王晶晶，史 云※，劉含海， 2

(1.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所/農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100081； 2.山東交通學(xué)院交通土建工程學(xué)院，濟(jì)南 250023)

·技術(shù)方法·

無人機(jī)載框幅式高光譜影像的波段配準(zhǔn)研究*

王晶晶1，史 云1※，劉含海1， 2

(1.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所/農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100081； 2.山東交通學(xué)院交通土建工程學(xué)院，濟(jì)南 250023)

目的高光譜成像技術(shù)在衛(wèi)星遙感平臺(tái)上由于飛行高度與技術(shù)限制等原因無法滿足當(dāng)前對(duì)于智慧農(nóng)業(yè)與精準(zhǔn)農(nóng)業(yè)的需求，無人機(jī)平臺(tái)的出現(xiàn)可以有效地彌補(bǔ)這一問題，給精細(xì)化、定量化研究農(nóng)田信息提供數(shù)據(jù)支持。受平臺(tái)穩(wěn)定性，荷載能力等因素的制約，傳統(tǒng)的推掃式高光譜成像儀不適用于無人機(jī)平臺(tái)，而框幅式成像儀的應(yīng)用前景較為廣泛。但此類成像儀由于成像原理等因素的影響，獲取的波段圖像間存在姿態(tài)與位置差異，無法直接投入到后期應(yīng)用中，在投入使用前需要進(jìn)行波段配準(zhǔn)。方法結(jié)合傳統(tǒng)基于特征點(diǎn)的配準(zhǔn)方法針對(duì)波段配準(zhǔn)展開研究，對(duì)圖像間灰度與位置差異對(duì)配準(zhǔn)精度的影響進(jìn)行了深入分析，針對(duì)傳統(tǒng)的研究方法在匹配灰度存在非線性變換的圖像上不足等問題，設(shè)計(jì)了兩組匹配策略實(shí)驗(yàn)，分別為拍攝順序的配準(zhǔn)實(shí)驗(yàn)對(duì)比與波段順序的配準(zhǔn)實(shí)驗(yàn)對(duì)比。結(jié)果通過實(shí)驗(yàn)對(duì)比證明在引入拍攝順序的變換基準(zhǔn)的匹配策略下可以自動(dòng)且穩(wěn)定完成配準(zhǔn)任務(wù)，此方法下配準(zhǔn)精度可以達(dá)到亞像元級(jí)。結(jié)論文章所提方法兼顧了波段順序與拍攝順序，匹配結(jié)果可達(dá)亞像元級(jí)，是較優(yōu)的匹配策略。

高光譜 無人機(jī) 波段配準(zhǔn) 框幅式 匹配策略

0 引言

隨著遙感技術(shù)的迅速發(fā)展，人們對(duì)地探測(cè)的精度需求越來越高，而高光譜技術(shù)具有圖譜合一、高光譜分辨率、信息量豐富等優(yōu)勢(shì)，成為了定量遙感的前沿技術(shù)之一，給定量化理解地面信息開辟了新的領(lǐng)域[1-2，12]，其在農(nóng)業(yè)領(lǐng)域得到了廣泛應(yīng)用[23-24]。同時(shí)，由于高光譜技術(shù)不僅可以準(zhǔn)確的反映作物自身特有的光譜特征，還可以反映作物之間的光譜差異[1-2]，使其在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)，病蟲害預(yù)防治，產(chǎn)量估測(cè)等方面的研究已經(jīng)十分深入。但由于傳統(tǒng)的衛(wèi)星平臺(tái)飛行高度與技術(shù)限制等原因，使其數(shù)據(jù)空間分辨率低，時(shí)效性差，成本較高等問題，從而制約了衛(wèi)星平臺(tái)高光譜數(shù)據(jù)的應(yīng)用范圍及精度，無法滿足精準(zhǔn)農(nóng)業(yè)，智慧農(nóng)業(yè)的精度需求。無人機(jī)平臺(tái)的出現(xiàn)可以有效地彌補(bǔ)這一問題，為農(nóng)業(yè)遙感定量化研究，精準(zhǔn)農(nóng)業(yè)，智慧農(nóng)業(yè)的實(shí)現(xiàn)提供有力的數(shù)據(jù)保障及技術(shù)支持。

