亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        耦合分水嶺與形態(tài)學(xué)的特殊紋理影像配準(zhǔn)算法

        2022-03-24 09:05:52臧麗日楊樹(shù)文申順發(fā)薛慶秦肖偉
        自然資源遙感 2022年1期
        關(guān)鍵詞:區(qū)域

        臧麗日, 楊樹(shù)文,2,3, 申順發(fā), 薛慶, 秦肖偉

        (1.蘭州交通大學(xué)測(cè)繪與地理信息學(xué)院,蘭州 730070; 2.地理國(guó)情監(jiān)測(cè)技術(shù)應(yīng)用國(guó)家地方聯(lián)合工程研究中心,蘭州 730070; 3.甘肅省地理國(guó)情監(jiān)測(cè)工程實(shí)驗(yàn)室,蘭州 730070)

        0 引言

        合成孔徑雷達(dá)(synthetic aperture Radar,SAR)獨(dú)特的成像優(yōu)勢(shì)和影像特征可以突破被動(dòng)式光學(xué)傳感器成像的限制[1],彌補(bǔ)了光學(xué)影像因天氣狀況等造成的對(duì)地觀測(cè)的間斷性等問(wèn)題。SAR影像與光學(xué)影像分別反映微波波段和可見(jiàn)光波段的輻射特性,通過(guò)融合技術(shù)可實(shí)現(xiàn)兩者之間的有效信息互補(bǔ),有利于對(duì)地表進(jìn)行全面的觀測(cè)和分析[2]。融合的前提是影像配準(zhǔn),以保證不同時(shí)間獲取2幅或多幅圖像的對(duì)齊和地理位置的一致性。然而,由于SAR影像與光學(xué)影像間存在較大差異,灰度信息完全不同,甚至難以通過(guò)視覺(jué)檢測(cè)到對(duì)應(yīng)的控制點(diǎn)。因此,如何有效地解決多模態(tài)影像配準(zhǔn)成為當(dāng)今遙感影像配準(zhǔn)領(lǐng)域的重要研究課題[3-4]。

        目前SAR影像與光學(xué)影像有效的配準(zhǔn)方法主要分為基于特征的方法和基于區(qū)域的方法?;谔卣鞯呐錅?zhǔn)方法是異源影像配準(zhǔn)時(shí)的有效方法之一,它通過(guò)匹配影像間的同名特征來(lái)實(shí)現(xiàn)影像的配準(zhǔn),如尺度不變特征變換(scale-invariant feature transform,SIFT)[5]、改進(jìn)的加速穩(wěn)健特征(speeded up robust features,SURF)[6]等。然而,Schwind等[7]經(jīng)過(guò)實(shí)驗(yàn)證明該類(lèi)經(jīng)典特征對(duì)同源影像間的配準(zhǔn)表現(xiàn)穩(wěn)定,而在異源配準(zhǔn)中表現(xiàn)并不理想。因此,在此基礎(chǔ)上Xiang等[8]于2018年提出了OS-SIFT算法,該算法構(gòu)建了2個(gè)不同的Harris空間提取點(diǎn)特征,采用類(lèi)局部梯度方向直方圖描述子描述特征點(diǎn)的結(jié)構(gòu)信息,在SAR影像與光學(xué)影像配準(zhǔn)中得到了一定的應(yīng)用,但無(wú)法完全避免非線性灰度差異,對(duì)影像的適用性有一定的限制。在此基礎(chǔ)上,李東宸等[1]提出均勻分布與結(jié)構(gòu)描述仿射尺度不變特征變換(affine SIFT,ASIFT)相結(jié)合的配準(zhǔn)算法,該方法相比于SAR-SIFT和傳統(tǒng)ASIFT算法具有更高的匹配成功率和配準(zhǔn)精度,但在獲取特征點(diǎn)過(guò)程中耗時(shí)較長(zhǎng),使得配準(zhǔn)算法效率不高。由此說(shuō)明,基于特征的方法對(duì)于灰度差異較大的異源影像來(lái)說(shuō),共有特征的獲取較為困難,算法運(yùn)行時(shí)間較長(zhǎng),因此使用此類(lèi)方法對(duì)SAR影像與光學(xué)影像配準(zhǔn)具有一定的局限性。

