基于角點(diǎn)檢測(cè)的自動(dòng)點(diǎn)匹配算法

1、基于角點(diǎn)檢測(cè)的自動(dòng)點(diǎn)匹配算法徐琳 曹曉光 郁文霞（北京航空航天大學(xué)圖像處理中心 北京 100083）摘要 針對(duì)多光譜、多傳感器遙感圖像的自動(dòng)配準(zhǔn),本文提出了一個(gè)新的基于Harris角點(diǎn)檢測(cè)的高精度自動(dòng)點(diǎn)匹配算法。該算法充分利用了圖像的角點(diǎn)特征以及圖像灰度和位置信息，匹配過程中采用圓形模板進(jìn)行相似度計(jì)算和松弛匹配，并用全局一致性檢測(cè)保證匹配的精度。初步實(shí)驗(yàn)表明，本算法對(duì)于存在仿射變換的遙感圖像可以精確自動(dòng)匹配，其精度和速度都優(yōu)于傳統(tǒng)的點(diǎn)匹配算法。關(guān)鍵詞 角點(diǎn)檢測(cè) 點(diǎn)匹配 圓形模板 一致性檢測(cè) 仿射變換 A Point Matching Algorithm based on Corner Dete

2、ctionXu Lin Cao Xiaoguang Yu Wenxia（Image Processing Center, BeiHang University ,BeiJing,100083）Abstract For automatic registration of multi-spectral and multi-sensor remote sensing images, a new high accuracy point matching algorithm based on Harris corner detection is described in this paper. It m

3、akes full use of graphic point feature, gray-level pixel and location information. In the matching process, circular template is adopted to calculate similarity. Moreover, consistency checking method is used to make sure the matching accuracy. Experimental results on remote sensing image pairs with

4、affine geometric transform showed that the algorithm could do accurate automatic matching and it outperforms traditional point matching algorithms both in accuracy and running speed.Keywords Corner detection Point matching Circular template Consistency checking Affine transform1 引 言 點(diǎn)匹配是數(shù)字圖像處理的基本任務(wù)之

5、一，在遙感圖像處理中被廣泛應(yīng)用，目前常見的匹配算法主要有：基于灰度，基于特征和基于對(duì)影像理解和解釋等三種算法?；诨叶鹊钠ヅ渲庇^易懂，但速度慢、精度低；基于特征的匹配精度高但計(jì)算復(fù)雜。常用的角點(diǎn)匹配算法有常用的角點(diǎn)匹配算法有距離法、松弛標(biāo)記法、確定性退火算法以及迭代最近點(diǎn)算法()角點(diǎn)是像素點(diǎn)在其鄰域內(nèi)的各個(gè)方向上灰度變換值足夠高的點(diǎn)4。它是一種非常重要的圖像點(diǎn)特征，包含了圖像中比較豐富的二維結(jié)構(gòu)信息，又被稱為“興趣點(diǎn)”或特征點(diǎn)算子。針對(duì)空間上存在仿射差異(位移、旋轉(zhuǎn)、縮放)的兩幅多光譜遙感圖像，本文給出了基于Harris算子的角點(diǎn)檢測(cè)和自動(dòng)點(diǎn)匹配算法。本文提出的一直灰度匹配和特征匹配相結(jié)合的算

6、法。該算法充分利用了角點(diǎn)鄰域灰度信息和仿射變換前后角點(diǎn)的位置信息，以達(dá)到自動(dòng)配準(zhǔn)的目的，對(duì)于同時(shí)存在平移、縮放、旋轉(zhuǎn)變換的圖像具有較高的匹配精度。本文算法主要思路：首先由Harris算子檢測(cè)得到待匹配的角點(diǎn)集合，隨后采用局部灰度相關(guān)進(jìn)行粗匹配得到多對(duì)多匹配對(duì)，然后進(jìn)行松弛迭代由精匹配得到一對(duì)一的匹配對(duì)，最后利用角點(diǎn)間距離比進(jìn)行全局一致性檢測(cè)，進(jìn)一步保證匹配的準(zhǔn)確率。2 Harris算子Harris4，具有計(jì)算簡(jiǎn)單、提取的角點(diǎn)特征均勻合理、可以定量提取特征點(diǎn)以及算子穩(wěn)定的特點(diǎn)。其處理過程表示如下： （1） （2）其中，為方向的梯度， 為方向的梯度，為高斯模板，為矩陣的行列式，為矩陣直跡，為默認(rèn)常

