航天地基光學設備圖像配準

張建燁 劉佳 梅麗娜

摘 ?要：文章使用一種基于加速穩健特征和隨機抽樣一致算法，對航天地基光學設備圖像進行配準。配準前，經過三維塊匹配濾波降噪和Retinex增強處理，圖像質量得到了有效提高。經試驗計算，該算法對紅外各波段及可見光圖像特征點提取配準高效準確，對異源相機成像差異、大氣環境變化具有穩健性，能較好地適用于航天試驗圖像配準，提高航天試驗任務執行成效。

關鍵詞：航天試驗;圖像降噪與增強;紅外各波段及可見光圖像配準;SURF特征點計算;RANSAC特征點配準

中圖分類號：TP391.41 ? ? ?文獻標識碼：A 文章編號：2096-4706（2020）15-0012-03

Abstract：In this paper，an speeded-up robust features and random sampling consensus algorithm are used to register the image of space-based optical equipment. Before registration，the image quality is effectively improved after block matching and 3D filtering and Retinex enhancement. The experimental results show that the algorithm is efficient and accurate for feature points extraction and registration of infrared and visible images，and it is robust to image differences of heterogeneous cameras and changes of atmospheric environment. It can be applied to space test image registration and improve the performance of space test tasks.

Keywords：aerospace test;image denoising and enhancement;infrared and visible image registration;SURF feature point calculation;RANSAC feature point registration

0 ?引 ?言

圖像配準（Image Registration）也稱為圖像匹配，是圖像處理領域中的熱點研究方向，其主要目的是在同一物體的兩幅或多幅圖像之間找到一個最優的幾何變換處理，使得圖像最大程度地相似，達到空間的一致性[1]。

隨著航天事業建設發展，試驗中光學圖像總量猛增，處理和研判工作壓力巨大。同時，同一目標不同源相機的大量圖像數據往往孤立且缺乏關聯，處理效率低下，利用深度不夠。將圖像配準相關研究引入到酒泉衛星發射中心地基光學測控領域，可以為衛星發射中心測量試驗部后續圖像融合及指揮評判提供重要支撐。

當前，圖像配準應用已經非常廣泛，但在航天試驗測控中尚未能深入廣泛應用。究其根本，是因為航天試驗存在測量控制精度要求高、場區縱深大、成像距離遠、各類光學設備成像原理及效果存在差異、氣象環境多變、景象獲取模糊等特點[2]。

加速穩健特征（Speeded-Up Robust Features，SURF）是一種精度高、運算快的主流配準算法，對于結構清晰、特征豐富圖像配準的效果出眾[3]。為了更好地將SURF引入航天光學測控應用，本文采用三維塊匹配濾波（Block Matching and 3D filtering，BM3D）和Retinex降噪增強算法對圖像進行預處理，有效提高了航天地基光學設備圖像SURF算法的適應性和穩健性。

1 ?圖像預處理

對圖像進行去噪和增強可以有效提高配準成效，胡竇明等人針對紅外圖像去噪增強提出了一種基于自適應中值濾波的去噪增強方法[4]。

針對航天地基光學設備圖像特點，經過反復試驗，本文采用BM3D算法降噪及Retinex算法增強，可以在保證圖像內容細節豐富和準確的基礎上較好地提高航天光學設備圖像質量。

1.1 ?BM3D算法降噪

BM3D是一種準確高效的圖像降噪算法，在Photoshop等商業軟件中被廣泛應用。其基本思想是通過與相鄰圖像塊進行匹配，將若干相似的塊整合為一個三維矩陣，在三維空間進行濾波處理，再將結果反變換融合到二維，形成去噪后的圖像[5]。

1.2 ?Retinex算法增強

Retinex主要思路是從圖像中估計出光照，得到增強圖像。Retinex算法的核心是計算出來精確的照度分量和反射分量，在此基礎上能夠還原出更加真實的原始圖像[6]。

2 ?SURF算法

SURF算法是一種提取局部特征的算法，用于在尺度空間尋找極值點，提取位置、尺度、旋轉不變量。其主要思想是將圖像之間的匹配轉化為特征點向量之間的相似性度量。相較于互信息等算法需要通過整幅圖像進行配準，SURF利用特征點進行配準，運算效率更高。同時，SURF配準精度高于一般基于角點特征的配準[7]。

2.1 ?SURF算法實現過程

2.1.1 ?構建Hessian矩陣

SURF算法用Hessian矩陣代替DoG算子，進行圖像特征點的提取。單個像素點的Hessian矩陣如下式，其中，m（x，y）為像素灰度值，?為求微分。

2.1.2 ?構造尺度空間

在SURF算法中，使用盒式濾波器（Box Filter）求取尺度空間函數。盒式濾波器尺寸計算公式為：

Filter_Size=3×（2Octave×Intercal+1）

其中，Octave為度數（組數），決定尺寸（Scale）大小，共8度;Interval為層數，決定模糊程度。

濾波器結構保持不變，當濾波器尺寸改變時，對應的高斯尺度計算公式為：

2.1.3 ?確定候選極值點并消除不穩定點

在尺度空間金字塔構建完畢后，需要對某一特定尺度下的局部極值進行求取。為了使檢測到的候選極值點更加穩定，還需要在尺度空間和圖像空間中對極值附近的點進行插值，以篩選掉不穩定點。