目前，常用的高光譜成像儀可以按照成像原理分為兩大類：推掃式光譜成像儀與框幅式光譜成像儀。這兩種成像儀由于成像原理的差異造成了存儲(chǔ)模式與數(shù)據(jù)處理的差異，而推掃式光譜儀是技術(shù)相對(duì)較為成熟，應(yīng)用也較為廣泛的一類成像儀[4]。這種方式的成像儀獲取的圖像我們稱為“狹縫圖像”[4]，其成像原理為入射能量通過加裝在鏡頭前寬度可以忽略的狹縫后，將原信息變換為對(duì)應(yīng)地面的1條一維信息，然后采用如三棱鏡等的分光裝置進(jìn)行分光處理，從而將一維信息分解為具有光譜維度的二維信息，即狹縫圖像，因此圖像在投入使用前要進(jìn)行格網(wǎng)化[6]，將同一波段獲取的地面條帶信息拼接為對(duì)應(yīng)的二維空間圖像，而這一過程則需要精度較高的輔助信息，如姿態(tài)與位置信息，這些信息需要利用搭載在平臺(tái)上的IMU/GPS裝置在拍攝曝光瞬間獲取，若缺乏拍攝時(shí)相對(duì)應(yīng)的姿態(tài)位置信息，狹縫圖像的配準(zhǔn)工作將無法進(jìn)行，這將直接影響到后期數(shù)據(jù)的應(yīng)用。然而對(duì)于微小型無人機(jī)平臺(tái)而言，其荷載能力是十分有限的，高精度的慣導(dǎo)裝置往往不能完全適用[5]。這就意味著目前精確獲取微小型無人機(jī)平臺(tái)姿態(tài)定位信息還較為困難，不能滿足推掃式光譜成像儀的應(yīng)用需求。而另一類框幅式光譜儀可以有效地避免因缺乏姿態(tài)定位信息而無法完成配準(zhǔn)的問題，因此這類成像儀在小型無人機(jī)平臺(tái)高光譜技術(shù)的研究與應(yīng)用方面前景廣泛，它的成像原理與普通相機(jī)一致，都是基于小孔成像獲取地面圖像，而多波段圖像的獲取主要通過鏡頭加裝的濾波裝置完成的，通過鏡頭的濾光裝置不斷改變成像時(shí)的能量范圍從而得到對(duì)應(yīng)波段范圍的波段圖像[3]。由于圖像是在飛行平臺(tái)運(yùn)動(dòng)過程中逐波段獲取而得，對(duì)應(yīng)同一地物不同波段圖像間會(huì)存在姿態(tài)位移差異，因此原始圖像不能直接投入到后期的研究與應(yīng)用中去，在投入使用前應(yīng)消除這種波段圖像間空間位置上的差異。

框幅式高光譜成像儀獲取波段圖像的配準(zhǔn)可以抽象為傳統(tǒng)配準(zhǔn)問題，利用圖像自身的特征建立圖像間的數(shù)學(xué)關(guān)系，因此無需地理信息的輔助也可以完成相對(duì)基準(zhǔn)下的配準(zhǔn)任務(wù)。對(duì)于這類成像儀的配準(zhǔn)問題進(jìn)行進(jìn)一步分析，相對(duì)于傳統(tǒng)的配準(zhǔn)問題，它也具有自身獨(dú)特的問題。下面就對(duì)這兩類問題分別展開討論，首先是傳統(tǒng)問題的分析，這一類問題主要由平臺(tái)造成，由于小型無人機(jī)質(zhì)量較輕，易受環(huán)境影響，因此在飛行中的平穩(wěn)性差，在數(shù)據(jù)采集過程中，平臺(tái)會(huì)圍繞三軸發(fā)生旋轉(zhuǎn)，形成俯仰角，偏航角與翻滾角，這些姿態(tài)的差異會(huì)造成圖像成像時(shí)三維空間到二維空間的投影差異[18]。此外，由于波段圖像在飛行過程中逐一獲取，各波段圖像間存在空間位置上的差異，波段配準(zhǔn)就是為了消除這種同一地物在不同波段圖像上的空間差異。而另一類自身獨(dú)特的問題主要由成像儀的性質(zhì)造成，這類問題主要體現(xiàn)在圖像上的位置與灰度差異[19]。首先，由于框幅式高光譜成像儀按一定的波段順序進(jìn)行波段圖像的獲取，這就意味著單景多波段圖像是在不同的波段范圍成像的結(jié)果，由于同一地物在不同波段的反射率存在差異，圖像上的灰度會(huì)因此存在差異，即同一地物的不同波段圖像間的灰度因反射率而發(fā)生變化。同時(shí)，由于不同地物的反射率在同一范圍的變化趨勢(shì)不同，會(huì)造成地物間的對(duì)比度發(fā)生變化，如圖1(ENVI標(biāo)準(zhǔn)庫(kù)中獲取)所示，以植被與土壤反射率曲線為例，可以看出在可見光波段范圍二者反射率較為相近，二者對(duì)比度比較平緩，由于較為接近，會(huì)使植被與周圍背景不易區(qū)分，而在近紅外波段范圍植被的反射率明顯高于土壤，二者對(duì)比度較為強(qiáng)烈，易于區(qū)分。另外，在600nm～700nm間的植被紅光吸收帶，可以看出植被反射率明顯低于土壤，在圖像灰度上則體現(xiàn)為土壤亮度要高于植被，而在760nm之后的近紅外范圍植被反射率明顯高于土壤反射曲線，在這個(gè)范圍植被與土壤在圖像上的灰度對(duì)比度會(huì)發(fā)生翻轉(zhuǎn)，即植被亮度明顯高于土壤。待配準(zhǔn)圖像間的灰度與對(duì)比度存在較大差異，這種問題傳統(tǒng)配準(zhǔn)中甚少涉及。

