多源遥感图像舰船目标SIFT匹配的性能分析

帅 通，师本慧，陈金勇，刘 翔

（中国电子科技集团公司第五十四研究所，河北 石家庄 050081）

多源遥感图像舰船目标SIFT匹配的性能分析

帅 通，师本慧，陈金勇，刘 翔

（中国电子科技集团公司第五十四研究所，河北 石家庄 050081）

基于多源遥感图像开展舰船目标识别是未来的发展趋势，但是SIFT特征匹配在该领域的应用性能尚不明确。利用双三次差值算法，模拟了6种空间分辨率等级的遥感图像，对舰船目标SIFT特征匹配进行了性能测试。结果显示：随着空间分辨率的下降，目标匹配对数会急剧减少，不同空间分辨率的舰船目标进行匹配时，可通过插值方法在一定程度上提高匹配性能。以上分析结果为多源遥感数据在舰船目标识别中的应用奠定了基础。

多源遥感；舰船目标匹配；SIFT；性能分析

0 引言

遥感技术具有大范围、多时相及高动态的探测优势，在舰船目标探测和识别中具有独特的优势［1，2］，能够为海上交通监测、渔业监测、海上应急救援及出入境监控等提供快速、准确的信息支持。

随着空间探测技术的发展，我国相继发射了环境系列卫星、资源系列卫星、北京一号小卫星以及高分系列卫星等对地观测卫星，光学遥感空间分辨率不断提高，为资源调查、环境监测、目标探测以及舰船目标识别等需求提供了大量的遥感数据。采用一种载荷数据开展遥感应用往往不能满足数据需求，因此联合多源遥感数据针对特定目的进行应用是目前的现状，也是未来的发展趋势［3］。

SIFT（Scale Invariant Feature Transform）算法是一种经典、高效的图像局部特征点检测算法［4］，在机器视觉、图像配准等领域取得了广泛应用［5，6］，在高分辨率遥感图像舰船精细目标识别中初步证明了其应用潜力。舰船目标识别的业务化应用，不论是目标库构建，还是舰船精细识别，同样需要多源遥感图像的支持。

但是目前对SIFT算法在多源遥感数据应用中的能力缺乏分析，尤其是对不同空间分辨率目标的SIFT匹配性能尚不清晰，为该算法在目标识别中的应用带来困扰。本文重点针对多源遥感数据在空间分辨率上的差异，利用模拟数据分别对SIFT算法在相同分辨率和不同分辨率的舰船目标匹配中的性能进行分析，为舰船目标的多源遥感识别提供理论依据。

1 SIFT特征匹配

基于SIFT算法对舰船目标进行特征匹配主要包括SIFT特征的提取、描述和匹配3个步骤［7］。

为了使检测到的特征点具有尺度不变性，SIFT特征点的检测是在尺度空间中完成的，一幅图像中尺度空间的定义为：

式中，G（x，y，σ）是在尺度σ下的高斯函数卷积核：

σ值越小，图像越清晰，则对应于图像细节信息；σ值越大，图像越模糊，则对应于图像的概貌特征。

SIFT算法在某一尺度上对特征点进行检测，首先通过对2个相邻高斯尺度空间的图像相减，得到一个DoG（Difference of Gaussians）的响应值图像D (x，y，σ)。然后通过对响应值图像D( x，y，σ)进行非最大值抑制（局部最大搜索），在位置空间和尺度空间中定位特征点。特征点的搜索通过同一组内各DoG相邻层之间的比较完成。为了寻找尺度空间的极值点，每一个采样点要和它同一尺度以及相邻尺度下的所有相邻点进行比较，看它其是否比这些相邻点大或者小。通过上面检测尺度空间的极值点，得到特征点的尺度和位置。

对SIFT特征点进行描述主要包括特征点主方向和特征矢量2部分［8］。对特征点主方向的确定可以使特征点的特征向量具有旋转不变性，主方向可以利用特征点周围区域像素的梯度幅值大小及方向分布的特性得到。在具体的计算过程中，对以特征点为中心的邻域进行采样，并且用直方图来统计邻域像素中每个梯度方向的累加值。得到梯度方向直方图后，就查找直方图中的峰值，峰值所处的方向则代表了该特征点的主方向。对特征矢量进行描述，首先将坐标轴旋转为特征点的主方向，以确保旋转不变性。然后以特征点为中心，取一个16×16的区域，然后将其再划分为16个小区域，对4×4个小区域块中的8方向梯度直方图根据位置依次排序，这样就形成了一个4×4×8＝128维的特征向量，该特征向量就作为SIFT特征的描述符子，此时描述子特征向量已经去除了尺度变化、旋转等这些几何变形因素的影响。

