島礁遙感影像特征匹配優化

莊啟智1，4，程亮1，2，3，4，陳德良5，袁一1，4，李滿春

(1.南京大學 江蘇省地理信息技術重點實驗室，南京 210023；2.南京大學 中國南海研究協同創新中心，南京 210023；3.南京大學軟件新技術與產業化協同創新中心，南京 210023；4.南京大學 地理與海洋科學學院，南京 210023；5.南京郵電大學 地理與生物信息學院，南京 210023；6.南京師范大學 江蘇省地理信息資源開發與利用協同創新中心，南京 210023)

0 引言

海洋中島礁不僅具有自然資源價值，還含有重要的政治、軍事戰略價值。但是多源遙感影像數據之間定位存在較大誤差，因此有必要對島礁遙感影像匹配進行研究。遙感影像匹配是對兩幅或者多幅由不同衛星傳感器、不同時間、不同自然條件獲取的影像進行互相疊加的方法[1]。遙感影像匹配技術可以劃分為基于灰度與基于特征兩類圖像配準技術，為解決旋轉與尺度變化的問題，基于局部不變特征的匹配技術逐漸取代了基于特征的圖像配準技術。

Mikolajczyk等[2-3]對不同特征提取、特征描述算法進行比較，發現MSER(maximally stable extremal regions)提取算子魯棒性更好，SIFT(scale invariant feature transformation)描述子特征描述更優秀。高健等[4]考慮局部顏色信息，使得SIFT描述子能更好的應用彩色圖片中。程亮等[5]提出了結合最優特征提取算法MSER算子與最優特征描述子SIFT描述子，使用RANSAC(random sample consensus)篩選特征匹配對，對提高建立圖像對之間的變換模型有重要意義。南海地區島礁影像存在紋理特征缺失或不穩定的問題[6-8]。Seitz等[9]通過增加圖像數量彌補紋理缺乏的缺陷。程亮等[10-11]在基于局部不變特征圖像配準基礎上，對海岸線進行提取進行配準。Michael等[12]對火星影像的匹配采用識別圖像中火星坑的方案進行配準。

本文對島礁遙感影像提出一種輪廓特征與仿射不變特征融合匹配優化算法。根據島礁輪廓特征彌補影像紋理缺失產生大量錯誤匹配對問題，結合最優特征提取算法與最優特征描述子并自動優化匹配對。本文算法在無先驗知識情況下，若對島礁遙感影像直接進行精確匹配，難度大并且難以保證可靠性，所以從島礁遙感影像實際需求出發，實現自動粗匹配，增加島礁遙感影像匹配的有效性與適用性。

1 算法

本文算法的基本流程如圖1所示。

圖1 島礁遙感影像特征匹配優化算法的流程圖

1.1 仿射不變特征提取

Mikolajczyk等對多種仿射不變特征提取算法進行比較，在多數情況下MSER算子匹配能力最佳，但MSER算子提取圖像面特征，其定位精度低。本文自動匹配目標是實現自動粗匹配，算法穩定性要求大于匹配精度，所以選取魯棒性更好地MSER特征提取算子與SIFT特征描述子結合，完成仿射不變特征提取。

1.2 特征匹配篩選與優化

1)輪廓特征提取。島礁遙感影像中主要包含島礁、海水、云層、云層陰影，由于海洋、大氣等因素影像，影像存在較多云層斑塊與其陰影，對輪廓提取影響大。對直接提取輪廓算法(Canny算子等)，閾值選擇小，則云塊、浪花輪廓信息被提取，增加錯誤匹配對數量，閾值選擇大，云塊輪廓信息可以較好地過濾，但是相應的島礁輪廓信息會缺失。對云塊、浪花等干擾項，可對影像進行聚類處理，去除干擾項同時能對島礁輪廓有效提取。利用島礁輪廓特征可以構建空間解算模型，對不符合匹配對篩除。

