尺度不變特征轉換算法的多源SAR影像匹配

黎旻懿，楊杰，李平湘，郭琳

（1.武漢大學測繪遙感信息工程國家重點實驗室，武漢430079；2.首都師范大學資源環境與旅游學院，北京100048）

尺度不變特征轉換算法的多源SAR影像匹配

黎旻懿1，楊杰1，李平湘1，郭琳2

（1.武漢大學測繪遙感信息工程國家重點實驗室，武漢430079；2.首都師范大學資源環境與旅游學院，北京100048）

鑒于直接利用SIFT算法進行SAR影像間的匹配不能得到很好的效果，考慮SIFT算法在應對噪聲以及對鏡像影像進行匹配的局限性，提出了針對SAR影像之間匹配的SIFT算法預處理。首先利用影像與影像之間的空間信息進行匹配，之后利用SIFT算法進行局部特征點匹配，通過采用RANSAC進行錯配點的去除，實現SAR影像的高精度配準。實驗結果表明，該文提出的預處理以及錯配點的去除為利用SIFT算法進行SAR影像的匹配提供了可能。

合成孔徑雷達；SAR；SIFT；匹配；預處理

0 引 言

影像匹配是指利用其兩幅影像間灰度、紋理等特征的對應關系，進行相似性和一致性分析，對兩幅或多幅存在重疊圖像區域的圖像之間進行搜索并識別出相鄰圖像間的同名點對。影像匹配是計算機視覺的基礎，在遙感圖像處理、醫學圖像分析、目標跟蹤識別等圖像分析領域應用廣泛［1－3］。

目前，基于特征匹配算法逐漸成為圖像匹配的主流研究方向，其相關理論的研究取得快速發展。2004年，加拿大學者David G.Lowe［4］總結并正式提出的SIFT算法通過構建128維的特征描述子，可以準確穩定地提取出特征點并進行高精度的匹配。

而在SAR影像的匹配方面，由于SAR影像所獨有的斑點噪聲和由于頻段不一致引起的分辨率上的差別，使得利用SIFT直接進行SAR影像之間的匹配變得十分困難。楊雪梅等［5］在2010年提出了一種改進SIFT算子，優化了SIFT特征描述子的主方向，用來匹配光學影像和SAR影像；陳敏［6］于2014年提出了基于邊緣強度圖的光學影像與SAR影像之間的匹配；姜文聰［7］在2013年提出利用機載SAR影像成像特點和幾何特性與SIFT算法結合來匹配機載SAR影像。而筆者發現如果利用影像的幾何關系以及考慮SAR影像獨特斑點噪聲的濾波方式，可以有效地提高SIFT算法在SAR影像匹配時的正確率，提出了針對SIFT算法的一系列SAR影像的預處理流程。

1 SIFT特征匹配算法

尺度不變特征轉換（Scale－invariant feature transform，SIFT）是一種檢測局部特征的算法，該算法通過尺度空間求一幅圖中的特征點并獲得有關尺度和方向的描述子，利用這些特征進行圖像特征點匹配，性能穩定。SIFT算法主要有以下5個步驟：①建立尺度空間；②檢測DoG尺度空間極值點；③消去不穩定的特征點；④確定特征點的方向；⑤特征描述子的生成。完成以上5個步驟之后，對得到的特征描述子運用以歐氏距離作為相似性測度的匹配方法，選取出最優的匹配點對，實現特征點之間的匹配。

2 利用多源SAR影像的空間信息進行匹配預處理

通過實驗可以發現，對于SAR數據，影響SIFT算法效果的主要有三點：①SAR影像所帶有的斑點噪聲；②由于升軌降軌的影響，或者由于機載傳感器掃描方向的影響，可能主輔影像之間存在較大的旋轉，甚至存在鏡像現象；③主影像與輔影像之間過大的尺度差異，比如Radarsat－2影像與機載高分辨率影像之間的配準。因此，為了在利用SIFT算法時能達到更好的效果，可以利用SAR影像自帶的空間信息進行匹配的預處理，同時根據SAR影像的特點進行噪聲的去除。

