（摄影测量与遥感专业论文）基于影像分割、特征提取的雷达影像匹配方法的研究.pdf

声明 本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取 得的成果，撰写成硕士学位论文! 基王毖堡筮割! 挂筵握取殴霍达毖 像匹配左洼数硒塞：。除论文中已经注明引用的内容外，对论文的研 究做出重要贡献的个人和集体，均已在文中以明确方式标明。本论文 中不包含任何未加明确注明的其他个人或集体已经公开发表或未公 开发表的成果。 本声明的法律责任由本人承担。 学位论文作者签名：毒耸杞 日期： 年j 月7 日 间济大学硕l 学位论文目录 a b s t r a c t t h i st h e s i sf o c u s e so nt h e p r o b l e mo fi m a g em a t c h i n g ，a n ds y n t h e t i ca p e r t u r er a d a r ( s a r ) i m a g ei su s e d a st h er e f e r e n c ei m a g e ，w h i l er e a la p e r t u r er a d a r ( r a r ji m a g ea st h er e a li m a g e ， c o n s i d e r i n gt h en o i s ei n t h er a d a ri m a g e s ，t h et r a d i t i o n a lm e t h o d ，w h i c hb a s e do np i x e l so r f e a t u r e sf o ri m a g em a t c h i n ga n du s i n gt h er e a li m a g et om a t c ht h er e f e r e n c ei m a g ed i r e c t l y , s d i f f i c u l tt or e a l i z ei m a g em a t c h i n go rt h ep r e c i s i o no f m a t c h i n gi sn o tg o o de n o u g h i nt h et h e s i s ， t h es m a l lr e f e r e n c ei m a g e w i l lb eg e n e r a t e df r o mt h er e f e r e n c ei m a g ew i t hi m a g es e g m e n t a t i o n ， b yw h i c hr e a l i z i n gf e a t u r ee x t r a c t i n go nt h er e f e r e n c ei m a g ea n d t h er e a li m a g et og e n e r a t e “t h e s m a l lr e f e r e n c ef e a t u r ei m a g e a n d “t h eb i gr e a lf e a t u r ei m a g e ；w i t ht h ei d e ao fu s i n g t h es m a l l r e f e r e n c ef e a t u r ei m a g e t om a t c h “t h eb i gr e a lf e a t u r ei m a g e ”w ec a r r yo u tr a d a ri m a g ep r i m a r y m a t c h i n g u s i n gt h er e s u l to fp r i m a r ym a t c h i n ga si n i t i a lv a l u e w et h e np e r f o r mt h el e a s ts q u a r e i m a g em a t c h i n ga sp r e c i s em a t c h i n g l a s t 眦c o m p a r e a n d a n a l y z et h et w om a t c h i n g v a l u e s t h e r e s u l to f t h ee x p e r i m e n ti n d i c a t e st h a tt h i sm e t h o dc a nr e a l i z er a d a ri