（信息与通信工程专业论文）基于特征的多源遥感图像配准技术研究.pdf

国防科学技术大学研究生院博士学位论文 摘要 遥感图像配准的主要目的是实现同一场景下不同时间、不同视角或不同传感 器获取的图像数据在空间位置上的对齐，它是包括变化检测、信息融合、环境监 视、图像拼接、目标识别、天气预报以及地图更新等在内很多遥感图像分析任务 中的关键步骤之一。论文在全面总结和分析当前图像配准技术的基础上，重点研 究了基于特征的多源遥感图像配准问题。 论文全面分析并定量刻画了特征空间关系、特征属性以及特征提取结果不确 定性三个因素对图像配准的影响，提出了多种基于特征的遥感图像配准方法，并 通过大量实际遥感图像实验对提出方法进行了验证。论文取得的成果和主要创新 点包括： ( 1 ) 从理论上统一了包含相似性测度和最优化求解两个关键点的基于空间关系 图像配准算法的数学模型。在详细剖析了已有几种经典基于空间关系方法在该理 论中的实现形式后，针对它们的不足，论文定义了一种新的相似性测度。该测度 在平滑连贯性和全局最优解的突出性等方面比几种经典方法有了较大改善，利于 优化算法的设计，而且测度中涉及的唯一参数对它的全局最优解的突出性影响较 小，提高了配准方法的稳健性。最后，论文设计了一个两步迭代优化算法解决了 新提出相似性测度的最优化求解问题。 ( 2 ) 在讨论特征属性对图像配准影响的过程中，论文提出了两种基于特征相似 性的遥感图像配准方法。针对传统的基于特征相似性的方法和f l u s s e r 方法的缺点， 论文提出了一种改进的基于不变描述子的遥感图像配准算法，在特征匹配阶段同 时利用特征不变描述子的最小距离准则、行和列匹配概率系数，提高了算法的适 应性，能够处理两幅图像中存在多个形状相同或相近特征的情况。针对已有基于 特征相似性的点特征图像配准方法对图像灰度敏感的问题，论文提出了一种基于 虚拟三角形的遥感图像配准算法。算法将角点构成的虚拟三角形作为配准基元， 根据刚体变换模型下虚拟三角形全等的准则，完成角点匹配，能够配准发生刚体 变换的任意两幅图像。 ( 3 ) 特征空间关系一致性和特征属性相似性是解决图像配准中特征匹配问题的 两个主要衡量准则，已有方法一般只是采用两者之一或简单的序贯组合方式，但 它们都难于克服这两个准则存在的一些固有缺陷。应该说，特征空间关系一致性 和特征属性相似性是进行可靠特征匹配不可或缺的两个方面，是同等重要的。因 此，论文提出了一种有机组合特征空间关系和特征相似性的遥感图像配准算法， 它通过定义一个能量函数将二者有机组合起来，使得该函数在两幅图像的最佳配 准位置达到最大值，将图像配准问题转化为最优化问题。论文分别采用了分支定 第i 页 国防科学技术大学研究生院博士学位论文 界算法和两步迭代优化算法对最优化问题进行了求解。 ( 4 ) 现有文献很少研究图像配准中特征提取结果不确定性的问题，论文借鉴其 他领域特征不确定性分析的成果，从理论上深入探讨了该问题，主要有两点贡献： 一是从统计和形状分析的角度上定量描述了角点特征和由两条直线构成的直线对 特征提取结果的不确定性；二是在特征选取和特征匹配过程中融入了特征提取结 果的不确定性因素，与没有考虑特征提取结果不确定性因素的方法比较，新算法 在计算量、稳健性以及配准精度等指标上有明显提高。 主题词：多源遥感图像，图像配准，基于特征的方法，特征空间关系，特征 属性，特征提取结果的不确定性，组合 国防科学技术大学研究生院博士学位论文 a b s t r a c t t h em a i np u r p o s eo fr e m o t es e n s i n gi m a g er e g i s t r a t i o ni st or e a l i z et h ep r o c e s so f g e o m e t r i c a l l yo v e r l a y i n gt w o o rm o r ei m a g e so ft h es a m es c e n et a k e na td i f f e r e n tt i m e s ， f r o md i f f e r e n tv i e w p o i n t so rb yd i f f e r e n ts e n s o r s r e m o t es e n s i n gi m a g er e g i s t r a t i o ni s ac r u c i a ls t e pi nm a n yi m a g ea n a l y s i st a s k sw h i c hi n c l u d ec h a n g ed e t e c t i o n ，i n f o r m a t i o n f u s i o n ，e n v i r o n m e n ts u r v e i l l a n c e ，i m a g em o s a i c ，o