对SIFT特征点的匹配主要包括特征匹配和匹配对提纯2步。进行特征匹配的方法可以分为2类：一类是线性扫描法，即将目标集中的点与基准集逐一进行距离比较，也称为穷举法，该方法无需数据预处理，操作简单，但搜索效率比较低；第二类是建立数据索引，然后再进行快速匹配，可以大大加快检索的速度，但建立索引结构需要比较高昂的代价，如Kd－树（K-dimension Tree）等［9］。本研究数据量不大，因此采用第一种算法进行匹配。虽然匹配对中2个数据点的距离最近，但并不意味着它们对应相同的图像区域，因此需要对匹配对进行筛选，剔除错误的匹配对。本研究采用经典的随机抽样一致性RANSAC（Random Sample consensus）算法进行匹配对的提纯，它实现简单，性能良好［10］。RANSAC算法的核心思想是创建一个误差判断的模型，然后用随机抽取一定符合条件的数据，通过误差判断模型反复地测试、迭代，从而寻找出一个错误最小的模型，区分一致性数据和非一致性数据，达到匹配对提纯的目的。

2 多源遥感数据模拟方法

本研究所用舰船目标的高分辨率光学遥感图像从Google Earth中截取，用于匹配测试的2个中型舰船目标型号相同，但舰船周围环境和舰载物品不同如图1所示。空间分辨率约为0.2 m，舰船长度约175 m，通过双三次（bi-cubic）插值算法将该图像分别重采样到0.1 m、0.5 m、1.0 m、2.0 m和4.0 m，用于模拟共6种不同空间分辨率的舰船目标。

图1 相同分辨率舰船目标匹配结果

双三次插值又称立方卷积插值，是一种相对复杂的插值方式，它能创造出比双线性插值更平滑的图像边缘，因此可以得到更接近高分辨率图像的效果［11］。通过双三次插值可以得到一个连续的插值函数，它的一阶偏导数连续，并且交叉导数处处连续。该算法利用待采样点周围16个点的灰度值做三次插值，不仅考虑到4个直接相邻点的灰度影响，而且考虑到各邻点间灰度值变化率的影响。

插值算法可以表示为：

式中，f(xk)为第k个原函数的值；S(w)为差值基函数。如果基函数的最高次幂为3次且在定义域内基函数的一阶、二阶导数连续，则称该算法为三次插值算法，若在二维方向上应用该算法即双三次插值算法。

三次插值算法的数学表达式如下：

3 相同分辨率的目标匹配

为测试空间分辨率对舰船目标匹配的影响，首先将相同空间分辨率下的舰船目标进行匹配测试，共分为0.1 m、0.2 m、0.5m、1.0 m、2.0 m和4.0 m六种空间分辨率等级，匹配效果如图1所示。

对以上6个空间分辨率等级的舰船目标匹配情况进行统计，统计结果如图2所示。

图2 相同分辨率舰船目标匹配结果统计

由以上舰船目标的匹配结果可见：随着空间分辨率的降低，由于目标细节趋于模糊，SIFT特征匹配总对数近似呈对数曲线急剧减少，正确匹配对数也随之减少，错误匹配对数增加，尤其是当分辨率低于2 m时，没有正确匹配的SIFT特征对。

4 不同分辨率的目标匹配

为测试不同空间分辨率舰船目标相互匹配的效果，将0.1～2.0 m空间分辨率的舰船目标与0.2 m空间分辨率舰船目标进行匹配，匹配结果如图3所示。由以上匹配结果可见，随着空间分辨率的降低，正确匹配对数同样急剧减少，但错误匹配对数并未表现出增长的趋势，这可能是由于0.2 m空间分辨率舰船目标所提取SIFT特征相对精度较高，从而促使匹配正确率提高所致。同样，当目标集空间分辨率低于2 m时，匹配对数不足以对舰船目标进行有效识别。

图3 不同分辨率舰船目标匹配结果

对以上不同空间分辨率的舰船目标匹配情况进行统计，统计结果如图4所示。

图4 不同空间分辨率舰船目标匹配结果统计

此外，从整体上看，不同分辨率的目标匹配对数比相同分辨率的目标匹配对数要少，这主要是由于不同分辨率图像匹配时两目标的SIFT特征尺度存在差异所致。因此考虑当不同分辨率目标图像进行匹配时，先将低分辨率图像利用双三次插值算法插值到高空间分辨率，然后再进行SIFT特征匹配。0.5 m分辨率图像插值到0.2 m分辨率后与0.2 m图像的匹配结果如图5所示。