        基于區(qū)域的配準(zhǔn)方法是根據(jù)影像的灰度信息構(gòu)建相似性測(cè)度,以此識(shí)別影像之間的同名點(diǎn)并進(jìn)行匹配,從而實(shí)現(xiàn)影像配準(zhǔn)的過(guò)程。王志社等[9]曾提出了一種基于K均值聚類(lèi)分割的配準(zhǔn)方法,提取影像中的封閉輪廓并將其匹配后實(shí)現(xiàn)影像的配準(zhǔn),實(shí)驗(yàn)證明該方法不僅效率高,而且精度可以達(dá)到亞像素,避免了配準(zhǔn)時(shí)SAR影像噪聲的影響,但該算法適合分辨率較低的影像配準(zhǔn),對(duì)于高分辨率影像效果并不佳。此后,葉沅鑫等[2]構(gòu)建相位一致性方向直方圖作為測(cè)度,提出了一種基于幾何結(jié)構(gòu)屬性的配準(zhǔn)方法,有效地抵抗了SAR影像與光學(xué)影像間的非線性輻射差異,匹配性能更為魯棒; 楊勇等[10]基于影像中的感興趣區(qū),提出一種模板匹配約束下的配準(zhǔn)方法,在確保算法配準(zhǔn)精度的前提下有效節(jié)省算法運(yùn)算量,為多源影像間的匹配提供了有效的方法。由此可見(jiàn),使用單一傳統(tǒng)的配準(zhǔn)方法往往無(wú)法得到理想的配準(zhǔn)結(jié)果,上述方法均使用了混合模型,提出一些新的SAR影像與光學(xué)影像配準(zhǔn)思路,有效地解決了較大灰度差異帶來(lái)的誤配準(zhǔn)問(wèn)題。但由于SAR影像的特殊性,上述方法均適用于一組分辨率差異小的影像之間的配準(zhǔn),對(duì)于分辨率差異大,且影像中地物類(lèi)型繁雜的影像,仍未得到較好的配準(zhǔn)校正效果。

        鑒于此,本文將標(biāo)記控制分水嶺算法與數(shù)學(xué)形態(tài)學(xué)處理相結(jié)合,提出一種耦合圖像分割與配準(zhǔn)的特殊紋理SAR影像與光學(xué)影像自動(dòng)配準(zhǔn)算法。文中選用的特殊紋理為水體,雖然水體區(qū)域在2種影像中的灰度表現(xiàn)存在一定差異,但相對(duì)來(lái)說(shuō),灰度的分布都具有較好的一致性[9],且在2種影像中水體的范圍幾乎一致,適合作為2種影像中可共同提取的特征。適當(dāng)改進(jìn)標(biāo)記控制分水嶺算法使之可以精確提取影像中的水體區(qū)域,將得到的分割結(jié)果二值化后進(jìn)行形態(tài)學(xué)處理,得到只包含水體區(qū)域和非水體區(qū)域的二值圖像; 然后提取水體區(qū)域質(zhì)心用作粗配準(zhǔn),使用二值圖像配準(zhǔn)測(cè)度進(jìn)行精配準(zhǔn)步驟。將影像配準(zhǔn)轉(zhuǎn)化為二值圖像的配準(zhǔn),可有效解決尋找同名匹配點(diǎn)困難的問(wèn)題,在保證精度的同時(shí)大大減小算法計(jì)算量,提升算法效率。

        1 主要算法研究

        1.1 標(biāo)記控制分水嶺算法

        圖像分割是按照一定的原則,將圖像分為若干個(gè)互不相交的小區(qū)域的過(guò)程,是圖像處理中最為基礎(chǔ)的研究領(lǐng)域之一。目前存在多種分割方法,其中分水嶺算法作為一種基于區(qū)域的典型圖像分割算法,已在醫(yī)學(xué)圖像和模式識(shí)別等領(lǐng)域得到廣泛應(yīng)用。