對(duì)于框幅式高光譜成像儀獲取的波段圖像的波段配準(zhǔn)問題，要同時(shí)考慮傳統(tǒng)問題與自身獨(dú)特問題的解決，通過消除波段圖像間姿態(tài)位移上的差異，最終獲取地物對(duì)應(yīng)光譜圖像立方體。目前，國(guó)內(nèi)外關(guān)于無人機(jī)波段配準(zhǔn)問題的研究較為缺乏，相關(guān)領(lǐng)域的配準(zhǔn)問題在此問題的應(yīng)用上還存在制約。目前，可以完成自動(dòng)圖像配準(zhǔn)的軟件主要針對(duì)單一波段范圍的圖像或可見光圖像，對(duì)于多波段圖像的配準(zhǔn)需要手動(dòng)選點(diǎn)，半自動(dòng)完成配準(zhǔn)，這會(huì)直接影響配準(zhǔn)的效率[19]。雖然基于多波段圖像的配準(zhǔn)研究較為廣泛，但由于成像機(jī)理不同導(dǎo)致基于線陣成像的配準(zhǔn)方法無法運(yùn)用到框幅式配準(zhǔn)中[3]。有人進(jìn)行了全色圖像與多波段圖像間的配準(zhǔn)實(shí)驗(yàn)[20]，由于全色圖像信息豐富，與多波段配準(zhǔn)問題相比復(fù)雜度明顯較低。可見光與近紅外配準(zhǔn)中通過優(yōu)化參數(shù)實(shí)現(xiàn)配準(zhǔn)的方法在相對(duì)復(fù)雜的波段配準(zhǔn)問題上，無法實(shí)現(xiàn)快速自動(dòng)化處理[21]。此外，還有人進(jìn)行了亞像元級(jí)的多光譜配準(zhǔn)實(shí)驗(yàn)[22]，雖然可以取得較好的實(shí)驗(yàn)效果，但對(duì)圖像間空間位置要求較高，當(dāng)空間位置差異過大時(shí)算法失效。因此，當(dāng)前對(duì)于波段配準(zhǔn)問題還沒有針對(duì)性的解決方案可以實(shí)現(xiàn)自動(dòng)化高效的配準(zhǔn)方法。故該文針對(duì)波段配準(zhǔn)問題結(jié)合當(dāng)前傳統(tǒng)配準(zhǔn)方法進(jìn)行了配準(zhǔn)研究。

圖1 植被與土壤反射率

1 配準(zhǔn)流程

1.1 實(shí)驗(yàn)數(shù)據(jù)

試驗(yàn)區(qū)位于北京門頭溝區(qū)的京浪島文化體育公園內(nèi)，測(cè)區(qū)面積為0.012 6km2，相機(jī)采用德中天地自主研發(fā)高光譜成像儀，飛行高度為100m，地面空間分辨率為7.8cm，像幅大小為1 010pixel×648pixel，共獲取61景影像，每景50個(gè)波段，波段范圍為500～900nm之間。

1.2 實(shí)驗(yàn)步驟

目前，針對(duì)框幅式高光譜數(shù)據(jù)的配準(zhǔn)研究較為缺乏，該文采用圖像的一般配準(zhǔn)過程對(duì)其進(jìn)行配準(zhǔn)實(shí)驗(yàn)，基于特征點(diǎn)的配準(zhǔn)過程可分為4步：(1)參考圖像與待配準(zhǔn)圖像的確定，確定配準(zhǔn)的基準(zhǔn)； (2)同名特征點(diǎn)的提取，為后續(xù)建立圖像間的關(guān)系尋找樣本點(diǎn)； (3)選定配準(zhǔn)變換模型，將上一步得到的同名點(diǎn)信息輸入到模型中，解算模型參數(shù)，建立圖像間的數(shù)學(xué)變換關(guān)系； (4)完成待配準(zhǔn)圖像的坐標(biāo)轉(zhuǎn)換，同時(shí)在新的坐標(biāo)下完成圖像灰度的重采樣，從而完成配準(zhǔn)工作。其中前兩步是配準(zhǔn)中的關(guān)鍵步驟，直接影響到配準(zhǔn)精度，高光譜圖像波段配準(zhǔn)問題有別于傳統(tǒng)配準(zhǔn)的一大特點(diǎn)為圖像間存在灰度與對(duì)比度較大的差異，這種差異給同名點(diǎn)的匹配帶來了困難，由于同一特征點(diǎn)在不同波段圖像的描述會(huì)因地物與背景間的反射率差異的改變而無法匹配，因此，該文深入研究匹配策略的選擇對(duì)配準(zhǔn)精度的影響，即針對(duì)第一步參考基準(zhǔn)的選擇進(jìn)行了多種方式的配準(zhǔn)實(shí)驗(yàn)，對(duì)比分析出了最為適用于波段配準(zhǔn)的匹配策略。

針對(duì)高光譜波段配準(zhǔn)問題中存在的灰度與位置差異該文設(shè)計(jì)了兩類匹配策略，分別為基于波段順序的配準(zhǔn)與基于拍攝順序的配準(zhǔn)，這兩種模式分別對(duì)應(yīng)研究波段配準(zhǔn)中灰度差異與位移對(duì)配準(zhǔn)精度的影響情況，其中對(duì)于按照波段順序的配準(zhǔn)方式該文又采用了單一基準(zhǔn)與變換基準(zhǔn)兩種不同的方法進(jìn)行研究，該文希望可以通過對(duì)比分析多種匹配策略的配準(zhǔn)精度得出適用于波段配準(zhǔn)問題的方法。首先，在按波段順序配準(zhǔn)的模式下對(duì)比單一基準(zhǔn)與變換基準(zhǔn)的配準(zhǔn)結(jié)果，得出較好的方式，然后選擇較優(yōu)的配準(zhǔn)基準(zhǔn)的方式進(jìn)行按波段順序配準(zhǔn)與按拍攝順序配準(zhǔn)兩種模式的對(duì)比分析。