m a g e sm a t c h i n ge f f i c i e n t l y t h i st h e s i si n c l u d e st h e f o l l o w i n g c o n t e n t s ： ( 1 ) p r e p r o c e s s i n go fr a d a ri m a g e s w eg e n e r a t er e f e r e n c ei m a g e sw h o s er e s o l u t i o n i st h e s a m eo fr e a l i m a g e s r e f e r e n c ei m a g e s a n dr e a l i m a g e s w i l lb ee n h a n c e dw i t h i m a g e e n h a n c e m e n t ， ( 2 ) i m a g es e g m e n t a t i o no fr e f e r e n c ei m a g e s o nt h et h e o r yo fi m a g es e g m e n t a t i o n , w e s e g m e n tt h e i n t e r e s to b j e c tr a n g eo fr e f e r e n c ei m a g e sa n dg e n e r a t et h en e w “l i r l er e f e r e n c e i m a g e ”t op r o v i d et h ei m a g ef o rf e a t u r ee x t r a c t i n ga n dt h ec o o r d i n a t et r a n s f o r m i n gp a r a m e t e r sf o r i m a g em a t c h i n g ( 3 ) u s i n ge d g ed e t e c t i o no p e r a t o r sm a k e sf e a t u r ee x t r a c t i n go fr a d a ri m a g e st og e n e r a t e f e a t u r e i m a g e s b y t h e w a y , f e a t u r ee x t r a c t i n g o fr e f e r e n c e i m a g e s i sb a s e do n i m a g e s e g m e n t a t i o n ， ( 4 ) u s i n g t h em e t h o do f “t h es m a l lr e f e r e n c ef e a t u r ei m a g e ”m a t c h i n g t h eb i gr e a lf e a t u r e i m a g e ”，w eg e tt h er e s u l to fp r i m a r ym a t c h i n ga s i n i t i a lv a l u e ，t h e nw ep e r f o r mt h el e a s ts q u a r e i m a g em a t c h i n ga sp r e c i s em a t c h i n gu s i n gt h ei n i t i a lv a l u et oc o m p l e t et h ew o r k o fr a d a ri m a g e m a t c h i n g l a s tw eg a i nt h er e s u l to f t h ee x p e r i m e n t k e yw o r d s ：i m a g es e g m e n t a t i o n ；f e a t u r ee x t r a c t i n g ；i m a g em a t c h ；l e a s ts q u a r ei m a g em a t c h i n g 2 同济大学硕士学位论文第一蕈绪论 1 1 引言 第一章绪论 二十世纪五十年代原苏联成功发射了第一颗人造卫星，遥感技术在此后的近五十年取得 了突飞猛进的发展。人类进入到了空间时代和信息时代。现在各种遥感平台正连续不断的 在多角度进行着对地观测，源源不断提供给我们各种信息，人类的视野得到了最大限度的延 伸。遥感技术已经在经济发展，国防建设以及社会进步等各个方面发挥了巨大的作蹦。