面向InSAR稀疏控制點測圖的同名點提取方法

姜麗敏 陳曙暄 向茂生

①(中國科學(xué)院電子學(xué)研究所微波成像技術(shù)國家級重點實驗室 北京 100190)

②(中國科學(xué)院研究生院 北京 100190)

③(北京航天自動控制研究所 北京 100854)

1 引言

InSAR數(shù)據(jù)處理中，干涉參數(shù)(基線長度、基線角和干涉相位偏置)直接影響最終獲取數(shù)學(xué)高程模型(DEM)的精度[1]。國內(nèi)外關(guān)于這些參數(shù)偏差的標(biāo)定技術(shù)，大部分采用航帶內(nèi)和航帶間重疊分景的外定標(biāo)方案，該方案存在兩個問題：(1)大區(qū)域地形測繪時，需要在每景干涉像對中實地布放足量且分布合理的地面控制點(Ground Control Points,GCPs)。工作量大、作業(yè)效率低；而且野外采集GCPs受地形條件限制，存在某些測區(qū)如荒山、沼澤等難以實現(xiàn)GCPs布放；(2)忽略了相鄰景的鄰接關(guān)系，會造成相鄰景重疊區(qū)域高程不一致。因此，各景單獨外定標(biāo)方法難以實現(xiàn)經(jīng)濟高效的大面積地形測繪。為推動我國InSAR技術(shù)的實用化，開展InSAR稀疏控制點測圖方法研究具有較強的現(xiàn)實意義和理論價值。

所謂InSAR稀疏控制點測圖，就是充分利用相鄰影像之間的HPs(即具有同一地理位置的特征)并聯(lián)合少量GCPs，對測繪區(qū)域內(nèi)所有景數(shù)據(jù)的干涉參數(shù)進行整體標(biāo)定。因此，HPs的自動提取顯得尤為重要。目前，國內(nèi)外在SAR影像自動配準(zhǔn)方面關(guān)于同名點提取的研究雖有一些成果[2,3]，但這些方法無需考慮干涉技術(shù)的特殊問題，不適用于InSAR稀疏控制點測圖，前期工作也證明了這一點。

SAR的側(cè)視成像模式和相干成像機理使得自動提取HPs較為困難。首先，相鄰影像重疊域的成像視角差異，造成重疊區(qū)存在灰度不一致、旋轉(zhuǎn)變形、尺度縮放以及仿射變形；其次，同一分辨單元內(nèi)各散射點隨機散射信號相互疊加產(chǎn)生的相干斑噪聲，降低了圖像的質(zhì)量，掩蓋了圖像的細(xì)節(jié)結(jié)構(gòu)，很大程度上影響SAR影像的特征提取。這就要求相鄰影像中提取的特征，必須對旋轉(zhuǎn)、尺度縮放、仿射變形、視角變化等由于SAR的特殊成像機制造成的圖像變化因素，保持一定的不變性和適應(yīng)性；最后，基于InSAR的地形測繪是以SAR復(fù)數(shù)據(jù)提取的相位信息為信息源獲得地形高程，所以最終匹配的特征所在位置處的干涉相位必須能夠正確反映其對應(yīng)的高程信息。

受上述條件約束，基于光學(xué)影像的特征提取算法難以直接應(yīng)用于SAR圖像。本文圍繞不變特征檢測，結(jié)合近年來計算機視覺領(lǐng)域關(guān)于局部不變量描述符的相關(guān)研究[4]，利用SIFT[5]和SURF[6]的不變特性，針對本文特殊應(yīng)用對干涉相位質(zhì)量的約束，提出了以質(zhì)量圖為導(dǎo)引的特征篩選方法。

2 SIFT和SURF簡述

二者均可分4步：尺度空間[7]極值檢測、特征點精確定位、主方向確定和特征向量生成。

2.1 極值檢測

SIFT利用差分高斯(Difference of Gauss,DoG)近似拉普拉斯高斯(Laplace of Gauss,LoG)作為極值點檢測的基礎(chǔ)，而SURF借助于積分圖像[8]利用箱式濾波器近似LoG作為Fast-Hessian極值點檢測的基礎(chǔ)。

(1)DoG極值檢測 差分高斯尺度由圖像高斯尺度空間表述中相鄰尺度層函數(shù)相減得到，即

其中G(x,y,σ)是標(biāo)準(zhǔn)差為σ的高斯函數(shù)，I(x,y)為圖像，k是常量，*為卷積運算。DoG極值檢測就是檢測DoG函數(shù)在尺度空間上的極值點。

