位置的過程也常稱為景象匹配[4]。

在景象匹配導(dǎo)航系統(tǒng)中，景象匹配的主要任務(wù)是利用飛行器實(shí)時(shí)獲取的地面影像(實(shí)時(shí)圖)，與預(yù)先裝載的基準(zhǔn)影像(基準(zhǔn)圖)進(jìn)行匹配，從而確定飛行器瞬時(shí)空間位置，達(dá)到導(dǎo)航的目的[5]。在實(shí)時(shí)圖的拍攝過程中，由于存在云霧、陰天或陽光強(qiáng)弱等拍攝條件的變化，因此所獲取的實(shí)時(shí)圖不可避免的存在部分遮擋、對(duì)比度變化、光照變化、模糊和各種噪聲等影響。故而，尋找對(duì)上述干擾具有魯棒性的景象匹配算法就成為亟待解決的問題。

對(duì)于存在部分遮擋的情況，傳統(tǒng)的方法是：首先檢測出被遮擋區(qū)域，然后將另一幅圖中相應(yīng)區(qū)域采用相同的遮擋技術(shù)遮擋后再進(jìn)行匹配。但是由于遮擋情況的復(fù)雜性，遮擋區(qū)域一般很難準(zhǔn)確的檢測出來，因此此類方法一般難以實(shí)現(xiàn)?；贖ausdorff距離的方法可以解決存在部分遮擋的圖像匹配問題，然而，當(dāng)存在比較復(fù)雜的遮擋和噪聲干擾時(shí)，常常失效[6]。對(duì)于存在對(duì)比度變化、光照變化、模糊和噪聲干擾的圖像匹配問題，部分算法采用空域增強(qiáng)與恢復(fù)等預(yù)處理技術(shù)。由于在預(yù)處理的過程中，圖像的其他特征會(huì)發(fā)生不同程度的變化，這同時(shí)也會(huì)影響到匹配精度。

尋求實(shí)時(shí)圖在復(fù)雜干擾條件下的魯棒性景象匹配方法，關(guān)鍵在于相似性度量的選取上，即，所采用的相似性度量應(yīng)對(duì)上述情況的影響表現(xiàn)出足夠的魯棒性。文獻(xiàn)[7]從人類視覺系統(tǒng)的認(rèn)知原理出發(fā)，提出了一種全新的圖像相似性評(píng)價(jià)模型——基于結(jié)構(gòu)相似性(structural similarity，SSIM)的度量模型。在此基礎(chǔ)上，文獻(xiàn)[8]和文獻(xiàn)[9]等又分別提出了復(fù)小波域下的結(jié)構(gòu)相似性(complex wavelet structural similarity，CW-SSIM)度量模型。本文針對(duì)實(shí)時(shí)圖存在遮擋、對(duì)比度變化、光照變化、模糊和噪聲干擾條件下的景象匹配問題，提出了以該度量模型作為相似性度量的景象匹配方法，充分利用其對(duì)圖像空域變化不敏感的特性，較好地滿足了該條件下的景象匹配魯棒性要求。

1 結(jié)構(gòu)相似性度量

文獻(xiàn)[7]提出的結(jié)構(gòu)相似性度量基于人類視覺系統(tǒng)以物體的結(jié)構(gòu)信息作為主要認(rèn)知手段的基本原理，是一種自上而下的認(rèn)知方法。它通過比較2幅圖像在結(jié)構(gòu)方面的差異確定其相似性，同傳統(tǒng)直接以空域的灰度信息差異作為主要對(duì)比手段的方法相比性能有顯著提高。

SSIM(X,Y)=l(X,Y)αc(X,Y)βs(X,Y)γ,

(1)式中：α>0，β>0，γ>0，是用于調(diào)整3部分對(duì)最終結(jié)構(gòu)影響的因子；l(X,Y)，c(X,Y)，s(X,Y)分別為2圖像塊的亮度、對(duì)比度、結(jié)構(gòu)相似性的比較結(jié)果。其中：

(2)

(3)

(4)

