一種用于制作CBERS－02C衛星融合影像的配準方法

陳 奇 ，王 博 ，孫明偉 ，王樹根 ，張永軍，李 暢

（1.武漢大學 遙感信息工程學院，武漢 430079；2.華中師范大學 城市與環境科學學院，武漢 430079）

2011年12月22 日，資源一號02C（CBERS－02C）衛星在太原衛星發射中心成功發射升空.作為我國首顆國土資源衛星，CBERS－02C 衛星上載有10m 分辨率的多光譜相機（含紅外波段、紅波段以及綠波段），5 m 分辨率的全色相機，以及2.36m 分辨率的全色高分辨率（HR）相機.與單一的全色影像或低分辨率的多光譜影像相比，兩者融合得到的高分辨率彩色影像信息量更豐富，在國土資源調查與監測、防災減災、農林水利、生態環境、國家重大工程等領域更具應用價值.

制作CBERS－02C融合影像的關鍵技術，在于如何實現整景范圍內多光譜影像和全色影像的高精度配準.近年來，針對遙感影像配準，國內外許多學者提出了多種方法.其中，張登榮等基于灰度相關的方法，結合影像金字塔進行分層影像匹配［1］，能夠自動得到大量均勻分布的同名點，但當初值不準或誤匹配較多時，這種處理方式的可行性還有待研究.另有一些學者基于SIFT 特征［2］能夠對旋轉、尺度保持不變的特性，將其應用至遙感影像配準領域，取得了較好的結果［3－5］，然而基于SIFT 特征匹配得到的同名點往往分布不均，盡管通過分塊匹配能夠予以改善，但是未匹配到點的局部區域的配準精度仍然偏低.針對灰度匹配和SIFT 特征匹配的優勢與不足，有人提出了分階段進行影像粗配準和精配準的思路.張繼賢等提出了先通過多項式模型對影像進行整體粗糾正再利用灰度匹配實施精匹配的方法［6］，并成功實現了基于小面元糾正技術的多源遙感影像自動配準.Yu和翟涌光分別提出將SIFT算法與灰度匹配結合使用的策略［7－8］，以實現由粗到精的影像自動配準，但前者采用小波金字塔實現逐層影像的精匹配，流程較為復雜，后者則直接使用SIFT算法對影像進行粗匹配，沒有提及該算法內存消耗多、運算速度慢［4］，并不適合直接用于大像幅遙感影像配準的問題.

此外，CBERS－02C衛星所提供的用于融合的數據源也具有一定特點.目前據初步驗證，在通過高精度檢校場數據對衛星相機進行檢校之后，CBERS－02C 衛星的直接定位精度已經能達到50～100m 左右.但在實際處理中，因為受到衛星抖動、行時不準確等諸多因素的影響，該精度水平往往很難一直保持，目前衛星的直接定位精度尚不穩定.另一方面，由于具備中國國內地區高精度的底圖數據，CBERS－02C地面數據處理系統采用相關技術可以獲得精化后的衛星定向數據，因此對于國內地區而言，其定位精度始終維持在較高水平（20～40m）；對于境外數據而言，定位精度不穩將可能導致糾正后的多光譜影像與全色影像的坐標存在較大差異.本文采用的試驗數據即體現了這種特性.

鑒于此，為了對CBERS－02C 衛星在線提供的全球范圍數據進行融合影像的自動化制作，本文設計了一種適用于CBERS－02C 衛星數據的影像配準方法.首先對影像進行幾何精糾正并生成縮略圖，并采用SIFT 算法對糾正影像的縮略圖進行粗匹配，克服衛星定位精度不穩定的困難；然后對已經采樣為相同分辨率的糾正影像，進行基于灰度相關的影像精匹配，得到大量均勻分布的同名點；剔除匹配點粗差后，最終通過基于不規則三角網的面元糾正方法實現影像的精確配準.

1 影像幾何精糾正

基于共線方程的嚴密幾何成像模型［9］，以業內公開的SRTM－DEM［10］作為高程數據源，采用相同的地面采樣分辨率分別對全色及多光譜影像進行幾何精糾正.這樣做能夠在很大程度上解決影像間的旋轉角度與尺度差異，降低配準的難度.在糾正的同時通過間隔采樣方法生成糾正影像的縮略圖，便于隨后在縮略圖上進行SIFT 粗匹配.