(2)Fast-Hessian極值檢測SURF是基于Hessian矩陣的行列式實現(xiàn)極值檢測：

2.2 特征點定位

兩者均采用文獻[9]的定位方法，前者基于DoG函數(shù)，后者基于Hessian行列式。

2.3 特征描述符

兩者都是對特征點鄰域強度分布的描述，包括特征點主方向確定和特征向量構(gòu)成。

(1)SIFT描述符

第1步 主方向確定。利用興趣點鄰域像素的梯度方向分布為其指定方向參數(shù)，像素點(x,y,σ)的梯度幅值和方向為

第2步 特征向量生成。由興趣點鄰域的梯度方向直方圖，建立一個128維的特征向量。

(2)SURF描述符

第1步 主方向確定。特征點的圓形鄰域以π/3為單元，將單元格內(nèi)所有像點在水平和垂直方向的一階Harr小波響應(yīng)dxi,dyi(i=1,…,m)(m為單元格內(nèi)像素點總個數(shù))分別相單元格的局部方向向量。鄰域內(nèi)各單元Hy/Hx的最大值即為特征點的主方向。

第2步 基于Harr小波響應(yīng)的特征描述符生成。利用積分圖像計算Harr小波響應(yīng)，進而構(gòu)成64維特征向量。

3 同名點提取算法

3.1 算法的約束條件

(1)成像機理約束 同航帶相鄰影像屬于同一飛行航跡，但機載平臺受其適應(yīng)性限制，同航帶一致處理會使運動誤差沿航向積累，造成運動誤差的空變效應(yīng)增強，最終導(dǎo)致成像質(zhì)量下降，兩幅影像相干性降低，不利于后續(xù)干涉處理，故干涉數(shù)據(jù)處理采用重疊分景方式，如圖1(a)。各分景成像時對平臺的運動補償相互獨立，具有各自的理想航跡線，因此同一飛行航跡的相鄰影像重疊區(qū)間存在尺度縮放、小角度旋轉(zhuǎn)、仿射變形等。

同航向相鄰航帶屬于兩次飛行航跡，成像幾何見圖1(b)。重疊區(qū)位于航帶Ⅰ遠距端，航帶Ⅱ近距端。SAR側(cè)視成像幾何和斜距投影使得重疊區(qū)在航帶Ⅱ的地距采樣間隔大于航帶Ⅰ，例如重疊度50%，近、遠距和中心視角分別為30°,60°和45°，此時重疊測區(qū)在兩航帶的地距分辨單元滿足2關(guān)系，進而造成相鄰影像重疊區(qū)的幾何畸變差異較大(圖1(c))。圖1(c)中，SAR影像的近距壓縮效應(yīng)使得重疊測區(qū)等地距間隔擺放的6個圓點在兩幅影像的幾何畸變不一致；當(dāng)兩航帶的重疊測繪范圍非常小時，該局部幾何畸變將更加顯著。SAR影像的回波強度是分辨單元內(nèi)無數(shù)個獨立散射體散射信號的相參疊加，而散射體的后向散射系數(shù)除與自身參數(shù)(表面粗糙度、幾何形狀、介電常數(shù))有關(guān)外，還與SAR系統(tǒng)參數(shù)(波長、極化和成像視角)密切相關(guān)[10]，視角變化會造成相鄰影像重疊區(qū)存在較大的視角灰度差異；此外，很難保證兩次航跡完全平行，非平行航跡會使重疊域存在旋轉(zhuǎn)變形。

圖1 相鄰景成像幾何

圖2 SAR影像中的疊掩、陰影、多路徑效應(yīng)

綜上所述，兩種情況都要求算法對仿射、灰度、旋轉(zhuǎn)和尺度變化等具有一定的不變性和適應(yīng)性。因此，本文采用具有不變特性的SIFT和SURF描述興趣點的鄰域紋理信息。