2.1 噪聲抑制

由于SAR成像系統是相干成像的特性，圖像中往往具有較嚴重的斑點噪聲［8－10］。針對單／全極化SAR影像采用不同的濾波方式，最大利用影像的信息達到對斑點噪聲的抑制。針對單極化SAR數據，采用Lee濾波或者Sigma濾波等濾波方式，針對全極化SAR數據，采用精制極化Lee濾波等極化濾波方式。在實驗部分，針對高分辨率的數據，根據具體情況均做了相應的濾波或多視處理，但由于低分辨率數據做濾波容易丟失細節紋理信息故未做處理。

2.2 減輕旋轉或鏡像的影響

對于一般的星載數據如Radarsat衛星，都會在元數據中提供影像一定的幾何信息［11］，可以得到影像4個角點的經緯度坐標，通過這些基本的空間幾何信息，可以計算得出影像的掃描方向與北方向之間的夾角。如圖1所示（本文假設所有數據都是西經和北緯的情況）。

圖1 一般星載影像的方向示意圖

r所指的方向為距離向，a所指的方向為方位向，N所指的方向為北方向；P1點代表影像第一行近距端的角點，P2代表第一行遠距端的角點，P3代表最后一行近距端角點，P4代表最后一行遠距端角點。而每個角點都可以通過SAR的嚴密成像幾何模型（R－D模型）或者根據影像頭文件中提取的角點坐標得到它們的經緯度坐標。假設坐標分別為P1（lat1，long1），P2（lat2，long2），P3（lat3，long3），P4（lat4，long4）。首先計算方位向與距離向分別兩個邊界的方向向量。

在距離向上：

在方位向上：

可以取平均得到影像中心的大致方向

然后將這兩個向量歸一化：

本文將空間按照0°～360°每10°劃分一個角度空間，以主影像的方位向為標準，將輔影像旋轉到主影像對應的方向上，然后判斷輔影像的距離向與方位向的夾角方向是否與主影像上距離向與方位向夾角一致，如果方向剛好相反，則需要對輔影像進行一次距離向上的鏡像處理，如圖2所示。

圖2 將輔影像旋轉到與主影像對應的方向上

2.3 減小尺度差異

目前雷達不同頻段的影像分辨率差別很大，在匹配兩幅分辨率差別較大的影像時，可以采用一些空間信息消除尺度上過大的差異，同時去除不相關區域的運算，使匹配更加快速而精確。

首先利用影像元數據計算出輔影像的最大最小經緯度區間，然后利用線性插值在主影像上搜尋出覆蓋輔影像的區域，僅僅對兩幅影像的重疊區域進行處理，并且得到重疊區域的經緯度覆蓋范圍，即得到點LU和RD在主影像上的像素坐標，如圖3所示。

圖3 計算重疊范圍

然后分別計算在重疊區域內，在主影像的方位向和距離向兩個方向，兩幅影像的分辨率差異。因為SIFT算法本身就是尺度不變的算法，能處理一定程度下不同尺度影像之間的匹配，所以，對于減小兩幅影像之間的尺度差異，并不需要做到十分精確。

本文將輔影像及包圍盒壓縮或者放大到LU和RD的像素范圍內，采用雙線性采樣法進行重采樣，粗略地將輔影像處理成與主影像尺度一致的情況。

2.4 利用RANSAC算法去除錯匹配點

由于可信匹配子塊本身存在噪聲等多因素影響，經過歐式距離相似性判別法所得粗匹配對中可能存在較多的偽匹配對，需要進一步除偽，實現精匹配。

RANSAC［12］是一種通過迭代方式估計模型參數的不確定性方法。RANSAC從一組包含較大噪聲或無效點的觀測數據中反復選擇數據，利用隨機子集來達成目標，RANSAC假設給定一組正確數據，可以解出符合數據模型的參數。在特征匹配中，模型即為從一幅圖像上的特征點到另外一幅圖像上的特征點的射影關系，一個3×3的基礎矩陣就可反映其射影關系。利用RANSAC即可實現對基礎矩陣的參數估計，以高概率去除偽匹配對。

