姜鈞陶，戚浩平，申佩佩，馬昱肖

(東南大學交通學院測繪工程系，江蘇 南京 210096)

國產(chǎn)衛(wèi)星影像配準技術(shù)研究

姜鈞陶，戚浩平，申佩佩，馬昱肖

(東南大學交通學院測繪工程系，江蘇 南京 210096)

我國西部高海拔山區(qū)的地形地貌使得在衛(wèi)星影像上確定同名特征點比較困難，為了解決國產(chǎn)衛(wèi)星影像存在的譜段偏差，本文選擇了基于SIFT算法、基于區(qū)域灰度和人工配準3種方法，對ZY1-02C、ZY-3和GF-1等國產(chǎn)衛(wèi)星影像展開了配準試驗研究，應用目視法和中誤差法進行了精度評價，并對結(jié)果進行了對比分析。試驗結(jié)果表明：人工法雖能獲得較高的配準精度，但效率很差；基于區(qū)域灰度法受影像亮度差異影響很大，同名點提取少，精度最差；基于SIFT算法自動化程度最高，可以提取大量特征點，并能篩選提出誤匹配點，配準精度較高。

國產(chǎn)衛(wèi)星影像；影像配準；SIFT算法；配準精度分析

遙感影像的高精度配準問題一直是研究的熱點，直接影響后續(xù)影像融合、立體匹配、變化監(jiān)測等的質(zhì)量。

近年來，我國陸續(xù)發(fā)射了一系列高分辨率衛(wèi)星，如資源一號02C高分辨率遙感衛(wèi)星(簡稱為ZY1-02C)、資源三號遙感衛(wèi)星(簡稱為ZY-3)、高分一號衛(wèi)星(簡稱為GF-1)等[1-3]。與國外比較成熟的衛(wèi)星數(shù)據(jù)相比，國產(chǎn)衛(wèi)星數(shù)據(jù)仍有一些不足之處，由于相機的安裝誤差及各譜段間鏡頭光學畸變的存在，會引起譜段偏差[4-5]。而且遙感影像由于光譜波段不同、分辨率不同或拍攝時間和角度不同，會使拍攝的影像存在差異，若不進行配準處理，則影像的信息量較低且應用性較差，因此要對影像進行正確的匹配[6]。1970年，P.E.Anuta提出了一種影像配準技術(shù)，由于使用了FFT計算中的互相關(guān)性進行影像檢測，從而有效地提高了配準速度；1982年，Rosenfeld等[7]提出了一種基于灰度統(tǒng)計的交叉相關(guān)性的影像配準方法，這種方法能夠直接給出模板影像和待配準影像的相似程度，可以用來進行模板匹配和模式識別；1992年，F(xiàn)lussr[8]提出了一種自適應映射的方法，解決了變形影像間的配準問題；1998年，張祖勛等[9]提出多級影像概率松弛的整體快速匹配技術(shù)，實現(xiàn)了不同傳感器、不同空間分辨率的遙感影像快速配準；2001年，郭海濤等[10]提出了一種遺傳算法(genetic algorithm)，2004年，熊興華[11]在此基礎(chǔ)上，加入最小二乘法，提高了配準精度，使其達到了亞像素級。

本文選擇西部高海拔區(qū)域內(nèi)的國產(chǎn)衛(wèi)星影像數(shù)據(jù)(ZY1-02C、ZY-3、GF-1)，采用基于SIFT算法(下面簡稱為SIFT法)、基于區(qū)域灰度匹配(下面簡稱為灰度法)和人工配準法(下面簡稱為人工法)進行影像配準，并采用目視法和中誤差法進行精度評價，對比分析了3種方法在國產(chǎn)衛(wèi)星影像配準時的有效性。

1 國產(chǎn)衛(wèi)星影像特點與試驗方案

遙感影像由于成像的傳感器不同，傳感器拍攝時的時間相位、影像的光譜波段和分辨率也會不同，需要進行配準處理，才能繼續(xù)對影像進行下一步的操作和處理。同時國產(chǎn)遙感衛(wèi)星的相機安裝存在誤差且各譜段間鏡頭存在光學畸變，從而會引起譜段偏差，需要消除譜段偏差從而提高配準精度，如圖1所示。圖1中(a)、(b)、(c)分別為ZY1-02C、ZY-3、GF-1的多光譜影像和全色影像通過ERDAS卷簾后的試驗結(jié)果，3組試驗數(shù)據(jù)均存在譜段偏差；圖1(d)為異源影像的卷簾試驗結(jié)果，異源影像間也存在譜段偏差。