(2)干涉定標(biāo)約束 InSAR稀疏控制點測圖利用HPs具有相等高程作為重疊數(shù)據(jù)塊的參考基準(zhǔn)，因此必須減少HPs所在位置處的干涉相位噪聲，使其能夠正確反映地物的真實高程。相位噪聲產(chǎn)生的4種因素[11]：(1)系統(tǒng)噪聲；(2)兩通道圖像的失配；(3)地形形變；(4)幾何關(guān)系模糊。前兩種噪聲在成像和圖像配準(zhǔn)時得以良好抑制；地形形變產(chǎn)生的干涉相位在雙天線單航過干涉方式下可以忽略。幾何關(guān)系模糊引入的相位噪聲是本文考慮的重點，主要有：疊掩、陰影和多路徑反射(圖2)。

圖2中點a,b的回波延遲相等，兩點回波相疊加產(chǎn)生疊掩，疊掩處的干涉相位不能反映任一點的高程。地形坡度大于入射余角時入射波無法照射到的黑色區(qū)域在SAR圖像上呈現(xiàn)為陰影，陰影區(qū)沒有回波信號，信噪比非常低。ac邊垂直于地表面，其散射形式復(fù)雜多樣，會產(chǎn)生多路徑效應(yīng)[12]，典型的反射路徑有：ac邊直接反射—線①,ac和地表面的等效二面角反射器產(chǎn)生二次反射—線②,ac和地表面相互作用產(chǎn)生三次反射—線③，后兩者的回波延遲路徑較前者長。上述3種現(xiàn)象多見于地形起伏劇烈和強散射特性目標(biāo)鄰域，例如建筑物、高壓塔等人工目標(biāo)，因此 HPs要遠離這類目標(biāo)群，減少 HPs處相位噪聲引入的高程誤差，避免誤差傳遞和累積。

幾何關(guān)系模糊引入的上述諸多干涉相位噪聲在干涉圖中主要體現(xiàn)為干涉復(fù)圖像對的相關(guān)性較低或不均勻，為此本文采用質(zhì)量圖導(dǎo)引方法避免其影響。

3.2質(zhì)量圖導(dǎo)引的特征篩選方法

3.1節(jié)的第(2)個約束條件要求對正確匹配點對的相位數(shù)據(jù)進行評價。文獻[13,14]從不同角度分析論證了干涉相位標(biāo)準(zhǔn)差σφ與相關(guān)系數(shù)γ，視數(shù)N的關(guān)系，證明σφ的Cramer-Rao極限為式(4)。N確定時，σφ為γ的函數(shù)，圖3為N=1,2,4,8,10,12,16,32時σφ隨γ的變化，顯然σφ隨γ的增大而減小。基于此結(jié)論，本文以質(zhì)量圖為導(dǎo)引剔除位于相干性低的水域、陰影和相位噪聲大的人工目標(biāo)鄰域的匹配點對，保證HPs的相位質(zhì)量。

圖3 視數(shù)N不同時σφ隨γ的變化關(guān)系

復(fù)干涉像對u1,u2的相干質(zhì)量圖由式(5)計算，式中上標(biāo)*為復(fù)共軛運算，E取均值。盡管σφ隨γ呈現(xiàn)圖3變化趨勢，但單個像點所包含信息非常有限，相關(guān)系數(shù)大并不意味該像點的相位噪聲小：首先，若強散射目標(biāo)后向散射信號的旁瓣峰值大于其鄰域弱散射目標(biāo)的主瓣峰值，則強目標(biāo)淹沒弱目標(biāo)，進而使鄰域后向散射較弱的像素點對應(yīng)的干涉相位偏離真實值；其次，后向散射方式相對復(fù)雜的人工物體尤其是硬目標(biāo)，散射系數(shù)的動態(tài)范圍達+40 dB[10]，成像幾何差異造成其自身及鄰域像點的γ在[0.10,0.99]間波動。因此，為避免鄰域相關(guān)性差的點影響該點干涉相位的正確解纏，利用相關(guān)性評估相位噪聲必須在像點的局部鄰域內(nèi)進行統(tǒng)計分析，需要確定3類參數(shù)——像點自身相關(guān)系數(shù)門限，鄰域尺寸W和鄰域相關(guān)性判定。

(1)鄰域尺寸W確定根據(jù)成像幾何和地物高度計算某點產(chǎn)生疊掩和多路徑的最大范圍W/2。圖4中H為平臺高度；地面點A1和樹上某散射點A2到達平臺的斜距相等，記為R;θ1,θ2分別為A1和A2的視角；x1,x2分別為A1和A2相對星下點的水平地面距離。由SAR圖像的近距壓縮效應(yīng)(3.1節(jié))知，相同高度地物在近距和遠距對應(yīng)的W1和W2滿足W1＜W2。因此，根據(jù)圖像遠距的最高地物計算x1,x2進而確定鄰域尺寸W=2(x2-x1)。