        分水嶺分割算法是Vincent等[11]提出的一種基于拓?fù)淅碚摰臄?shù)學(xué)形態(tài)學(xué)分割方法。該算法易于實(shí)現(xiàn)、性能優(yōu)良,能夠較好地提取目標(biāo)輪廓,被廣泛應(yīng)用到圖像分割領(lǐng)域[12]。由于分水嶺算法是基于灰度與距離變換的結(jié)果尋找分割線,所以對(duì)噪聲非常敏感。圖1(a)為原始SAR影像,(b)為灰度的三維顯示圖,(c)為影像的Sobel梯度圖像,(d)為經(jīng)典分水嶺算法的分割結(jié)果。從圖中發(fā)現(xiàn),SAR影像存在豐富的紋理細(xì)節(jié)以及不可避免的噪聲,出現(xiàn)許多局部極小值點(diǎn),導(dǎo)致分割結(jié)果形成多個(gè)分水嶺,出現(xiàn)過(guò)度分割現(xiàn)象。部分學(xué)者嘗試將分割過(guò)程中的梯度圖像平滑后再進(jìn)行分水嶺變換,過(guò)度分割現(xiàn)象有所緩解,但仍然無(wú)法得到正確的分割結(jié)果。

        (a) 原始影像(b) 集水盆地顯示(c) 梯度圖像(d) 分水嶺算法過(guò)度分割

        為解決經(jīng)典分水嶺算法在地物類(lèi)型復(fù)雜的影像分割時(shí)帶來(lái)過(guò)度分割的問(wèn)題,Parvati等[13]提出一種標(biāo)記控制分水嶺算法。該算法是在分水嶺分割算法的基礎(chǔ)上,在分割過(guò)程中增加標(biāo)記控制而形成的一種語(yǔ)義分割算法。基本思想是利用附加知識(shí),在圖像中尋找前景標(biāo)記和背景標(biāo)記,來(lái)引導(dǎo)分水嶺算法進(jìn)行分割。標(biāo)記的加入,使得分水嶺分割算法更具魯棒性和準(zhǔn)確性,通常不會(huì)產(chǎn)生過(guò)度分割問(wèn)題。

        針對(duì)本文算法中需要精確提取影像中水體這一目的,對(duì)經(jīng)典標(biāo)記控制分水嶺算法在生成前景標(biāo)記和背景標(biāo)記部分進(jìn)行相應(yīng)改進(jìn),改進(jìn)算法的具體步驟為:

        1)首先將影像灰度化[14],其方法如式(1)所示。然后進(jìn)行直方圖均衡化,以增強(qiáng)對(duì)比度,使細(xì)節(jié)部分更清晰,即

        Gray=0.30R+0.59G+0.11B,

        (1)

        式中:Gray為灰度圖像;R,G,B分別為圖像的紅色、綠色和藍(lán)色分量。

        2)使用Sobel算子檢測(cè)梯度,得到梯度圖像G,其公式為:

        (2)

        式中Gx和Gy分別為水平梯度和垂直梯度。

        3)通過(guò)基于形態(tài)學(xué)重建[15]的開(kāi)閉操作對(duì)灰度圖像進(jìn)行去噪處理,重建濾波器的結(jié)構(gòu)如圖2所示。

        圖2 形態(tài)學(xué)重建濾波器

        4)提取重建后圖像的局部極小值作為前景標(biāo)記fgm。

        5)閾值分割后,提取相鄰區(qū)域間的分水嶺脊線作為背景標(biāo)記bgm。

        6)使用fgm和bgm修正梯度圖像,使梯度圖像在標(biāo)記處有局部極小值。

        7)對(duì)修正后的梯度圖像進(jìn)行分水嶺分割,得到最終的分割結(jié)果。

        改進(jìn)后的標(biāo)記控制分水嶺算法流程如圖3所示。

        與經(jīng)典的分水嶺分割算法相比,改進(jìn)后的標(biāo)記控制分水嶺算法提取結(jié)果精度較高,對(duì)于SAR影像和光學(xué)影像中水體區(qū)域的分割提取均有較好的效果。

        1.2 數(shù)學(xué)形態(tài)學(xué)處理

        1.2.1 水體區(qū)域準(zhǔn)確提取

        經(jīng)過(guò)標(biāo)記控制分水嶺分割后,對(duì)分割結(jié)果進(jìn)行二值化處理,將水體區(qū)域標(biāo)記為1,背景標(biāo)記為0,得到只包含水體區(qū)域和非水體區(qū)域的二值圖像。但是圖像噪聲和建筑物等其他陰影的存在,造成圖像中有一些孤立散點(diǎn),或者造成水體區(qū)域中存在孔洞。所以,首先對(duì)二值圖像進(jìn)行孔洞填充操作,然后進(jìn)行一次先膨脹再腐蝕的閉運(yùn)算操作,以此消除水體邊緣的孤立散點(diǎn)和孔洞,其中孔洞填充的原理為:

        Xk=(Xk-1⊕M)∩Nc,k=1,2,3,… ,

        (3)

        式中:k為迭代次數(shù);Xk為第k次填充后的孔洞;M為已知對(duì)稱結(jié)構(gòu)元;N為集合,其元素是8連通的邊界;Nc為N的補(bǔ)集; ⊕為形態(tài)學(xué)膨脹。

        經(jīng)過(guò)以上步驟處理的二值圖像,可以在保持水體區(qū)域的位置和形狀不變的同時(shí),填補(bǔ)區(qū)域內(nèi)由于噪聲產(chǎn)生的孔洞和邊緣毛刺,提取得到精確的水體區(qū)域。

        1.2.2 連通分量提取及計(jì)算質(zhì)心

        在二值圖像中,提取連通分量是許多圖像分析應(yīng)用的核心任務(wù)[16]。其原理是給圖像中的每個(gè)連通區(qū)域分配一個(gè)唯一編號(hào),輸出圖像中該連通區(qū)域內(nèi)的像素值均為該區(qū)域的編號(hào)值,提取連通分量的過(guò)程也是標(biāo)注連通分量的過(guò)程,可表示為:

        Xk=(Xk-1⊕B)∩A,k=1,2,3,…,

        (4)

        式中:Xk包含圖像中所有連通分量;B為一個(gè)適當(dāng)?shù)慕Y(jié)構(gòu)元;A為包含一個(gè)或多個(gè)連通分量的集合。

        在連通分量提取過(guò)程中,存在孔洞填充和閉運(yùn)算處理無(wú)法剔除的噪聲點(diǎn),算法會(huì)提取到許多小的連通分量,因此根據(jù)圖像大小,設(shè)置合適的閾值對(duì)這些小的連通分量進(jìn)行剔除。剔除完畢后,計(jì)算提取到的水體區(qū)域的質(zhì)心?;诖耍瑯?gòu)建完整的形態(tài)學(xué)處理流程步驟如圖4所示。

        圖4 形態(tài)學(xué)處理流程

        1.3 二值圖像配準(zhǔn)相似性測(cè)度

        在計(jì)算互信息和相關(guān)系數(shù)等相似性測(cè)度時(shí),會(huì)涉及到大量的乘法和對(duì)數(shù)運(yùn)算,雖然配合使用合適的尋優(yōu)搜索算法,但仍然存在計(jì)算量太大的問(wèn)題?;诖耍惴ㄊ褂靡环N適合于二值圖像配準(zhǔn)的相似性測(cè)度,只涉及邏輯運(yùn)算和加法運(yùn)算[17],以此提升配準(zhǔn)的效率。

        設(shè)基準(zhǔn)影像和待配準(zhǔn)影像提取水體后的二值圖像分別為R和F,當(dāng)具有空間變換參數(shù)T時(shí),2幅圖像的相似性測(cè)度S(T)的計(jì)算公式為:

        (5)

        式中:n為總像素?cái)?shù)。si的計(jì)算公式為:

        (6)

        由于式(6)等價(jià)于

        si(T)=R(i)FT(i),

        (7)

        故相似性測(cè)度S(T)的計(jì)算公式可等價(jià)為:

        (8)

        算法使用的相似性測(cè)度可導(dǎo),配準(zhǔn)時(shí)得到的測(cè)度曲線平滑、無(wú)局部極值出現(xiàn),且計(jì)算速度快,適合作為二值圖像配準(zhǔn)時(shí)使用的相似性測(cè)度。