圖1 試驗數(shù)據(jù)存在的問題

試驗中使用的ZY1-02C衛(wèi)星的多光譜影像3個波段灰度值偏低且亮度偏暗，ZY-3衛(wèi)星的近紅外波段灰度值偏大且曝光過度，對影像配準時同名點的自動提取帶來了不確定因素。

試驗方案設(shè)計：首先對試驗數(shù)據(jù)進行預處理，然后分別采用SIFT法、灰度法和人工法，以國產(chǎn)衛(wèi)星數(shù)據(jù)全色影像為模板影像，對多光譜影像實施譜段間配準；以ZY-3為模板影像，與TM影像實施影像間配準，然后對試驗結(jié)果進行精度評價；最后，對比分析3種方法在國產(chǎn)衛(wèi)星影像配準中的作業(yè)效率及能達到的精度等，總結(jié)出適合西部高海拔山區(qū)國產(chǎn)衛(wèi)星影像配準的較優(yōu)方案。

本文的技術(shù)路線如圖2所示。

1.1 試驗數(shù)據(jù)預處理

遙感圖像預處理一般包括幾何校正、圖像增強、輻射校正等，為以后的圖像處理做基礎(chǔ)。本文研究數(shù)據(jù)是我國西部高海拔地區(qū)的衛(wèi)星影像，該地區(qū)地形起伏較大，內(nèi)部存在幾何變形，為消除這種幾何變形，減少其他校正對配準結(jié)果的影響，僅對試驗數(shù)據(jù)進行正射校正。

圖2 技術(shù)路線

1.2 基于SIFT算法的影像配準

本次研究編寫了一個獨立的程序，使用SIFT算法進行影像配準。程序在VS2010平臺上編寫，直接調(diào)用了RobHess源碼。首先調(diào)用源碼中的sift_features()函數(shù)進行默認參數(shù)的SIFT特征點提取，然后利用KD-Tree和BBF算法進行特征匹配查找，并根據(jù)最近鄰和次近鄰距離比值進行初步篩選，最后利用RANSAC算法篩選匹配點并計算變換矩陣，進行影像配準。程序的優(yōu)點為在兩幅圖像上分別提取特征點后，先通過距離比值法進行粗匹配，然后應用精度更高的RANSAC算法對匹配點進行剔除錯誤匹配點對。

1.3 基于區(qū)域灰度匹配和人工配準法的影像配準

應用ENVI4.7的人工配準項與ENVI5.0中的自動配準項，首先對待配準影像進行重采樣，使其分辨率與全色影像一致，然后設(shè)置配準參數(shù)，剔除、校正誤差較大的點，使總RMS誤差控制在1像元以內(nèi)，且控制點數(shù)量超過20，最后進行配準得出配準結(jié)果。

1.4 精度評價

本次研究的配準精度評定方法有兩種：目視法與中誤差法。目視法可以主觀地評價配準精度。使用ENVI5.0，隨機均勻地選取20個區(qū)域，找到最大誤差、最小誤差并計算出平均誤差。中誤差法可以客觀地評價配準精度。使用ENVI4.7，隨機均勻地選取20個點，輸出各點在模板影像與配準影像中的坐標，建立Excel表格，計算出中誤差。