其中Q=1為一發(fā)雙收，Q=2為自發(fā)自收，λ為波長，h,R1分別為像點的高程和其到主天線的斜距，B,α分別為基線長度和基線角，θ為視角。σφ0確定后，由式(4)得：

(3)鄰域相關(guān)性 為得到判定鄰域相關(guān)性的定量結(jié)論，以中國科學(xué)院電子學(xué)研究所在山西某地獲取的X波段InSAR數(shù)據(jù)為例，分析3種典型鄰域的相關(guān)性——不包含人工物體、與人工物體接邊和包含人工物體，進而得到本文對鄰域相關(guān)性的判定準(zhǔn)則。圖5中A,B,C區(qū)為尺寸相等且分別對應(yīng)上述3種典型鄰域的質(zhì)量圖以及相應(yīng)的相關(guān)系數(shù)歸一化直方圖。

圖4 鄰域尺寸W確定

圖5 平地和居民區(qū)的質(zhì)量圖及相關(guān)系數(shù)直方圖

首先，圖5(a)中A區(qū)，B區(qū)和C區(qū)各自質(zhì)量圖的均值和方差分別為 0.9741和 0.0290,0.9727和0.0318,0.9312和0.1211。數(shù)值表明這3種鄰域其質(zhì)量圖的均值和方差均無顯著變化，也就是說，根據(jù)興趣點鄰域質(zhì)量圖的均值和方差難以確定興趣點是否受強散射特性目標(biāo)影響。

其次，該3種典型鄰域各自相關(guān)系數(shù)歸一化直方圖(圖5(b)，圖5(c)，圖5(d))在γ∈[0.80,0.95]內(nèi)的均值和方差分別為0.0795和0.1002,0.0869和0.1074,0.1475和0.1180。比較此3組數(shù)據(jù)可見，隨著鄰域逼近人工物體，盡管相關(guān)系數(shù)歸一化直方圖的均值和方差有所增大，但增長幅度非常有限且沒有一個明顯的門限。由此可見，根據(jù)鄰域相關(guān)系數(shù)歸一化直方圖的均值和方差也難以確定興趣點是否受強散射特性目標(biāo)影響。

最后，就鄰域像素點比例在相關(guān)系數(shù)γ＞0.95和γ∈[0.80,0.95]區(qū)間內(nèi)的差值而言，A區(qū)，B區(qū)和C區(qū)卻相差懸殊，分別為75.8109%,73.4821%和47.3833%。顯然，包含建筑區(qū)的C區(qū)在這兩個區(qū)間的像素點比例之差小于50%，而不包含建筑區(qū)的A區(qū)和與建筑區(qū)接邊的B區(qū)均明顯大于50%。這是因為裸地的后向散射特性較一致，不受鄰近強點目標(biāo)影響時InSAR兩通道接收的SAR回波信號具有較強的相關(guān)性，而人工物體的后向散射往往具有很強的方向性，使得人工物體在兩通道的回波信號去相關(guān)，進而使人工物體及其鄰域的相關(guān)性波動非常大。

通過對大量平地和居民區(qū)的相關(guān)性分析，鄰域質(zhì)量圖中γ＞0.95和γ∈[0.80,0.95]的像素點比例之差大于等于50%時，相關(guān)系數(shù)歸一化直方圖更接近理想情況，而鄰域質(zhì)量圖的均值和方差卻沒有明顯變化。因此，本文將鄰域質(zhì)量圖中γ＞0.95和γ∈[0.80,0.95]的像點比例之差大于等于50%作為：鄰域相關(guān)性判定準(zhǔn)則。

3.3 算法流程

本文提出的兩套 HPs提取算法(簡稱“SIFT-HPs”,“SURF-HPs”)，其基本流程為：

(1)利用SIFT或SURF檢測多尺度特征并建立特征描述符；

(2)利用 Euclidean相似性度量距離并按 NN/SN準(zhǔn)則[5]進行雙向匹配：首先在第2幅影像的特征集合中尋找與第 1幅影像特征集合相匹配的點集，然后對中已匹配的點在A中尋找與其匹配的點，從而建初始匹配對集合；

