李凱睿

（武漢大學(xué)測繪遙感信息工程國家重點實驗室 湖北省武漢市 430000）

1 引言

隨著人類對地觀測能力的增強(qiáng)，遙感數(shù)據(jù)呈現(xiàn)多元化和海量化，揭示著遙感大數(shù)據(jù)時代的到來。具備多平臺、多分辨率、多時相、多層面、多種傳感器、多角度、多光譜等特點的遙感影像數(shù)據(jù)網(wǎng)絡(luò)化平臺可獲得多分辨率、多種類、高覆蓋度的海量多源遙感數(shù)據(jù)。不同類型數(shù)據(jù)具有不同特點，如何實現(xiàn)多源遙感數(shù)據(jù)的優(yōu)勢互補(bǔ)最大化是當(dāng)前的熱點問題之一。其中影像的準(zhǔn)確配準(zhǔn)是充分利用異源遙感數(shù)據(jù)分析的基礎(chǔ)，也是變化監(jiān)測等遙感應(yīng)用的重要保障。由于土地利用及覆蓋類型隨時間的變化，不同時相下的異源影像差異較大，因此如何高效處理長時間序列遙感圖像自動配準(zhǔn)對解決影像融合等問題具有重要現(xiàn)實意義。

影像配準(zhǔn)是指匹配或重疊在不同時間、不同傳感器或不同條件下獲取的兩個或多個影像的過程。常用的影像配準(zhǔn)有利用尺度不變特征變換(SIFT)、局部相位描述符[2]等基于特征的方式，另一種利用互信息[3]方法、相位一致性等[4]基于區(qū)域的方法進(jìn)行配準(zhǔn)?；趨^(qū)域的匹配方法能夠在特征重復(fù)率明顯降低的多源遙感影像間獲取更多的可靠同名點。本文考慮相位一致性模型及對配準(zhǔn)變換模型的魯棒性評估提出基于區(qū)域的長時間序列影像配準(zhǔn)方法，使不同時相異源影像自動配準(zhǔn)結(jié)果更加準(zhǔn)確。

2 長時間序列遙感影像數(shù)據(jù)自動配準(zhǔn)方法

本文基于全球無縫影像和全球DEM 數(shù)據(jù)，利用影像模擬技術(shù)估計成像參數(shù)，再對待匹配與參考影像進(jìn)行一致特征點提取及匹配并代入配準(zhǔn)變換模型估計魯棒性，最后精糾正待配準(zhǔn)的影像，得到配準(zhǔn)后結(jié)果。

2.1 參考影像模擬

本文根據(jù)待配準(zhǔn)影像的成像參數(shù)（RPC 參數(shù)），估算待配準(zhǔn)影像的地理范圍后從全球無縫影像庫和全球DEM 庫提取范圍內(nèi)的參考影像和DEM。利用影像模擬技術(shù)模擬待配準(zhǔn)影像RPC 參數(shù)，對參考影像和DEM 進(jìn)行模擬成像，生成角度、分辨率、地表形變與待配準(zhǔn)一致的影像，從而最大化消除影像分辨率、拍攝角度和地形起伏對影像匹配的影響。其中影像模擬中采用迭代法解決影像中光線和DEM 相交的問題。具體為獲取初始高程Z 作為DEM 的平均高程，得到對應(yīng)X,Y 坐標(biāo)，由上述坐標(biāo)基于DEM 更新高程Z，重復(fù)該過程直至高程Z 不變。

2.2 影像一致特征提取與匹配

利用基于相位一致性的特征匹配方法可獲取影像之間的連接點。具體步驟分別是特征點提取、特征描述符和特征點匹配。

2.2.1 特征點提取

特征點提取的具體步驟為：分別計算兩張影像所有像素的相位一致性大小得到影像的相位最小矩值。其次為保證特征點的均勻分布，對影像進(jìn)行分塊處理，設(shè)置閾值對每一塊影像的相位最小矩圖進(jìn)行非極大值抑制，提取出極大值點作為影像的特征角點。相位一致性模型是一種基于圖像局部相位的特征檢測方法，該模型對異源影像的處理具有很大優(yōu)勢。相位一致性可用對數(shù)Gabor 小波在多尺度空間計算[4]，公式為：

其中，

式中，PC(x,y)表示在像點(x,y)相位一致性的強(qiáng)度值，Wo(x,y)是加權(quán)項，Aso(x,y)為像點(x,y)在log Gabor 濾波器尺度s 和方向o上的振幅，ΔΦso(x,y)為相位偏移，T 為噪聲閾值，ε 是一個避免除數(shù)為零的常數(shù)，■」符號表示值為正時取本身，否則取0。