2 復(fù)小波變換域下的結(jié)構(gòu)相似性度量

2.1 雙樹復(fù)小波變換

實(shí)小波變換在信號(hào)處理的很多領(lǐng)域有著廣泛的應(yīng)用，但是這種方法仍然存在局限：基于張量的二維小波變換分析中方向性差：只有水平、垂直、對(duì)角線方向，在對(duì)角線方向細(xì)節(jié)中，±45°不能區(qū)分；采樣過程中小波變換不具有平移不變性。為了彌補(bǔ)傳統(tǒng)小波的不足，很多學(xué)者將小波的構(gòu)造空間擴(kuò)展到復(fù)數(shù)域，構(gòu)造出的復(fù)小波變換不僅保持了傳統(tǒng)小波變換良好的時(shí)頻局部化特性，而且具有良好的方向性。其中文獻(xiàn)[10-13]所涉及的雙樹復(fù)數(shù)小波變換(dual-tree complex wavelet transform, DT CWT)由于能夠滿足完全重構(gòu)條件而受到廣泛應(yīng)用。一維信號(hào)雙樹復(fù)小波變換的流程圖如圖1所示，重構(gòu)過程為其逆過程。

雙樹復(fù)小波是由兩棵并行的實(shí)離散小波樹組成(圖1中的樹a和樹b)，將一棵樹的輸出作為復(fù)小波輸出的實(shí)部，另一棵樹的輸出作為復(fù)小波輸出的虛部。在第一層變換上，一樹中的濾波器與另一樹中對(duì)應(yīng)的濾波器間存在一個(gè)樣本的位移量。在第一層以后，各層上都取偶數(shù)長的濾波器，保證一樹在下采樣時(shí)始終能取到另一樹在下采樣時(shí)舍棄掉的采樣值，使得輸出是輸入的2倍冗余量，從而實(shí)現(xiàn)近似位移不變性。

圖1 雙樹復(fù)小波變換的流程圖Fig.1 Flow chart of DT CWT

二維圖像信號(hào)的雙樹復(fù)小波變換通過分別對(duì)其進(jìn)行行、列分離濾波得到，如圖2所示。即首先進(jìn)行圖像行的一維變換，再將結(jié)果進(jìn)行列的一維變換[8]。在方向性上，DT CWT在每個(gè)尺度下有6個(gè)子帶，可以輸出±15°，±45°和±75° 6個(gè)方向的細(xì)節(jié)，方向可選性較實(shí)小波變換增強(qiáng)了，在圖像處理中有明顯優(yōu)于實(shí)數(shù)小波變換的效果。

圖2 二維雙樹復(fù)小波濾波器組Fig.2 Dual-tree complex wavelet transform filter bank

2.2 復(fù)小波結(jié)構(gòu)相似性度量

(5)

式中：“*”表示復(fù)數(shù)共軛；K=C2為小正數(shù)，用于提高該度量在圖像局部信噪比較低情況下的魯棒性。

復(fù)小波變換域下的結(jié)構(gòu)相似性度量之所以能夠?qū)庹?、?duì)比度變化等導(dǎo)致的圖像失真不敏感，其依據(jù)在于：①局部圖像特征的結(jié)構(gòu)信息主要包含于復(fù)小波系數(shù)的相位中；②所有復(fù)小波系數(shù)的一致相位偏移不會(huì)改變局部圖像特征的結(jié)構(gòu)；③根據(jù)小波變換的線性和帶通特性，此類圖像失真在復(fù)小波域中主要反映在系數(shù)的一致相位偏移，即：對(duì)所有i，cy,i=acx,i，a為相位偏移常量[14]。

3 比較測試

(6)

HDM(X,Y)=max[h(X,Y),h(Y,X)],

(7)

其中，

(8)

(9)

表1給出了基準(zhǔn)圖、各種情況的實(shí)時(shí)圖及4個(gè)相似性度量指標(biāo)的數(shù)值，從比較測試結(jié)果可以看出，在實(shí)時(shí)圖存在各種復(fù)雜干擾條件下，雖然從人類視覺的角度2幅比較圖像仍然在很大程度上存下相似性，但在MSE較其他3種指標(biāo)表現(xiàn)出更大的差異，尤其是在圖像對(duì)比度變化明顯和光照不均的情況下表現(xiàn)更明顯；HDM和SSIM變現(xiàn)相近，但前者的計(jì)算量明顯高于后者；從樣本數(shù)據(jù)整體來看，CW-SSIM由于復(fù)小波的近似位移不變性，最大程度上反映了相比較圖像在結(jié)構(gòu)方面的相似性，同人類視覺認(rèn)知系統(tǒng)更接近，因而對(duì)圖像的空域變化表現(xiàn)出較好的魯棒性，更適合作為復(fù)雜成像條件下景象匹配的相似性度量指標(biāo)。

