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基于Harris角點檢測的高精度自動點匹配算法。該算法充分利用了圖像的角點特征以及圖像灰度和位置信息，匹配過程中采用圓形模板進行相似度計算和松弛匹配，并用全局一致性檢測保證匹配的精度。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，其精度和速度都優(yōu)于傳統(tǒng)的點匹配算法。關鍵詞 角點檢測 點匹配 圓形模板 一致性檢測 仿射變換 A Point Matching Algorithm based on Corner Dete

2、ctionXu Lin Cao Xiaoguang Yu Wenxia（Image Processing Center, BeiHang University ,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 m

3、akes 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

4、affine geometric transform showed that the algorithm could do accurate automatic matching and it outperforms traditional point matching algorithms both in accuracy and running speed.Keywords Corner 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之

5、一，在遙感圖像處理中被廣泛應用，目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。基于灰度的匹配直觀易懂，但速度慢、精度低；基于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距離法、松弛標記法、確定性退火算法以及迭代最近點算法()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4。它是一種非常重要的圖像點特征，包含了圖像中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異(位移、旋轉、縮放)的兩幅多光譜遙感圖像，本文給出了基于Harris算子的角點檢測和自動點匹配算法。本文提出的一直灰度匹配和特征匹配相結合的算

6、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精度。本文算法主要思路：首先由Harris算子檢測得到待匹配的角點集合，隨后采用局部灰度相關進行粗匹配得到多對多匹配對，然后進行松弛迭代由精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一致性檢測，進一步保證匹配的準確率。2 Harris算子Harris4，具有計算簡單、提取的角點特征均勻合理、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： （1） （2）其中，為方向的梯度， 為方向的梯度，為高斯模板，為矩陣的行列式，為矩陣直跡，為默認常

7、數(shù)。矩陣中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，建立一個局部匹配的準則，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中角點和圖像B中角點的相似程度的度量采用互相關，相關系數(shù)定義為：（3）（）和（）分別是圖像A（B）在點p (q)附近的局部均值和方差，n為角點鄰域半徑。為提高搜索速度同時保證計算精確度，圖像A中角點p的鄰域取圓域：中心為p點，半徑為。在圖像B中找到與A中p點具有相同坐標點的矩形搜索區(qū)域：尺寸為2du×2dv。對于搜索區(qū)中每一角點q，按公式（3）計算p與q的相似度。3.

8、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5等人的算法,采用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強度，再由迭代將粗匹配結果（多對多匹配對）精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：假設為一個正確匹配對， 為周圍角點支持范圍（中心，半徑為R的圓域）。對于中所有的支持的角點，（對應的匹配對），定義支持強度為： （4）取中的最大支持強度，再由雙向僅僅考慮匹配性，最終候選匹配對的匹配強度為： （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 一致性檢測由于遙感圖

9、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(chǎn)生扭曲和畸變，在粗匹配階段計算局部相關性時就導致了錯誤匹配對的產(chǎn)生1。實驗表明, 這些錯誤匹配對在精匹配時無法去除，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)量是少量的，不超過5%。一致性檢測的原理基于這樣的事實：任一線段在仿射變換前后的比是變換的縮放比。精匹配后得到的對應包含個匹配點的集合和，它們是一一對應的。那么對應的線段比值，這樣的線段比共有n(n-1)/2對。當所有點都是物理對應點時， n(n-1)/2個比值都是一樣的，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)大于3且遠大

10、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，將一致性數(shù)據(jù)對的匹配點作為基元控制點輸出。4 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)星遙感圖像相應的波段： ETM (PAN)與ASTER（Band1），大小都為512×512像素，分辨率都為15米。 (a)圖A (b)圖B圖1 Harris角點檢測后的圖像圖1（a）為參考圖：ETM(PAN)；圖1（b）為待配準圖：Aster（Band1）。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。Harri

11、s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大小為4×4，標準差0.8，興趣值閾值5000，非最大抑制鄰域半徑5；粗匹配：=5像素，對應搜索范圍和分別被設為圖像B的寬度和高度的。閾值0.8；精匹配： R為圖像寬度和高度較小者；一致性檢測：按距離比大小聚成3類。表1 各階段角點數(shù)目表步驟圖A角點數(shù)圖B角點數(shù)Harris角點檢測986 815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)目差異是由于圖A中帶狀噪聲干擾。 (a)圖A局部 (b) 圖B局部圖2 精匹配和一致性檢測結果精匹配后正確的角點對

12、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6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素的影像，但是7個向量矩在計算過程中運算量很大，也只利用了局部信息，沒有考慮全局位置信息，用于不同傳感器的圖像配準，準確率仍然不高。而采用本算法是充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（%）85 93.4運行時間（s）35.817.45 結論本文在整個點匹配算法中不同階段采取不同策略，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

13、用了圖像的灰度信息和角點位置信息，但沒有利用到形狀等區(qū)域信息和光譜信息，因此，存在大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. 孫家抦,遙感原理與應用,武漢大學出版社, 2003.2,ISBN 7-307-03765-3.2. Xu Jianbin, An efficient rotation-invariance remote image matching algorithm based on feature points matching, Geoscience and Remote Sensing Symposi

14、um, IEEE International, Volume 1, 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 corner and edge detector. Proceedings of the