基于角點檢測的自動點匹配算法

1、基于角點檢測的自動點匹配算法徐琳曹曉光郁文霞（北京航空航天大學圖像處理中心北京100083）摘要 針對多光譜、多傳感器遙感圖像的自動配準，本文提出了一個新的棊于harris角點檢測的高耕度自動點匹配算法。該 算法充分利用了圖像的角點特征以及圖像灰度利位置信息，匹配過程中采用圓形模板進行和似度計算和松弛匹配，并用全局 一致性檢測保證匹配的將度。初步實驗表明，本算法對于存在仿射變換的遙感圖像可以精確自動匹配，其稱度和速度都優(yōu)于 傳統(tǒng)的點匹配算法。關鍵詞角點檢測點匹配鬪形模板一致性檢測仿射變換a point matching algorithm based on corner detectionxu

2、 lin cao xicioguang yu wenxia (image processing center, beihang university f 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 mak

3、es 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 aff

4、ine geometric transform showed that the algorithm could do accurate automatic matching and it outperforms traditional point matching algorithms both in accuracy and running speedkeywords comer detection point matching circular template consistency checking affine transform1引言點匹配是數(shù)字圖像處理的基本任務z-,在遙 感圖像

5、處理中被廣泛應用，冃前常見的匹配算法主 要有：基于灰度，基于特征和基于對影像理解和解 釋等三種算法?；诨叶鹊钠ヅ湫^易懂，但速度 慢、精度低；基丁特征的匹配精度高但計算復雜。常用的角點匹配算法有常用的角點匹配算法有h a u s d o r f f距離法、松弛標記法、確定性退火算法以及迭彳般 近點私（i cp）角點是像素點在其鄰域內的各個方向上灰度 變換值足夠高的點。它是一種非常重耍的圖像點 特征，包含了圖像屮比較豐富的二維結構信息，又 被稱為“興趣點”或特征點算子。針對空間上存在 仿射差界（位移、旋轉、縮放）的兩幅多光譜遙感圖 像，本文給出了基于harris算了的角點檢測和白動 點匹配算法

6、。本文提出的一直灰度匹配和特征匹配 和結合的算法。該算法充分利用了角點鄰域灰度信 息和仿射變換前后角點的位置信息，以達到自動配 準的目的，對于同時存在平移、縮放、旋轉變換的 圖像具有較高的匹配粘度。本文算法主要思路：首先由haitis算了檢測得 到待兀配的角點集合，隨后采用局部灰度和關進行 粗匹配得到多對多匹配對，然后進行松弛迭代山粘: 匹配得到一對一的匹配對,最后利用角點間距離比 進行全局-致性檢測，進一步保證匹配的準確率。2 harris 算子harris1 算子是 c. harris 和 m. j. stephens 提 出的一種基于信號的點特征提取算子，具有計算簡 單、提取的角點特征均

7、勻合理、可以定量提取特征 點以及算子穩(wěn)定的特點。其處理過程表示如下：m =g（5）®g.fi = det（m ）-k-ir2（mk= 0.04其中，為兀方向的梯度，趴,為y方向的梯 度，g（；）為髙斯模板，det為矩陣的行列式，為 矩陣直跡，k為默認常數(shù)。矩陣/屮每一點的元素 值對應于原圖相應點的興趣值。3角點匹配3.1角點粗匹配粗匹配是利用角點附近的灰度信息，用相關的 方法，建立一個局部醫(yī)配的準則，將harris算子檢 測結果（兩個角點集合），劃分為多對多匹配對。圖 像a中角點0和圖像b中角點g的相似程度的度量 釆用互相關，相關系數(shù)定義為：corns （p,q） = n（3）

8、63; £ a（u + + 丿）- m b（u + /, v + j） - “2 j=-ni=-np、（ “）和岔（八）分別是圖像a （b）在點 "（q）附近的局部均值和方差，為角點鄰域半徑。為提高搜索速度同時保證計算粘確度，圖像a 屮角點"的鄰域取圓域：屮心為"點，半徑為兀。 在圖像b屮找到與人屮p點具冇和同坐標點的矩形 搜索區(qū)域：尺寸為2dux2dv.對于搜索區(qū)中每一角 點g,按公式（3）計算與q的相似度。3.2角點精匹配傳統(tǒng)點匹配方法不考慮周圍點的匹配結果一 致性，本文參考張遷等人的算法，采川松弛匹配先 利用對稱性計算鄰域內其他角點對該角點的支持