3 實驗結果與分析

本文選擇3組數據進行實驗，通過利用不同傳感器、不同分辨率、不同頻率的機載和星載數據進行匹配，驗證提出算法的有效性。

（1）機載和星載數據之間的匹配

采用的實驗數據為：主影像為Radarsat－2，輔影像為XSAR數據。Radarsat－2的數據為C波段，方位向分辨率為5.1m，距離向為4.7m；XSAR是中國電子科技集團38研究所的一套全極化干涉合成孔徑雷達系統，方位向分辨率0.1m，距離向斜距分辨率0.4m，在X波段成像，工作頻率為9.6GHz。

圖4 機載和星載數據匹配影像

圖5 未經過處理的輔影像與主影像進行匹配

如果直接用未經過預處理的輔影像與主影像進行匹配，得到的結果如圖5所示。圖6為經過預處理后的輔影像與主影像匹配結果（帶RANSAC），可以看到圖5中無一個正確匹配點，而圖6中獲得全部6組正確的匹配。

由于主輔影像之間分辨率差異較大，導致輔影像的細節紋理比主影像要豐富很多，主影像在圖中機場跑道周圍具有豐富的特征信息，而其他區域并不具備明顯的特征，所以特征點大多集中在機場跑道。而機場跑道附近的匹配點基本都能與輔影像高分辨率的數據對應上，產生足夠糾正機場附近區域的匹配點數。

（2）機載不同頻率數據之間的匹配

圖7為CASM系統同時獲取的不同頻率的機載數據：左圖為X波段，分辨率為1m，右圖為P波段，分辨率為方位向2.5m距離向1.2m。圖8為采用預處理后的X波段數據與P波段數據的匹配結果，在進行了RANSAC去除錯配點之后，在特征明顯的區域得到了一共5組匹配點，其中有3對為正確匹配，帶有2組錯匹配。

圖6 經過預處理及RANSAC處理的結果

圖7 CASM機載系統數據

該實驗驗證同平臺不同傳感器之間的匹配性能，在該數據覆蓋的范圍，紋理特征比較豐富的區域主要集中在圖中右側河流的區域，故最終匹配出的點對也集中在該區域。相比于第一組實驗，由于機場為人工地物，相對于河流這種天然地物來說，邊緣特征較為突出，狀態也更為簡單，故此組實驗并未表現出如實驗1中的效果，在有限的5組最終結果中還有2組為錯配點。雖然數據復雜，匹配精度也達到了60%。

圖8 CASM系統不同頻率影像之間的匹配結果

（3）不同星載傳感器數據之間的匹配

圖9中的數據為ALOS和TerraSAR的影像，ALOS影像為L波段數據，分辨率為方位向3.5m距離向9.3m，TerraSAR為X波段，分辨率為1m。以TerraSAR數據為輔影像，進行匹配，并對SIFT結果進行RANSAC處理，得到5對正確匹配點，如圖10所示。

圖9 不同星載傳感器數據之間匹配用影像

在該組實驗中，驗證不同星載平臺之間的匹配效果。由于平臺之間差異十分大，所以該實驗難度也大，在將Terra－SAR輔影像做預處理之后，Terra－SAR已經丟失了大部分細節信息，而由于覆蓋區域為城區，所以數據在紋理方面看起來顯得雜亂，只在湖區與城區的邊界區域有明顯的邊緣信息，而主要的匹配點也由此產生。在本組實驗中，即使數據情況十分復雜也產生了較好的匹配結果，產生了可以進行幾何變換的特征點對的數目，為下一步的處理提供了可能。