a b圖2 匹配策略

圖3 匹配策略

實(shí)驗(yàn)一為在按波段順序配準(zhǔn)模式下對(duì)比分析單一基準(zhǔn)與變換基準(zhǔn)兩種不同的基準(zhǔn)選擇方式的配準(zhǔn)性能與精度，在實(shí)驗(yàn)前將波段圖像按照中心波長(zhǎng)從小到大的順序排列，在此順序下完成配準(zhǔn)任務(wù)。單一基準(zhǔn)模式如圖2a所示，在此匹配策略下所有波段圖像均以選定的波段圖像為參考圖像進(jìn)行同名點(diǎn)提取，在這種模式下進(jìn)行配準(zhǔn)實(shí)驗(yàn)可以保證在同名點(diǎn)提取合理的情況下誤差最小，同時(shí)，可以討論光譜差異對(duì)配準(zhǔn)的影響。變換基準(zhǔn)模式如圖2b所示，配準(zhǔn)開始時(shí)選定配準(zhǔn)基準(zhǔn)，待配準(zhǔn)圖像則為與其鄰近的波段圖像，當(dāng)配準(zhǔn)完成后，以完成配準(zhǔn)的圖像作為新參考圖像完成其鄰近的波段圖像配準(zhǔn)工作，參考圖像不斷發(fā)生變化，直到完成所有圖像的配準(zhǔn)。通過改變參考圖像來減小因圖像間灰度差異對(duì)配準(zhǔn)精度造成的影響，進(jìn)而研究位移對(duì)于配準(zhǔn)精度的影響。

第二組實(shí)驗(yàn)在第一組實(shí)驗(yàn)的結(jié)論基礎(chǔ)上完成，配準(zhǔn)基準(zhǔn)的選擇由實(shí)驗(yàn)一中較優(yōu)的方式完成，并采用實(shí)驗(yàn)一中較優(yōu)方式的配準(zhǔn)結(jié)果與按照拍攝順序的配準(zhǔn)模式結(jié)果進(jìn)行比較分析，按照拍攝順序模式如圖3所示，需要先將50景波段圖像按波段順序進(jìn)行排列，再利用已知的拍攝順序的先驗(yàn)知識(shí)將50景圖像分為5組，其中，第1、 12、 20、 38、 43波段圖像為所在小組的第一景波段圖像，將5組圖像按拍攝順序進(jìn)行排列，拍攝順序如圖3所示，由于最后兩組的順序連續(xù)因此合并為一個(gè)大組，每一組按實(shí)驗(yàn)一中較好的基準(zhǔn)選擇的方式進(jìn)行配準(zhǔn)，第一組的基準(zhǔn)為組內(nèi)第一景圖像，而第二組的參考基準(zhǔn)為第一組配準(zhǔn)后的最后一景圖像，如此反復(fù)，直到完成五組圖像的配準(zhǔn)，即完成所有50景圖像的配準(zhǔn)。

在同名點(diǎn)提取方法上該文選擇了SIFT算法[13]，此算法在特征檢測(cè)及特征描述上均具有

良好的性質(zhì)，對(duì)于發(fā)生復(fù)雜形變的待配準(zhǔn)圖像有一定的應(yīng)對(duì)能力，它采用的特征檢測(cè)算子DoG(different of gaussians)具有較強(qiáng)的穩(wěn)定性，可以同時(shí)兼顧重復(fù)率，定位精度，魯棒性，高效性多方面性能的良好表現(xiàn)[14]； 同時(shí)，特征描述上與各種描述子相比，在仿射變化、尺度變化、旋轉(zhuǎn)、模糊及光照改變等多情景下，其各方面綜合表現(xiàn)最好，且具有良好的魯棒性和顯著性[15]。而對(duì)于錯(cuò)誤匹配同名點(diǎn)的剔除，該研究采用了RANSAC算子[16]，此算法在剔除誤配點(diǎn)上具有較好的表現(xiàn)，是當(dāng)前運(yùn)用較為廣泛的一種去除錯(cuò)誤匹配的方法[17]，該文采用了當(dāng)前性能較為穩(wěn)定、應(yīng)用較為廣泛的算法獲取數(shù)量與質(zhì)量較優(yōu)的同名點(diǎn)，保證后續(xù)配準(zhǔn)工作的順利進(jìn)行。

該文選擇了多項(xiàng)式變換模型作為幾何變換模型。多項(xiàng)式模型屬于非線性變換模型，可以處理圖像的局部變形，模型簡(jiǎn)單，計(jì)算速度快，可以應(yīng)對(duì)一定的非線性變形，在地形平坦的圖像配準(zhǔn)上應(yīng)用廣泛。模型參數(shù)通過輸入上一步獲取的同名點(diǎn)信息解算獲得，進(jìn)而完成圖像間變換模型的建立，由于不涉及三維信息，該文選擇了簡(jiǎn)化的三次多項(xiàng)式模型。數(shù)學(xué)模型如公式(1)所示：

(1)

通過解算的三次多項(xiàng)式模型參數(shù)進(jìn)而解算待配準(zhǔn)圖像的新坐標(biāo)，并在新坐標(biāo)系統(tǒng)下完成灰度的重采樣工作，從而完成配準(zhǔn)工作。該文采用了雙線性插值方法完成采樣工作。配準(zhǔn)工作完成后，采用傳統(tǒng)的RMSE(均方根誤差)作為幾何配準(zhǔn)精度的評(píng)價(jià)指標(biāo)進(jìn)行精度評(píng)定。評(píng)價(jià)指標(biāo)分別為飛行方向(x方向)，飛行旁向(y方向)與綜合方向三個(gè)方向解算的配準(zhǔn)誤差，公式分別如下：

