一种改进的多源遥感影像SIFT算法匹配策略

郭一洋,宋伟东,戴激光

(辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000)



一种改进的多源遥感影像SIFT算法匹配策略

郭一洋,宋伟东,戴激光

(辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000)

传统SIFT算法在遥感影像中相似性场景大量存在的情况下呈现出匹配效率低的问题。文中提出对传统SIFT算法匹配策略进行改进，其步骤包括：首先在初匹配阶段，利用建立金字塔影像匹配的方式确定影像间的几何关系模型；其次，利用该几何关系模型对初始影像进行约束匹配；最后利用RANSAC模型剔除误匹配点。通过相似性场景影像匹配实验可以表明，与传统SIFT算法相比，本方法具有明显的匹配效率和精度优势。

SIFT算法；遥感影像；相似性场景；匹配；几何模型

匹配作为遥感影像处理的一个基本问题，是实现多源遥感影像数据分析的前提和基础[1]。传统遥感影像的匹配技术主要分为基于灰度的匹配和基于特征的匹配。基于特征的影像匹配克服基于灰度的方法计算量大、对影像灰度敏感等缺点，成为影像匹配研究的主要发展方向。加拿大的D.G.Lowe于1999年提出，2004年完善的尺度不变特征(scale invariant feature transform,SIFT)算法，由于其具有尺度不变性和旋转不变性，并且对视点变化、噪声干扰、光照变化具有鲁棒性，在图像处理领域中得到广泛应用[2]。文献[3]将SIFT算法应用于遥感影像的匹配，证明SIFT算法可以用于遥感图像匹配。但是SIFT算法本身还存在一些问题，如计算复杂度过高，只考虑局部纹理特征等[4]。针对SIFT算法存在的问题，文献[5]对检测到的关键点进行尺度空间下的Contourlet 变换，再进行Contourlet全局纹理匹配筛选，有效降低误匹配概率，但匹配点的数量较少。文献[6]使用Harris算子代替SIFT 进行特征点检测，形成以Harris角点和SIFT描述相结合的快速影像匹配算法，提高运算效率。文献[7]在SIFT特征提取的基础上，使用核线约束匹配取得良好效果。文献[8]将匹配支持度的这种相似性测度引入特征匹配，明显提高匹配的可靠性和成功率。文献[9]通过控制特征点数量和分布情况获取均匀分布的特征点，采用粗匹配、精匹配和误匹配点剔除策略，由粗到精地获取准确的同名点，但初匹配的筛选过程繁杂，效率较低。

虽然上述文献都改进了SIFT算法，但对于存在相似性场景的遥感影像匹配不能获得满意结果，无法在保证匹配点的数量和精度的情况下，提高运算的速度。针对这一问题，本文提出一种新的匹配策略，有效改进卫星遥感影像的匹配效率。

1 传统SIFT算法

传统SIFT算法包括以下内容：

1)首先构造高斯金字塔，如图1所示，将原始图像降阶下采样，构成金字塔模型，得到高斯金字塔，式(1)为高斯核函数，σ为尺度因子，(x,y)为像素坐标。

(1)

将每组相邻的上下两层图像相减得到高斯差分图像。为寻找DOG函数极值点，检测点要与它同尺度的8个相邻点和上下相邻尺度的9×2个点共26个点比较。再剔除低对比度的关键点和不稳定的边缘响应点，以增强匹配稳定性和提高抗噪声能力。

图1 高斯金字塔

2)为使描述符具有旋转不变性，利用图像的局部特征为每一个关键点分配一个基准方向，需要统计邻域内像素的梯度和方向。

3)每一个关键点，都有位置、尺度及方向3个信息，取以特征点为中心的16×16邻域，分为4×4邻域的子区域，对每个区域计算梯度直方图(8个方向)，形成4×4×8=128维特征向量。

4)利用特征点间欧氏距离次近距离与最近距离比值小于某个阈值的方式提取匹配点。

2 改进SIFT算法匹配策略

算法匹配策略包括初匹配阶段和精匹配阶段，其中初匹配阶段主要作用是获取两幅影像之间的近似几何关系模型，由于缩小范围，解决匹配运算效率低的问题，精匹配阶段则在该模型的约束情况下进行SIFT特征点匹配，解决相似性场景带来的正确率低的问题。

2.1 初始匹配

初始匹配主要目的是快速获取一定数量的同名点，提高运算效率。如图2所示，为了降低在源图像进行直接匹配的复杂度，提高计算效率，直接对源图像进行下采样，得到金字塔影像，其中每一层图像均为下一层图像的1/4大小。

图2 金字塔图像

取金字塔的最顶层图像按照传统的SIFT算法做特征提取和特征匹配，由下采样过程可知这个顶层图像大小要比原始图像小，得到的特征点数量相应减少，因此特征提取和特征匹配耗时很少，能够快速获取同名点。此过程的金字塔层数由原始影像的大小决定，层数多则顶层图像过小会导致提取到的特征点很少，无法获取足够的同名点对用于解算影像间几何变换模型。

2.2 几何约束模型的构建

建立金字塔影像进行匹配，通过获取适当数量的同名点建立影像间的几何约束关系，可以避免特征点的全景遍历匹配，提高运算速度。本文选择仿射变换作为几何变换模型，它是一种包括旋转、平移、伸缩的简单变换，能够快速建立并可反映两个空间的位置关系。