b j e c tr e c o g n i t i o n ，w e a t h e rf o r e c a s t , m a pu p d a t ea n d s oo n o nt h eb a s i so fc o m p r e h e n s i v e l ys u m m a r i z i n ga n da n a l y z i n gt h e c u r r e n ti m a g er e g i s t r a t i o nt e c h n i q u e s ，t h i sd i s s e r t a t i o ne m p h a s i z e st h ef e a t u r e - b a s e d m u l t i s o u r c er e m o t es e n s i n gi m a g er e g i s t r a t i o n i nt h i sd i s s e r t a t i o n ，t h ee f f e c to ff e a t u r es p a t i a lr e l a t i o n ，f e a t u r ea t t r i b u t ea n df e a t u r e u n c e r t a i n t yo ni m a g er e g i s t r a t i o ni sf i r s t l ya n a l y z e da c r o s s - - t h e - b o a r da n dd e p i c t e d q u a n t i f i c a t i o n a l l y ，a n dt h e ns o m ef e a t u r e b a s e dr e m o t es e n s i n gi m a g er e g i s t r a t i o n m e t h o d sa r ed e v e l o p e d f i n a l l y ，t h ep r o p o s e dm e t h o d sa r ev e r t i f i e db yal o to fr e a l r e m o t es e n s i n gi m a g ee x p e r i m e n t s t h em a i na c h i e v e m e n t sa n dc o n t r i b u t i o n so ft h e d i s s e r t a t i o na r el i s t e da sf o l l o w i n g ： ( 1 ) am a t h e m a t i c a lm o d e lw h i c hi n c l u d e st w ok e ye l e m e n t s ，n a m e l yt h es i m i l a r i t y m e a s u r ea n dt h eo p t i m a ls o l u t i o n , i sd e v e l o p e dt ou n i f yt h er e m o t es e n s i n gi m a g e r e g i s t r a t i o nm e t h o d sb a s e do ns p a t i a lr e l a t i o n si nt h e o r y t h ei m p l e m e n t a t i o n so f v a r i o u se x i s t i n gc l a s s i c a lm e t h o d sb a s e do ns p a t i a lr e l a t i o n si nt h em a t h e m a t i c a lm o d e l a r ea n a t o m i z e di nd e t a i l t oo v e r c o m et h e i rs h o r t c o m i n g s ，t h i sd i s s e r t a t i o nd e f i n e sa n e ws i m i l a r i t ym e a s u r e i th a sam o r ei m p r o v e m e n tt h a ns i m i l a r i t ym e a s u r e so ft h e e x i s t i n gc l a s s i c a lm e t h o d si ns m o o t h n e s s ，c o n t i n u i t ya n dp r o m i n e n c eo fi t so p t i m a l s o l u t i o n m o r e o v e r ，t h ee x c l u s i v ep a r a m e t e ro ft h ep r o p o s e ds i m i l a r i t ym e a s u r eh a s l i t t l ei n f l u e n c eo nt h ep r o m i n e n c eo ft h eo p t i m a ls o l u t i o na n ds ot h em e t h o di sr o b u s t a t w os t e pi t e r a t i v el o c a lo p t i m a lm e t h o di sd e v i s e dt os o l v et h eo p t i m i z a t i o np r o b l e mo f t h en e w s i m i l a r i t ym e a s u r e ( 2 ) i nt h er e m o t es e n s i n gi m a g er e g i s t r a t i o nm e t h o d sb a s e do nf e a t u r es i m i l a r i t y ，t w o n e wm e t h o d sa r ep r o p o s e db yt h ed i s s e r t a t i o n t oo v e r c o m et h ed i s a d v a n t a g e so ft h e c o n v e n t i o n a lm e t h o d sb a s e do nf e a t u r es i m i l a r i t ya n do n e si m p r o v e db yf l u s s e r ，an e w i m a g er e g i s t r a t i o nm e t h o db a s e do ni n v a r i a n td e s c r i p t o r si sd e v e l o p e d i nt h en e w a l g o r i t h m ，t h ec r i t e r i o no ft h en e a r e s td i s t a n to ff e a t u r ei n v a r i a n td e s c r i p t o r sa n dr o w a n dc o l u m nm a t c h i n gl i k e l i h o o dc o e f f i c i e n t sa r eu s e ds y n c h r o n o u s l y t h e r e f o r e ，t h e n e wa l g o r i t h mi ss u i t a b l et or e g i s t e rt w oi m a g e sw i t hs o m ev e r ys i m i l a rs h a p e s i n g e n e r a l ，m o s to fe x i s t i n gp o i n t b a s e di m a g er e g i s t r a t i o nm e t h o d sb a s e do nf e a t u r e s i m i l a r i t yi ss e n s i t i v et oi m a g ei n t e n s i t y a i m i n ga tt h ep r o b l e m ，a n o t h e rn e wm e t h o d b a s e do nv i r t u a lt r i a n g l ei sp r o p o s e dt os o l v ei m a g er e g i s t r a t i o nw i t hr i g i dg e o m e t r i c d i s t o r t i o n t h ev i r t u a lt r i a n g l e ，w h i c hi sc o m p o s e do fa n yt h r e ec o m e r s ，i su s e da s 第i i i 页 国防科学技术大学研究生院博士学位论文 r e g i s t r a t i o ne l e m e n ta n da l lm a t c h e dc o m e r sa r eo b t a i n e da c c o r d i n gt ot h ec r i t e r i o nt h a t v i r t u a lt r i a n g l e sa r ec o n g r u e n t ( 3 ) f e a t u r es p