在给 人们的生活、生产带米极大便利的同时，也正深刻的影响着人们对周罔世界的直观认识。 遥感是一种遁距离、非接触的目标探测技术和方法。它通过对目标进行探测，获取目标 反射和辐射来的电磁波信息，对所获取的信息进行加工处理，从而实现对目标的定付、定性 和定量分析。也就是说遥感是不与物体，区域或现象直接接触，而是通过间接接触来获取要 调查的信息数据，并对这些数据进行分析，来得到物体、区域、或现象有关信息的一门科学 和技术f ”。而数字摄影测量则是基丁数字影像与摄影测量的基本原理，综合应用计算机技术、 数字图像处理、影像匹配、模式识别等多学科的理论和方法。提取的所摄对象用数字方式表 达其儿何与物理信息的摄影测量学的分支学科”。数字摄影测量作为摄影测量发展的第二个 里程碑，它在空间信息处理、特剐在遥感信息处理方面得到越来越广泛的应并j ，是遥感信息 处理的重要手段凡随着航空航天技术、传感器技术和空间信息技术的发展，遥感技术( 包 括数字摄影测量) 已经成为人范围实时的动态的获取地面各种信息常用而商效的手段，获得 的这些信息具有空间上的连续性和时间上的序列性等优点“i 。并且己经能够在测绘、环境监 测、资源调查、灾害监测和评估、城市区域调查和规划等行业中得到广泛的应用。特别是在 军事领域，运用遥感方法获取敏感区域的信息影像一直是遥感重要的应用方向之一，例如在 e 行器的导航定位、武器的末端制导方面，遥感技术是获取对方区域信息可靠而又高效的方 法。 二十一世纪将是一个数字地球的时代。现代遥感技术是实现这一目标的关键技术之一。 现代遥感技术己经进入了一个能快速、及时提供多种对地观测遥感数据的新阶段。现在，从 不同遥感平台获得的不同空间分辨率和不同时间分辨率的遥感影像形成了影像序列的金字 塔，为我们的对地观测提供了从粗到精的数据源。我国在航空、航天遥感领域也有了显著的 发展。已经能够大量的获取具有不同分辨率、不同时相的遥感数据。而充分利用这些遥感数 据无论对国防建设还是对国家经济建设都具有非常重要的现实意义。一方面遥感影像数据呈 5 同济大学硕士学位论文 第一章绪论 海量增长，遥感影像应崩领域也在不断扩大。另一方面，目前的数字影像匹配算法义难以满 足箨行业实际应用的需要。数字影像匹配技术逐渐成为这些海量遥感影像数据处理和数据资 源充分利用的瓶颈问题。冈为随着信息获取技术的飞速发展，人们对影像匹配技术也提出了 更高的要求原有的影像匹配算法在适应性和可靠性方面难以满足实际需要，有待于进一步 改进和提高。 1 2 本论文研究的目的和意义 影像匹配技术是信息处理领域中一项极为重要的技术，有着非常广泛的实际鹿用：数 字图像处理过程中物体识别与检测常采用模板匹配的方法：计算机视觉领域中应用立体视觉 技术恢复景物深度问题也需要利用匹配技术；工业摄影测量中零件图的检测、图形图像处理 中的三维景观的建立、三维可视化的实现也都需要利用影像匹配技术来获得规差图像：在遥 感影像信息处理，多源遥感影像的信息融合、遥感影像的自动纠止以及对多波段图像进行分 类这些都需要进行多图像之间的配准，而图像配准首先就要确定两图像中的控制点对 ( g c p ) ，这也是一个匹配问题；在e 行器的导航定位和武器末制导中利f ! i 实时图像与参考 基准图的匹配结果，对高速飞行器的运行轨迹进行修正；在运动序列图像的处理过程中利用 影像匹配技术对序列图像进行运动估计与分析跟踪检测等等。此外，在数字图书馆的图像检 索中利用的图像相似度检索，也是一种宽泛意义上的图像匹配l ”。 完成这些工作并不容易。进行匹配的两幅影像可能其成像时间不同，具有不同的空问 分辨率和不同的成像机理，再加上在成像过程中有各种噪声的影响( 包括辐射畸变和几何畸 变，辐射畸变是由于成像时的方向不同、被摄物体辐射方向的差异以及大气及镜头衰减所引 起的。几何畸变主要是由于传感器的方位不同所引起的透视畸变以及影像仿射变形和地形起 伏所引起的变形等) ，这些都使得具有同一目标的两幅( 或多幅) 影像有一定的著别。有时 候著别甚至相当大，最多只能做到在某种程度上的相似。例如本论文采用的以合成孔径雷达 影像作为基准影像，以真实孔径雷达影像，其目标定位区域的差异性就很大。这时候影像匹 配就变成了一个相当复杂的技术过程。随着各种新型遥感平台出现，人们可以获取多种不同 类型的遥感数据。这些数据一方面为遥感领域的研究和应用提供了新的数据来源，但是这些 来源丁不同传感器的影像对传统的影像匹配技术提出了新的要求。所以影像匹配技术至今仍 是研究的热点。 国外对影像匹配技术的研究比较早。1 9 9 0 年发生的“海湾战争”以及近几年发生的几 6 同济大学硕十学位论文 第章绪论 次由美国和北约发动的局部战争中，美军的“战斧( t o m a h a w k ) ”巡航导弹都发挥了很大的 作用。