7、數(shù)。矩陣中每一點(diǎn)的元素值對(duì)應(yīng)于原圖相應(yīng)點(diǎn)的興趣值。3 角點(diǎn)匹配3.1 角點(diǎn)粗匹配粗匹配是利用角點(diǎn)附近的灰度信息，用相關(guān)的方法，建立一個(gè)局部匹配的準(zhǔn)則，將Harris算子檢測(cè)結(jié)果(兩個(gè)角點(diǎn)集合)，劃分為多對(duì)多匹配對(duì)。圖像A中角點(diǎn)和圖像B中角點(diǎn)的相似程度的度量采用互相關(guān)，相關(guān)系數(shù)定義為：（3）（）和（）分別是圖像A（B）在點(diǎn)p (q)附近的局部均值和方差，n為角點(diǎn)鄰域半徑。為提高搜索速度同時(shí)保證計(jì)算精確度，圖像A中角點(diǎn)p的鄰域取圓域：中心為p點(diǎn)，半徑為。在圖像B中找到與A中p點(diǎn)具有相同坐標(biāo)點(diǎn)的矩形搜索區(qū)域：尺寸為2du×2dv。對(duì)于搜索區(qū)中每一角點(diǎn)q，按公式（3）計(jì)算p與q的相似度。3.

8、2 角點(diǎn)精匹配傳統(tǒng)點(diǎn)匹配方法不考慮周圍點(diǎn)的匹配結(jié)果一致性，本文參考張遷5等人的算法,采用松弛匹配先利用對(duì)稱性計(jì)算鄰域內(nèi)其他角點(diǎn)對(duì)該角點(diǎn)的支持強(qiáng)度，再由迭代將粗匹配結(jié)果（多對(duì)多匹配對(duì)）精確為最終的一對(duì)一匹配結(jié)果，即精匹配結(jié)果。精匹配過程歸納如下：假設(shè)為一個(gè)正確匹配對(duì)， 為周圍角點(diǎn)支持范圍（中心，半徑為R的圓域）。對(duì)于中所有的支持的角點(diǎn)，（對(duì)應(yīng)的匹配對(duì)），定義支持強(qiáng)度為： （4）取中的最大支持強(qiáng)度，再由雙向僅僅考慮匹配性，最終候選匹配對(duì)的匹配強(qiáng)度為： （5）考慮對(duì)稱性，有S(Ai, Bj) S(Bj, Ai,)，如果它們的值為零，說明沒有得到鄰域角點(diǎn)的支持，不是匹配對(duì)。3.3 一致性檢測(cè)由于遙感圖

9、像在成像時(shí)的姿態(tài)與投影中心的影響，圖像中部分區(qū)域可能會(huì)產(chǎn)生扭曲和畸變，在粗匹配階段計(jì)算局部相關(guān)性時(shí)就導(dǎo)致了錯(cuò)誤匹配對(duì)的產(chǎn)生1。實(shí)驗(yàn)表明, 這些錯(cuò)誤匹配對(duì)在精匹配時(shí)無法去除，且其存在會(huì)影響配準(zhǔn)結(jié)果的可靠性，但這些錯(cuò)誤匹配對(duì)數(shù)量是少量的，不超過5%。一致性檢測(cè)的原理基于這樣的事實(shí)：任一線段在仿射變換前后的比是變換的縮放比。精匹配后得到的對(duì)應(yīng)包含個(gè)匹配點(diǎn)的集合和，它們是一一對(duì)應(yīng)的。那么對(duì)應(yīng)的線段比值，這樣的線段比共有n(n-1)/2對(duì)。當(dāng)所有點(diǎn)都是物理對(duì)應(yīng)點(diǎn)時(shí)， n(n-1)/2個(gè)比值都是一樣的，或者說比值是接近的。一致性檢測(cè)首先對(duì)所有線段比值數(shù)據(jù)進(jìn)行分級(jí)聚類。聚類結(jié)果中若某一類樣本個(gè)數(shù)大于3且遠(yuǎn)大