a t i a lr e l a t i o n sc o n s i s t e n c ya n df e a t u r ea t t r i b u t es i m i l a r i t ya r et w om a i n r u l e st os o l v ef e a t u r em a t c h i n gp r o b l e mo fi m a g er e g i s t r a t i o n t h ee x i s t i n gm e t h o d s g e n e r a l l yo n l yu s eo n eo ft h e mo rc o m b i n et h e ms e q u e n t i a l l y ，a n da l lh a v es o m e l i m i t a t i o n s i tm u s tb es t r e s s e dt h a ts p a t i a lr e l a t i o n sa n df e a t u r es i m i l a r i t ya r et w o i n d i s p e n s a b l ea s p e c t so fr e l i a b l ei m a g er e g i s t r a t i o n ，a n db o t ha r eo fe q u i v a l e n t i m p o r t a n c e t h e r e f o r e ，an e wm e t h o di sd e v e l o p e d i ti sr e a l i z e db yi n t r o d u c i n ga f u n c t i o nw h o s e i n d e p e n d e n tv a r i a b l ei s t h em a t c hm a t r i x ，w h i c hd e s c r i b e st h e c o r r e s p o n d e n c eo ft h ef e a t u r e s ，t oc o m b i n es p a t i a lr e l a t i o n sa n df e a t u r es i m i l a r i t y o r g a n i c a l l ya n di t sg l o b a lm a x i m u mi sa s s u m e dt ob er e a c h e di ft h es e n s e di m a g ei s c o m p l e t e l ya l i g n e dw i t ht h er e f e r e n c ei m a g e t h u s ，t h ei m a g er e g i s t r a t i o np r o b l e mc a n b et r a n s f o r m e di n t ot h eo p t i m a lo n e t w oa p p r o a c h e sa r ed e v i s e dt os o l v et h e o p t i m i z a t i o np r o b l e m o n ei sb a s e do nt h eb r a n c h - a n d b o u n ds t r a t e g ya n dt h eo t h e ri s t h et w os t e pi t e r a t i v ea l g o r i t h mt h a tc o m b i n e sg r a d u a t e da s s i g n m e n ta n dv a r i a b l em e t r i c m e t h o d s ( 4 ) m o s to ft h ee x i s t i n gi m a g er e g i s t r a t i o nm e t h o d sh a r d l ys t u d yf e a t u r eu n c e r t a i n t y p r o b l e m a c c o r d i n gt oe x p e r i e n c eo nf e a t u r eu n c e r t a i n t ya n a l y s i si no t h e rf i e l d s ，f e a t u r e u n c e r t a i n t yi ni m a g er e g i s t r a t i o ni ss t u d i e dd e e pi nt h ed i s s e r t a t i o na n dt w om a i n a c h i e v e m e n