從表1可看出，各組數據內部中同名點的坐標差值并非趨于一致，而是存在一定的差異，這是由于全色相機與多光譜相機的鏡頭分別存在不同程度的畸變所致.國內影像數據由于定位精度較高，對應同名點之間的坐標差值基本控制在20個像素以內；境外影像數據由于定向精度偏低，其同名點間的坐標差值最高可達到幾百個像素.在這種情況下，如果直接利用坐標預測的方法進行灰度匹配，則需要設置非常大的搜索窗口才有可能找到同名點.這將極大地延長匹配用時，也將降低匹配結果的可靠性.可見對于CBERS－02C 影像配準而言，采取由粗到精的匹配策略是十分必要的.

圖1 糾正影像上同名像點的坐標差值Fig.1 The coordinate differences of orresponding points on the rectified images

表1 糾正影像同名像點間的坐標差值Tab.1 The coordinate difference between the corresponding points on the rectified images

2 由粗到精的影像匹配策略

在進行基于灰度相關的影像匹配之前，首先采用SIFT 算法［2］對影像縮略圖進行粗匹配.SIFT特征匹配算法無需進行區域搜索，其匹配結果在剔除粗差后具有很高的可靠性.雖然這種方法計算量大、相較灰度匹配更加耗時，并不適合直接用于像幅較大的衛星遙感影像之間的匹配，但這種劣勢反映到影像縮略圖上則基本可以忽略不計.

圖2 影像縮略圖粗匹配結果Fig.2 Results of the coarse matching between the image thumbnails

以北京地區的數據為例，圖2所示為縮略圖的SIFT 粗匹配結果.考慮到影像對比度過低可能導致SIFT 算法提取到的特征過少，本文對縮略圖均作了對比度增強處理.對表1中相關數據的縮略圖逐對進行SIFT 匹配，并利用匹配點求得仿射變換參數，表2所示為經過仿射變換之后檢查點的殘差情況.

圖3所示為粗匹配前后同名檢查點間坐標差值的比較.從中可看出，對于CBERS－02C 衛星的幾何精糾正影像而言，利用縮略圖上同名點進行仿射變換擬合既不會對精度較高的數據產生負面影響，也可實現對精度較差數據的大致擬合，進而保證了下一步進行影像的精匹配時，在預測位置以較小的搜索窗口就能搜索到同名點.

表2 經仿射變換之后同名像點間的坐標殘差Tab.2 The residual error between the corresponding points on images after affine transformation

圖3 粗匹配前后同名像點的坐標差值比較Fig.3 The coordinate difference between corresponding points on images before and after coarse matching

在進行精匹配之前，需要對影像做以下兩個方面處理：首先，將多光譜影像灰度化，并采用Wallis濾波器［11］對全色影像與灰度化的多光譜影像進行增強，這樣不僅可以消除影像灰度尺度的不一致，同時可提高影像的信噪比，從而保證影像特征在灰度空間的高相關性.其次，采用改進的Harris算子［12］提取子像素級特征點，通過設置合理的間距將影像劃分為格網，可以提取得到均勻分布的特征點.

在對格網中的特征點逐個實施精匹配的過程中，利用粗匹配結果解算得到的變換參數可預測其同名點的概略位置，然后進行基于灰度的相關系數法［13］匹配可得到像素級精度的匹配結果，最后以該結果為初值進行最小二乘匹配［14］，匹配精度將達到子像素級.

3 粗差剔除與影像配準

無論是基于SIFT 特征的粗匹配，還是基于灰度相關的精匹配，其匹配結果都必須進行粗差剔除以保證其可靠性.

由于CBERS－02C 衛星的全色相機與多光譜相機的鏡頭畸變特點與變形程度都各不相同，再加上幾何精糾正影像的生成已經歷了復雜的處理流程，因此很難使用嚴格的數學模型來精確描述影像之間的坐標對應關系，作為影像匹配粗差剔除的依據.但是，若將判定粗差的區域縮小至影像局部小范圍內，往往可以將成像畸變的影響最小化，又由于影像已經過糾正處理，故利用簡單的數學模型（如旋轉平移模型、仿射變換模型等）即可對小范圍內同名點的坐標關系進行逼近，進而對匹配粗差進行有效剔除.