        2 耦合分水嶺與數(shù)學(xué)形態(tài)學(xué)的配準(zhǔn)算法

        根據(jù)上述算法原理,本文將改進(jìn)標(biāo)記控制分水嶺算法與數(shù)學(xué)形態(tài)學(xué)處理相結(jié)合,提出一種耦合圖像分割與配準(zhǔn)的特殊紋理影像配準(zhǔn)算法,本文構(gòu)建的算法流程如圖5所示。具體算法步驟如下: ①對(duì)SAR影像與光學(xué)影像進(jìn)行預(yù)處理,其中SAR影像斑點(diǎn)噪聲大,采用Lee濾波及適當(dāng)?shù)睦焯幚?,以降低或消除相干斑噪聲的影響?②使用改進(jìn)后的標(biāo)記控制分水嶺算法分割2幅影像中的水體區(qū)域; ③將分割結(jié)果二值化,水體區(qū)域標(biāo)記為1,非水體標(biāo)記為0,得到只包含水體區(qū)域和非水體區(qū)域的二值圖像; ④對(duì)二值圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)孔洞填充和閉運(yùn)算處理,以此實(shí)現(xiàn)SAR影像和光學(xué)影像中水體區(qū)域的準(zhǔn)確提?。?⑤計(jì)算2幅二值圖像中水體連通分量的質(zhì)心,將其一一對(duì)應(yīng)匹配,以解決圖像間存在的大范圍偏移問(wèn)題,使其只存在局部平移和旋轉(zhuǎn)關(guān)系[10],以實(shí)現(xiàn)圖像間的粗配準(zhǔn); ⑥把二值圖像配準(zhǔn)的相似性測(cè)度,利用粒子群優(yōu)化(particle swarm optimization,PSO)算法,搜索得到使測(cè)度最大時(shí)的空間變換參數(shù),即最優(yōu)變換參數(shù)T; ⑦使用最優(yōu)變換參數(shù)T對(duì)待配準(zhǔn)SAR影像進(jìn)行空間變換,將其配準(zhǔn)到光學(xué)影像上,實(shí)現(xiàn)具有特殊紋理的SAR影像與光學(xué)影像的快速精確配準(zhǔn)。

        圖5 整體算法流程

        3 實(shí)驗(yàn)及結(jié)果分析

        為了驗(yàn)證耦合標(biāo)記控制分水嶺與形態(tài)學(xué)處理算法對(duì)SAR影像與光學(xué)影像配準(zhǔn)時(shí)的有效性,本文進(jìn)行了多組實(shí)驗(yàn)。實(shí)驗(yàn)環(huán)境: CPU為Intel(R) Core(TM) i7-10700,主頻為2.9 GHz,內(nèi)存為16 GB,操作系統(tǒng)為 Windows 10,軟件平臺(tái)為MATLAB 2019b。

        本文使用遙感影像數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn),分別驗(yàn)證改進(jìn)的標(biāo)記控制分水嶺算法提取水體的精度和整體影像配準(zhǔn)算法流程的精度與效率,并與多種圖像分割、配準(zhǔn)算法結(jié)果作對(duì)比,驗(yàn)證本文所提算法流程的有效性。圖6為實(shí)驗(yàn)所用的2組具有水體區(qū)域的SAR影像和光學(xué)影像數(shù)據(jù),其中圖6(a)和(c)為光學(xué)基準(zhǔn)影像,圖6(b)和(d)為與(a)和(c)同地區(qū)的待配準(zhǔn)SAR影像,表1為數(shù)據(jù)的詳細(xì)說(shuō)明。

        (a) GF-2影像(b) GF-3影像(c) Google Earth影像(d) Sentinel-1A影像

        表1 實(shí)驗(yàn)數(shù)據(jù)詳細(xì)說(shuō)明

        3.1 水體提取實(shí)驗(yàn)

        為了驗(yàn)證使用改進(jìn)的標(biāo)記控制分水嶺算法和形態(tài)學(xué)處理后,能否快速準(zhǔn)確地分割得到水體、非水體的二值圖像,本文分別采用最大類(lèi)間方差(Otsu)算法[18]、K均值(K-means)聚類(lèi)法、區(qū)域生長(zhǎng)法[19]與本文算法進(jìn)行對(duì)比實(shí)驗(yàn)。表2為4種不同算法進(jìn)行對(duì)比實(shí)驗(yàn)的分割結(jié)果,其中二值圖像均為經(jīng)過(guò)孔洞填充和閉運(yùn)算處理之后的結(jié)果。表3是對(duì)4種圖像分割算法的總體精度評(píng)定,包括算法的效率對(duì)比和精度評(píng)價(jià)。

        表2 對(duì)比實(shí)驗(yàn)分割結(jié)果

        表3 4種分割結(jié)果精度評(píng)價(jià)

