基于SIFT的多时相星载SAR图像特征点自动匹配

第34卷第1期2009年1月测绘科学Science of Surveying and M app ingVol134No11Jan1作者简介:刘秀芳(19722),女,助理研究员,硕士,1997年毕业于东北师范大学物理系,目前主要从事S AR图像地理编码、S AR图像后处理方面的研究。

E2mail:　xfliecas@sina1com1cn收稿日期:2007208217基金项目:国家863计划资助项目(编号:2006AA12Z149)基于S I FT的多时相星载SAR图像特征点自动匹配刘秀芳,尤红建(中国科学院电子学研究所,北京　100080)【摘　要】S AR图像配准是实现多时相图像监测的前提,但是由于S AR图像的斑点噪声、成像机理的特殊性,使得采用常规的特征匹配方法很难实现S AR图像的自动配准。

本文在介绍旋转尺度不变特征(SI FT)提取特征点原理的基础上,利用SI FT方法对两个时相星载S AR图像存在不同的旋转角和分辨率存在差异进行了特征点提取和自动匹配试验,图像特征点自动匹配的有效率达到70%以上,结果表明提取SI FT特征点进行多时相S AR图像自动匹配是基本可行的。

【关键词】SI FT;星载S AR;自动匹配【中图分类号】TP75 【文献标识码】A 【文章编号】100922307(2009)0120043203DO I:1013771/j1issn11009223071200910110121　引言遥感图像的配准是进行图像融合和变化检测的基础,目前比较好的处理方法由粗到精的半自动配准方法,即是人工选择少量的同名点实现粗配准,在此基础上在根据同名点匹配进行精配准[1]。

遥感图像的完全自动配准一直是人们努力实现的目标,尽管提出了一些方法[2～5],但是应用中总存在一定的限制和要求,例如有的配准方法要求图像分辨率相同、有的方法要求图像上具有明显的线性结构特征或封闭区域。

近年来计算机视觉和模式识别领域出现了一种比较成熟的基于尺度空间、对图像缩放和旋转甚至仿射变换保持不变性的图像局部特征描述算子的自动匹配方法—SI FT算法,SI FT算法由D1G1Lowe于1999年首先提出[6],并于2004年得到完善[7]的算法。

后来Y1Ke将其描述子部分用PC A代替直方图的方式[8]进行了改进,减少了计算量。

国内李晓明最早将SI FT算法应用于遥感图像的自动配准进行了研究[9],着重试验了光学遥感图像的自动配准,对S AR图像只是分析了S AR干涉图像的自动配准,并没有对SI FT应用于S AR图像的自动配准进行深入研究。

由于SI FT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。

为此我们对SI FT方法应用于S AR图像的特征点自动匹配进行了研究。

第2部分介绍了SI FT的基本原理和算法步骤,第3部分给出了通过SI FT方法计算两个时相星载S AR图像同名点对的试验,最后给出了结论。

2　S I FT算法原理SI FT方法是一种提取图像局部特征的有效算法,它能够在尺度空间内寻找到一些极值点,对图像的亮度、平移、旋转、尺度变化具有较强的适应性,利用特征点周围图像提取该特征点的特征描述符,从而可以在特征描述符之间进行匹配。

SI FT方法的主要步骤包括了:尺度空间和降采样图像的形成、尺度空间极值点的检测、特征点的精确定位,特征点方向参数生成、特征点描述符的形成[7]。

1)图像尺度空间和降采样图像生成尺度空间理论目的是为了模拟图像的多尺度特征,高斯卷积核是实现尺度变换的惟一线性核,二维图像的尺度空间定义为:L(x,y,σ)=G(x,yσ)×I(x,y)(1)其中G(x,y,σ)是尺度可变高斯函数,(x,y)是图像的空间坐标,而σ是尺度坐标,即:G(x,y,σ)=12πσ2e-(x2+y2)/2σ2(2)为了在尺度空间上检测到稳定的特征点,需要采用高斯差分尺度空间(DOG),即将不同尺度的高斯差分核和图像进行卷积。

D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))×I(x,y)=L(x,y,kσ)-L(x,y,σ)(3)DOG算子计算比较简单,是对尺度归一化LoG算子的一种近似。

为了实现特征点对图像尺度的不变性,需要对图像进行分辨率的降采样,从而构建图像金字塔,这样图像按照降采样分成若干组,每组再采用高斯尺度卷积形成若干层,下一组的图像由上一组图像经过降采样生成。

2)尺度空间极值点的检测若要寻找尺度空间中存在的极值点,就需要把每个采样点要和它周围所有的相邻点进行比较,即判读它是否比图1　S I FT特征的算法流程周围图像域和尺度域的相邻像素点大或者小。

每个检测点不仅需要和它同尺度的8个邻域点比较,还要和它上下两个相邻尺度内对应的9×2个点共26个点进行比较,以保证在尺度空间及图像空间都能检测到极值点。

3)极值点位置的精确确定为了精确定位极值点的位置,需要采用三维二次函数的拟合,以达到亚像素的定位精度,此外还需要去除对比度比较低的特征点以及不稳定边缘响测绘科学 第34卷应点,以实现匹配稳定、抗噪声的要求。