Fukunaga等[13]提出MeanShift算法，Cheng等[14]對其定義了核函數與權值系數，使MeanShift算法廣泛應用。MeanShift圖像分割基本原理為，通過有限次迭代計算，可以收斂到圖中概率密度最大的位置，即數據分布的穩定點，將相同穩定點的像素聚類到同一區域，可用如下公式表示：

(1)

式中：xi表示待聚類樣本點；yk表示點當前位置；yk+1表示點的下一位置；h表示帶寬。

MeanShift算法是一種高效的非參數、迭代模式搜索方法[15]。其完全依靠特征空間中樣本點進行分析，不需要聚類數目等先驗知識，近年來廣泛應用于圖像分割、圖像濾波等計算機視覺領域[16]。如圖2所示，為長線礁MeanShift前后輪廓特征對比。

圖2 長線礁遙感圖像聚類前后輪廓特征對比

2)特征距離篩選。SIFT描述子對MSER算子提取的特征點描述構成了128維特征向量，雖然經過輪廓特征篩選，但由于輪廓特征存在誤差，導致仍存在錯誤比配對。

Lowe證明得到用歐式距離來衡量特征之間相似度的條件如下：

(2)

式中：δ代表正確影像中某個局部特征的描述子；qi表示待匹配影像q第i個特征的局部特征描述子。是Lowe在比較SIFT特征時找到的經驗最優值，即認為當第一近鄰與次近鄰的距離比值小于0.8時，該近鄰可靠，否則去除輸入影像的這個局部特征。

經過歐氏距離作為相似性度量篩選后，再通過RANSAC算法篩選[17]。主要問題是RANSAC閾值選擇，嚴格的RANSAC閾值不但去除錯誤的匹配對，也去除部分正確的匹配對，寬松的RANSAC閾值雖然能保留所有正確的匹配對，但也保留了部分錯誤的匹配對。

3)特征匹配優化。特征匹配優化需根據預定目標，在匹配正確率指導下逐步調整RANSAC一致性檢測的容差閾值。具體步驟為：

①確定RANSAC初始閾值與同名特征區域。

②根據特征匹配結果計算單應矩陣：

(3)

式中：P2表示正確特征點坐標；P1表示待匹配特征點坐標；H表示單應矩陣。

③將單應矩陣應用至同名特征區域，計算匹配正確率[18]，計算公式如下：

(4)