它能在飞行中自行修止航向偏差，等到飞临目标区上空后，启动弹上景象匹配区域相 关器做2 3 次匹配运算，对实际测得的影像数据与预存数据进行比较。获得飞行导弹所在的 精确位置，井以此来调整导弹的攻击方向与角度从而精确的击中目标。在国际上，以美国 为首的许多军事大国，对影像匹配技术的研究和探索一直在进行之中，并对其发展前景保持 了比较乐观的态度，现在已逐步向基于知识的影像匹配技术方向发展。作为另一个军事大国 的俄罗斯，在这一技术上的研究也走在世界的前列。出于军事上的需要，影像匹配技术的发 展越来越受到各国的商度重视。 在我国影像匹配技术的研究也在进行，并取得了一些成果。由丁 国内硬件技术相对落后， 很难像一些发达国家那样靠传感器的严格限制来保证匹配达到比较高的精度，所以匹配算法 的研究在我国就具有了更火的实际意义。 成像制导技术是当今最精确的制导技术之一，广泛用丁各种类型导弹的末制导吼本文 以雷达影像匹配为目标，围绕着影像分割，特征提取等问题展开深入的研究，并结合本文实 验数据的特点，研究以“小基准影像特征图”匹配“大实时影像特征图”的新匹配策略完成 雷达影像的粗匹配，在此基础上用最小二乘影像匹配的方法进行精匹配，得到最后的匹配结 果。本论文结合7 航天部x x x 武器制导信息系统导航定位的要求，具有一定的实际应用价值 和意义。 1 3 影像匹配技术的研究现状 影像匹配技术由来已久，最原始的影像匹配方法是用手工操作的，操作人员靠目视判读 来确定地面控制点n 1 。这种方法工作量大，耗时长，同时匹配精度还会随着个人的主观状态 的不同而变化。随着计算机技术和数字图像处理技术的发展，出现了基于计算机的自动匹配 技术。根据匹配时处理的数据对象的不同，影像匹配方法可以分成三个层次：基于区域灰度 像素的匹配方法；基于特征的匹配方法；基于图像理解和知识推理的匹配方法。 ( 1 ) 基于区域灰度像素的匹配方法 基于区域灰度像素的匹配方法属丁低层次的处理方法。按照影像的像素灰度特性来进行 匹配处理。从信息学的角度来讲，它是基于数据的( d a t ab a s e d ) 。核心思想是直接寻求匹 配影像的相似性。在运算过程中，匹配区域内的所有图像数据同时参与到匹配定位的计算， 并且匹配区域内饵一点的灰度特性对最终的匹配结果都会产生影响。 7 同济大学硕士学位论文 第章绪论 按照信息内容的不同，可以迸一步把基于区域灰度像素的匹配方法分成两类：基于影像 灰度的匹配算法：基于边缘强度的匹配算法。在匹配过程中，如果实时影像和基准影像之间 的灰度信息差异较少，通常采用基于影像灰度的匹配算法，该算法直接利用原始的灰度信息 进行匹配运算。而若两者的灰度信息差异较大时，通常采用基于边缘强度的匹配算法该算 法在匹配前先进行影像的预处理获得它们的边缘强度，然后再进行匹配定位。 按匹配的精度高低，也可以把基丁区域灰度像素的匹配方法分成两类；“像素级”的匹 配算法和“子像素级”的匹配算法【”。“像素级”的匹配算法是晟原始、最容易理解、算法 复杂度最小的一类算法。它的基本思想是用实时影像在基准影像上顺序扫描，找出晟相似的 位置就是匹配的定位位置。最小二乘影像匹配( l s m ) 是一种“子像素级”精度的匹配算 法，将在第五章中详细介绍。 ( 2 ) 基于特征的匹配方法 基于特征的匹配方法是属于第二层次的处理方法，它是按照影像的信息特性来进行匹配 定位的，是基于信息( i n f o r m a t i o nb a s e d ) 的匹配方法。这里的信息是指图像中的特征，包 括边缘、区域、信息熵、纹理等等f ”。该算法的核心思想是确定特征，井描述这些特征，然 后在此基础上进行匹配。这类方法具有较高的可靠性。 由丁| 特征的不同以及对特征的描述参数的不同，可以有很多种具体的算法。描述影像区 域和边缘形袄的参数有很多，基于特征匹配的方法通常选取这些具有不变特性的参数作为特 征参数进行匹配。这些特征即使经过平移，旋转，比例伸缩，其参数仍然可以保持不变。 图像的特征有边缘、边缘上的特征点、边缘之间的交叉点、几何形状和纹理等等。这些 特征是影像特征匹配所依赖的对象，每个对象包含所描述特征的参数值和该对象的几何位 置。算法首先要检验出基准影像中所包含的所有对象，在获得实时影像后立即找出其中所对 席的对象。然后在基准图上扫描，找到与实时影像上对象最接近的对象。因为其对象在各自 影像上的几何位置是已知的，且具有一定精度。因而就得剑了两影像的相对位置，甚至可以 解出匹配影像间的几何形变参数( 比如旋转参数比例伸缩参数等) 。 ( 3 ) 基于图像理解和知识推理的匹配方法 基于图像理解和知识推理的匹配方法是最高层次的处理方法。