2.2.2 特征描述符

相位一致性模型能有效提取出影像的幾何形狀和結(jié)構(gòu)信息，對灰度值差異有良好的魯棒性。因此將利用相位一致性的強(qiáng)度和方向來構(gòu)建角點的特征描述符。

前文在特征點提取時，已獲得了影像相位一致性的強(qiáng)度。相位一致性的方向表示影像特征變化最劇烈的方向，利用多尺度、多方向Log Gabor 奇對稱濾波可完成目標(biāo)。本文將每個方向小波的卷積結(jié)果投影到水平方向和垂直方向上，計算每個尺度下的水平方向能量ai(i=1,2,...,S)和垂直方向能量bi(i=1,2,...,S)，分別找到兩個方向在所有尺度中能量最大所在的尺度sa和尺度sb，以其中較小的尺度作為最終方向計算的尺度s，在該尺度計算水平方向能量as和垂直方向能量bs的正切值作為相位一致性的方向，其計算公式如下：

為了對影像間的灰度變化差異有更好的魯棒性，將相位一致性方向限制在[0°，180°)。利用相位一致性的強(qiáng)度和方向信息描述點的特征，示意圖如圖1所示。

圖1：特征描述符構(gòu)建步驟

2.2.3 特征點匹配

當(dāng)兩幅圖像的特征向量生成后，利用關(guān)鍵點特征向量的歐式距離作為兩幅圖像中關(guān)鍵點的相似性判定度量。取圖像1 中的某關(guān)鍵點，并對應(yīng)圖像2 中歐式距離最近的前兩個關(guān)鍵點，若最近的距離與次近的距離比值少于某個比例閾值，則接受這一對匹配點。該比例閾值越小則匹配點數(shù)目較少，模型更加穩(wěn)定。其次基于影像上的匹配點必需滿足一一對應(yīng)關(guān)系的先驗知識，可以對匹配點進(jìn)行檢測，刪除“多對一”的匹配點。

2.3 配準(zhǔn)變換模型的魯棒估計

前文通過影像模擬消除了影像分辨率、拍攝角度和地形起伏，后續(xù)采用低階多項式對原始影像的姿態(tài)和定位誤差進(jìn)行補(bǔ)償。本文利用隨機(jī)采樣一致統(tǒng)計算法（RANSAC）[5]，從內(nèi)點支持率的角度找到最可能的正確變換。

3 實驗結(jié)果

本文使用GF-1 號全色及多光譜數(shù)據(jù)用于影像匹配。GF-1 衛(wèi)星搭載了2m 分辨率全色和8m 分辨率多光譜相機(jī)，幅寬為60KM，重返周期為4 天，覆蓋周期為41 天。實驗影像日期為2017年12月27日，參考影像時間戳為1453737601，轉(zhuǎn)換為北京UTC 時間為2016年1月26日。圖2 上側(cè)圖是未經(jīng)過配準(zhǔn)的城市多光譜影像，上側(cè)影像待匹配影像，下側(cè)為參考影像。下側(cè)圖是經(jīng)過本文配準(zhǔn)算法處理之后得到的結(jié)果。

圖2：未經(jīng)處理（上）與處理后的遙感影像（下）

在未經(jīng)過處理的影像中河流、道路等明顯地物之間均有明顯的錯位現(xiàn)象，不同時相影像耕地區(qū)域差異顯著。而在配準(zhǔn)處理后的兩幅影像中自然地物邊界及林地的紋理特征均可以達(dá)到較好的匹配，城市內(nèi)道路、河流等地物邊界均吻合度較高。即表明本文的長時序影像配準(zhǔn)方法具有較好的泛化能力。

4 結(jié)論

綜上所述，本文給出了一種針對不同時相影像的自動配準(zhǔn)技術(shù)。該方法利用已知參考影像庫數(shù)據(jù)構(gòu)建RPC 參數(shù)進(jìn)行影像模擬，采用相位一致性模型進(jìn)行特征點的提取與匹配，借助RANSAC 算法對誤差進(jìn)行補(bǔ)償，估計模型魯棒性并得到最優(yōu)變換，精糾正得到配準(zhǔn)結(jié)果。實驗結(jié)果表明，本文提出的自動配準(zhǔn)方法有效的克服影像間輻射差異的影響，匹配保留細(xì)節(jié)，對于長時序的異源影像有更強(qiáng)的泛化能力。