        (續(xù)表)

        通過(guò)對(duì)表2和表3的對(duì)比分析表明: ①Otsu算法是通過(guò)類(lèi)間灰度方差最大化獲取最優(yōu)閾值,算法運(yùn)行速度在4種算法中的效率最高。但是對(duì)地物類(lèi)型復(fù)雜的遙感影像來(lái)說(shuō),Otsu的分割結(jié)果中出現(xiàn)大量斑點(diǎn),未經(jīng)形態(tài)學(xué)處理前,圖像內(nèi)的斑點(diǎn)更為繁雜,分割效果不理想; ②K-means法是模式識(shí)別中的經(jīng)典算法,但較Otsu法來(lái)講,其在效率和精度上均不占優(yōu)勢(shì),且出現(xiàn)很多錯(cuò)誤分類(lèi),4幅影像的平均準(zhǔn)確率只有57.82%; ③區(qū)域生長(zhǎng)法是依據(jù)圖像灰度值的相似性獲得分割區(qū)域,結(jié)果比較接近真實(shí)范圍。但是該算法在一定程度上依賴種子點(diǎn)的選取,如影像1中間部分,誤將部分道路也提取為水體,存在一定的誤差。且區(qū)域生長(zhǎng)法需要人工選取種子點(diǎn),不能滿足算法自動(dòng)提取水體的需求,另外該算法執(zhí)行速度較慢,平均耗時(shí)達(dá)到13.77 s,在4種算法中耗時(shí)最長(zhǎng)。

        綜合對(duì)比4種算法,本文算法分割精度最高,4幅影像平均分割準(zhǔn)確率高達(dá)97.15%,并且算法對(duì)細(xì)小水體也有較好的提取效果,如影像1左上角和影像4的右下角所示,可以得到較準(zhǔn)確的分割結(jié)果。且與精度相近的區(qū)域生長(zhǎng)法相比,本文算法在保證準(zhǔn)確度的同時(shí),運(yùn)行時(shí)間大大縮短。故綜合考慮算法效率和分割準(zhǔn)確度,本文算法提取SAR影像和光學(xué)影像的水體信息均有較好的效果,尤其是細(xì)小水體的提取,有助于快速精確地提取得到水體區(qū)域的二值圖像,為配準(zhǔn)做準(zhǔn)備。

        3.2 影像配準(zhǔn)實(shí)驗(yàn)

        為了驗(yàn)證本文耦合分水嶺與形態(tài)學(xué)的特殊紋理算法在SAR影像與光學(xué)影像配準(zhǔn)時(shí)的有效性,采用圖6(a)和(b)和圖6(c)和(d)作為2組實(shí)驗(yàn)影像,使用SAR影像配準(zhǔn)中的主流算法SAR-SIFT[20]、基于KAZE-HOG特征的異源影像匹配算法[21]以及梯度互信息配準(zhǔn)算法[22]與本文提出的特殊紋理SAR與光學(xué)影像配準(zhǔn)算法作對(duì)比,對(duì)比不同算法的精度和效率。

        使用SAR-SIFT算法對(duì)第一組影像配準(zhǔn)的實(shí)驗(yàn)結(jié)果如圖7所示。其中圖7(a)為光學(xué)影像檢測(cè)到的7 035個(gè)特征點(diǎn),圖7(b)為SAR影像檢測(cè)到的3 194個(gè)特征點(diǎn),匹配后所得結(jié)果如圖7(c)所示。從圖中可以發(fā)現(xiàn),SAR-SIFT算法無(wú)法找到正確匹配點(diǎn)對(duì)。使用該算法進(jìn)行多組SAR影像與光學(xué)影像的配準(zhǔn)實(shí)驗(yàn),均無(wú)法實(shí)現(xiàn)2幅影像正確匹配,可證明SAR-SIFT算法雖然能夠在SAR影像之間的配準(zhǔn)得到廣泛應(yīng)用,但對(duì)SAR影像與光學(xué)影像配準(zhǔn)是無(wú)效的。且算法需要對(duì)SAR影像進(jìn)行濾波處理,導(dǎo)致算法效率較低,該組實(shí)驗(yàn)的運(yùn)行時(shí)間達(dá)到264.41 s。