t sa r eo b t a i n e d ：f i r s t l y ，t h eu n c e r t a i n t yo fc o m e ra n ds t r a i g h tl i n ep a i r ，w h i c h i sc o m p o s e db ya n yt w os t r a i g h tl i n e s ，i sd e s c r i b e dq u a n t i f i c a t i o n a l l yf r o mt h ev i e w so f s t a t i s t i ca n ds h a p ea n a l y s i s ；s e c o n d l y ，f e a t u r eu n c e r t a i n t yi sc o n s i d e r e di nt h ep r o c e s so f f e a t u r es e l e c t i o na n dm a t c h i n g c o m p a r i n gt ot h em e t h o d sn o tc o n s i d e r i n gf e a t u r e u n c e r t a i n t y ，t h ep r o p o s e dm e t h o dh a sa ni m p r o v e m e n ti nc o m p u t a t i o nc o m p l e x i t y ， r o b u s t n e s sa n dr e g i s t r a t i o na c c u r a c y k e yw o r d s ：m u l t i s o u r c er e m o t es e n s i n gi m a g e ，i m a g er e g i s t r a t i o n ， f e a t u r e - b a s e dm e t h o d ，f e a t u r es p a t i a lr e l a t i o n ，f e a t u r ea t t r i b u t e ，f e a t u r e u n c e r t a i n t y ，c o m b i n a t i o n 第i v 页 国防科学技术大学研究生院博士学位论文 表目录 表3 1 各种方法获得的匹配区域特征对4 5 表3 2 各种方法获得的变换模型参数和r m s e 4 5 表4 1 仿真图像中区域特征构建的矩阵w 5 3 表4 2 我们方法获得的仿真图像中所有的匹配区域特征对5 4 表4 3 实际图像中区域特征构建的矩阵w 5 6 表4 4 我们方法获得的实际图像中所有的匹配区域特征对5 8 表4 5 各种方法的比较结果5 8 表4 6 不同时相s p o t 图像中获得的匹配角点对6 3 表4 。7 不同波段的l a n d s a tt m 图像中获得的匹配角点对6 4 表4 8 我们方法在两组实验中的性能表现6 4 表5 1 控制点的坐标7 1 表5 2 实验1 中实际匹配的区域对及其重心坐标7 5 表5 3 实验1 中各种方法得到的匹配区域特征对7 5 表5 4 实验1 中各种配准方法的比较结果7 5 表5 5 实验2 中各种配准方法的比较结果7 7 表6 1 角点特征配准实验中我们方法与传统方法的比较结果9 3 表6 2 直线对特征配准实验中我们方法与传统方法的比较结果9 6 第1 v 页 国防科学技术大学研究生院博士学位论文 图目录 图1 12 0 0 3 2 0 0 8 年s c i 检索的图像配准论文年度和国家分布图7 图2 1 基于特征的图像配准方法流程图1 9 图2 2h a r r i s 算子和改进的h a r r i s 算子角点提取算法的比较2 4 图2 3 稳健的直线提取方法流程图2 5 图2 4 区域提取算法流程图2 5 图2 5 特征匹配的整个过程2 7 图3 1 软指派方法流程图3 9 图3 2 两步迭代优化算法流程图4 0 图3 3 测试图像数据4 1 图3 4g o s h t a s b y 方法定义的相似性测度的性能4 2 图3 5s t e v e n 方法定义的相似性测度的性能4 2 图3 6m e h s o d 方法定义的相似性测度的性能。4 2 图3 7 新定义的相似性测度的性能4 3 图3 8 参考图像和待配准图像4 5 图3 9 参考图像和待配准图像中提取的区域特征4 5 图3 1 0 配准结果。4 5 图4 1 算法流程图4 9 图4 2 仿真图像数据5 3 图4 3 实际图像数据5 5 图4 4 实际图像数据中提取的区域特征5 5 图4 5 配准结果5 6 图4 6 算法流程图一5 9 图4 7 一个虚拟三角形对6 0 图4 8 不同时相的s p o t 图像6 2 图4 9 参考图像和待配准图像中提取的角点特征6 2 图4 1 0 不同时相s p o t 图像的配准结果。