图5 图像插值后的匹配结果

同图3（b）和图3（c）对比可见，经过以上思路的处理，目标匹配能力有所提升，证明了以上处理思路的可行性。需要说明的是，当两目标分辨率相差5倍以上或分辨率低于2 m时，即便通过插值算法将两者统一到一致的分辨率，也不能明显提升目标的匹配性能。

5 结束语

本文利用模拟的多源遥感数据，生成了6种空间分辨率等级的舰船目标，分别对相同分辨率和不同分辨率情况的舰船目标SIFT特征匹配进行了性能测试。测试结果显示，随着空间分辨率的下降，目标匹配对数会急剧减少，当分辨率低于2 m时，匹配结果难以对舰船目标进行有效识别。此外，当不同空间分辨率的舰船目标进行匹配时，可以将低分辨率图像插值到高空间分辨率，然后再进行特征匹配，能够在一定程度上提高舰船目标的匹配性能。

利用多源遥感数据进行舰船目标识别是今后的发展趋势，本文对不同空间分辨率下舰船目标识别的SIFT匹配性能进行了分析，为后期多源遥感数据在舰船目标识别中的应用奠定了一定的理论基础。

［1］陈韬亦，陈金勇，赵和鹏.基于Ecogniton的光学遥感图像舰船目标检测［J］.无线电工程，2013，43（11）：11－14.

［2］于 鹏.高分辨率可见光遥感图像舰船目标识别方法研究［D］.吉林：吉林大学，2011.

［3］李爱华，柏延臣.多源遥感专题信息比较研究：现状、问题与展望［J］.地球科学进展，2011，26（7）：741－750.

［4］LOWE D.Distinctive Image Features from Scale-invariant Keypoints［J］.International Journal of Computer Vision，2004，60（2）：91－110.

［5］陈 曦.基于SIFT的视觉单词在人脸识别中的研究［J］.科学技术与工程，2013，13（20）：5 988－5 992.

［6］王云飞.基于SIFT和归一化互信息的SAR图像配准算法研究［D］.西安：西安电子科技大学，2014.

［7］王永明，王贵锦.图像局部不变性特征与描述［M］.北京：国防工业出版社，2010.

［8］黄 灿.基于局部特征的车辆识别［D］.上海：上海交通大学，2010.

［9］朱佳文，屈新原，高小伟.基于CSIFT算法的UAV影像配准技术研究［J］.首都师范大学学报（自然科学版），2013，34（4）：69－74.

［10］FISHER M，BOLLES R.A Random Sample Consensus：A Paradigm For model Fitting with Application to Image A-nalysis and Automated Cartography［J］.Communication Association Machine，1981，24（6）：381－395.

［11］张阿珍，刘政林，邹雪城，等.基于双三次插值算法的图像缩放引擎的设计［J］.微电子学与计算机，2007，24（1）：49－51.

Performance Analysis of SIFT Matching in Ship Target Based on Multi-source Remote Sensing Images

SHUAI Tong，SHI Ben-hui，CHEN Jin-yong，LIU Xiang
（The 54th Institute of CETC，Shijiazhuang Hebei 050081，China）

It is a future direction to identify ships based on multi-source remote sensing images，but SIFT（Scale Invariant Feature Transform）matching performance is not clear in this research field.The ship targets of six spatial resolutions are simulated using bi-cu-bic interpolation method，and the SIFT feature matching of ship target are tested.The results show that the target matching number is sig-nificantly reduced as the spatial resolution decreases，and the matching performance can be promoted by interpolating when ship targets with different spatial resolutions are matched.The analysis results lay the foundations for application of multi-source remote sensing in ship target identification.

multi-source remote sensing；ship target matching；SIFT；performance analysis

TP751

A

1003－3106（2015）10－0048－04

10.3969／j.issn.1003－3106.2015.10.13

帅 通，师本慧，陈金勇，等.多源遥感图像舰船目标SIFT匹配的性能分析［J］.无线电工程，2015，45（10）：48－51.

帅 通男，（1986—），博士。主要研究方向：遥感图像处理及应用。

2015-07-15

师本慧男，（1965—），研究员。主要研究方向：航天地面应用和测控。