(2)

(3)

(4)

該文主要針對(duì)高光譜波段圖像間存在的灰度與位移差異問題，在匹配策略上采用單一基準(zhǔn)與變換基準(zhǔn)兩種模式，結(jié)合傳統(tǒng)的基于特征點(diǎn)配準(zhǔn)方法進(jìn)行波段配準(zhǔn)實(shí)驗(yàn)，通過實(shí)驗(yàn)可以分析出灰度，位移對(duì)配準(zhǔn)精度的影響，并得到適用于波段配準(zhǔn)問題的匹配策略及配準(zhǔn)方法。

2 實(shí)驗(yàn)結(jié)果及分析

利用2.1所述采集回來的數(shù)據(jù)進(jìn)行配準(zhǔn)實(shí)驗(yàn)，針對(duì)單景50波段圖像間配準(zhǔn)問題展開，實(shí)驗(yàn)均采用Matlab軟件實(shí)現(xiàn)，平臺(tái)參數(shù)為Intel Core i5-45903.30GHz PC。

2.1 單一基準(zhǔn)與變換基準(zhǔn)的比較分析

此節(jié)將比較分析在按照波段順序配準(zhǔn)的前提下單一基準(zhǔn)與變換基準(zhǔn)的配準(zhǔn)情況，在單一基準(zhǔn)方式下，以選定的波段圖像為唯一基準(zhǔn)，其余波段均與其尋找同名點(diǎn)建立配準(zhǔn)幾何變換模型，這種方式下會(huì)給灰度差異較大的波段圖像的配準(zhǔn)帶來困難，考慮到基準(zhǔn)波段與待配準(zhǔn)波段圖像間的差異，選擇了中間位置的波段為基準(zhǔn)來減小灰度差異帶來的問題。選擇了中心波長(zhǎng)為693nm的波段圖像為配準(zhǔn)基準(zhǔn)。在單一基準(zhǔn)方式下，即使某一波段配準(zhǔn)失敗也不會(huì)影響后續(xù)波段圖像的配準(zhǔn)工作，且不存在誤差累計(jì)問題，但穩(wěn)定性難以保證； 而變換基準(zhǔn)的模式相對(duì)而言穩(wěn)定性更強(qiáng)，受圖像間灰度差異影響小，但一旦發(fā)生失配現(xiàn)象，就可能會(huì)影響到后續(xù)波段的配準(zhǔn)任務(wù)的完成，且存在一定的誤差累計(jì)現(xiàn)象。在實(shí)際的波段配準(zhǔn)應(yīng)用中哪種方式更為合理穩(wěn)定，通過實(shí)驗(yàn)進(jìn)行了驗(yàn)證。表1為兩種方式下的配準(zhǔn)誤差均值與標(biāo)準(zhǔn)差對(duì)比(針對(duì)配準(zhǔn)成功的波段圖像求解得到，單一基準(zhǔn)的模式下784nm波段圖像配準(zhǔn)失敗，沒有計(jì)入配準(zhǔn)誤差的計(jì)算)，誤差均值為50景波段圖像配準(zhǔn)后每個(gè)波段圖像的配準(zhǔn)誤差之和的均值，而誤差的標(biāo)準(zhǔn)差則用來描述這50個(gè)波段配準(zhǔn)誤差的分布離散程度，從誤差上可以看出兩種模式均可以達(dá)到亞像元級(jí)配準(zhǔn)精度，且變換基準(zhǔn)方式下的配準(zhǔn)精度略高于單一基準(zhǔn)，但誤差分布的穩(wěn)定性較差一些。

表1 誤差均值及標(biāo)準(zhǔn)差對(duì)比

誤差均值標(biāo)準(zhǔn)差X方向Y方向綜合X方向Y方向綜合單一參考039040329505119005920052500717變換參考032170259704148008640042800903

a b圖4 配準(zhǔn)誤差曲線

圖4表示兩種基準(zhǔn)選擇方式下50景波段圖像的配準(zhǔn)誤差曲線圖，其中a圖表示單一基準(zhǔn)下的誤差曲線，b圖為變換基準(zhǔn)配準(zhǔn)實(shí)驗(yàn)的誤差曲線，圖中藍(lán)色，綠色與紅色3條曲線分別代表飛行方向，飛行旁向與綜合方向下的配準(zhǔn)誤差。單一基準(zhǔn)方式下，在37波段(中心波長(zhǎng)784nm)發(fā)配準(zhǔn)失敗，雖然，其他波段配準(zhǔn)精度均可達(dá)亞像元級(jí)，但這種配準(zhǔn)方式的穩(wěn)定性不高，無法實(shí)現(xiàn)自動(dòng)配準(zhǔn)任務(wù)，波段圖像間的灰度差異會(huì)使傳統(tǒng)方法同名點(diǎn)的匹配不可控制，當(dāng)同名點(diǎn)提取數(shù)量不足或分布不合理時(shí)則無法保證配準(zhǔn)的順利進(jìn)行。而從圖4b中曲線可以看出當(dāng)按變換基準(zhǔn)方式配準(zhǔn)時(shí)，圖像間灰度差異可以得到有效的解決，使配準(zhǔn)的穩(wěn)定性大大提升，精度有所提高。但從曲線的波動(dòng)上可以看出在第2、 12、 20、 38、 43波段處存在較大的峰值，這些波段誤差明顯增大，除這幾個(gè)波動(dòng)較大的波段外，其他波段的誤差總體比較平穩(wěn)。這是由于光譜成像儀的拍攝順序沒有按照波段順序進(jìn)行，這幾個(gè)波動(dòng)較大的波段圖像與前一景圖像存在較大的姿態(tài)與位移差異，當(dāng)這種差異較大時(shí)造成了配準(zhǔn)精度的下降。因此，圖像間的姿態(tài)位置差異也是造成波段配準(zhǔn)精度下降另一大原因。此外，兩誤差曲線間的存在一個(gè)一致性的表現(xiàn)，在沿飛行方向(x方向)的誤差總體要大于飛行旁向(y方向)的誤差，由于航向位移要大于旁向位移，從另一方面證明了位移變大會(huì)影響配準(zhǔn)精度。