它是基于知识 ( k n o w l e d g eb a s e d ) 的。主要内容是对对象的识别及描述，利用对象来进行影像匹配。这 就需要综合其它领域的许多知识，比如计算机视觉，模式识别，人工智能，神经网络等等。 在日新月异的技术发展过程中，这类方法也正在研究，但由丁所涉及的知识领域比前两类方 法更多，难度也更人，就目前而言在世界范围内这类方法还没有取得突破性的进展，有赖 s 同济大学硕士学位论文第一章绪论 于诸如计算杌视觉、模式识别、人工智能、神经网络等许多领域的迸一步研究。 以上所介绍的三类方法，第一层次的处理方法其要处理的数据量最大。第二、第三层次 的处理方法其处理的数据量逐次减少。这三类算法也可以相互作用，相互结合。其中前两类 算法研究的很多，也比较成熟。第一类算法的突出优点是其精度高。第二类算法的突出优点 是其可靠性高，这在信息贫乏的区域进行匹配尤为重要。最后一类方法是人们在影像匹配过 程中追求能够更多脱离人为介入因素，实现匹配“自动化”和“智能化”的理想目标，是未 来影像匹配发展的方向。本论文采用前两种方法的结合，将在第五章中详细讨论。 1 4 当前影像匹配技术对解决雷达影像匹配定位存在的问题 需要匹配的两幅( 或多幅) 影像一般不可能灶在同一时间得到的，有时其时间间隔可能 非常k 。这时影像匹配要考虑的因素就比较多了：季节变化、气候变化、植被变化、人文景 观的变化等等。需要人为采取一些措施来尽可能的消除这些因素的影响。这就需要在影像匹 配之前做些影像的预处理。要么严格控制实时影像和基准影像的时间间隔：要么同时制备 在多种条件f 的基准影像，从中选出与实时影像最为接近的影像用于匹配。 在基丁区域灰度像素的影像匹配算法过程中，匹配的精度和匹配的可靠性之间是一对矛 盾。一味的追求高精度，就会降低匹配的可靠性 反之，就会降低匹配精度u 。在最小二 乘匹配算法中，匹配的精度跟影像数据的灰度信息有关，信息量人，往往数据量也大，对匹 配精度的提高有利；但这时数据处理最大，处理的时间也k = 。而且如果直接利用这些原始信 息进行匹配，容易形成多个相关点，造成错误定位( 伪定能) ，人人降低匹配算法的可靠性。 为了保证匹配算法的可靠性，对实时影像和基准影像进行边缘特征提取。采用特征西配 的算法进行初匹配。如果提取的边缘越典型，数量越少则定位点处的实时影像和基准影像 的相似性度量与其它位置点上的相似性度量值的差距就越大。其可靠性就越高。但是提取特 征边缘会造成大量的灰度信息的损失，造成匹配精度的下降。在特征匹配过程中，还应尽 量保证特征对象的几何位置精度。否则也会造成匹配精度的下降。 在本文中。研究的是合成孔径雷达影像作为基准影像，真实孔径雷达影像作为实时影像 进行匹配定位的问题。上面提到的问题，在雷达影像匹配过程中都类似的存在。雷达影像其 突出的特点是噪声强，影像之间灰度差异变化大，并存在一定的凡何变形。采用一般的方法 和思路对解决问题有一定的难度。传统上般用实时影像去匹配基准影像而本文根据实验 数据的特点，在影像分割和特征提取的基础上，用生成的“小基准影像特征图”去匹配“大 9 日济大学硕士学位论文 第一章绪论 实时影像特征圈”的匹配策略实现雷达影像的匹配定位。 1 5 本文研究的主要内容和解决方案 本论文的主要工作内容如下： ( 1 ) 综述影像匹配技术的研究现状，简单介绍影像匹配算法的三个层次。指出当前影像 匹配技术存在的一些主要问题。 ( 2 ) 获取试验数据，分析这些数据的特点。 ( 3 ) 用i 刳像处理的相关知识，对实时影像和基准影像进行预处理。特别是制备新的基准 影像用于匹配定位，包括； 依据影像附加参数，对影像进行纠正，生成具有地理编码的基准影像，并统一实时影像 和基准影像的分辨率： 对影像灰度进行辐射改正，直方图调整，边缘增强等处理； 对影像进行区域分隔，获取感兴趣的目标影像； 在影像分割指导下的影像特征目标的检测； 其中检测图像中的边缘特征信息最为重要。边缘信息是影像最基本的信息之一，它既可 以单独的作为基丁区域灰度像素匹配算法的匹配基元，又可以用于基于特征匹配算法所采用 的一类信息。 ( 4 ) 影像匹配算法的研究，简单回顾影像匹配算法的研究历史：介绍影像匹配的基本 原理与基本算法。利用相关测度算法，昂小二乘影像匹配算法，并结合特征匹配算法来完成 雷达影像的匹配。 ( 5 ) 算法的计算机语言程序实现。运用v i s u a lc + + 语青对算法进行程序实现。包括影 像分割、特征提取，影像匹配定位等。 ( 6 ) 分析和总结该方法的优点和缺点。 1 6 本章小结 本章是本论文的绪论部分，简要介绍遥感影像匹配技术的基本概念及重要作用；详述了 本论文的研究目的、选题意义以及影像匹配技术的研究现状；分析了当前影像匹配技术对解 决雷达影像匹配定位存在的问题：确定本论文研究的主要内容和解决方案。 