(3)利用 RANSAC魯棒算法[15]估計兩幅影像的單應(yīng)矩陣，初始匹配對中滿足的內(nèi)點稱為“候選HPs”。具體步驟為：

(a)從第(2)步得到的初始匹配對集合中隨機抽取4組；

(b)計算當(dāng)前抽樣所確定的單應(yīng)矩陣和一致點集

(c)若當(dāng)前的一致點集大于前一次的一致點集，則保留當(dāng)前的一致點集和單應(yīng)矩陣；

(d)由自適應(yīng)算法終止抽樣過程，獲得最大一致集；

(e)由最終得到的最大一致集計算它所對應(yīng)的單應(yīng)矩陣，滿足的興趣點對則為“候選HPs”。

需要指出的是，閾值ε的取值越小，說明兩個興趣點的匹配精度越高。InSAR稀疏控制測圖主要利用HPs具有相等高程這一信息，考慮到1 m范圍內(nèi)(米級分辨率的 SAR 圖像上大約占3～4個像素點)自然地形的高程起伏通常非常小，因此文中ε=3 ；

(4)若“候選HPs”的相干系數(shù)γ≥，則判定W×W鄰域內(nèi)γ＞0 .95和γ∈[0.80,0.95]的像點比例是否相差50%。

4 實驗及性能分析

為驗證本文方法的有效性，采用中國科學(xué)院電子學(xué)研究所在陜西某地獲取的干涉數(shù)據(jù)進行實驗，實驗區(qū)包含平地、道路、居民區(qū)以及玉米地等典型地形。

4.1 同航帶實驗

單景影像尺寸為3072×13384，航向重疊36%。重疊域遠距端的最高物體建筑物約10 m，由式(6)計算W=10結(jié)合0.25 m地距采樣間隔得質(zhì)量圖導(dǎo)引的鄰域尺寸41 × 4 1，為保證HPs均勻分布采用分塊處理。表1為從影像尺度空間表達的不同起始層開始時，SURF-HPs和SIFT-HPs分別在各階段對應(yīng)的匹配對數(shù)量，數(shù)值表明：

表1 同航帶提取的HPs

圖6 同航帶第1分塊相鄰景HPs提取

(1)從第2尺度層開始檢測有以下優(yōu)點：(a)相當(dāng)于對SAR圖像的相干斑噪聲進行了濾波處理，減小其對檢測性能的影響，進而增加特征點的匹配穩(wěn)定性；(b)本實驗使用內(nèi)存2 GHz的Intel(R)Core 2 雙核 CPU，采用 Release優(yōu)化版對程序進行優(yōu)化，SIFT-HPs和 SURF-HPs計算速度分別提高8 s和97 s，而相應(yīng)的 HPs分別減少1和0，說明從第 2尺度層開始既能夠提高檢測速度又不犧牲檢測性能。

(2)如2.1節(jié)所述，SURF是基于梯度的梯度實現(xiàn)尺度空間極值檢測，檢測的興趣點在SAR影像上梯度信息豐富的區(qū)域(如建筑物、地形接邊處等)比較密集；加之基于Harr小波響應(yīng)的特征描述符使得其對鄰域梯度信息豐富的興趣點的描述比較完備，造成其獲取的匹配點對多集中在人工物體附近，因此SURF-HPs提取的HPs數(shù)量低于SIFT-HPs。

篇幅所限，僅將SURF-HPs在兩分塊的關(guān)鍵步驟示于圖6和圖7。圖6(a)中圓圈代表第1分塊相鄰影像分別檢測的2857和2644個興趣點，連線指示初始匹配對，其中有一顯著誤配對(箭頭所示)。圖6(b)為滿足的內(nèi)點和質(zhì)量圖導(dǎo)引的HPs(非橢圓)。位于遠距端的第2分塊(圖7)包含大量含玉米稈的田地，數(shù)據(jù)獲取時當(dāng)?shù)? m/s的風(fēng)速吹動玉米葉子引起兩通道回波去相關(guān)，致使該區(qū)域相關(guān)性較低，相關(guān)系數(shù)歸一化直方圖峰值為2.5970%且在γ∈[0.80,0.95]內(nèi)的波動較大(均值和方差見表2)；另一方面，相同散射類型的地物在遠距端的回波信號較之近距弱且信噪比差，使得圖6(b)中A區(qū)和圖7中B,C,D區(qū)所示裸地的相關(guān)性依次降低，各區(qū)相關(guān)系數(shù)歸一化直方圖在γ∈[0.80,0.95]的均值和方差以及質(zhì)量圖中γ＞0 .95和γ∈[0.80,0.95]的像點比例見表2，數(shù)據(jù)顯示D區(qū)相干性稍遜于玉米地。上述兩個因素造成SIFT-HPs和SURFHPs在該分塊提取的 HPs非常有限，分別為2和0(見表1)。