綜合誤差分析結(jié)果可以看出，雖然單一基準(zhǔn)的配準(zhǔn)方式可以達(dá)到與變換基準(zhǔn)近似的配準(zhǔn)效果，都可達(dá)到亞像元級(jí)精度，但是由于圖像間灰度差異的原因造成了同名點(diǎn)提取的準(zhǔn)確性與穩(wěn)定性下降等問題，使得單一基準(zhǔn)匹配方法的魯棒性不高，無法實(shí)現(xiàn)波段圖像穩(wěn)定的配準(zhǔn)工作。因此，在波段配準(zhǔn)的研究中應(yīng)考慮使用變換基準(zhǔn)的模式進(jìn)行，以保證配準(zhǔn)的穩(wěn)定有效。通過對(duì)按波段順序的配準(zhǔn)誤差分析，可以得出圖像間的位置姿態(tài)差異會(huì)對(duì)配準(zhǔn)結(jié)果產(chǎn)生影響，隨著位置姿態(tài)差異變大配準(zhǔn)精度隨之下降。因此該文針對(duì)這一問題進(jìn)行了研究，引入拍攝順序到配準(zhǔn)工作中，下節(jié)將詳細(xì)對(duì)比波段順序與拍攝順序下配準(zhǔn)結(jié)果的差異。

2.2 按波段順序與按拍攝順序的配準(zhǔn)對(duì)比分析

由2.1中所得結(jié)論可知在波段配準(zhǔn)問題上變換基準(zhǔn)的配準(zhǔn)方式較為穩(wěn)定，接下來將在變換基準(zhǔn)的方式下，分析比較按波段順序配準(zhǔn)與按拍攝順序配準(zhǔn)兩種匹配策略的差異，分析將從目視效果與幾何配準(zhǔn)精度兩方面進(jìn)行。其中，按波段順序配準(zhǔn)模式的配準(zhǔn)結(jié)果采用2.1章節(jié)中按變換基準(zhǔn)方法所得結(jié)果。按拍攝順序的配準(zhǔn)模式則利用圖3中的流程圖完成配準(zhǔn)，得到結(jié)果與按波段順序模式進(jìn)行比較。

首先從目視效果上對(duì)比兩種方式的配準(zhǔn)效果，如圖5所示，a1與b1為未配準(zhǔn)的波段圖像的展示，a1為505nm與844nm兩波段的棋盤圖像，可以看出兩波段圖像存在較大的灰度差異，且存在較大的位移，同一景圖像的不同波段圖像存在較大差異，b1為844nm， 675nm， 575nm 3個(gè)波段合成的假彩色圖像，可以明顯看出3波段存在明顯的位移差異，原始數(shù)據(jù)無法直接應(yīng)用到后續(xù)研究中。a2為變換基準(zhǔn)按波段順序的模式下505nm波段圖像與844nm波段圖像配準(zhǔn)后的棋盤圖像，可以看出配準(zhǔn)效果較好，b2為b1所示3波段圖像在此模式下的配準(zhǔn)效果，可以看出配準(zhǔn)整體效果良好，地物清晰，紋理清楚，a3為變換基準(zhǔn)按波段順序的模式下a1所示兩景圖像配準(zhǔn)后效果，b3 為b1所示3波段圖像在此模式下的配準(zhǔn)效果，結(jié)果也較為理想?？梢钥闯鰞烧叩呐錅?zhǔn)目視效果相近，且配準(zhǔn)效果良好，配準(zhǔn)穩(wěn)定性也比較高，變換參考方式比較適用于高光譜圖像波段配準(zhǔn)問題。

如圖6所示，為兩種匹配模式的誤差曲線，a為按波段順序配準(zhǔn)的誤差曲線，b為按拍攝順序配準(zhǔn)的誤差曲線，圖中藍(lán)色，綠色與紅色3條曲線分別代表飛行方向，飛行旁向與綜合方向下的配準(zhǔn)誤差。對(duì)比兩圖可以明顯看出按照拍攝順序的誤差總體比較平穩(wěn)，誤差沒有尖銳的峰值，證明這種匹配方式可以有效地解決由于波段間位置差異較大時(shí)圖像配準(zhǔn)精度隨之降低的問題。

表2 變換基準(zhǔn)模式下兩方式誤差均值

X方向Y方向綜合波段順序032202600415拍攝順序029902600399

對(duì)兩曲線在3個(gè)方向上分別求得平均值如表2所示，通過均值可以看出在x方向與綜合方向，基于拍攝順序的配準(zhǔn)精度均高于按波段配準(zhǔn)的方法，因此，相對(duì)于按波段順序配準(zhǔn)的模式而言，引入拍攝順序可以有效地提升框幅式高光譜波段配準(zhǔn)的精度。