1 0 同济人学硕士学位论文 第二章雷达影像的预处理 2 1 弓i 言 第二章雷达影像的预处理 本论文主要研究以合成孔径雷达( s a r ：s y n t h e t i ca p e r t u r er a d a r ) 影像作为基准影 像，真实孔径雷达( r a r ：r e a la p e r t u r er a d a r ) 影像作为实时影像的影像匹配问题。在 对雷达影像进行匹配之前，进行雷达影像的预处理是非常重要的。一方面对基准影像进行影 像纠正可以生成具有地理编码的基准图。另一方面，对雷达影像进行影像增强可以为影像分 割、影像特征提取提供好的条件，特别是对真实孔径雷达( r a r ) 影像进行影像增强是很 重要的，否则进行影像特征提取会比较困难。图2 - 1 为r a r 影像增强前后质量对比。 ) 增强前的p a r 影像( 6 ) 增强后的p a r 影像 图2 1p a r 影像增强前后对比 选择雷达影像作为武器末端制导有其突出的优点：雷达遥感使用微波波段的电磁波， 其波长比可见光、红外线要长，受大气中云雾的散射较小，其穿透性强，能够穿透云雾、雨 雪、具有全天候工作的能力】，不受天气等外在因素的限制；无论是白天，还是黑夜；无 论是晴空万里，还是乌云密布对地面进行雷达摄影都能够顺利完成。雷达遥感还具有以下 的优点； 、地面分辨率与雷达至目标的距离无关；二、不需要直接飞越目标上空进行摄影； 三、低空飞行时摄取的目标范围大；四、可以不用光学反差而用雷达对比度发现目标；五、 可从载体舱内向地面站用无线电波远距离传输信息。 同济人学硕士学位论文 第二章雷达影像的预处理 雷达摄影测量技术利用现代最完善的机载测试雷达系统，编制和更新地形图、判读地 面目标、确定地面目标的位置坐标、精确测量目标的间距。由于雷达遥感的全天候特性，使 得雷达影像对丁= 导航定位也有着非常重要的意义。合成孔径雷达因其具有商分辨率。卫星微 波成像多采用这种传感器。 由于合成孔径雷达影像其成像机理的特殊性，与光学图像比较起来，目标表面比较租 糙，不光滑；其在影像获取过程中还会产生变形、扭曲等噪音的影响。这些都给雷达影像匹 配1 ：作带来困难，需要在匹配定位前对基准影像做一些预处理，例如辐射校正，几何校正等 等。这样可以为影像匹配提供足够好的影像数据，尤其是对要进行定位的影像重要区域，希 望事先能够分割出来并且进行些特别处理，以利于接下来的匹配工作。由于匹配的实时性 的要求，对实时影像的预处理一般不能较深入的进行。 完整的辐射校正包括遥感器校止，大气校正，以及地形校正等。精确的影像辐射校止 是很困难的一般是运用影像本身的灰度信息来进行校正。后面介绍的最小二乘影像匹配方 法也能在匹配过程中加入辐射纠正。s a r 影像和r a r 影像还存在透视收缩、阴影等像点位 移问题。雷达影像几何校正的目的就是消除这些位移，生成地理编码的止射影像| 1 2 】。 由丁雷达影像的特殊性，在s a r 基准影像上进行预处理，例如几何校正、影像增强对 影像分割，提取特征有很大的帮助，对匹配定位也有很大的意义。这是完成影像匹配定位的 第一步t 作。基准影像与实时影像之间因拍摄的高度、时问不同，存在着一定的几何变形、 灰度差异和分辨率误差等问题。这些因素都会影响雷达影像的准确匹配定能。需要进行雷达 影像的预处理。同时由于时间条件的限制，不能对r a r 影像进行太多的处理，此时对s a r 基准影像的预处理就尤为关键。在完成匹配的这个过程中，大部分的操作都是在s a r 基准 影像上进行，充分利用s a r 基准影像的信息条件，为匹配定位准备质量更高的基准影像。 2 2 s a r 基准影像的几何校正 s a r 原始影像或多或少会有一些几何变形，包括系统性的和非系统性的儿何变形。影 像几何校正的作用是改变影像中各物体之间的空间关系，将影像的物体在影像中做空间上的 移动，达到纠正影像几何变形的作用。通常影像的个几何校正处理包括两个独立的过程。 一是几何校正的数学变换，即像素坐标的变换，这是决定几何校正精度的关键。二是需要一 个灰度级插值算法( 即影像的重采样) 。因为在一般情况下，输入影像的位置坐标( z ，_ y ) 为 整数，而输出影像的位置坐标往往为非整数，这就必须进行插值运算。对匹配定位来讲，基 1 2 同济大学硕_ 学位论文 第二章雷达影像的预处理 准影像儿何校正的目的就是尽量消除由于影像变形对影像匹配定位所产生的影响。 2 2 1 几何校正的数学模型 用数学的方法可以方便的描述输入，输出影像之间的空间关系。一般其变换关系定义 如f ： g ( x ，y ) = f ( x 。