第２５卷第７期 ２００４年７月 小型微型计算机系统 ＭＩＮＩ—ＭＩＣＲ０ ＳＹＳＴＥＭＳ Ｖ０１．２５ Ｎｏ．７
Ｊｕｌｙ ２００４
种遥感影像的自动配准方法 张 迁ｈ。，刘政凯 ，庞彦伟 ，李 威 （中国科学技术大学电子工程与信息科学系，安徽合肥２３００２７） ２（安徽省测绘总院，安徽合肥２３００３１）
摘 要：图像配准技术是图像融合、图像镶嵌以度影像三雏重建的基础．提出了一种基于ＳＵＳＡＮ（Ｓｍａｌｌｅｓｔ Ｕｎｉｖａｌｕｅ Ｓｅｇｍｅｎｔ Ａｓｓｉｍｉｌａｔｉｎｇ Ｎｕｃｌｅｕｓ）算子的图像配准方法．利用ＳＵＳＡＮ算子提取两幅图像的角点，通过粗匹配和细匹配两 个步骤得到匹配角点对．根据这些角点对对图像配准．试验表明该方法能有效的实现影像自动配准． 关键词：特征提取；ＳＵＳＡＮ算法；图像纠正；图像配准 中圈分类号：ＴＰ３９ 文献标识码；Ａ 文章编号：ｉ０００—１２２０（２００４）０７一ｌ１２９—０３
Ｍｅｔｈｏｄ ｏｆ Ａｕｔｏｍａｔｉｃ Ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅ ＺＨＡＮＧ Ｑｉａｎ ，ＬＩＵ Ｚｈｅｎｇ—ｋａｉ ，ＰＡＮＧ Ｙａｎ—ｗｅｉ ，ＬＩ Ｗｅｉ Ｌ（Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ．Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ．Ｈｅ ｉ ２３００２７，Ｃｈｉｎａ） ２（Ｇｅｎｅｒａｌ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｓｕｒｖｅｙｉｎｇ ａｎｄ Ｍａｐｐｉｎｇ Ａｎｈｕｉ Ｐｒｏｖｉｎｃｅ，Ｈｅ ｉ ２３００３１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ ｌ Ｔｈｅ ｔｅｃｈｎｉｑｕｅ ｏｆ ｉｍａｇｅ ｍａｔｃｈｉｎｇ ｉｓ ｔｈｅ ｂａｓｉｓ ｏｆ ｉｍａｇｅ ｆｕｓｉｏｎ，ｉｍａｇｅ ｍｏｓａｉｃ ａｎｄ ｓｃｅｎｅ ３Ｄ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ．Ａ ｎｏｖｅｌ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ＳＵＳＡＮ ｏｐｅｒａｔｏｒ ｉｓ ｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｃｏｒｎｅｒ ｐｏｉｎｔｓ ａｒｅ ｅｘｔｒａｃｔｅｄ ｕｓｉｎｇ ＳＵＡＮ ｏｐｅｒａｔｏｒ．Ｔｈｅｎ ｍａｔｃｈｅｄ ｃｏｒｎｅｒ ｐａｉｒｓ ａｒｅ ｓｅｌｅｃｔｅｄ ｔｈｒｏｕｇｈ ｃｏａｒｓｅ ｍａｔｃｈｉｎｇ ａｎｄ ｆｉｎｅ ｍａｔｃｈｉｎｇ．Ｂａｓｅｄ ｏｎ ｓｕｃｈ ｐｏｉｎｔｓ ｐａｉｒｓ，Ａｅｒｏｐｈｏｔｏｓ ａｒｅ ｒｅｇｉｓｔｅｒｅｄ ａｕｔｏｍａｔｉｃａｌｌｙ． Ｋｅｙ ｗｏｒｄｓ：ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ；ＳＵＳＡＮ ａｌｇｏｒｉｔｈｍ；ｉｍａｇｅ ｒｅｃｔｉｆｉｃａｔｉｏｎ；ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ
１ 引 言 图像配准是图像分析和处理的基本问题．是遥感影像分 析、遥感影像自动制图、三维重构等方面的关键技术之一．图 像配准就是建立两幅图像之间的对应关系，确定相应几何变 换，对两幅图像的同一目标进行匹配．自动配准方法通常可以 分为两大类：基于区域（ａｒｅａ—ｂａｓｅｄ）的方法和基于特征（１ｅａ— ｔｕｒｅ—ｂａｓｅｄ）的方法 ． 基于区域的方法将一幅图像上的小窗口内像素与另一个 图像上同样尺寸窗口傲统计比较．通常选用归一化的互相关 作为测度，然后将满足条件的窗口中心作为控制点用于求解 两幅图像之间的变换参数［２］．基于特征的方法是根据两幅图 像的相同特征的几何关系计算配准参数，因此这类方法首先 要提取边缘、点、线、曲率、矩、面积等特征［３］． 本文提出了一种基于特征的配准方法．该方法的特点之 是使用了ＳＵＳＡＮ算子提取图像的角点（ｃｏｒｎｅｒ）．和传统特 征提取算子相比它具有精确、抗噪声和高速的特点ｎ］．对检测 出的角点，通过粗匹配和细匹配两个步骤得到匹配角点对．最 后根据这些角点对对图像配准．试验表嘎该方法能较好地完 成序列航空影像的自动配准．
２方法概述 算法流程如图１所示．对输入的两幅图像分别用ＳＵ ＳＡＮ算子提取角点，通过局部相关得到候选匹配角点对，然 置 Ｎ—ｉｌ 豳一圜一圈一固
图１算法流程 Ｆｉｇ．１ Ｂｌｏｃｋ ｏｆ ａｌｇｏｒｉｔｈｍ
后用松弛算法做精确匹配．最后根据这些角点对的几何关系， 做图像配准．其中两个关键技术是角点的提取和匹配． 下面介绍ＳＵＳＡＮ算法．
３ ＳＵＳＡＮ算法 ３．１ ＳＵＳＡＮ算法思想 为了说明ＳＵＡＮ算法的思想，以图２的简单二值图像为 例．如图２所示，在白色背景下有一个黑色矩形区域．圆形模 板（中央像素称为核）位于图像中五个不同位置．比较模板内 像素的亮度与核的亮度之间的大小关系，与核的亮度相同的 像素数目之和定义为模板的面积．这个面积就称为ＵＳＡＮ （Ｕｎｉｖａｌｕｅ Ｓｅｇｍｅｎｔ Ａｓｓｉｍｉｌａｔｉｎｇ Ｎｕｃｌｅｕｓ）．··
收穑日期：２００２—１１—０８基金项目；国家“九五”重点科技攻关（９６－－Ｂ０２—０１—０５）资助。 作者简介 张迁，高级工程师，博士研究生，主要研究 方向为遥感图像处理，计算机视觉、模式识别；刘政凯，教授，博士生导师，主要研究遥感图像处理，神经网络、模式识别、多媒体通信及远程教育 等；庞彦伟．博士研究生．主要研究方向计算机视觉，模式识别等．
维普资讯 http://www.cqvip.com １１３Ｏ 小型微型计算机系统 ２００４年 图２的模板面积在图３中用白色表示． 观察图３中的各个模板，容易发现， （１）当核位于平坦区域时（１ｌｐ模板ｅ），ＵＳＡＮ面积最大； （２）当核位于一条直线边缘附近时（１ｉｐ模板ａ），ＵＳＡＮ面 积减少； （３）当核恰好位于直线边缘上时（即模板ｂ），ＵＳＡＮ面 积减半； （４）当恰好位于核位于角点（二维特征）上时，ＵＳＡＮ面 积仅是（１）的四分之一． 总之，ＵＳＡＮ模板运算后得到的是ＵＳＡＮ面积，ＵＳＡＮ 面积越小，表明当前点是特征点的可能越大，也即输出图像增 强了特征点，而且对二维特征（如角点）的增强程度要大于对 维特征（直线边缘）的增强．因此将这种算法成为ＳＵＳＡＮ （Ｓｍａｌｌｅｓｔ Ｕｎｉｖａｌｕｅ Ｓｅｇｍｅｎｔ Ａｓｓｉｍｉｌａｔｉｎｇ Ｎｕｃｌｅｕｓ）算法．
图２ 图像上不同位置上的圆形模板 Ｆｉｇ．２ Ｃｉｒｃｕｌａｒ ｔｅｍｐｌａｔｅ ｏｆ ｄｉｆｆｅｒｅｎｔ ｐｏｓｉｔｉｏｎ