2 試驗結(jié)果與分析

2.1 試驗結(jié)果

2.1.1 ZY1-02C衛(wèi)星影像試驗結(jié)果

圖3是分別使用3種方法對ZY1-02C衛(wèi)星影像進行配準的試驗結(jié)果，以全色影像作為模板影像。

圖3 ZY1-02C衛(wèi)星影像試驗結(jié)果

2.1.2 ZY-3衛(wèi)星影像試驗結(jié)果

圖4為分別使用3種方法對ZY-3衛(wèi)星影像進行配準的試驗結(jié)果，其中以全色影像作為模板影像。

圖4 ZY-3衛(wèi)星影像試驗結(jié)果

2.1.3 GF-1衛(wèi)星影像試驗結(jié)果

圖5為分別使用3種方法對GF-1衛(wèi)星影像進行配準的試驗結(jié)果，其中以全色影像作為模板影像。GF-1衛(wèi)星影像無法采用灰度法進行配準。

圖5 GF-1衛(wèi)星影像試驗結(jié)果

2.1.4 異源衛(wèi)星影像試驗結(jié)果

圖6為使用3種方法對異源衛(wèi)星影像(ZY-3與TM影像)進行配準的試驗結(jié)果，其中以ZY-3衛(wèi)星影像作為模板影像。

圖6 異源衛(wèi)星影像試驗結(jié)果

2.2 精度評價

2.2.1 目視法

表1為應用目視法進行配準結(jié)果精度評價的分析結(jié)果。由表1可以看出，SIFT法的配準精度基本高于灰度法和人工法的配準精度，可以看出SIFT法配準效果更好。

表1 目視誤差對比 像元

2.2.2 中誤差法

表2為應用中誤差法進行精度評價的分析結(jié)果。由表2可以看出SIFT法中誤差小于人工法和灰度法，精度更高，配準效果更好。

表2 中誤差對比 像元

2.3 配準方法對比分析

本次試驗使用的ZY1-02C衛(wèi)星、ZY-3衛(wèi)星和GF-1衛(wèi)星的全色影像和多光譜影像及異源遙感衛(wèi)星影像都存在譜段偏差，應用人工法、SIFT法和灰度法對試驗數(shù)據(jù)進行配準，3種方法均能解決存在的問題，如圖3—圖6所示。對精度評價結(jié)果從以下兩個方面進行對比分析。

2.3.1 作業(yè)效率

人工法選取了20個同名點，平均耗時12 min；灰度法平均選取33個同名點，平均耗時3 min；SIFT法平均選取20 000個同名點，耗時6 min。因此，SIFT法的自動化程度最高且效率最高，其次是灰度法，人工法效率和自動化程度最低。

2.3.2 配準精度

由表1和表2可得，人工法精度很高，但是針對本次試驗數(shù)據(jù)中的山區(qū)特征不明顯地區(qū)，尋找同名點過程費時費力；SIFT法的配準結(jié)果分辨率更高，目視誤差和中誤差相對較小，配準精度相對較高。

試驗數(shù)據(jù)的灰度差異直接影響著灰度法的配準精度，因為灰度法是根據(jù)灰度值進行配準的；SIFT法提取的是局部特征，有對亮度變化保持不變的特性，因此提取的特征點具有一定的穩(wěn)定性且高精度；人工法的配準精度雖然高且不受灰度等其他條件影響，但是過于耗時耗力。而且本次試驗數(shù)據(jù)均是我國西部山區(qū)影像，地形起伏很大且特征不明顯，影像不同區(qū)域的顏色相近，灰度法對于本次試驗數(shù)據(jù)提取的特征點數(shù)量少且精度不高；人工法雖然精度還算理想，但是山區(qū)的明顯特征點少，尋找特征點過程過于浪費時間；而SIFT法因其特有的多量性、獨特性等特性，能夠在特征點不明顯的山區(qū)提取大量的SIFT特征向量，而且能夠在海量的特征數(shù)據(jù)庫中快速、準確地匹配，并且同名點分布均勻，不會集中在某一區(qū)域，本文中SIFT法在進行同名點匹配時，先進行粗匹配再用RANSAC算法篩選出誤匹配點，提高了配準精度。

3 結(jié) 語

本文針對國產(chǎn)衛(wèi)星數(shù)據(jù)存在的譜段偏差及我國西部高海拔山區(qū)的地形地貌特點，分別應用SIFT法、灰度法和人工法進行了影像配準工作，并對配準結(jié)果應用目視法和中誤差法從主觀和客觀兩方面進行精度評價，并且對3種試驗結(jié)果進行了對比分析。人工法雖然配準精度較高，但是效率和自動化程度極低；灰度法受亮度影響大，配準精度最差；SIFT法自動化程度最高，可以在較短的時間內(nèi)提取大量特征點，效率最高，配準精度較高。用SIFT算法對ZY1-02C、ZY-3和GF-1影像配準的檢查中誤差分別為0.61、1.66、0.29個像元，能夠滿足山區(qū)影像配準的精度要求。

[1] 唐新明，謝俊峰，張過.測繪衛(wèi)星技術(shù)總體發(fā)展和現(xiàn)狀[J].航天返回與遙感,2012,33(3):17-24.