，y ) = f a ( x ，y ) ，b ( x ，y ) 】 ( 2 1 ) 其中，f ( x ，y ) 表示输入影像g ( x ，y ) 表示输山影像。函数a ( x ，y ) 和b ( x ，y ) 唯一的描述了 输入和输出影像之间的空间变换关系。如果变换函数是连续的，新影像的空间连通关系将在 图像中得到保持。完成空间变换的关键是找到空问变换的函数a ( x ，y ) 和b ( x ，y ) 。 2 2 2 灰度级插值( 影像重采样) 几何校正运算的第二个要求是进行灰度级插值。运用重采样的理论就可以实现灰度级 插值。当要计算的像素不是彳立于矩阵( 采样) 点上的影像灰度数值时就需要进行灰度内插， 即影像的重采样。在输入影像f ( x ，y ) 中，灰度值一般在整数位置( x ，y ) 上有定义。然而在 经过式( 2 - 1 ) 进行空间变换后的输出影像g ( x ，y ) 的灰度值一般由处在非整数坐标上的 f ( x ，y ) 的值来确定。如果把一个几何校正运算看成是从f 到g 的映射，则，中的一个像素 会映射到g 中的几个像素之间。 ( 1 ) 最近邻插值 这是最简单的一种方法，直接将离待定点( x ，y ) 最近的像素灰度值赋予该点。这种方法 简单，运算速度快，在很多要求不是很严格的情况卜，结果也能令人满意。但是精度不高， 晟人误差可达0 5 个像素，输出影像会有不很明显的锯齿边。该方法的数学描述如f ： f ( x ，y ) = ，( 【x ，【y 】) ( 2 2 ) 其中【x 】和【y 表示离工和y 最近的整数值。即y x = ：i n n 伊t ( ( x y ：尝，w 7 1 表示取整运算。 ( 2 ) 双线性插值 与上一种方法相比可产生更加令人满意的效果，能达到较好的精度，算法运行的时间 稍长程序稍微复杂些；产生的平滑作用会使图像的细带产生退化，尤其在影像放大变换时， 蚓济大学硕上学位论文 第二章雷达影像的预处理 影响尤为明显。该方法的数学描述如下：令f ( x ，y ) 为要插值点的灰度值，其所在单位正方 形的四个顶点的值已知，分剐为 o ，y ) ，2 0 ，y ) ，是 ，y ) ，厶( x ，y ) 。则： f ( x ，y ) 2 ( 1 一a x ) o a y ) f , ( x ，y ) + a x ( 1 一a y ) a ( x ，y ) + r ， a x 缈l ( x ，_ y ) + ( 1 一缸) a y l ( x ，力 “。j 其中) c ，为要插值点与它所在单位正方形的左上顶点的坐标差值。 此外还有高阶插值法，它比上面两种方法都要复杂，适用于拟合多于4 个点的邻域。这 种方法精度很高，对边缘有所增强，并具有均衡化和清晰化的效果但还是破坏了原来的像 元值，计算量也很大。 本文将采用双线性插值的方法来进行影像的灰度级插值，其主要原因是这种方法一方面 能够保证重采样的精度要求，比起高阶插值法其算法实现的速度要快。 2 2 3s a r 基准影像几何校正的实现 可以从输入影像开始将输入影像的每一个像素灰度一个接一个的转移到输出影像中， 称为直接法。另一种更有效的方法是从输出影像开始，把输出影像的每一个像素灰度一个接 一个的映射到输入影像中去，利用灰度级内插来确定该映射点的灰度值，称为间接法。 由于许多输入像素可能映射到输出影像的边界之外，故直接法的算法会产生“浪费” 和“缝隙”的现象。而间接法是逐像素、逐行的生成输出影像。每个像素的灰度级有最多的 四个像素参与的插值所唯一的确定。因而是一种更切实可行的方法。本文将采用这种方法。 在本文中几何校正处理所作的影像空间移动一般都比较小，主要依据1 s 行器提供的姿 态信息消除基准影像( 或者实时影像) 的旋转、平移、透视和缩放产生的儿何变形。实现 过程如下： 首先是选取多个地面控制点( g c p ) 。对地面控制点的特征有以下一些要求： ( 1 ) 地面控制点在影像上有明显的，清晰的定位识别标志，如道路交叉口，河流交叉 口等等。 ( 2 ) 这些控制点上的地物不随时间而变化，以保证两幅不同时段的影像作纠止时都能 识跏出来。 ( 3 ) 最好选取在同一地形高度上的控制点。 第二步是选择多项式纠正模型，它的原理比较直观，计算简单，特别在地面平坦地区 1 4 同济= 学硕士学位论文第二章雷达影像的预处理 具有较高豹精度。 在地面控制点确定后，要在影像与影像或地图上分别读山各个控制点在影像上的像元 坐标( x ，y ) 及其参考影像或地图的坐标( x ，y ) 。可以用高次多项式来进行曲面拟合，即选择 合适的坐标变换函数式( 数学纯正模型) ，建立影像坐标 ，y ) 和其参考坐标( x ，y ) 之f 司的 关系式。即多项式纠正模型。