基于SGM的遙感影像自動(dòng)匹配

申二華，范大昭，湯志強(qiáng)，2，劉楚斌

(1.信息工程大學(xué)測繪學(xué)院，河南鄭州450052;2.96633部隊(duì)，北京100096)

基于SGM的遙感影像自動(dòng)匹配

申二華1，范大昭1，湯志強(qiáng)1，2，劉楚斌1

(1.信息工程大學(xué)測繪學(xué)院，河南鄭州450052;2.96633部隊(duì)，北京100096)

遙感影像的自動(dòng)匹配是數(shù)字?jǐn)z影測量產(chǎn)品生產(chǎn)的重要過程，匹配結(jié)果的好壞直接影響攝影測量產(chǎn)品的質(zhì)量。將計(jì)算機(jī)視覺中SGM算法應(yīng)用于遙感影像的自動(dòng)匹配問題中，對航天和航空遙感影像在城市地區(qū)、陰影區(qū)域及紋理特征不明顯的情況下進(jìn)行的大量試驗(yàn)表明，該方法具有穩(wěn)定、可靠的特點(diǎn)。

SGM;遙感影像;自動(dòng)匹配;互信息

一、引 言

匹配策略大體上可分為局部算法和整體算法兩大類。局部算法，如區(qū)域匹配(area-matching or block matching)計(jì)算視差主要是由左影像中心像素和周圍相鄰像素的信息和右影像對應(yīng)的區(qū)域塊在一定的準(zhǔn)則下比較得到的。局部算法較為簡單，但有3種缺點(diǎn):①在重復(fù)特征區(qū)域很容易出現(xiàn)錯(cuò)誤處理;②對于噪聲非常敏感;③在目標(biāo)邊緣處易造成膨脹現(xiàn)象。整體匹配算法通過全局約束的能量最小化算法生成影像視差圖，如Graph Cuts［1］、Belief Propagation［2］。整體匹配算法較局部算法在穩(wěn)定性、可靠性方面有著較大的優(yōu)勢，然而獲取視差影像卻需要付出高昂的計(jì)算代價(jià)。

SIFT［3］(scale invariant feature transform)算子由于其特征對圖像的尺度變化和旋轉(zhuǎn)是不變量，而且對光照的變化和圖像變形具有較強(qiáng)的適應(yīng)性，因此近年來取得了廣泛的應(yīng)用。但由于它是在提取特征的基礎(chǔ)上完成的，因此在某些情況下不可避免地會(huì)造成匹配點(diǎn)的不均勻或是不足夠。

SGM(semi-global matching)是一種產(chǎn)生在計(jì)算機(jī)視覺領(lǐng)域的影像匹配算法，它很好地解決了以上算法的各種缺點(diǎn)，并利用互信息描述同名像點(diǎn)之間復(fù)雜的對應(yīng)關(guān)系。該算法的基本思想是:首先基于互信息執(zhí)行逐像素代價(jià)計(jì)算;然后利用多個(gè)方向上的一維約束近似二維約束。本文最后給出了在城市地區(qū)、陰影區(qū)域和特征不明顯區(qū)域的匹配試驗(yàn)結(jié)果。

二、SGM匹配算法［4-5］

1.匹配準(zhǔn)則

SGM算法是以互信息MI1，2為基礎(chǔ)的，它是通過兩張影像的信息閾H及其聯(lián)合信息閾H1，2來定義的，其中

對于單張影像，其信息閾H可以通過直方圖描繪的概率分布計(jì)算。聯(lián)合信息閾H1，2可以通過互匹配影像灰度的聯(lián)合概率分布來計(jì)算。

利用泰勒展開式，可以將H1，2轉(zhuǎn)化為一系列數(shù)據(jù)之和。即

式中，p為任意像點(diǎn);d為其與同名像點(diǎn)的視差。

基于互信息的匹配代價(jià)可得到如下定義

2.匹配準(zhǔn)則的優(yōu)化

對于像素p，其匹配代價(jià)設(shè)為S(p，d)，影像視差d的計(jì)算是通過對所有一維方向上的最小代價(jià)路徑求和而得(路徑在p點(diǎn)結(jié)束，且視差為d)。

假設(shè)Lr是方向r上的路徑。像素p在視差為d時(shí)的代價(jià)Lr(p，d)通過遞歸的方式定義為

路徑數(shù)最小是8，為了對二維影像有很好的覆蓋，路徑數(shù)應(yīng)是16。

三、基于SGM的遙感影像匹配方法

1.逐像素匹配計(jì)算［1］

函數(shù)d(xi，yi，IL，IR)定義了兩點(diǎn)有多大可能性是同名像點(diǎn)

式中，xi和yi分別是左右掃描線上的像點(diǎn)。左掃描線上點(diǎn)x處的灰度定義為IL(x);IR則是通過右掃描線上的采樣點(diǎn)線性內(nèi)插得到的。

因?yàn)榉侄尉€性函數(shù)的極值點(diǎn)一定是斷點(diǎn)，因此視差d的計(jì)算非常容易。如圖1所示，首先計(jì)算yi和左臨近點(diǎn)yi－1的中點(diǎn)

同樣的，計(jì)算yi和右臨近點(diǎn)yi+1的中點(diǎn)

圖1 d(xi，yi，IL，IR)的定義

2.用一維約束近似二維約束

如圖2所示，在P的周圍，以45°為間隔設(shè)置了8個(gè)路徑。通過8個(gè)路徑計(jì)算最小代價(jià)路徑Lr(p，d)，以此來近似二維約束匹配計(jì)算。

