航空影像自動配準技術淺析

摘 要：圖像配準技術正在被得到越來越廣泛的應用，所涉及到的領域已經包含了遙感、自動目標識別、智能機器人和醫學圖像處理等等。通過在上述領域中的不斷應用，圖像配準技術受到了廣泛的關注。鑒于此，本文選擇航空影像自動配準技術為研究對象，針對相關問題進行了分析與闡釋。文章首先分析了待配準影像坐標變換模型，然后闡述了仿射變換參數的最小二乘解，在分析航空影像圖像重采樣的基礎上最后介紹了航空影像圖像配準基本方法的步驟。希望本文的研究能夠為航空影像自動配準技術的進一步研究和應用提供指導和幫助，同時對于相關領域的其他研究也能起到拋磚引玉的作用。

關鍵詞：航空影像 自動配準技術 坐標變換模型 圖像重采樣

中圖分類號：TN4 文獻標識碼：A 文章編號：1672-3791（2012）11（b）-0056-01

1 待配準影像坐標變換模型分析

從航空影像圖像配準的概念出發來分析問題的話，航空影像圖像配準實際上是指如何將兩幅待配準影像進行整合，整合到同一個坐標空間的過程。在這個過程中，我們需要實現的就是兩幅航空影像待配準影像相對位置的正確解釋。這個正確解釋的過程需要通過數學模型來進行表達，這種數學模型實際上表達的是一種圖像映射關系。

從目前的應用和研究上看，最常用的坐標變換模型主要包含了以下幾種。

1.1 投影變換

所謂投影變換，是指假設一幅航空影像圖像上的直線經過某種變換后，映射到另一幅航空影像圖像上的結果還保持直線的時候，但是打破了原來的相對平行關系，那么這種變換就可以稱之為投影變換。從應用上看，航空影像投影變換主要應用于景物平面相對于相平面有一定傾斜的情況。

1.2 仿射變換

所謂仿射變換，是指假設一幅航空影像圖像上的直線經過某種變換后，映射到另一幅航空影像圖像上的結果還保持直線的時候，但是沒有打破原來的相對平行關系，那么這種變換就可以稱之為仿射變換。從應用上看，仿射變換還可以分成兩種，分別是線性（矩陣）變換和平移變換。

1.3 非線性變換

所謂非線性變換通常也可以稱之為彎曲變換。它實際上是指一幅航空影像圖像上的直線映射到另一幅航空影像圖像上的結果并不是直線，而是曲線的情況。因此，非線性變換可以應用來解決全局形變的圖像配準問題，同時對于整體近似剛體但局部有形變的配準情況也可以適用。

1.4 剛性交換

所謂剛性交換，是指在變換的過程中一幅航空影像圖像中的兩點間的距離經剛性變換變換后，在另外航空影像圖像中所呈現出來的結果與之前的圖像沒有發生相對位置上的變化。從應用上看，剛性交換可以分解成為三種，分別是平移、旋轉和反轉（鏡像）變換。

2 仿射變換參數的最小二乘解

運用仿射變換模型可以建立兩幅航空影像待配準圖像之間的關系，從而實現了對兩圖像的配準。但在整個過程中，還需清楚兩幅航空影像圖像之間的仿射變換的相關參數。這些相關參數可以通過方程的模式來解決，根據以往的研究結果，需要確定的變換參數有四個。而參數的最小二乘解就是使一個點集中的點經過仿射變換后的坐標與另一個點集中對應的點的坐標的歐氏距離的平方和最小的變換參數，利用該原理可以很好的解決上述問題。

3 航空影像圖像重采樣

通過以上兩個過程，可以得出航空影像自動配準仿射變換參數，根據所得參數，可以將一幅圖像的坐標轉換到另一幅圖像的坐標中去，然而待配準航空影像圖像中任意像素點的坐標經過坐標變換之后，通常會出現這樣的情況：變換后的坐標點不是剛好由原圖像的某個網格點變換而來，此時像素點的灰度值就需要根據原圖像相應坐標點周圍像素的灰度值按照一定的權函數內插得到，這種內插技術被稱為圖像重采樣。

目前常用的插值方法重要包含了以下三種方式，通過實踐應用，都表現出了各自的優點和不足。

3.1 最鄰近插值法

優點：速度最快，同時在保持最快速度的基礎上，對于原始航空影像圖像的灰度信息也進行了最大限度的保護。

缺點：在幾何精度方面存在一定程度的差異，因此會出現馬賽克效應。

3.2 雙線性插值法

優點：航空影像圖像連續，并保持較高的精度，其相應速度也比較快。

缺點：在應用過程中可能會出現模糊的現象，因為雙線性插值具有的低通濾波性質，這種低通濾波性質抑制了高頻成分，從而導致了上述問題的發生。

3.3 雙三次卷積法

優點：在保持灰度連續的基礎上，可以實現對高頻信息的有效保留。

缺點：在應用過程中會遇到很多復雜的計算，這樣必然會對于速度產生一定程度的影響。

4 航空影像圖像配準基本方法的步驟

從目前針對航空影像圖像配準基本方法的研究現狀上看，航空影像圖像配準基本方法主要包括以下的基本步驟。

4.1 特征檢測（Feature detection）

特征提取的精度和效率對整個算法的性能有很重要的影響，因此，它是整個圖像配準算法的基礎。圖像特征基本上可分為三類：點特征，常用提取算子有MoraVec算子、Harris算子等；線特征，常用提取算子有Hou曲變換算子等；面特征，主要通過區域分割方法得到。由于特征點是一種穩定、旋轉不變、能克服灰度反轉的有效特征，因而常被使用，其中常用的特征點是角點，角點特征的提取正是本文研究的重點之一。

4.2 特征匹配（Feature matching）

目前，關于特征點的匹配問題，國內外已經報道了相當多的算法，其中松弛算法是經典算法的代表，它最早由Ranade S.提出，但該算法對存在丟失點或虛假點的情況顯得無能為力。后來Jezching和Anil引入匹配矩陣的概念對松弛算法進行了改進，但改進的算法必須保證兩個點集中能夠存在一半以上的有效點。Z.Zhang和R.Deriche給出了一個較好的基于互相關函數的點特征匹配算法。以上算法采用了不同的相關準則來度量特征點的相似度，通過初始匹配和進一步加上一定約束條件來篩選匹配點對的模式來得到精確的特征點匹配點對。

4.3 變換模型的估計

在得到兩幅圖像中一定數量的匹配點對后，就可以根據這些匹配點對確定這兩幅圖像之間映射函數的參數，從而建立起兩坐標之間的函數關系式。

4.4 圖像重采樣和變換

按照上一步驟得到的函數映射模型及參數進行坐標變換，并對變換后的坐標點上的像素值進行插值，插值。

參考文獻

[1] 張遷，劉政凱，龐彥偉，等.基于SUSAN算法的航空影像的自動配準[J].測繪學報，2003，32（3）：245-250.

[2] 楊常清，王孝通，徐曉剛，等.基于特征空間的航空影像自動配準算法[J].測繪學報，2005，34（3）：218-222.

[3] 王志強，程紅，孫文邦，等.一種基于梯度最大值相位相關的航空影像自動配準算法[J].地理與地理信息科學，2008，24（6）：111-112.

[4] Wang Zhiqiang，Cheng Hong，Sun Wenbang，et al.Based on improved Harris algorithm for image automatic registration algorithm of remote sensing information，2008（6）：18-21.