2.1.4 ?確定特征點主方向

為了保證旋轉不變性，在SURF中，不統計其梯度直方圖，而是統計特征點鄰域內的Haar小波特征。即以特征點為中心，計算半徑為6δ（δ為特征點所在尺度值）的60°扇形，遍歷整個圓形區域內的Haar小波響應總和（Haar小波邊長取4δ，為響應值賦高斯權重系數，權重從特征點由近到遠減小），選擇最長矢量方向作為該特征點的主方向。

2.1.5 ?生成特征點描述符

以特征點為中心將坐標軸旋轉到主方向，選取正方形窗口，分別統計子窗口內像素方向的Haar小波特征。再以特征點為中心，遍歷整個圓形區域內的Harr小波響應總和，選擇最長矢量方向作為該特征點的主方向。

2.2 ?對特征點進行配準

對計算得到的特征點，運用隨機抽樣一致性（Random Sample Consensus，RANSAC）算法進行配準。RANSAC算法的本質是一個未知模型與含有野值的數據集的擬合。配準過程為：

選取3對不共線的特征點樣本（由于可能存在仿射變換，所以需要至少3對特征點進行計算），并由此計算得到變換矩陣T1;

計算其余特征點與變換矩陣T1間的距離，同時記錄在誤差允許范圍內的樣本個數X;

重復上兩步n次，當X的值最大且大于預設閾值Q時，對應的內點集合即為最大內點域，此時Tn就是配準的變換矩陣。

3 ?實驗結果

現就航天試驗中地基光學設備圖像進行實驗計算，選取具有試驗場區和設備成像特點的3對圖像對方法進行驗證。所選圖像由紅外不同波段及可見光不同類型相機獲取，成像時段不同、距離不同、氣候環境不同，以充分驗證方法配準效果。實驗首先以BM3D算法和Retinex算法對不同航天光學設備獲取的同一物體圖像進行降噪和增強，然后利用SURF和RANSAC算法對圖像進行配準。

3.1 ?實驗過程

如圖1所示為山頂基站配準實驗效果，成像時間為上午9：00，天氣為薄霧，該基站距離光學設備約7 km，視野中包含了天空、土地和基站設施，由于可見光和紅外相機口徑不同，成像原理不同，兩款相機所呈現的圖像有所差異。同時，由于大氣環境，圖像較為模糊。本文的SURF方法可以準確提取特征點，完成對兩幅圖像的配準。

如圖2為試驗場區一處50 m高程無名荒山配準實驗效果，成像時間為夜間22：00，天氣為晴朗，荒山距離光學設備約15 km，長波紅外和短波紅外成像在灰度上存在較大的差異。SURF算法尤其適合處理紋理細節豐富的圖像，該方法可以準確提取特征點，完成對兩幅圖像的配準。

如圖3所示為場區配套廠房在建建筑配準實驗效果，成像時間為正午13：00，天氣為浮塵，在建建筑距離光學設備約5 km，由于大氣環境及設備特性，彩色電視圖像色彩不明顯，經BM3D及Retinex算法處理后轉為灰度圖像，該方法可以準確提取特征點，完成兩幅圖像的配準。

3.2 ?計算驗證

為驗證配準效果，對所有圖像計算均方誤差（Mean Squared Error，MSE），同時列明配準時間，如表1所示。

經降噪增強，SURF結合RANSEC算法對于航天地基光學圖像配準效果良好、運算效率高、穩健性強，可以適用于不同環境下的航天地基紅外及可見光圖像配準，具有較好的推廣前景。

4 ?結 ?論

本文給出針對航天地基光學設備的圖像配準方法。該方法綜合BM3D降噪和Retinex增強預處理，使用SURF結合RANSEC算法，能夠較好地處理圖像模糊、畫面復雜的航天光學設備圖像配準。在配準的基礎上，還可以進行校準、融合等各種計算處理，以提高航天光學設備綜合測試能力。

參考文獻：

[1] 章學靜.像素級圖像增強及配準算法研究 [D].北京：北京理工大學，2014.

[2] 云海姣.針對靶場圖像增強算法的研究與實現 [D].長春：中國科學院研究生院（長春光學精密機械與物理研究所），2016.

[3] 宋智禮.圖像配準技術及其應用的研究 [D].上海：復旦大學，2010.

[4] 胡竇明，趙海生，李云川，等.一種基于同態濾波的紅外圖像增強新方法 [J].紅外技術，2012，34（4）：224-228.

[5] LEBRUN M. An Analysis and Implementation of the BM3D Image Denoising Method [J].Image Process，2012（2）：175-213.

[6] 張馳，譚南林，李響，等.基于改進型Retinex算法的霧天圖像增強技術 [J].北京航空航天大學學報，2019，45（2）：309-316.

[7] 張亞娟.基于SURF特征的圖像與視頻拼接技術的研究 [D].西安：西安電子科技大學，2013.

作者簡介：張建燁（1989.01—），男，蒙古族，內蒙古烏蘭察布人，工程師，碩士研究生，研究方向：圖像及通信;劉佳（1986. 10—），男，漢族，山東威海人，技師，本科，研究方向：圖像及通信;梅麗娜（1996.08—），女，漢族，河南駐馬店人，技師，本科，研究方向：圖像及通信。