表1 不同干擾下各指標(biāo)的相似性度量比較

4 仿真校驗(yàn)

為了檢驗(yàn)以CW-SSIM為相似性測度的景象匹配實(shí)際效果，以圖4所示的一副256×256的航空?qǐng)D像為基準(zhǔn)圖，在圖中隨機(jī)選取的50個(gè)不同位置截取50×50的圖像塊作為實(shí)時(shí)圖，分別施加圖3中b)～h)所示的7類干擾情況(以干擾1～7表示)，并分別進(jìn)行基于MSE，HDM，SSIM和CW-SSIM的匹配實(shí)驗(yàn)。以2個(gè)像素距離為允許誤差，記錄其中正確匹配的次數(shù)，并給出正確匹配概率，結(jié)果如表2所示。

圖3 測試圖像Fig.3 Test figures

圖4 景象匹配仿真實(shí)驗(yàn)用圖Fig.4 Test figure of scene matching simulation experiment

分析數(shù)據(jù)結(jié)果，4種算法的平均正確匹配次數(shù)分別為：248，280，266，299，平均匹配概率分別為70.9%，80.0%，76.0%，85.4%，基于CW-SSIM的算法優(yōu)于其他算法，尤其是在實(shí)時(shí)圖出現(xiàn)光照變化和對(duì)比度變化的情況下，其魯棒性表現(xiàn)更好。需要說明的是，由于復(fù)小波分解的復(fù)雜性，基于CW-SSIM的算法耗時(shí)較多，僅次于基于Hausdorff距離度量的方法。因此，如何簡化算法，滿足工程應(yīng)用中的實(shí)時(shí)性需求，將是一個(gè)值得關(guān)注的問題。

表2 景象匹配仿真實(shí)驗(yàn)結(jié)果

5 結(jié)束語

本文針對(duì)景象匹配中實(shí)時(shí)圖成像時(shí)由于天氣、光照等拍攝條件影響而造成的空域干擾問題，提出了以復(fù)小波結(jié)構(gòu)相似性度量為相似性測度的景象匹配方法，充分利用其對(duì)圖像空域變化不敏感的特性，提高了實(shí)時(shí)圖存在遮擋、對(duì)比度變化、光照變化、模糊和噪聲等干擾條件下匹配方法的魯棒性，仿真實(shí)驗(yàn)表明，該方法在復(fù)雜條件下具有較高的正確匹配率。同時(shí)提出該方法在工程應(yīng)用中的實(shí)時(shí)性需求將是一個(gè)值得關(guān)注的問題。

[1] 孫仲康，沈振康．?dāng)?shù)字圖象處理及其應(yīng)用[M] ．北京：國防工業(yè)出版社， 1985. SUN Zhong-kang, SHEN Zhen-kang. Digital Image Processing and Application[M]. Beijing: National Defend Industry Press, 1985.

[2] ZITOVA B，F(xiàn)LUSSER J．Image Registration Methods：A Survey[J]．Image and Vision Computing，2003，21(11)：977-1000.

[3] BROWN L G． A Survey of Image Registration Techniques [J]．ACM Computing Surveys，1992，24(4)：325-376．

[4] 劉寶生，閆莉萍，周東華．二值化編碼和相位相關(guān)的魯棒景象匹配方法[J]．火力指揮與控制，2007，32(12) ：17-20． LIU Bao-shen，YAN Li-ping，ZHOU Dong-hua．Robust scene Matching Method Based on Binary Coding and Phase Correlation[J]．Fire Control and Command Control，2007，32(12) ：17-20.

[5] 李寒松，徐大新，許高升．基于復(fù)數(shù)小波變換的景象匹配算法[J]．系統(tǒng)工程與電子技術(shù)，2002，24(10) ：83-86． LI Han-song，XU Da-xin，XU Gao-sheng．A Scene Matching Algorithm Based on Complex-Valued Wavelet Transform[J]．Systerms Engineering and Electronics，2002，24(10) ：83-86.