3.視差計(jì)算

視差計(jì)算是通過迭代的方式得到的。首先用隨機(jī)的視差影像來糾正右影像，然后進(jìn)行匹配，生成新的視差影像。本文使用了一種分等級的計(jì)算方法，它首先在半分辨率的情況下計(jì)算出視差影像作為初始值，然后遞歸地利用得到的視差影像進(jìn)行計(jì)算。

圖2 路徑設(shè)置

4.誤匹配的剔除

左右影像同名點(diǎn)匹配完成后，利用右影像中的點(diǎn)去匹配左影像中的同名點(diǎn)。如果兩次匹配得到的視差不相同，則視為無效匹配。

四、試驗(yàn)結(jié)果與分析

該部分給出航空影像匹配的試驗(yàn)結(jié)果，以檢驗(yàn)本文匹配算法的可行性。本文主要通過目視對結(jié)果進(jìn)行主觀評價(jià)，其中未指明算法的匹配結(jié)果所用算法均為本文中的算法。圖3為兩張核線航空影像的匹配結(jié)果，其中格網(wǎng)長度為30個(gè)像素。如圖3所示，在試驗(yàn)的參考點(diǎn)中，只有一個(gè)點(diǎn)因?yàn)闆]有找到有效的匹配點(diǎn)而未正確顯示出來。通過這次試驗(yàn)，可以看出該方法有著很高的匹配成功率。

圖3 航空影像的匹配結(jié)果

圖4為SIFT算子的匹配結(jié)果圖，相對于圖3，可以看出在特征不明顯的地方，SIFT算子的匹配點(diǎn)很稀少，這對于DSM的生成、三維重建等應(yīng)用是很不利的，而本文中的方法在特征不明顯的區(qū)域也有著很好的匹配結(jié)果。

圖5是本文算法在城區(qū)的匹配結(jié)果;圖6是基于相關(guān)系數(shù)的金字塔匹配算法(金字塔層數(shù)為3層，縮放比例為3×3，每層相關(guān)系數(shù)均設(shè)為0.8，否則會(huì)被認(rèn)為是無效匹配)在城區(qū)的匹配結(jié)果。從圖5、圖6中可以看出，無論是在建筑的邊緣(如圖7所示)，還是在陰影部分(如圖8所示)，亦或是在紋理特征較為缺乏的房頂?shù)葏^(qū)域(如圖9所示)，本文算法都有著不錯(cuò)的匹配結(jié)果。通過試驗(yàn)可以看出該方法對同名點(diǎn)之間復(fù)雜的對應(yīng)關(guān)系有著很強(qiáng)的判別能力(其中圖7、圖8、圖9為圖5、圖6中的局部截圖，左立體像對所用方法為本文算法，右立體像對所用方法為基于相關(guān)系數(shù)的金字塔匹配算法。)。

圖4 SIFT算子的匹配結(jié)果

圖5 城區(qū)的匹配結(jié)果

圖6 基于相關(guān)系數(shù)的金字塔城區(qū)匹配結(jié)果

圖7 建筑邊緣匹配結(jié)果對比圖

圖8 陰影區(qū)域匹結(jié)果對比圖

圖9 屋頂紋理特征貧乏區(qū)域匹配結(jié)果對比圖

五、結(jié)束語

本文引入了一種對于城市地區(qū)、陰影區(qū)域和紋理特征不明顯區(qū)域都有著穩(wěn)定可靠的匹配結(jié)果的算法。試驗(yàn)結(jié)果表明，此影像匹配算法相對于相關(guān)系數(shù)法等局部算法在匹配準(zhǔn)確度方面有了質(zhì)的提升，較之整體算法有著更高的執(zhí)行效率，在陰影區(qū)域和紋理特征不明顯的區(qū)域，較其他算法也有著明顯的優(yōu)勢。

［1］ BOYKOV Y，VEKSLER O，ZABIN R.Efficient Approximate Energy Minimization via Graph Cuts［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2001，23(11):1222-1239.

［2］ SUN J，SHUN H Y，ZHENG N N.Stereo Matching Using Belief Propagation［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25(7): 787-800.

［3］ 李曉明，鄭鏈，胡戰(zhàn)，等.基于SIFT特征的遙感影像自動(dòng)配準(zhǔn)［J］.遙感學(xué)報(bào)，2006，10(6):885-892.

［4］ HIRSCHMULLER H.Accurate and Efficient Stereo Processing by Semi-global Matching and Mutual Information［C］∥IEEE Conference on CVPR.San Diego:［s.n.］，2005:807-814.

［5］ HIRSCHMULLER H.Stereo Processing by Semi-global Matching and Mutual Information［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2008，30(2):328-341.

［6］ GEHRKE S，MORIN K.Semi-global Matching:An Alternative to LIDAR for DSM Generation［C］∥IEEE Conference on CVPR.Miami:［s.n，］，2009.

［7］ BIRCHFIELD S，TOMASI C.Depth Discontinuities by Pixel-to-Pixel Stereo［C］∥Proceedings of the Sixth IEEE International Conference on Computer Vision.Mumbai:［s.n.］，1998:1073-1080.

［8］ 張祖勛，張劍清.數(shù)字?jǐn)z影測量學(xué)［M］.武漢:武漢測繪科技大學(xué)出版社，1995.

SGM Based Automatic Registration of Remote-sensed Imagery

SHEN Erhua，F(xiàn)AN Dazhao，TANG Zhiqiang，LIU Chubin

0494-0911(2012)06-0031-03

P237

B

2011-06-28

國家自然科學(xué)基金(40901230);教育部博士后科研基金資助項(xiàng)目(20080440234)

申二華(1988—)，男，河南許昌人，碩士生，主要研究方向?yàn)閿z影測量與遙感影像匹配理論。