        使用基于KAZE-HOG特征的異源影像匹配算法對(duì)第二組影像進(jìn)行匹配實(shí)驗(yàn),結(jié)果如圖8所示。其中,圖8(a)為光學(xué)影像檢測(cè)到1 291個(gè)特征點(diǎn),圖8(b)為SAR影像檢測(cè)到842個(gè)特征點(diǎn),圖8(c)為匹配結(jié)果。從圖中發(fā)現(xiàn),該算法對(duì)SAR影像與光學(xué)影像配準(zhǔn)同樣不適用。對(duì)同一組影像進(jìn)行多次配準(zhǔn)實(shí)驗(yàn),發(fā)現(xiàn)算法獲得的匹配點(diǎn)不一致,證明該算法對(duì)SAR與光學(xué)影像來(lái)說(shuō),無(wú)法獲取到穩(wěn)定的特征點(diǎn)。

        (a) 光學(xué)影像特征點(diǎn) (b) SAR影像特征點(diǎn) (c) 特征點(diǎn)匹配結(jié)果

        截至目前,梯度互信息是SAR影像與光學(xué)影像配準(zhǔn)最有效的方法之一,因該方法將SAR影像與光學(xué)影像的灰度信息和空間結(jié)構(gòu)信息結(jié)合共同作為測(cè)度,且易于理解和實(shí)現(xiàn),算法的精度和效率均有較好的表現(xiàn)。因此,將梯度互信息配準(zhǔn)方法與本文提出的算法作對(duì)比,從視覺(jué)和參數(shù)分析2個(gè)層面對(duì)比算法性能。

        視覺(jué)層面,將2組實(shí)驗(yàn)影像分別用2種算法進(jìn)行配準(zhǔn)實(shí)驗(yàn),將配準(zhǔn)結(jié)果與原始影像進(jìn)行棋盤(pán)格鑲嵌,并且放大鑲嵌結(jié)果的相同區(qū)域進(jìn)行對(duì)比,結(jié)果如圖9所示。其中,圖9(a)和(b)中左側(cè)圖片為梯度互信息算法的鑲嵌結(jié)果,右側(cè)圖片為本文算法的配準(zhǔn)結(jié)果,中間圖片為左兩側(cè)對(duì)應(yīng)序號(hào)的放大圖。相較之下,梯度互信息總體配準(zhǔn)精度良好,未出現(xiàn)較大誤配問(wèn)題。但在細(xì)節(jié)部分的校正上,本文算法的精度有所提升,如圖9(a)和(b)中的③和④區(qū)域所示,鑲嵌結(jié)果的水體邊緣更平滑,整體影像的配準(zhǔn)效果也較好。因此,在視覺(jué)上表明了本文算法的有效性。

        (a) 第一組影像配準(zhǔn)結(jié)果鑲嵌顯示

        (b)第二組影像配準(zhǔn)結(jié)果鑲嵌顯示

        參數(shù)分析層面,以均方根誤差(root mean square error,RMSE)作為配準(zhǔn)精度的評(píng)價(jià)準(zhǔn)則,并且結(jié)合算法總體運(yùn)行時(shí)間,對(duì)4種算法得到的配準(zhǔn)結(jié)果進(jìn)行評(píng)價(jià),如表4所示。分析表4得知,SAR-SIFT算法和基于KAZE-HOG異源影像配準(zhǔn)算法的運(yùn)行時(shí)間較長(zhǎng),且未找到正確的匹配點(diǎn),無(wú)法完成SAR影像與光學(xué)影像間的配準(zhǔn)。梯度互信息法得到的配準(zhǔn)結(jié)果雖然在部分區(qū)域有誤配的情況存在,但總體算法運(yùn)行時(shí)間較短,精度較優(yōu),可用于SAR影像與光學(xué)影像的配準(zhǔn)。本文提出的配準(zhǔn)算法在4種算法中運(yùn)行時(shí)間最短、精度最高,誤差優(yōu)于一個(gè)像素,在保證配準(zhǔn)精度的同時(shí),聯(lián)合圖像分割與配準(zhǔn),得到一種新的SAR影像與光學(xué)影像配準(zhǔn)流程。圖9的視覺(jué)實(shí)驗(yàn)結(jié)果和表4的參數(shù)分析共同驗(yàn)證了算法的有效性和魯棒性,可以滿足SAR影像與光學(xué)影像自動(dòng)配準(zhǔn)的需求。