6 3 图4 1 1 不同波段的l a n d s a tt m 图像6 4 图4 1 2 参考图像和待配准图像中提取的角点特征6 4 图4 1 3 不同波段l a n d s mt m 图像的配准结果6 4 图5 1 节点结构图7 0 图5 2 分支定界法示例图7 3 图5 3 实验1 图像数据7 5 第v 页 国防科学技术大学研究生院博士学位论文 图5 4 实验l 配准结果7 6 图5 5 实验2 图像数据7 7 图5 6 实验2 配准结果7 7 图6 1 特征提取结果不确定性示意图8 0 图6 2 直线特征提取结果不确定性分析示意图8 4 图6 3 直线对特征提取结果不确定性分析示意图8 4 图6 4 异、罡、罡和只的排列关系8 6 图6 5 参考图像和待配准图像9 1 图6 6 传统方法在两幅图像中获得的匹配角点9 2 图6 7 我们方法在两幅图像中获得的匹配角点9 2 图6 8 传统方法的配准结果9 3 图6 9 我们方法的配准结果9 3 图6 1 0 参考图像和待配准图像。9 4 图6 1 l 参考图像和待配准图像中提取的直线特征9 4 图6 1 2 传统方法在两幅图像中获得的匹配直线对特征9 4 图6 1 3 我们方法在两幅图像中获得的匹配直线对特征。9 5 图6 1 4 传统方法的配准结果9 5 图6 1 5 我们方法的配准结果。9 5 第v i 页 独创性声明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已 经发表和撰写过的研究成果，也不包含为获得国防科学技术大学或其它教育机构的学 位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文 中作了明确的说明并表示谢意。 学位论文题目：基王签堑鲍垒塑遥盛图逸螫准擅盔珏壅 学位论文作者签名：暨鑫善萎一 日期：力稠年p 月午日 学位论文版权使用授权书 本人完全了解国防科学技术大学有关保留、使用学位论文的规定。本人授权国 防科学技术大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档，允 许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索， 可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密学位论文在解密后适用本授权书。) 日期：刎年i o 月q - 日 日期：伽汐年f ? 月严日 国防科学技术大学研究生院博士学位论文 第一章绪论 遥感图像配准是一个将不同时期、不同视点或不同传感器获得的同一地域或 物体的两幅或多幅图像叠加起来的过程，它的主要目的是消除或减少参考图像和 待配准图像之问由于成像条件不同所引起的几何形变，从而获得具有几何一致性 的两幅或多幅图像。遥感图像配准是遥感图像处理的一个基本问题，是实现同场 景多幅遥感图像分析和比较处理的前提和基础，已经广泛应用于变化检测、信息 融合、环境监视、图像拼接、目标识别、天气预报以及地图更新等遥感图像分析 任务。本章将阐述遥感图像配准技术的研究背景和意义，介绍图像配准的基本知 识和国内外研究现状，指出论文的创新点与贡献，最后给出论文中一些常用术语 的定义和论文的组织结构。 1 1 研究背景和意义 遥感作为一门综合性的技术是2 0 世纪6 0 年代提出来的，它是一种远距离、 非接触的目标探测技术与方法，具体地说，就是利用搭载在遥感平台( 航天遥感平 台：人造卫星，航天飞机等；临近空间遥感平台：气艇、热气球等；航空遥感平 台：航摄飞机等) 上的传感器( 如：红外传感器，多光谱扫描仪，合成孔径雷达以及 c c d 线阵列扫描仪等) ，接受从目标发射和辐射的电磁波信息，实现对目标定性、 定量的描述【1 1 。航空遥感最早应用在军事上，直到1 9 2 0 年以后才在地质、土木工 程和农业等领域获得应用。二次大战时期，航空遥感又从普通航空照相技术发展 出彩色、红外和光谱照相技术以及多光谱摄影技术。上个世纪7 0 年代以后，卫星 遥感技术得到广泛应用。近几十年来，随着传感器技术、航空航天技术以及数据 通讯技术的不断发展，遥感技术己进入一个能动态、实时、多平台、多时相、高 分辨率( 包括高光谱分辨率、高空间分辨率和高时间分辨率) 地提供对地观测数据的 新阶段 2 1 ，具有良好的应用背景。 从遥感图像中获取信息并加以利用，是遥感工作的最终目的。随着数字图像 处理技术的快速发展，多种图像处理技术在遥感图像上的应用，大大增加了从遥 感图像中获取信息的种类和数量，同时扩展了遥感图像的应用领域。在这些图像 处理技术中，图像配准技术既是一个独立的图像处理研究方向，又作为多种图像 处理技术的基础，长期以来一直在研究领域受到广泛的重视、在应用领域发挥着 重要作用。 