ＳＵＳＡＮ边缘、角点增强的特点： （１）对角点的增强大于对一维边缘的增强，适合用于基 于角点匹配的图像配准｝ （２）无需梯度运算，保证了算法的效率； （３）ＳＵＳＡＮ算法的积分特性（在一个模板内计算ＵＳＡＮ 面积），使得它有很好的抑制噪声的特点． ３．２ ＳＵＳＡＮ算法的数学描述 ＳＵＳＡＮ模板在在图像上滑动，在每一位置上，比较模板 内各图像像素的亮度与模板核的亮度： ｆ １，女口果ｌｌ ｌ（ｒ—ｌ（ｒ。）ｌｌ！ ｔ ｃ（ｒ，ｒｏ）一 （１） 【２，如果ｌｌ（ｒ一 （ＡＫｒ一）。ｌ＞ｔ 式中，ｒ。是核在二维图像中的位置，’ｒ模板内除核之外的 个点的位置， （；）为模板内任意点亮度值，Ｚ（ｒ。）为核点的 亮度值，ｔ亮度差的闭值，ｃ（ｒ， ｒ。）亮度比较的结果．公式（１）的 更稳定可靠形式为 Ｃ（ｒ， ｒ。）一 一（—Ｉ（￣＇） －ＩＧ０）） （２） 模板内所有点（共 个）与核亮度比较的和为； ｆｇ一，ｌ（ｒａ），如果ｎ（ｒ。）＜ｇ Ｒ（ｒ。）一 （４） 【０， 其它 如果模板能取到的最大 值为 ，几何闲值ｇ通常可取为３ ×，ｌ…／４ ４基于ＳＵＳＡＮ算法的角点检测 通过上述分析可知，ＳＵＳＡＮ算法的下列特征使得它非 常适用于图像配准中的角点检测． 如图３的模板ａ所示，角点的ＵＳＡＮ面积为，ｌ一的四分 之一，因此本文在用ＳＵＳＡＮ算法检测角点时，几何闭值ｇ取 在，ｌ～／４附近． 模板中与棱的亮度不同的像素 模板中与棱的亮度相同的像素 图３不同位置上模板的ＵＳＡＮ面积 Ｆｉｇ．３ ＵＳＡＮ ａｒｅａ ｏｆ ｄｉｆｆｅｒｅｎｔ ｐｏｓｉｔｉｏｎ ｉｎ ｃｉｒｃｕｌａｒ ｐｏｓｉｔｉｏｎ ５角点匹配 在检测出两幅图像的角点之后，需要要找出两幅图像角 点之间的对应关系即角点匹配．分两步完成，即角点的初始匹 配和精匹配ｌ５］． 设两幅图像分别为ｌ 和ｌｚ，检测出的角点位置分别为 （ ， ）和（ ，ｑ，），以这两个角点的模板分别为Ｍａｓｋ 和 Ｍａｓｋｚ．计算两个模板之间的相关系数ＣＯＯ，ＣＯ的值位于区间 ［－１，１］内．如果ＣＯＯ大于给定闭值，则认为角点（ ， ）和（ ， ）是候选匹配角点．这一步即为粗匹配． 假设旋转和比例变化较小，可以忽略，比较候选匹配对的 平移向量的一致性，一致性好的候选匹配对作为最后的匹配 对．设候选匹配对集合为｛户＾一ｇ＾，ｋ＝１，２…．，Ⅳ矗｝，Ⅳ 为匹 配对的个数．集合中的两个匹配对为｛ —ｇＩ｝和｛户 一ｇ ｝，它 们的差为Ｔｉ＝ｑｉ－ｐ 和Ｔｊ＝ －ｑｊ．如果它们是正确的匹配对， 则丁 和丁 的差比较小（方向和幅值的差都比较小），如图４ 所示．即用丁 和丁，表示匹配对的一致性．
㈥ ４
图乏 王 叫。
然后 （；。）与一个给定闭值ｇ（称为几何闭值）比较，得到图像 另一方面，通过观察正确的角点总聚集在一个邻域内因
的边缘响应； 此，如果一个候选角点周围的邻域内有一定数目的角点则认
维普资讯 http://www.cqvip.com ７期 张迁等：一种遥感影像的自动配准方法 １ｌ３１ 为它是正确的角点．这样可以取出一些孤立角点．通过粗匹配 和精匹配就得到了有效角点．倒如圉５、图６中的白色 × 标 记就是梭｛曼４出的匹配角点． 利用匹配角点对的几何关系可以很容易地配准图像．
６圈像的配准 在找出对应的角点之后，根据角点的对应关系．采用二次 多项式的最小二乘法计算两个图像之间变换系数． 『 ：日。＋ｄ】Ｘ＋ｄ ２ｙ＋４３Ｘ 十ａ。ＸＹ＋口，Ｙ ｌ ＝ ＋ Ｘ＋６ ＋６２ｙ＋６ｊ ＋６． ｙ＋６５ 其中 ， 为参考图像的坐标．Ｘ．Ｙ为待匹配田像的坐标 ｄ ～ ｓ， ～占５为系数．通过最小二乘法求出系数之后．对于原 待匹配的图像使用飘线性内插进行重采样，井将变换后的图 像进行拼接就可以得到自动配准后的遥感影像镶嵌图．
７试验结皋及结论
田５第一幅遥感图像 田６第二幅遥感图像 Ｆｉｇ．５ Ｆｉｒｓｔ ａｅｒｏｐｈｏｔｏ Ｆｉｇ．６ Ｓｅｃｏｎｄ ａｒｅｏｐｈｏｔｏ 圈５ 圈６是两幅避癌影像．图像太小为５１２×５１２，采用
ＳＵＳＡＮ算子检涮角点并匹配后的角点用白色“× 表示．效 图７配准后的结果 Ｆｉｇ ７ Ｒｅｓｕｌｔ ｏｆ ｍａｔｃｈｅｄ