綜合目視效果與幾何配準(zhǔn)精度的比較分析，可以看出，按照波段順序與按照拍攝順序兩種模式的配準(zhǔn)均可以達(dá)到亞像元級(jí)配準(zhǔn)精度，且目視效果良好，地物表達(dá)清晰。然而由于波段間的位置差異增大引起了按波段順序配準(zhǔn)方法的敏感響應(yīng)，配準(zhǔn)精度隨之下降，由于變換基準(zhǔn)的方法存在誤差累計(jì)問題，這種誤差突變會(huì)對(duì)后續(xù)的配準(zhǔn)精度造成影響，而當(dāng)配準(zhǔn)時(shí)加入對(duì)拍攝順序的考慮后可以有效地解決這一問題，相對(duì)于直接按照波段順序配準(zhǔn)的方法而言配準(zhǔn)精度有所提升，因此在高光譜框幅式圖像配準(zhǔn)時(shí)考慮引入拍攝順序可以有效的提高匹配精度。

圖5 兩種匹配方式下的配準(zhǔn)效果

a b

3 總結(jié)

該文針對(duì)框幅式高光譜成像儀獲取的原始圖像間存在的失配問題展開，利用基于特征點(diǎn)的配準(zhǔn)方法進(jìn)行了波段配準(zhǔn)的研究，通過不同的匹配策略對(duì)比分析了灰度差異與空間位置差異對(duì)配準(zhǔn)精度的影響，通過實(shí)驗(yàn)一發(fā)現(xiàn)，單一基準(zhǔn)的模式下雖然可以達(dá)到亞像元級(jí)的配準(zhǔn)精度，但是由于灰度差異的影響給同名點(diǎn)提取帶來了困難，使得這種匹配策略的魯棒性不強(qiáng)，無法投入到后期的配準(zhǔn)中去； 變換基準(zhǔn)方法在高光譜波段配準(zhǔn)問題上具有較好的應(yīng)用效果?？梢钥闯霾ǘ螆D像間的灰度差異對(duì)匹配策略的具有一定的要求，才可以完成波段配準(zhǔn)任務(wù)，在配準(zhǔn)是應(yīng)盡量減小待配準(zhǔn)圖像間的灰度差異，以保證配準(zhǔn)方法的穩(wěn)定性。而通過實(shí)驗(yàn)二發(fā)現(xiàn)，按波段順序的配準(zhǔn)方法受待配準(zhǔn)圖像間的空間位置差異的影響較大，當(dāng)配準(zhǔn)的兩景圖像存在較大姿態(tài)位置差異時(shí)配準(zhǔn)精度會(huì)隨之下降，而在結(jié)合了拍攝順序的匹配策略下配準(zhǔn)取得了較好的效果。在引入拍攝順序的配準(zhǔn)模式下，把原圖像的50個(gè)波段按拍攝順序分為5組，組內(nèi)按變換基準(zhǔn)的方式完成配準(zhǔn)，而組間則是根據(jù)拍攝的先后順序依次進(jìn)行配準(zhǔn)，從實(shí)驗(yàn)結(jié)果上看，這種模式的配準(zhǔn)精度要優(yōu)于按波段順序的精度，雖然這種模式需要得到相機(jī)拍攝順序的先驗(yàn)知識(shí)，但在精度與穩(wěn)定性上都有較好的表現(xiàn)，因此在進(jìn)行框幅式高光譜圖像的波段配準(zhǔn)工作時(shí)，采用加入拍攝順序的先驗(yàn)知識(shí)，可以有效的提高配準(zhǔn)的精度。引入拍攝順序的匹配策略可以消除按波段順序配準(zhǔn)結(jié)果中的突變誤差，避免因位移差異過大造成誤差精度下降的現(xiàn)象的發(fā)生。在變換基準(zhǔn)的方式下引入拍攝順序的配準(zhǔn)方法在高光譜波段配準(zhǔn)問題上具有明顯優(yōu)勢(shì)，應(yīng)用前景廣泛。

[1] 姚云軍， 秦其明，張自力，等.高光譜技術(shù)在農(nóng)業(yè)遙感中的應(yīng)用研究進(jìn)展.農(nóng)業(yè)工程學(xué)報(bào)， 2008, 24(7): 301～306

[2] 李勇志， 支曉棟，唐海龍，等.無人機(jī)遙感技術(shù)在農(nóng)業(yè)中的發(fā)展與應(yīng)用.安徽農(nóng)業(yè)科學(xué)， 2015， 43(25)： 350～351， 355

[3] Jyun-Ping Jhan，Jiann-Yeou Rau，Cho-Ying.Huang.band-to-band registration and ortho-rectification of multilens/multispectral imagery：A case study of MiniMCA-12 acquired by a fixed-wing UAS.ISPRS Journal of Photogrammetry and Remote Sensing， 2016，(114)： 66～77

[4] 魏然. 基于成像機(jī)理分析的高光譜圖像信息恢復(fù)研究.哈爾濱：哈爾濱工業(yè)大學(xué).2015

[5] 王根勇， 黃磊，劉聰，等.一種微小型無人機(jī)導(dǎo)航裝置.北京：CN104503466A. 2015-04-08

[6] Mark W.Maciejewski，Harry Z.Qui，Iulian Rujan，et al.Nonuniform sampling and spectral aliasing.Journal of Magnetic Resonance，2009，(199)： 88～93