式中；Ratio表示匹配正確率；NB表示正確匹配數目；NM表示匹配對總數。

④判斷匹配正確率。若匹配正確率未達到預定目標，需要根據目標需求調整RANSAC閾值進行新一輪計算，若匹配正確率已經達到預定目標，則匹配結束。

在匹配迭代過程中，需要判斷實際情況有無優化可能，若發現無優化的可能，直接終止。

2 實驗方案及實現算法

為驗證所提算法的正確性與有效性，實驗設計了4種實驗方案。

方案一：最大似然匹配(簡稱算法一)。

以MSER、SIFT分別作為仿射不變特征提取算子和特征描述符，直接進行特征匹配。

方案二：增加輪廓特征進行篩選(簡稱算法二)。

①以MSER、SIFT分別作為仿射不變特征提取算子和特征描述符。

②根據MeanShift算法進行聚類并提取輪廓特征。

③利用輪廓特征構建空間解算模型，對不符合匹配對篩除，保留剩余匹配對。

方案三：增加特征距離篩選(簡稱算法三)。

①以MSER、SIFT分別作為仿射不變特征提取算子和特征描述符。

②根據Lowe比例和RANSAC算法依次對匹配對篩除，保留剩余匹配對。

方案四：利用輪廓特征粗略篩選，迭代確定最優距離閾值與匹配對(簡稱算法四)。

①以MSER、SIFT分別作為仿射不變特征提取算子和特征描述符。

②根據MeanShift算法進行聚類并提取輪廓特征。

③利用輪廓特征構建空間解算模型，對不符合匹配對篩除，保留剩余匹配對。

④根據Lowe比例對匹配對篩除，迭代確定RANSAC最優距離閾值，篩除誤匹配對。

3 實驗與分析

3.1 實驗數據

為測試本文島礁遙感影像輪廓特征與仿射不變特征融合匹配優化算法有效性，對多組不同影像進行實驗。實驗影像數據為環境一號衛星(HJ-1A)遙感影像，影像空間分辨率30 m，下載于中國資源衛星應用中心網站www.cresda.com/CN，涉及不同形狀島礁、不同尺度影像，選取牛軛礁、安達礁、九章群礁作為研究對象，每組均含有少量云層作為干擾項的影像，如表1所示。實驗中，軟件開發工具有Windows 10操作系統，Python3.6，OpenCV3.4。

表1 島礁遙感影像數據

3.2 實驗結果與分析

采用MSER特征提取算子和SIFT特征描述子對3組遙感影像進行處理，在提取仿射不變特征基礎上，分別應用4種不同算法進行特征匹配。

針對安達礁中分遙感影像，分別按照4種算法進行特征匹配，如圖3所示。算法一對115對特征對進行匹配，通過人工目視檢查，包含大量誤匹配；算法二篩選出82對特征對進行匹配，仍存在大量誤匹配；算法三在算法一基礎上，篩選出12對特征匹配對，存在誤匹配3對，RANSAC閾值為2；算法四最終篩選出9對特征匹配對，無誤匹配，RANSAC閾值為2。

圖3 安達礁影像匹配優化

針對牛軛礁中分遙感影像，兩幅影像均含有較多云塊干擾，分別按照4種算法進行特征匹配，如圖4所示。算法一對323對特征對進行匹配，包含大量誤匹配；算法二篩選出218對特征對進行匹配，仍存在大量誤匹配；算法三在算法一基礎上，篩選出25對特征匹配對，誤匹配2對，RANSAC閾值為5；算法四最終篩選出9對特征匹配對，誤匹配2對，RANSAC閾值為5。

針對九章群礁中分遙感影像，分別按照算法一與算法四進行特征匹配，如圖5所示。算法一對629對特征對進行匹配，包含大量誤匹配；算法四最終篩選出88對特征匹配對，無誤匹配對，RANSAC閾值為3。

如表2所示，對島礁遙感影像僅做MSER特征提取和SIFT特征描述后可以提取大量匹配對，但是存在大量錯誤匹配對。雖然可以用輪廓信息進行篩選，但是由于輪廓特征描述精度差的原因，導致僅使用輪廓特征篩選后誤匹配對并未篩除完全。當使用特征距離與RANSAC算法篩選后，匹配正確率可成倍提高。算法四分別從面特征與特征空間距離逐層篩選，過濾大量錯誤匹配對。對于第二組牛軛礁實驗中，由于參考影像與待匹配影像均含有較多云塊，導致最終匹配精度不高。

圖4 牛軛礁影像匹配優化(兩幅影像均有云干擾)

圖5 九章群礁影像匹配優化(大尺度范圍)

表2 不同算法匹配結果

本文方法對島礁遙感影像匹配能夠有效提高匹配正確率，面對干擾項較多影像時，雖然也會出現錯誤匹配對，但是有效地降低了錯誤匹配對數量，提高了島礁遙感影像匹配正確率。

4 結束語

針對島礁遙感影像存在較大定位誤差大，影像紋理特征不穩定問題，基于MSER特征提取算子與SIFT特征描述子依次進行輪廓特征篩選與特征距離篩選，再通過迭代得到RANSAC最佳閾值篩選出高精度匹配對，算法有效降低了錯誤匹配對數量。實驗結果表明本文算法可以有效提高島礁遙感影像匹配正確率，為島礁遙感影像匹配提供一種參考方法。對于島礁遙感影像存在云塊等干擾導致存在少量誤匹配，可求其仿射變換矩陣最小二乘解以減小誤差。同時本文通過迭代計算匹配對正確率來優化RANSAC閾值，增加了計算復雜度，仍需在提高匹配效率方面深入研究。