圖10 ALOS與Terra－SAR影像匹配結果

表1 三組實驗結果比較

4 結束語

該方法以SIFT為核心，通過影像帶有的信息進行可逆的預處理，使得SAR在主輔影像在分辨率、傳感器、頻率等差異很大并且帶有斑點噪聲的情況下的匹配變為了可能。對于大部分的星載影像，可以直接從元數據中提取出預處理所需的信息，從而使得基于本文提出的預處理進行匹配的方式可以自動進行。對于元數據信息不豐富的數據，可以通過經典的SAR幾何定位模型來得到相應的數據，而這一過程同樣也可以自動進行。而進行了本文提出的預處理方式之后，SIFT算法可以以高精度來產生匹配點對，使得后續的影像配準或者圖像拼接成為可能。

［1］MAINTZ J B A，VIERGEVER M A.A survey of medical image registration［J］.Medical Image Analaysis（S1361－8415），1998，2（1）：1－36.

［2］LENG X，LIU J，XIONG Z.A real－time image matching algorithm for navigation system based on bifuracation extraction［J］.Acta Automatica Sinica（S0254－4156），2007，33（7）：678－682.

［3］馮學智.遙感數字圖像處理與應用［M］.北京：商務印書館，2011.

［4］LOWE D G.Distinctive image features from scale－imvaricant keypionts［J］.International Journal of Computer Vision（S0920－5691），2004，60（2）：91－100.

［5］楊雪梅，龔俊斌，王鵬，等.基于改進SIFT的SAR圖像與可見光圖像配準［J］.航天控制，2010，28（6）：13－18.

［6］陳敏.多源遙感影像特征匹配技術研究［D］.武漢：武漢大學，2014.

［7］姜文聰.基于SIFT算法的機載SAR影像匹配研究［D］.山東：山東農業大學，2013.

［8］LEE J S，GRUNES M R，GRANDI G D.Polarimetric SAR speckle filtering and its implication for classification［C］.IEEE Trans.on Geosci.Remote Sensing，1999，37（5）：2363－2373.

［9］LEE J S，POTTIER E.Polarimetric radar imaging［M］.New York，2009.

［10］王超，張紅，陳曦，等.全極化合成孔徑雷達圖像處理［M］.北京：科學出版社，2008.

［11］陳爾學.星載合成孔徑雷達影像正射校正方法研究［D］.上海：中國林業科學研究院，2004.

［12］FISCHLER M A，BOLLES R C.Random sample consensus：aparadigm for model fitting with application to image analysis and automated cartography［J］.Communications of the ACM，1981，24（6）：381－395.

Multi－sensor SAR Imagery Matching by Using SIFT

LI Min－yi1，YANG Jie1，LI Ping－xiang1，GUO Lin2（
1.State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079；2.College of Resource Environment and Tourism，Capital Normal University，Beijing100048）

Scale Invariant Feature Transform（SIFT）has been widely applied in image processing.To a certain extent，the algorithm can keep scale and rotation invariance and weaken the influence of the light.However，directly using SIFT for SAR image matching could not obtain good results as expected because of the speckle noises caused by SAR imaging.In consideration of the limitation of SIFT in noises and mirror image situation，this paper proposes a pre－processing method of SIFT algorithm for SAR image matching，which firstly match images using the geographic information between them，then match local feature points with SIFT and remove mismatching points with RANSAC，finally realize the high－accuracy matching of SAR images.Results show that the pre－processing method proposed by this paper and the removal of mismatching points provide the possibility for SAR image matching using SIFT.

Synthetic Aperture Radar；SAR；SIFT；matching；pre－processing

10.3969／j.issn.1000－3177.2015.06.001

P237

A

1000－3177（2015）142－0003－05

2014－12－22

2015－03－18

黎旻懿（1990—），男，碩士研究生，主要從事SAR數據幾何校正研究。

E－mail：lmy0501＠whu.edu.cn