如圖4所示，將待判定的匹配點與其附近的其他匹配點構建三角網之后可以看到：（a）中的a1與a2為左右影像中的正確匹配點，盡管影像間存在畸變，但通過局部模型變換可以將該畸變消除，故該點將不會被視為粗差；對于（b）中的錯誤匹配點b1和b2，通過計算可知其局部模型誤差要明顯大于周邊的匹配點，從而可以探測出該粗差.

綜上所述，本文剔除粗差的具體算法可分為以下幾步：

圖4 影像匹配粗差剔除示意圖Fig.4 Blunder elimination of matching points

1）依據任一影像的像方坐標，采用分割歸并法［15］構建匹配點集的三角網結構；

2）對三角網內的點逐一進行判定，每判定一個點，首先利用三角網的結構關系搜索出與其距離小于一定閾值的若干個點，再利用該點集及其匹配點的像方坐標，建立局部旋轉平移變換模型，并進行最小二乘模型解算；

3）若待判定點的模型誤差大于一定閾值，則在匹配點集中將其作為粗差剔除，否則轉至步驟2）對下一點進行判定；

4）遍歷完三角網內所有的點之后，重復步驟1）到步驟3），直至所有點位均能滿足局部模型關系，算法結束.

由于CBERS－02C 糾正影像的精度受到諸多因素的影響，所以不論是用仿射變換、幾何多項式或是更為復雜的約束模型都無法精確的描述整幅影像之間的幾何畸變，其配準精度也不足以用于制作高質量的融合影像.因此，本文基于剔除粗差后的匹配點集構建的不規則三角網，將全色影像分割成為一個個三角形，根據匹配點可以找到對應多光譜影像上的同名三角形，然后利用仿射變換模型擬合同名三角形之間的局部影像畸變，由三對同名頂點坐標求得變換系數后，再以單個三角形為單位進行面元糾正，從而實現影像的精確配準.

4 試驗與分析

為了驗證自動制作CBERS－02C 融合影像的可行性，筆者對前文所述的3組CBERS－02C 影像進行了配準試驗，包括北京城區數據、河北承德的山區數據以及東京沿海地區數據各1組.其中全色影像像幅大小為12 000×12 000pixel，多光譜影像為6 000×6 000pixel，HR 影像約為24 000×24 000pixel.

在進行配準處理之前，首先對各組影像完成幾何精糾正處理.對于每1組影像，均保證多光譜與全色影像的采樣分辨率保持一致（2.5m 或5m），此外為了能夠得到更好的粗匹配結果，在保留影像原始寬高比的前提下將各類型糾正影像縮略圖的大小均控制在1 400×1 400pixel左右.

表3對3組試驗數據的精匹配結果進行了統計，其中“正確點”表示剔除粗差后剩余的匹配點，“正確率”是指正確點數相較匹配點數的百分比.試驗中匹配窗口大小為13×13，搜索窗口大小為51×51，相關系數閾值為0.85.設置較大的匹配窗口和較小的搜索窗口使得精匹配中的同名點具有較高的精度和可靠性.從表3可看出算法具有較高的匹配成功率，且對于各種地形的數據均有較好的適應性.東京地區由于匹配影像的原始分辨率相差較大（2.36m 和10 m）、信息量過于不對稱，從而導致匹配點相對較稀疏，且產生了較多的誤匹配，但在粗差剔除之后，總體上仍然得到了大量均勻分布的正確匹配點.

表3 影像精匹配結果Tab.3 Results of precise image matching

圖5所示為北京地區試驗數據的精匹配結果，以紅色標記的點為被剔除掉的粗差點.可以看到，匹配得到的同名點分布均勻，且具有一定的密度.對這些同名點構建不規則三角網，然后利用掃描線算法，進行逐個三角形的面元糾正，最終可完成影像配準.