圖7中第11,13,15,17號點鄰域質(zhì)量圖和相關(guān)系數(shù)歸一化直方圖的統(tǒng)計值見表2。11號點位于C區(qū)上方且鄰近玉米地，理論上其鄰域相關(guān)性應(yīng)介于二者之間，實驗數(shù)據(jù)與理論分析相吻合。位于B區(qū)右邊但周圍場景較復(fù)雜的13號點，其鄰域相干性遠低于B區(qū)。盡管15、17號點較11號點遠離玉米地，但它們上方有一排東北走向的樹且下方D區(qū)的相干性較C區(qū)差，因此這兩點的鄰域相干性均比11號點差。相比17號點，15號點左邊有田梗，因此其鄰域相關(guān)性比17號差。這4個點鄰域以及上述4個區(qū)域的質(zhì)量圖均值和方差間的最大差異分別為0.0324和 0.0343都非常小，再次說明難以利用質(zhì)量圖的均值和方差判定鄰域相關(guān)性。相反，它們的質(zhì)量圖中γ＞0 .95和γ∈[0.80,0.95]的像點比例之差的差異非常懸殊，最大和最小值分別為72.0430%(A區(qū))和18.0250%(15號)且與自身鄰域相關(guān)性相吻合，表明本文判定鄰域相關(guān)性準(zhǔn)則的合理性。

圖7 同航帶第2分塊實驗

表2 圖6，圖7部分區(qū)域及圖7個別點對在前一景的相關(guān)性分析

表3 圖7部分匹配點對的相關(guān)系數(shù)

圖7中第7,10,20和21號匹配對在相鄰干涉像對中的相關(guān)系數(shù)見表3。建筑區(qū)散射方向圖的方向性非常尖銳[10]，其回波隨姿態(tài)角變化的起伏要比典型地面回波隨姿態(tài)角變化起伏快且顯著，造成第20個匹配對在兩幅質(zhì)量圖中的相關(guān)系數(shù)差異懸殊。盡管位于建筑物附近的第7個點對在兩幅質(zhì)量圖中的相關(guān)系數(shù)均大于 0.95，但建筑物突出的角反射器效應(yīng)通常會產(chǎn)生多路徑，使得其周圍回波在兩通道的相關(guān)性波動較大，這在其鄰域質(zhì)量圖圖7(b)中顯而易見，質(zhì)量圖中γ＞0 .95和γ∈[0.80,0.95]的像點比例分別為 4 6.7579%和 43.9619%，從而造成相關(guān)系數(shù)歸一化直方圖(圖7(b))明顯偏離理想形狀，但鄰域質(zhì)量圖的均值0.9173和方差0.0876卻相當(dāng)好，同樣驗證了難以利用質(zhì)量圖的均值和方差判定鄰域相關(guān)性。第10號點對恰好位于相對X波段近似光滑的瀝青馬路上，散射回波類似鏡面反射且對視角非常敏感，致使它在相鄰干涉像對的相關(guān)系數(shù)僅為0.360327和0.543882。

4.2 相鄰航帶實驗

影像尺寸分別為3072×13384和2048×7900，旁向重疊50%，航向重疊70%，分辨率分別為0.5 m和1 m。不同分辨率使得兩幅影像重疊域間同一地物存在較大的尺度縮放和明顯的仿射變形(見圖8(a))；重疊域在兩幅影像的成像視角范圍分別為[4 5o,60o]和[3 0o,45o]，地物后向散射系數(shù)隨視角增大而衰減[10]造成圖8(a)左邊影像的整體視覺灰度小于右邊。