在遥感图像处理过程中，对于大量从卫星、飞机上的传感器和其他摄像器件 上获得的多幅遥感图像，往往要对其进行分析和比较，如统计模式识别、变化检 第l 页 国防科学技术大学研究生院博士学位论文 测、信息融合、地物分类、三维重构以及地图修正等。在这类多幅图像的分析和 比较处理时，一个暗含的假设就是图像之间是配准的。然而，不同传感器具有不 同的特性，不同传感器搭载的平台也各不相同，传感器进行观测获取信息的时空 也不一样，于是造成不同传感器获取的同一观测对象的信息所处在的坐标系是不 一样的，要综合利用这些信息，必须将它们变换到同一个坐标系中，在某些特殊 应用中还需要进行辐射校正，也就是必须要进行图像配准操作。可见，图像配准 技术是图像进一步处理的前提条件。 早期遥感应用中的图像配准往往都是通过在拍摄场景中设置标志或人工选控 制点的方式进行，现有的商业遥感图像处理软件中的图像配准模块也基本全部采 用人工干预的半自动作业模式。然而随着遥感平台的不断增多和数字图像处理技 术的飞速发展，所获取的遥感图像数据量成爆炸式增长，人工方法在人力物力损 耗和处理速度上往往不能满足需求。因此，迫切需要发展一些优秀的遥感图像自 动配准技术。我们认为，一个优秀的图像配准方法或方案应该具有以下特性：a 、 稳健性强；即算法不受输入图像的内容和质量的影响。b 、适应性广；适应性包括 两方面：一方面是输入图像的类型，可以是不同时相的图像，也可以是不同传感 器的图像，甚至是图像与地图之间的配准；另一方面是几何变换模型的类型，可 以是相似变换、仿射变换或者多项式变换，甚至更复杂的变换形式。c 、自动化程 度高；算法尽量不需要操作者参与，包括地面控制点、参数以及算法的选择。d 、 计算量较少；这一特性在处理大尺寸遥感图像时尤为重要。e 、配准精度高；目前 有许多应用环境要求子像元精度。然而，据作者掌握的资料，到目前为止还没有 一种方案或方法能够同时具备上述五条特性，大部分的方法都是针对特定应用的， 只能在作者自己选用的图像上获得比较好的结果。 除了在遥感图像处理领域外，医学图像处理、计算机视觉和虚拟现实等领域 也都会遇到图像配准的问题。尽管这些领域因为先验知识和图像自身特性等方面 的不同，对图像配准的精度、自动化程度和效率等方面的要求也不同，但是它们 中图像配准处理的本质却是相同的，即都是将待配准图像的坐标系转换到参考图 像的坐标系中去，因此在方法论上有着共同之处，即图像配准都可以直接或间接 地由特征选择、特征匹配、变换模型估计和图像重采样四个步骤组成。由于不同 领域提供的先验知识以及图像特性的不同，在图像配准的实现过程中，每个步骤 选取的算法和流程可能就会有不同的地方，比如特征选择，对于遥感图像，由于 遥感图像的数据量特别大，通常会选取空间几何特征( 如点特征、线特征、面特征 等) 以减少计算量，而对于医学图像，相对于遥感图像而言数据量比较小，一般会 选取基于区域统计特性的特征以提高配准的精度。不同领域的图像配准的相同本 质与不同表象，使得不同领域中基于不同目的的研究所发展的方法和流程可以以 第2 页 国防科学技术大学研究生院博士学位论文 某种形式直接或间接地应用到其他领域中去。 综上所述，对遥感图像配准技术进行深入研究，具有重要的理论和实际价值。 论文重点针对基于特征的遥感图像配准技术展开研究，期望获得有效的思想和方 法解决实际问题。 1 2 1 图像配准的定义 1 2 图像配准的基本知识 图像配准是一个将不同时期、不同视点或不同传感器获得同一地域或物体的 图像叠加起来的过程，它的主要目的是消除或减少参考图像和待配准图像之间由 于成像条件不同所引起的几何形变，从而获得具有几何一致性的两幅图像。一般 从客观景物得到的图像都是二维的，可以用一个二维数组表示。论文将参考图像 和待配准图像的二维数组分别记为厶( 而，y 1 ) 、厶( 而，y 2 ) ，它们表示两幅图像中的像 素灰度( 亮度) 值，其中( 五，y 1 ) 、( x 2 ，y 2 ) 是两幅图像中的像素点坐标。这样，图像配 准的定义在数学上可以表示为【3 1 五( 而，乃) = g ( 五( 7 ( 而，款) ) ) ( 1 1 ) 其中g ( ) 是一维灰度变换，丁( ) 是二维空间位置变换。 由公式( 1 1 ) 可以看出，图像配准的主要目的就是寻找参考图像和待配准图像 之间最佳的灰度与几何变换关系。由于灰度变换常常可以通过校正传感器等参数 的方式进行校正，而且配准后的两幅图像往往也并不需要具有灰度一致性，可见， 灰度变换关系并不是必需的，所以寻找两幅图像之间的几何变换关系成为图像配 准的关键所在。但也有一些研究者认为上述图像配准的定义是狭义的 4 1 ，因为在大 多数实际情况下，图像配准并不能通过一个或多个变换来达到两幅图像的完全等 同，而只能做到某种程度的近似，因此，公式( 1 1 ) 可以改写成如下形式 厶( 五，y 1 ) 厶( 丁( 屯，弘) ) ( 1 2 ) 一般情况下，二维空间位置变换函数丁( ) 可分解成两个一维的函数正( ) 、 z ，( ) ，它们分别表示在x 和y 方向上的一维空间位置变换，这样公式( 1 2 ) 又可表 示为 ( 五，乃) 厶( c ( 恐，儿) ，r , c x 2 ，咒” ( 1 - 3 ) 二维空间位置变换丁( ) 就是图像配准中通常所说的变换模型，将其分解为两 个一维变换的目的是为了减少后续求解过程中的计算量。 