為了驗證算法的效率，筆者在一臺具有雙核CPU，主頻為2.50GHz，內存為2.00GB，操作系統為Microsoft Windows XP的計算機上對算法的耗時進行了統計，并通過計算同名檢查點的坐標中誤差來檢驗配準精度.表4所示為試驗的精度和耗時情況.從中可看出，本文的配準精度已經達到子像素級，配準算法的時間效率也較高，完全能夠滿足準實時處理的要求.

表4 影像配準的精度和效率Tab.4 Accuracy and efficiency of image registration

完成配準之后，圖6所示為對各組影像利用IHS變換法［16］進行融合后得到的3景影像（亮度已經過調整）.可以看出，無論是飛機的機翼、山脊線還是建筑物的棱角等影像細節都表現出良好的融合效果.融合影像既能清晰地表達地物的細節特征，同時又具備較為豐富的光譜信息，應用價值較高.

圖6 CBERS－02C全色與多光譜影像融合結果Fig.6 Results of the images fused from the panchromatic and multispectral imagery of CBERS－02C

5 結論

針對CBERS－02C 衛星無法在全球范圍內均保持較高定位精度，從而導致全色與多光譜影像有可能存在較大精度差異的運行特點，本文提出了一種影像自動配準方法，能夠成功用于制作CBERS－02C高分辨率彩色融合影像.試驗表明，本文提出的方法實用有效，能夠對多種類型的數據實現影像精配準，其配準精度達到子像素級.目前，該方法已成功應用于中國資源衛星應用中心地面數據處理系統，在并行計算環境下已經實現CBERS－02C 衛星地面數據的自動化準實時處理.對于其他類型的光學衛星遙感影像數據而言，本文的處理方法同樣具有參考價值.

［1］張登榮，俞 樂，蔡志剛.點特征和小波金字塔技術的遙感圖像快速匹配技術［J］.浙江大學學報：理學版，2007，34（4）：465－468.

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

［3］李曉明，鄭 鏈，胡占義.基于SIFT 特征的遙感影像自動配準［J］.遙感學報，2006，10（6）：829－835.

［4］朱志文，沈占峰，駱劍承.改進SIFT 點特征的并行遙感影像配準［J］.遙感學報，2011，15（5）：1032－1039.

［5］WANG Li，NIU Zheng，WU Chaoyang，et al.A robust multisource image automatic registration system based on SIFT descriptor［J］.International Journal of Remote Sensing，2012，33（12）：3850－3869.

［6］張繼賢，李國勝，曾 鈺.多源遙感影像高精度自動配準的方法研究［J］.遙感學報，2005，9（1）：73－77.

［7］Yu L，Zhang D R，Holden E J.A fast and fully automatic registration approach based on point features for multi－source remote sensing images ［J］.Computers ＆ Geosciences，2008，34（7）：838－848.

［8］翟涌光，王耀強.基于點特征的多源遙感影像高精度配準方法［J］.遙感技術與應用，2010，25（3）：403－409.

［9］張永生，鞏丹超，劉 軍.高分辨率遙感衛星應用［M］.北京：科學出版社，2004.

［10］Foni A，Seal D.Shuttle radar topography mission：an innovative approach to shuttle orbital control［J］.Acta Astronaut，2004，54：565－570.

［11］張 力，張祖勛，張劍清.Walllis濾波在影像匹配中的應用［J］.武漢測繪科技大學學報，1999，24（1）：24－27，35.

［12］謝東海，詹總謙，江萬壽.改進Harris算子用于點特征的精確定位［J］.測繪信息與工程，2003，28（2）：22－23.

［13］張劍清，潘 勵，王樹根.攝影測量學［M］.武漢：武漢大學出版社，2003.

［14］Rosenhol D.Multi－point matching using the least squares technique for evaluation of three－dimensional models［J］.Photogrammetric Engineering and Remote Sensing，1987，53（6）：621－626.

［15］邵春麗，胡 鵬，黃承義，等.DELAUNAY 三角網的算法詳述及其應用發展前景［J］.測繪科學，2004，29（6）：68－71.

［16］Schetselaar E M.Fusion by the IHS transform：Should we use cylindrical or spherical coordinates？［J］.International Journal of Remote Sensing，1998，19（4）：759－765.