数学表达式为： x = 口，x 。l ，。 ”o。(2-4) y = 6 。x y 式中：o f ，b 为多项式系数，n 为多项式的次数。n 的选取取决于影像变形的程度 和地面控制点的数量。对于小区域变形不大的影像可以采取一次线形多项式的纠正，可以对 ，y 方向上的位移，x ，y 方向上的比例尺变形，倾斜和旋转取得足够的2 q i g _ 精度。对于变 形比较严重的或精度簧求较高时，可用两次或三次多项式进行纠正。 工= 口。+ d l 爿+ a 2 y + 码爿2 + 吼删+ 口，+ ( 2 5 ) y = 6 0 + b l z + b 2 y + b 3 x2 + b 4 x y + 吼y 2 + 当多项式的次数选定后，用所确定的控锻点的坐标。按照最小二乘法求出多项式的 系数。多项式纠正模型确定后，对全幅影像的各像元进行坐标变换，重新定位，以达到纠正 的目的。 2 3 雷达影像的影像增强 如图2 - 2 所示；s a p , , 影像和r a r 影像的噪声很强，灰度信息差异很大，特别是r a r 影像其影像的灰度级分布很不合理。对雷达影像进行增强，加强影像中各个特征之间在外观 上的反差性能，提高影像目视的效果。一般而言，影像增强就是采用一系列的技术来改善影 像的视觉效果，或者将影像变换成一种更适合丁人或机器进行分析处理的形式【1 ”。 影像增强没有绝对的客观标准，对特定的影像进行增强处理一般都要有特定的处理方 法。对雷达影像进行增强也一样，住本文中影像增强的目的是为了更好的完成s a r 影像的 影像分割，雷达影像的特征提取，为雷达影像的匹配定位制作更好的匹配影像。 目前常用的增强技术根据其处理所进行的空间不同，分为基于空阊域 | 勺方法私基于频率 同济大学颂士学位论义 第一章雷达影像的预处理 域的方法两大类。空间域的处理过程中，一般在原影像上直接进行数据运算的处理。例如在 像素点邻域有关的空间域进行处理，影像的卷积运算就是其中的一种。还有对影像做逐点运 算处理，称为点运算，直方图均衡的方法就是其中的一种。频率域的处理一般是在f o u r i e r ( 傅立叶) 等变换域上进行，改变其频率的信息来增强我制感兴趣的频率分量，最后对修改 后的f o u r i e r 等变换值再作f o u r i e r 的反变换，得到增强的影像。 2 3 1 雷达影像的对比度增强 影像的对比度的增强实际上是增强原影像中各部分的反差，通过增加原影像中某两个灰 度值之间的动态范围。即扩人影像灰度的范围，达到影像增强的目的”】。设原始影像在 f ( x ，y ) 处的灰度为厂，经过影像增强后其影像灰度为g ，增强后的整幅影像用g ( x ，y ) 表 示。此映射用数学公式来表示： g ( x ，y ) = t f ( x ，_ y ) ( 2 - 6 ) 可咀看出其增强方式为逐点的方式进行，增强后的信影像其每个像素的灰度结果只和 原影像对应像素点的灰度有关。 对比度增强根据映射方式的不同，可分为灰度变换法和直方图法。前者有线性，分段 线性和非线性等不同的灰度变换方法。后者包括直方图均衡化和直方图规定化等。 影像记录设备动态变化范围太窄，则会产生对比度不足的问题，造成影像中的细节分 辨不清4 ”。这时如果能将影像灰度得到线性拉伸的话，常常能改善影像的视觉效果。假设 一幅影像f ( x ，y ) ，原米的灰度范围为 盯，b 】，其变换后的影像g ( x ，y ) 的灰度范闸扩展到了 p ，d 】，用如f 的线性变换可以实现灰度的线性拉伸： l 。0 一f ( x 一 咖川= 乒d - c m + 。黝- jl 凛- , y ) u 羔。 ( 2 - 7 ) 厶。表示原始影像f ( x ，y ) 的灰度最大值。 还有为了突出感兴趣的目标或者灰度区间同时相对的抑制那些我们不感兴趣的灰度 区域，可采用下面的分段线性法。这里举的例子是三段线性变换的公式； 6 同济丈学硕上学位论文第二章雷达影像的预处理 g ( x ，y ) = c f ( x ，y ) 等i f ( x , y ) 一口】+ p 口一口 器y m 0 f ( 工，y ) 日 口f ( x ，y ) t k ，则( f ，) 为阶跃边缘点- k i r s c h 边缘检测算子根据最佳适配原则给出了大 小为3 3 的边缘模板，它们能够实现0 4 、4 5 。、9 0 。、3 1 5 。等八个方向( 每个角度 五4 唰济大学硕士学位论文第四章雷达影像特征提取 有两个) 的边缘检测，最大响应的模板序号，构成了边缘的方向。显然在上述的一阶微分算 子中闽值的选取是很重要的口”。特别在含有噪声的影像中，闽值的选择是一个涉及在丢失有 效边缘和由于噪声所造成的错误边缘之间进行折衷考虑的问题。 4