[6] HUTTENLOCHER D O，KLANDERMAN G A，RUCKLIDGE W J．Comparing Images Using the Hausdorff Distance [J]．IEEE Trans．on Pattern Analysis and Machine Intelligence，1993，15(9)：850-863．

[7] WANG Z，BOVIK A C，SHEIKH H R，et al．Image Quality Assessment: from Error Visibility to Structural Similarity [J]．IEEE Transactions on Image Processing，2004，13 (4)：600-612．

[8] 趙武鋒，沈海斌，嚴(yán)曉浪．基于雙樹復(fù)數(shù)小波的結(jié)構(gòu)相似度測量法[J]．浙江大學(xué)學(xué)報(bào)：工學(xué)版，2008，42(8)：1385-1388． ZHAO Wu-feng，SHEN Hai-bin，YAN Xiao-lang．Structural Similarity Measurement Based on Dual-Tree Complex Wavelet[J]．Journal of Zhejiang University: Engineering Science ed, 2008，42(8)：1385-1388.

[9] MEHUL P S，WANG Z，SHALINI G，et al．Complex Wavelet Structural Similarity：a New Image Similarity Index[J]．IEEE Transactions on Image Processing，2009，18(11) ：2385-2401．

[10] KINGSBURY N G．The Dual-Tree Complex Wavelet Transform：a New Technique for Shift Invariance and Directional Filters[C]∥Proceedings of 8th IEEE DSP Workshop. Bryce Canyon：IEEE，1998：86-89．

[11] KINGSBURY N G．Complex Wavelets for Shift Invariant Analysis and Filtering of Signals[J]．Applied Computational Harmonic Analysis， 2001，10(3)：234-253．

[12] KINGSBURY N G．A Dual-Tree Complex Wavelet Trans-form with Improved Orthogonality and Symmetry Properties [C]∥Proceedings of IEEE Conference on Image Processing．IEEE，2000：375-378．

[13] KINGSBURY N G．Design of q-Shift Complex Wavelets for Image Processing Using Frequency Domain Energy Minimization[C]∥Proceedings of IEEE International Conference on Image Processing. Barcelona：IEEE，2003：1013-1016．

[14] WANG Z，SIMONCELLI E P．Translation Insensitive Image Similarity in Complex Wavelet Domain[C]∥IEEE International Conference on Acoustics，Speech and Signal Processing. Philadelphia：IEEE，2005，2：573-576.

[15] 權(quán)文，王曉丹，甘進(jìn)．圖像匹配中的相似性度量比較與分析[J]．航空計(jì)算技術(shù)，2008，38(5) ：18-20． QUAN Wen, WANG Xiao-dan, GAN Jin. Comparison and Analysis of Similar Measure in Image Matching [J]. Aeronautical Computing Technique，2008，38(5) ：18-20.

Scene Matching by Dual-Tree Complex Wavelet Structural Similarity Measurement

ZHANG Xiao-chen, ZENG Peng, ZHANG You-shan

(China State Shipbuilding Corporation System Engineering Research Institute, Beijing 100094, China)

By applying the dual-tree complex wavelet structural similarity index to scene matching system, a scene matching method which has strong robustness to image transform in spatial domain is proposed. Experimental results show that the dual-tree complex wavelet structural similarity index reflects to a large extent structural similarity of the images compared, which is more similar to human visual cognitive system. In the meanwhile, because of approximate shift invariance of complex wavelet, this index shows good robustness to such interference as contrast ratio change and illumination change to template image, and is more suitable to be used as similarity index for scene matching under complex imaging conditions. Matching simulation experiment shows that this method has higher correct matching rate in complicated interference environment.

navigation technology; scene matching; structural similarity; dual-tree complex wavelet transform; shift invariance; robustness

2015-11-15；

2016-07-21 作者簡介：張曉晨(1982-)，男，山東高密人。高工，博士，主要從事導(dǎo)航、制導(dǎo)與控制方面的研究。

10.3969/j.issn.1009-086x.2017.02.013

TN911.7；TN957.52

A

1009-086X(2017)-02-0087-06

通信地址：100093 北京市海淀區(qū)豐賢東路1號(hào) E-mail：zxcbit-2002@163.com