        表4 配準(zhǔn)方法定量比較

        4 結(jié)論

        針對(duì)SAR影像與光學(xué)影像配準(zhǔn)時(shí)效率較低和精度較差的問(wèn)題,本文耦合圖像分割與配準(zhǔn),提出了一種耦合分水嶺與形態(tài)學(xué)的特殊紋理影像自動(dòng)配準(zhǔn)算法。該算法充分考慮到SAR影像與光學(xué)影像之間的差異,通過(guò)對(duì)特殊紋理影像中水體特征區(qū)域的配準(zhǔn),從而實(shí)現(xiàn)整塊影像配準(zhǔn),解決了異源影像配準(zhǔn)時(shí)尋找同名匹配點(diǎn)困難的問(wèn)題。此外,算法的另一優(yōu)勢(shì)在于使用逐步求精的方法,即進(jìn)行粗配準(zhǔn)和精配準(zhǔn)2步,用粗配準(zhǔn)結(jié)果作為精配準(zhǔn)的前提,在保證精度的同時(shí)有效節(jié)省后續(xù)算法搜索量。

        通過(guò)水體提取實(shí)驗(yàn)和影像配準(zhǔn)實(shí)驗(yàn)可知,本文算法快速、有效,不僅可以精確提取SAR影像與光學(xué)影像中的水體區(qū)域,而且還成功應(yīng)用于影像之間的配準(zhǔn),具有較好的魯棒性,有效解決了灰度和分辨率差異大的SAR影像與光學(xué)影像自動(dòng)配準(zhǔn)的難題。然而,該算法的局限性在于算法僅適用存在一定范圍水體的影像,所以未來(lái)的研究將會(huì)考慮使用深度學(xué)習(xí)方法提取2類(lèi)影像中其他共性的特殊紋理,以此作為前提應(yīng)用于影像配準(zhǔn)。

        猜你喜歡
        區(qū)域
        分割區(qū)域
        探尋區(qū)域創(chuàng)新的密碼
        科學(xué)(2020年5期)2020-11-26 08:19:22
        基于BM3D的復(fù)雜紋理區(qū)域圖像去噪
        軟件(2020年3期)2020-04-20 01:45:18
        小區(qū)域、大發(fā)展
        商周刊(2018年15期)2018-07-27 01:41:20
        論“戎”的活動(dòng)區(qū)域
        區(qū)域發(fā)展篇
        區(qū)域經(jīng)濟(jì)
        關(guān)于四色猜想
        分區(qū)域
        公司治理與技術(shù)創(chuàng)新:分區(qū)域比較
        久久精品国产亚洲av四叶草| 国产在亚洲线视频观看| 视频网站在线观看不卡| 日韩一区二区三区熟女| 丰满少妇a级毛片| 中文字幕人妻中文av不卡专区| 欧美精品日韩一区二区三区 | 日韩精品久久久一区| 亚洲av第一区综合激情久久久| av在线免费高清观看| gv天堂gv无码男同在线观看| 狠狠狠色丁香婷婷综合激情| av男人操美女一区二区三区| 亚洲精一区二区三av| 精品免费看国产一区二区| 久久狠狠高潮亚洲精品暴力打 | 综合偷自拍亚洲乱中文字幕| 精品日韩欧美一区二区在线播放| 久久精品国产6699国产精| 国产精品丝袜美女久久| 国产成人精品久久亚洲高清不卡| 久久久久亚洲av无码专区网站| 色婷婷久久免费网站| 粉嫩人妻91精品视色在线看| 亚欧中文字幕久久精品无码| 日本VA欧美VA精品发布| 冲田杏梨av天堂一区二区三区| 国产在线播放一区二区不卡| 日日澡夜夜澡人人高潮| 无码不卡一区二区三区在线观看| 清纯唯美亚洲经典中文字幕| 真实国产乱子伦精品视频| 亚洲人成网站在线观看播放 | 国产黄色一区二区三区av| 亚洲午夜久久久久久久久久| 免费一级毛片在线播放不收费| 国产av一区二区三区国产福利| 久久午夜av一区二区三区| 又湿又黄裸乳漫画无遮挡网站| 久久久国产精品ⅤA麻豆百度| 国产在线观看午夜视频|