左邊影像最遠距的高層物體高壓塔約20 m，根據(jù)本文方法得質(zhì)量圖導(dǎo)引的鄰域尺寸為48×48。對比SIFT-HPs和SURF-HPs各階段的匹配對數(shù)目(表4)知，兩影像存在較大的幾何畸變時 SIFT-HPs性能更佳。圖8(a)為SIFT-HPs中滿足的內(nèi)點，方框為4對HPs。31,33號點在左右兩干涉像對的相關(guān)系數(shù)分別為(0.967697,0.968168)和(0.985176,0.952455)，然而前者鄰域質(zhì)量圖幾乎不受低相關(guān)區(qū)道路的影響(圖8(b))，而后者鄰域質(zhì)量圖包含道路(圖8(c))使得質(zhì)量圖中γ＞0 .95和γ∈[0.80,0.95]的像素點比例之差33.0430%遠低于前者72.2181%，因此后者鄰域相關(guān)系數(shù)歸一化直方圖圖8(c)偏離理想形狀。盡管13號點位于兩塊玉米地間的裸地上，但玉米稈的去相關(guān)和遠距回波信噪比低等因素使其質(zhì)量圖中γ＞0 .95和γ∈[0.80,0.95]間的像素點比例之差為 - 27.0673%，進而使鄰域相關(guān)系數(shù)歸一化直方圖呈現(xiàn)圖8(d)。

圖8 相鄰航帶實驗

表4 相鄰航帶提取的HPs

5 結(jié)論

本文著重研究 InSAR稀疏控制點測圖中的同名點提取，借助于SIFT和SURF特征不變描述符，提出兩套質(zhì)量圖導(dǎo)引的方法，該方法能有效剔除相干性低、相位噪聲大等難以用于干涉數(shù)據(jù)處理的特征點對。同航帶相鄰景和同航向相鄰航帶相鄰景的大量實驗驗證了本文方法的有效性和可行性，從而降低了InSAR大區(qū)域測圖的人工作業(yè)量。

[1]Madsen S,Zebker H,and Martin J.Topographic mapping using radar interferometry：processing techniques[J].IEEE Transactions on Geoscience and Remote Sensing,1993,31(1)：246-256.

[2]Suri S,Schwind P,Uhl J,et al..Modifications in the SIFT operator for effective SAR image matching[J].International Journal of Image and Data Fusion,2010,1(3)：243-256.

[3]戳涌光,王耀強.基于點特征的多源遙感影像高精度自動配準(zhǔn)方法[J].遙感科學(xué)與技術(shù),2010,25(3)：404-409.Zhai Yong-guang and Wang Yao-qiang.An automatic and high-precision registration method based on point features for multi-source remote sensing image[J].Remote Sensing Technology and Application,2010,25(3)：404-409.

[4]Mikolajczyk K and Schmid C.A performance evaluation of local descriptors[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2005,27(10)：1615-1630.

[5]Lowe D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,60(2)：91-110.

[6]Bay H,Ess A,Tuytelaars T,et al..Speeded-up robust features (SURF)[J].Computer Vision and Image Understanding,2008,110(3)：346-359.

[7]Lindeberg T.Scale-Space Theory in Computer Vision[M].Netherlands：Kluwer Academic Publishers,1994：31-162.

[8]Simard P Y,Bottou L,Haffner P,et al..Boxlets：a fast convolution algorithm for signal processing and neural networks[C].Proceedings of the 1998 Conference on Advances in Neural Information Processing System II,MIT Press Cambridge,MA,USA,1999：571-577.

[9]Brown M and Lowe D G.Invariant features from interest point groups[C].In British Machine Vision Conference,Cardiff,Wales,2002：656-665.

[10]Ulaby F T,Moore R K,and Fung A K.Microwave Remote Sensing Volume II Radar Remote Sensing and Surface Scattering and Emission Theory[M].United States of America：Addison-Wesley Publishing Company,1982：231-362.

[11]Rodriguez E and Martin J M.Theory and design of interferometric synthetic aperture radars[J].IEE Proceedings-F,1992,139(2)：147-159.

[12]Henderson F M and Lewis A J.Manual of Remote Sensing Volume 2[M].America：American Society for Photogrammetry and Remote Sensing,1998：705-732.

[13]Li F K and Goldstein R M.Studies of multibaseline spaceborne interferometric synthetic aperture radars[J].IEEE Transactions on Geoscience and Remote Sensing,1990,28(1)：88-97.

[14]Lee J S,Hoppel K W,Mango S A,et al..Intensity and phase statistics of multilook polarimetric and interferometric SAR imagery[J].IEEE Transactions on Geoscience and Remote Sensing,1994,32(5)：1017-1028.

[15]Fischler M and Bolles R C.Random sample consensus：a paradigm for model fitting with applications to image analysis and automated cartography[J].Communications of the ACM,1981,24(6)：381-395.