9、強度，再山迭代將粗匹配結果（多對多匹配對）粘 確為最終的一對一匹配結果，即精匹配結果。精匹配過程歸納如下：假設（比,）為一個正確匹配對,n（aj為a. 周圍角點支ihtem （屮心4,半徑為r的圓域）。 對于n（aj中所有的支持a的角點a”，（ 對應的 匹配對（a赳），定義支第強度為: supp（ai，bj；ah，bj =c"rrs（人，b,） cmesg,）/?（&,；血，b,.）l+db（a，d；血,3,）（4）取n（a,）中的最大支持強度，再由雙向僅僅考 慮匹配性，最終候選匹配對（4,為）的匹配強度為：s（a，bj= 工 max supp 仏,為；血,氏）gw，&quo

10、t;人屁）（5）考慮對稱性,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的支持，不是 匹配對。3.3 一致性檢測山于遙感圖像在成像時的姿態(tài)與投影中心的 影響，圖像中部分區(qū)域可能會產生扭曲和畸變，在 粗匹配階段計算局部和關性時就導致了錯誤匹配 對的產生。實驗表明，這些錯謀匹配對在粘匹配 時無法去除，且其存在會影響配準結果的可靠性， 但這些錯誤匹配對數(shù)量是少暈的，不超過5%。-致性檢測的原理基于這樣的事實：任線段在仿 射變換前麻的比是變換的縮放比。精匹配后得到的對應 包含刃個匹配點的集合匕和他,它們是一對應的。 那么對應的線段比值e/吋，這樣的線段比共有 n

11、（n-iy2對。當所有點都是物理對應點時，n（n-iy2個比 值都是-樣的，或者說比值是接近的。一致性檢測首先對所有線段比值數(shù)據(jù)進行分 級聚類。聚類結果中若某一類樣本個數(shù)人丁v且遠 大于其他類的樣本個數(shù)，則稱該類為一致性數(shù)據(jù)。 實驗表明，聚成3類時，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。最后, 將致性數(shù)據(jù)対的匹配點作為基元控制點輸出o4實驗參數(shù)設置及結果分析用本文的算法來檢測多光譜影像的配準，實驗 數(shù)據(jù)截取自兩種典型衛(wèi)星遙感圖像和應的波段： etm （pan）與 aster （bcimh ）,大小都為 512x512 像素，分辨率都為15米。(a)圖 a(b)圖 b圖

12、1 harris角點檢測后的圖像圖1 (a)為參考圖：et盟(pan)；圖1 (b)為 待配準圖：aster (bandl)。兩幅圖之間存在位移、 旋轉和輕微變形，圖a中存在帶狀噪聲干擾° harris 算子檢測結果即角點用標注。本算法各步驟的參數(shù)設置：harris角點檢測: 高斯低通濾波器的模板的人小為4x4,標準差0.8, 興趣值閾值5000,非最人抑制鄰域半徑5； 0粗阻 配：斤二5像素，對應搜索范圍d“和久分別被設為 圖像的寬度和高度的1/4 o corres(i,./)閾值0. 8； 粘匹配：斤為1/8圖像寬度和髙度較小者；g) 致性檢測：按距離比人小聚成3類。農1各階段角

13、點數(shù)目農步驟圖a角點數(shù)圖b角點數(shù)harris角點檢測986815精匹配328328一致性檢測302302注：表中harris角點檢測中圖a和圖b的數(shù)目差 界是由于圖八中帶狀噪聲干擾。(a)圖a局部(b)圖b局部圖2粘:匹配和一致件檢測結果精匹配后正確的角點對用方塊標注，一致性檢 測后去掉的錯誤匹配對用圓圈出。作為對比，本文同時應用傳統(tǒng)的點匹配策略： hu不變矩測度，來檢測圖像中對應的角點匹配 對。向量矩的方法可以在一定程度上避免圖像旋轉 等因索的影像，但是7個向量矩在計算過程屮運算 量很大，也只利用了局部信息，沒冇考慮全局位置 信息，用于不同傳感器的圖像配準，準確率仍然不 髙。而釆用本算法是充

14、分利用了圖像的信息，得到 了較好的結果，對比結果見表2。表2結果對比表方法hu不變矩本文匹配正確率(%)8593.4運行時間(s)35.817.45結論木文在整個點匹配算法中不同階段釆取不同 策略，縮短運行時間；同時使用圓形窗口和一致性 檢測，保證計算精度。算法雖充分利用了圖像的灰 度信息和角點位過信息，但沒有利用到形狀等區(qū)域 信息和光譜信息，因此，存在人范圍噪聲的圖像對 本文的計算有一定的干擾，會增加計算量。在以后 的工作中需要改進以進一步提高運算速度和準確 率。參考文獻1. 孫家捕，遙感原理與應用，武漢大學出版社，2003. 2, isbn 7-307-03765-3.2. xu jian

15、bin, an efficient rotation-invariance remote image matching algorithm based on feature points matching, geoscience and remote sensing symposium, ieee international, volume i, 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 comer and edge detect