4)特征点主方向的提取利用特征点周围图像的梯度方向分布统计来确定特征点的特征主方向,使得SI FT 算子具有旋转不变的性能。

计算时需要对特征点为中心的窗口图像进行采样,根据直方图统计窗口图像内所有像素的梯度方向。

梯度直方图统计范围是0～360度,直方图的峰值就代表了该特征点处邻域梯度的主方向,用该数值作为特征点的主方向。

在梯度方向直方图中,如果存在另一个峰值,且该峰值相当于主峰值80%,可以把这个方向看作特征点的辅方向。

一个特征点可以提取多个方向(例如一个主方向和一个辅方向),大大增强特征点匹配时的鲁棒性。

提取的图像特征点有三个信息:所在的位置、尺度和主方向。

5)特征点描述符生成为了使特征点匹配具有旋转不变性,需要将图像的坐标轴旋转至特征点的主方向,然后再以特征点为中心取一定大小的窗口图像。

图2　特征点的描述符[7]图2的左部分中心为当前特征点的位置,而每个小方格表示该特征点窗口图像所在尺度空间的一个像素,箭头的方向则代表该像素的梯度方向,箭头的长度代表了梯度的大小,圆圈代表了高斯加权的范围,越靠近特征点,像素梯度方向的贡献也就越大。

在每4×4的小块内计算出八个方向的梯度方向直方图,并统计每个梯度方向的累计值,得到一个种子点,如图2的右部分所示。

图中一个特征点由2×2共4个种子点构成,每个种子点会有8个方向的向量值。

采用了邻域方向统计和加权,一方面增强了算法抗噪声的能力,另一方面对定位误差的特征匹配提供了较好的稳健性。

为了进一步增强特征匹配的鲁棒性,可以对每个特征点使用4×4共16个种子点的方式进行特征描述,每个特征点可以产生128维的特征数据,即128维的SI FT 特征向量。

此时SI FT 特征向量已经去除了图像尺度、旋转等几何变形的影响,如果对特征向量进行长度归一化,就可以进一步去除图像灰度变化的影响。

3　基于S I FT 特征向量的特征点自动匹配对两个时相的星载S AR 图像分别提取SI FT 特征点和其特征描述符向量后,就可以根据特征匹配进行星载S AR 图像的特征点的自动匹配。

具体匹配时可以采用特征描述符向量的距离作为两幅图像中特征点的相似性判定标准,有多种距离可以衡量两个特征之间的差别,最常用的是采用欧氏距离进行计算:D is i ,j =∑k =nk =0(Xi-X j )2(4)式中,X i 表示第1副图像中的第i 个特征点的特征向量,X j 第2副图像中的第j 个特征点的特征向量。

首先对于第一副图像的特征向量,计算它与第二幅图像特征向量集合中每一个特征向量的欧氏距离,得到距离集合,然后对距离集合按照大小进行排序,从中提取最小距离和次最小距离;最后通过比较最小距离和次最小距离的比值,判定改比值和阈值的关系。

如果最小的距离和次小的距离比值大于事先设定的阈值,则接受这一对匹配点。

阈值越大,则SI FT 匹配点数目会减少,但更加稳定,在应用星载S AR 图像的匹配试验中一般取比例阈值为210～310。

4　基于S I FT 的SAR 图像特征点自动匹配试验为了检验SI FT 特征算法对多时相S AR 图像的特征点自动匹配效果,我们获取了两副Radarsat 21星载S AR 图像,反映的是越南四月与八月的水稻生长情况,分别是1999年4月4日和8月2日的两个时相图像S AR 图像,图像分辨率为20m 。

采用VC ++610编程分别提取图像的SI FT 特征点,在此基础上根据特征点的128维特征描述符进行欧氏距离的匹配,给出匹配的点对。

为了检验SI FT 算法对图像尺度和旋转时的匹配情况,我们对时相2的图像进行了不同的旋转角度、不同分辨率的试验,试验结果见表1。

但是当图像分别率之比为1/4时甚至更大几乎不能正确进行特征点的匹配,也就很难进行图像的配准了。

表1　两个时相SAR 图像特征点自动匹配的情况序号两个时相图像的尺度和旋转变化情况匹配的点对数量错误点对数量匹配点对的正确率1图像分辨率相同、没有旋转角27292%2图像分辨率相同、有+5度旋转角120100%3图像分辨率相同、有+10度旋转角190100%4图像分辨率相同、有+15度旋转角16194%5图像分辨率相同、有+20度旋转角270100%6图像分辨率相同、有+25度旋转角10190%7图像分辨率相同、有+30度旋转角20290%8图像分辨率相同、有+35度旋转角14286%9图像分辨率相同、有+40度旋转角170100%10图像分辨率相同、有+45度旋转角11282%11图像分辨率相同、有25度旋转角12192%12图像分辨率相同、有210度旋转角190100%13图像分辨率相同、有215度旋转角60100%14图像分辨率相同、有220度旋转角220100%15图像分辨率相同、有225度旋转角11282%16图像分辨率相同、有230度旋转角20290%17图像分辨率相同、有35度旋转角9189%18图像分辨率相同、有40度旋转角20385%19图像分辨率相同、有45度旋转角110100%20图像分辨率之比2/3、没有旋转角230100%21图像分辨率之比2/3、有+25度旋转角8187%22图像分辨率之比2/3、有225度旋转角16287%23图像分辨率之比2/3、有+45度旋转角80100%24图像分辨率之比2/3、有245度旋转角13192%25图像分辨率之比1/2、没有旋转角10280%26图像分辨率之比1/2、有+25度旋转角4175%27图像分辨率之比1/2、有225度旋转角6183%28图像分辨率之比1/2、有+45度旋转角50100%29图像分辨率之比1/2、有245度旋转角4175%从表中可以看出对于两幅不同时相的S AR 图像具有较好的匹配正确率。