1 2 2 图像配准中的变换模型 第3 页 国防科学技术大学研究生院博士学位论文 由图像配准的定义可知，参考图像和待配准图像之间的变换模型是图像配准 中需要考虑的一个重要因素。实际中，参考图像和待配准图像之间的几何变化关 系往往非常复杂，不仅包括成像过程中引起的几何变化，还可能包括图像对应的 实地场景的变化，因此，在选择变换模型时，必须综合考虑成像传感器、成像平 台、成像条件、拍摄场景等各方面的因素，使选择的变换模型应尽可能真实的反 映参考图像和待配准图像之问的几何变换关系。目前，图像配准中采用的变换模 型主要有两大类：( 1 ) 全局变换模型，它将参考图像和待配准图像之间的空间对应 关系用一个函数来表示，这种变换模型为现有的大多数配准方法所采用；( 2 ) 局部 变换模型，它通常在全局变换模型不能满足需要时采用，如大尺寸图像之间的配 准。局部变换模型将参考图像和待配准图像不同部分的空间对应关系用不同的函 数表示，这种变换模型在现有的图像配准方法中应用较少，文献 5 对各种局部变 换模型进行了总结和比较研究。如不做特别说明，论文算法采用全局变换模型。 图像配准中常用的全局变换模型主要包括1 6 相似变换、仿射变换、投影变换 和多项式变换等。下面简要阐述这几种变换模型： ( 1 ) 相似变换 相似变换是平移、旋转和缩放的组合，适用于配准具有相同视角、不同拍摄 位置的同一传感器的两幅图像。相似变换模型可以用下式表示 j x l 2 s ( x 2c o s o + y 2 sino)+ax(1-4) 【y l = j ( 一x 2s i n 0 + y 2c o s 0 ) + a y 其中s ，9 和( 缸，缈) 是模型参数，分别表示两幅图像之间的缩放、旋转和平移。相 似变换能够将相互平行的直线映射成平行直线，相互垂直的直线映射为垂直直线， 它包含4 个参数，一般最少需要两对控制点来求解。当缩放参数s = 1 时，这种变 换模型也被称为刚体模型。 ( 2 ) 仿射变换 仿射变换模型除了考虑两幅图像之间的平移、旋转和缩放外，还考虑了畸变 中的倾斜、纵横比变化等复杂几何变化，具有普适性，是图像配准中最常用的一 类变换模型，它适合成像平台离场景很远且场景平坦获得的两幅图像之间的配准。 仿射变换模型的变换关系可表达如下 j x t2 a i x 2 + b t y 2 + q( 1 5 ) il 一，- 【y l = 呸屯+ 6 2 耽+ q 、。 其中a t ，b t ，c 1 ，a 2 ，6 2 和乞是模型参数。仿射变换模型能够将平行直线映射成平行直 线，但垂直性不能保证，它包含6 个参数，至少需要3 对不在条直线上的控制 点求解。 ( 3 ) 投影变换 第4 页 国防科学技术大学研究生院博士学位论文 投影变换适合成像平台离场景比较近且从各个不同视点获得的一个平坦场景 的两幅图像之间的配准，它的数学表达式为 而 乃 a x 2 + 坎+ c 呶+ 咣+ 1 戌+ g y 2 + h 如+ e y 2 + 1 ( 1 - 6 ) 其中口，b ，c ，d ，e ，f ，g 和h 是模型参数。投影变换能够将直线映射为直线，但平行性 和垂直性都不能保证，它包括8 个参数，至少需要4 对非线性控制点才能求解。 若成像平台离场景很远，则可用仿射变换代替投影变换。 ( 4 ) 多项式变换 当以上几种变换模型都不能描述参考图像和待配准图像之间的几何变化时， 可以采用多项式变换模型，它可以用下式表示 j 五5 a x 2 + 妣+ c x 2 y 2 + ( 1 7 ) i _ 一，- l y l = 呶+ + 如兄+ 、。 其中口，b ，c ，d ，e 和厂等是模型参数。多项式变换模型是一种非线性模型，一般将直 线映射成曲线。为了保证计算速度，实际中多项式变换模型一般均采用三次以下， 一次多项式模型就是仿射变换模型。 1 2 3 图像配准方法的四个要素 由于待配准图像的多样性，不可能设计出一种适合于所有图像的通用的图像 配准方法，现有的绝大多数方法都是针对具体的应用领域。但是，从宏观上讲， 基本上所有的图像配准方法都可以由以下四个要素组成【3 】： ( 1 ) 特征空间 特征空间是指从参考图像和待配准图像中提取的用于匹配的特征集，是图像 配准的第一步。提取的特征可以是图像的灰度特征，也可以是图像的几何特征， 如点特征、边缘、直线、区域等。 ( 2 ) 搜索空间 搜索空间指的是可以在待配准图像特征和参考图像特征之间建立对应关系的 所有可能变换的集合。两幅图像之间畸变的类型和强度决定了搜索空间的组成和 范围。如果两幅图像之间只存在