[7] 余道明. 圖像配準(zhǔn)技術(shù)研究及應(yīng)用.成都：西南交通大學(xué).2014

[8] Helge Aasen，Andreas Burkart，Andreas Bolten，et al.Generating 3D hyperspectral information with lightweight UAV snapshot cameras for vegetation monitoring：From camera calibration to quality assurance.ISPRS Journal of Photogrammetry and Remote Sensing， 2015， 108： 245～259

[9] Lisa Gottesfeld Brown.A Survey of Image Registration Techniques.ACM Computing Surveys， 1992, 24(4): 325～376

[10]邵向鑫. 數(shù)字圖像拼接核心算法研究.長(zhǎng)春：吉林大學(xué).2010

[11]賈永紅. 數(shù)字圖像處理(第二版).武漢：武漢大學(xué)出版社， 2010

[12]童慶禧， 張兵，鄭蘭芬.高光譜遙感：原理、技術(shù)與應(yīng)用.北京：高等教育出版社， 2006

[13]Lowe D G.Distinctive Image Features From Scale～invariant Keypoints.International Journal of Computer Vision.，2004, 60(2): 91～110

[14]Tinne Tuytelaars，Krystian Mikolajczyk.Local Invariant Feature Detectors：A Survey.Computer Graphics and Vision， 2007, 3(3): 177～288

[15]Krystian Mikolajczyk，Cordelia Schmid.A Performance Evaluation of Local Descriptors.IEEE Transactions on Pattern Analysis and Machine Intelligence， 2005, 27(10): 1615～1630

[16]Fischler M A，Bolles R C．Random sample consensus：a paradigm for model fitting with applications to image analysis and automated cartography.Communications of the ACM， 1981, 24(6): 381～395

[17]孫凡， 何志平，戴方興，等.無人機(jī)多光譜成像儀圖像的校正及配準(zhǔn)算法研究.紅外技術(shù)， 2006, 28(4): 187～191

[18]B.Zitova′，J.Flusser.Image registration methods：a survey.Image and Vision Computing， 2003， 21(11)：977～1000

[19]Maria Vakalopoulou，Konstantinos Karantzalos.Automatic Descriptor-Based Co-Registration of Frame Hyperspectral Data.Remote Sens， 2014， (6)：3409～3426

[20]Li A，Zhang B.Registration Algorithm of Panchromatic and Multi-Spectral Images Based on SIFt and RANSAC.Photonics and Optoelectronics，IEEE， 2012， 1～4

[21]Sima，A.； Buckley，S.Optimizing SIFT for matching of short wave infrared and visible wavelength images.Remote Sens， 2013，(5)：2037～2056

[22]朱近， 司美玲，夏德深，等.用局部灰度極值方法進(jìn)行多光譜圖像配準(zhǔn)算法研究.航天返回與遙感， 2010, 31(5): 32～37

[23]夏天， 吳文斌，周清波，等.不同地域冬小麥葉片 SPAD 高光譜估算研究.中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2014, 35(4): 49～57

[24]孫佩軍， 張錦水，潘耀忠，等.基于無人機(jī)樣方事后分層的作物面積估算.中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2016, 37(2): 1～10

Vol.38，No.9，pp72-78

REGISTRATIONOFFRAMEHYPERSPECTRALIMAGESBASEDONUAV*

WangJingjing1,ShiYun1※，LiuHanhai1， 2

(1. Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China；2.Traffic Engineering College of Shandong Jiaotong University, Jinan 250023,China)

Hyperspectral imaging is a new technology for comprehensive and subtle cropland data collection and management. The UAV platform effectively surpass the traditional satellite platform in providing data for refined and quantitative research of cropland while the latter is strictly limited by orbital altitude and technological problems. On the UAV platform, frame imager is much better than traditional push broom imager, which is highly affected by platform stability and load capacity. However, registration is required before further application for band-spectral images of frame imager, which suffers from spectral and spatial discrepancy. Currently study on registration of hyper spectral data is not widely developed, due to its great spectral and contrast discrepancy. This paper developed an automatic and stable sub pixel registration method by comparing and analyzing multi band-images. And then it analyzed the impact of image gray scale and the position difference on the registration precision, designed two sets of experiment, i.e., order registration experiment and band sequence of registration. The results showed that the matching strategy can be achieved automatically and steadily under the matching strategy of the changing datum of the shooting sequence, and the registration precision can reach sub-pixel level by this method. The proposed method can take into account both the band order and the shooting order

hyper spectral technology; UAV; registration of band-image; frame image; matching strategy

10.7621/cjarrp.1005-9121.20170910

2016-11-04

王晶晶(1992—)，女，北京人，碩士。研究方向：農(nóng)業(yè)遙感 ※通訊作者：史云(1979—)，男，江蘇溧陽人，博士、研究員。研究方向：多傳感器數(shù)據(jù)融合的空間信息獲取及分析等的基礎(chǔ)和應(yīng)用。Email：shiyun@caas.cn *資助項(xiàng)目：國(guó)家重點(diǎn)研發(fā)計(jì)劃課題“玉米生長(zhǎng)與生產(chǎn)力近地面實(shí)時(shí)監(jiān)測(cè)預(yù)測(cè)”(2016YFD0300602)

S12;S28;S-3

A

1005-9121[2017]09063-09