1 本文的核心思想
问题:光学和 SAR 影像间的几何形变和辐射差异造成的配准困难问题
解决方法:提出了一种基于空间几何约束和结构特征的光学影像与 SAR 影像自动配准方法。
2 光学影像与 SAR 影像配准
2.1 特征点提取
采用分块Harris提取特征点而不是传统Harris,对影像分块的目的是提取出均匀的特征点,避免特征点不均的问题。
2.2 局部几何纠正
根据有理函数模型,以特征点为中心,选取一定大小的局部影像,引入DEM做高程基准面对局部影像进行几何校正,消除影像间的几何形变(如旋转和尺度差异),对局部影像完成粗配准。
2.3 结构特征提取
局部影像完成粗校正之后,光学影像与SAR影像配准最大的困难点在于影像间的非线性辐射差异。因为光学影像和SAR影像具有较为相似的几何结构信息,所以采用了CFOG算子提取影像的几何结构特征。CFOG的优势是,其一通过对方向梯度信息进行卷积运算代替三维线性插值,有效提高计算效率。其二CFOG是逐像素的特征描述符,能更精确地描述影像地形状和几何结构属性。
2.4快速匹配
由于CFOG是逐像素地三维结构特征描述符,数据量过大,使用传统相似性检测方法(如NCC)匹配非常耗时,作者采用傅里叶变换方法将特征模板从空间域变换到频率域,以相位相关为相似性测度提升匹配速度。
2.5粗差剔除与几何纠正
依据最小二乘原理,基于影像间地几何约束关系描述为
式中,(x,y)为同名点在输入影像上的图像坐标;( a0,a1,a2 ) 和 ( b0,b1,b2 ) 为补偿参数,(P,L,H)为对应同名点在参考影像上的物方坐标。解算补偿参数后,计算同名点残差和RMSE,剔除残差较大地同名点。重新解算补偿参数,对上述过程进行迭代,直到RMSE达到要求。
3 实验
3.1 实验数据与评价方法
选择了三组国产高分卫星影像,参考影像为纠正过的高分三号SAR影像,输入影像分别使用高分二号多光谱影像和资源三号全色影像。分别位于包含大量耕地城市郊区、水系丰富的城市郊区、中心为城市四周山脉环绕地形起伏较大。基于实验数据采用人工刺点的方式在参考影像和配准后的影像上选取50对同名点作为检查点,通过计算它们的RMSE来表示配准精度。从匹配正确率、配准精度和计算效率等方面对本文方法进行分析与评价,并将传统的模板匹配方法 MI、NCC,以及同样基于结构特征的HOPC描述符,结合上述的局部纠正,与作者的方法进行对比。
3.2 对比分析
实验1和2位于地形平坦、地物信息较为丰富的区域,实验3位于四川省眉山市,地势西高东低,起伏较大,配准难度较大。
从各个方面,作者的方法都遥遥领先,其中NCC对影像间的灰度只具有线性不变性,当影像间的辐射差异 较大,尤其是面对非线性的辐射差异时,NCC难以达到满意的效果。
4 存在的问题
对比实验3和实验1和实验2,可以看到由于实验3的数据中地形起伏较大,局部几何畸变显著,匹配难度较大。另外,有理函数模型的像方误差补偿参数,难以对地形起伏较大区域精确拟合。有没有什么方法可以提高地形起伏较大区域的匹配正确率的方法?