[2] 白照廣.高分一號衛(wèi)星的技術(shù)特點[J].中國航天,2013(8):5-9.

[3] 馬熹肇. 資源一號“02C”衛(wèi)星數(shù)據(jù)在軌測試分析[D].長春：吉林大學,2013.

[4] 蔣永華，張過，唐新明，等.資源三號測繪衛(wèi)星三線陣影像高精度幾何檢校[J].測繪學報,2013,42(4):523-529.

[5] 戴激光，宋偉東，賈永紅，等.一種新的異源高分辨率光學衛(wèi)星遙感影像自動匹配算法[J].測繪學報,2013,42(1):80-86.

[6] 樊曼曼.多源衛(wèi)星遙感影像配準技術(shù)研究[D].秦皇島：燕山大學,2012.

[7] ROSENFELD A, KAK A C. Digital Picture Processing[M]. New York: Academic Press, 1982.

[8] FLUSSR J. An Adaptive Method for Image Registration[J]. Pattern Recognition,1992,25(1):45-54.

[9] 張祖勛，張劍清，廖明生，等．遙感影像的高精度自動配準[J]．武漢測繪科技大學學報,1998,23(4):320-323.

[10] 郭海濤，劉智，張保民.基于遺傳算法的快速影像匹配技術(shù)的研究[J].測繪學院學報,2001,18(51):20-22.

[11] 熊興華.遺傳算法及其在影像處理與分析中應用[J].測繪學報,2004,33(2):74-81.

[12] 羅代建.遙感影像配準與融合技術(shù)研究[D].成都：電子科技大學,2009.

[13] 常青，張斌，邵金玲.基于SIFT和RANSAC的特征圖像匹配方法[J].華東理工大學學報(自然科學版),2012,38(6):97-101.

[14] 陳華，鄧喀中，張以文，等.結(jié)合SIFT和RANSAC算法的InSAR影像配準[J].測繪通報,2015(12):30-33.

[15] KE Y， SUKTHANKAR R， HUSTON L. Efficient Near Duplicate Detection and Sub-image Retrieval[C]∥Proceedings of ACM Multimedia Conference.[S.l.]：ACM,2004.

Research on the Registration of Domestic Satellite Images

JIANG Juntao，QI Haoping，SHEN Peipei，MA Yuxiao

(Department of Surveying Engineering， Southeast University, Nanjing 210096, China)

It is difficult to find correspondence points on the satellite images of the high altitude mountainous area of west China because of the geographic and geomorphic conditions. To solve the multispectral deviation of the satellite images, this paper use SIFT-based algorithm, regional gray-based algorithm and artificial registration to do registration experiments on domestic satellite images such as ZY1-02C, ZY-3, GF-1 and so on. Then visual method and error method are used to evaluate precisions, the results of which are contrasted and analyzed. The experimental results show that: artificial method has higher registration precision, but the efficiency is poor; regional gray-based method is affected by luminance difference which extracts least correspondence features and has the lowest registration precision; SIFT-based method has the highest degree of automation which can extract a huge amount of correspondence features and can also screen out false matching points. It has a higher registration precision.

domestic satellite image; image registration; SIFT algorithm; registration accuracy analysis

姜鈞陶，戚浩平，申佩佩，等.國產(chǎn)衛(wèi)星影像配準技術(shù)研究[J].測繪通報，2017(8)：76-79.

10.13474/j.cnki.11-2246.2017.0259.

2016-12-01；

2017-02-24

全國邊海防地區(qū)基礎(chǔ)地質(zhì)遙感調(diào)查(121201003000150003)

姜鈞陶(1993—)，女，碩士生，主要從事遙感方面的研究。E-mail：jjtseu@163.com

P23

A

0494-0911(2017)08-0076-04