10、于其他類的樣本個(gè)數(shù)，則稱該類為一致性數(shù)據(jù)。實(shí)驗(yàn)表明，聚成3類時(shí)，就可以得到一致性數(shù)據(jù)。通過處理線段比值矩陣，迭代刪除偽匹配對(duì)。最后，將一致性數(shù)據(jù)對(duì)的匹配點(diǎn)作為基元控制點(diǎn)輸出。4 實(shí)驗(yàn)參數(shù)設(shè)置及結(jié)果分析用本文的算法來檢測(cè)多光譜影像的配準(zhǔn)，實(shí)驗(yàn)數(shù)據(jù)截取自兩種典型衛(wèi)星遙感圖像相應(yīng)的波段： ETM (PAN)與ASTER（Band1），大小都為512×512像素，分辨率都為15米。 (a)圖A (b)圖B圖1 Harris角點(diǎn)檢測(cè)后的圖像圖1（a）為參考圖：ETM(PAN)；圖1（b）為待配準(zhǔn)圖：Aster（Band1）。兩幅圖之間存在位移、旋轉(zhuǎn)和輕微變形，圖A中存在帶狀噪聲干擾。Harri

11、s算子檢測(cè)結(jié)果即角點(diǎn)用標(biāo)注。本算法各步驟的參數(shù)設(shè)置：Harris角點(diǎn)檢測(cè)：高斯低通濾波器的模板的大小為4×4，標(biāo)準(zhǔn)差0.8，興趣值閾值5000，非最大抑制鄰域半徑5；粗匹配：=5像素，對(duì)應(yīng)搜索范圍和分別被設(shè)為圖像B的寬度和高度的。閾值0.8；精匹配： R為圖像寬度和高度較小者；一致性檢測(cè)：按距離比大小聚成3類。表1 各階段角點(diǎn)數(shù)目表步驟圖A角點(diǎn)數(shù)圖B角點(diǎn)數(shù)Harris角點(diǎn)檢測(cè)986 815精匹配328328一致性檢測(cè)302302注：表中Harris角點(diǎn)檢測(cè)中圖A和圖B的數(shù)目差異是由于圖A中帶狀噪聲干擾。 (a)圖A局部 (b) 圖B局部圖2 精匹配和一致性檢測(cè)結(jié)果精匹配后正確的角點(diǎn)對(duì)

12、用方塊標(biāo)注，一致性檢測(cè)后去掉的錯(cuò)誤匹配對(duì)用圓圈出。作為對(duì)比，本文同時(shí)應(yīng)用傳統(tǒng)的點(diǎn)匹配策略：Hu不變矩6測(cè)度，來檢測(cè)圖像中對(duì)應(yīng)的角點(diǎn)匹配對(duì)。向量矩的方法可以在一定程度上避免圖像旋轉(zhuǎn)等因素的影像，但是7個(gè)向量矩在計(jì)算過程中運(yùn)算量很大，也只利用了局部信息，沒有考慮全局位置信息，用于不同傳感器的圖像配準(zhǔn)，準(zhǔn)確率仍然不高。而采用本算法是充分利用了圖像的信息，得到了較好的結(jié)果，對(duì)比結(jié)果見表2。表2 結(jié)果對(duì)比表方法Hu不變矩本文匹配正確率（%）85 93.4運(yùn)行時(shí)間（s）35.817.45 結(jié)論本文在整個(gè)點(diǎn)匹配算法中不同階段采取不同策略，縮短運(yùn)行時(shí)間；同時(shí)使用圓形窗口和一致性檢測(cè)，保證計(jì)算精度。算法雖充分利

13、用了圖像的灰度信息和角點(diǎn)位置信息，但沒有利用到形狀等區(qū)域信息和光譜信息，因此，存在大范圍噪聲的圖像對(duì)本文的計(jì)算有一定的干擾，會(huì)增加計(jì)算量。在以后的工作中需要改進(jìn)以進(jìn)一步提高運(yùn)算速度和準(zhǔn)確率。參考文獻(xiàn)1. 孫家抦,遙感原理與應(yīng)用,武漢大學(xué)出版社, 2003.2,ISBN 7-307-03765-3.2. Xu Jianbin, An efficient rotation-invariance remote image matching algorithm based on feature points matching, Geoscience and Remote Sensing Symposi

14、um, IEEE International, Volume 1, 25-29, July 2005: 647 -649.3. Yu Rong, An Efficient Point Matching Algorithm of Remote Sensing Image Based on Dynamic Template, Geoscience and Remote Sensing Symposium, IEEE International, Volume 6, 25-29, July 2005: 3864-3866.4. Harris C and Stephens M. A combined corner and edge detector. Proceedings of the