(2)

式中：(x′,y′)是变换后的坐标，(x,y)是变换前的坐标。式(2)中一共有6个未知参数，至少需要3对控制点，超过3对控制点，则采用最小二乘方法计算6个参数[10]。

2.3 精确匹配阶段

2.3.1 匹配策略

初匹配阶段确定几何仿射变换模型，将其作为几何约束条件进行源图像的精确匹配，可有效地解决相似性场景带来匹配正确率低的问题。精匹配阶段提取源图像的SIFT特征点，利用仿射变换模型在待匹配影像中确定基准影像每一个特征点的候选同名点集，最后采用欧式距离作为判定度量，在候选同名点集中找到与基准影像关键点欧式距离最小的特征点，作为匹配点。

如图3所示，点P为基准影像特征点，利用式(2)计算得到待匹配影像上的点P′称为理论同名点，以P′为中心取一个正方形的范围，搜索范围内的特征点，图3中的黑色特征点，构成一个特征点集合称为候选同名点集。从而保证每个特征点均对应一个候选同名点集，搜索同名点的范围由整幅图像缩小到这个正方形，即对特征点和其对应的候选同名点集进行匹配，避免对相似性地物的辨别错误。

图3 同名点集

2.3.2 粗差剔除

经过精确匹配过程所提取的同名点对中仍然存在错误匹配，本文采用随机抽样一致算法(Random Sample Consensus，RANSAC)进行误匹配点的剔除。RANSAC算法常用于计算机视觉中，其基本思想是由一组含有错误点的样本数据中，正确点满足初始模型，利用此模型检验样本外数据，得到新点后重新计算模型，通过这种迭代的方式，实现由局部到整体的搜索并剔除错误点，鲁棒地估计模型参数[11]。简单的最小二乘法很难剔除大量噪声点，RANSAC存在50%的误匹配时仍可以有效获取同名点[7]。

3 实验分析

3.1 实验数据

为了验证算法的有效性，本文选取同一地区具有相似性场景的异源遥感影像，像对1如图4(a)所示，左图为GeoEye影像，拍摄于2009年，分辨率为0.5m，大小为1024像素×1024像素，右图为IKONOS影像，拍摄于2003年，分辨率为1m，GeoEye影像作为基准影像，IKONOS影像作为待匹配影像。像对2如图4(b)所示，左图为WorldView影像，拍摄于2009年，分辨率为0.5m，右图为IKONOS影像，拍摄于2006年，分辨率为1m，WorldView影像作为基准影像，IKONOS为待匹配影像。取GeoEye影像和WorldView影像大小为1024像素×1024像素，IKONOS影像大小为512像素×512像素。图中可以观察到像对1中包含大量形状相近的房屋、道路等地物信息，像对2中则有大量的梯田，运用传统的局部SIFT描述很难将这些地物进行区分，因此论文选择该数据作为所提算法的验证。

图4 实验数据

3.2 实验结果及分析

初始匹配阶段构建金字塔影像时，考虑到图像匹配处理的速度与精度，实验中选择金字塔影像第二层图像作为初始匹配阶段的图像，匹配结果如图5所示。

图5 初始匹配结果

初始匹配阶段，像对1和像对2分别获得同名点对56个和18个，计算速度快，数量足够，分布均匀，能够实现影像对仿射变换模型的计算。

为了验证本文算法的有效性，论文以SIFT算法为评价标准，分别采用本文的方法和传统SIFT经典方法对实验数据进行匹配对比分析。实验结果如图6、图7所示，表1所列数据为两种匹配方法的对比，“匹配点数”为未剔除粗差前所得到的匹配点数，“正确点”是剔除粗差后得到的匹配点数，σ(x/y)为x，y方向的中误差。

图7 像对2实验结果对比

数据本文方法匹配点数正确点数计算总时间/sσ(x/y)SIFT方法匹配点数正确点数计算总时间/sσ(x/y)像对113911568.11.3/1/0956753.21.6/1.5像对2452639.81.2/1.2211236.31.3/1.1

由图6和图7可知，利用本文方法匹配得到的匹配点数明显要多于SIFT方法，并且分布的更为均匀。这是由于加入几何变换约束条件可以使基准影像中的每个关键点对应一个候选同名点集，降低了由于相似性地物存在造成的特征误匹配概率，大幅提高匹配点的数量，使得分布更加均匀。

由表1可知，在像对1中SIFT算法匹配得到的正确点数为21，而本文的方法可得到其5倍的正确点数，表明本文的方法在图像中存在大量相似性场景且变形较小的情况下不仅能够得到更多的匹配点，而且正确率明显提高。像对2由于影像间存在剧烈变形变换，本文方法虽未大幅度提高匹配正确率，但是本文方法得到匹配点数和正确点数仍然大幅度提高，表明对于变形剧烈的图像本文算法也能够获得更多的正确匹配点，而正确匹配点数提高对影像后续三维建模等处理具有重要意义。

两种方法结果的x,y中误差处于一个数量级，均在1～2个像素之间，本文方法的精度略高于SIFT匹配方法。由此可以表明，本文的匹配方法在得到更多的匹配点对的同时也能保证良好的精度。

在运行效率上，虽然本文方法所用时间高于SIFT算法，但是根据表1的数据本文方法匹配得到总的正确点数是SIFT算法的4倍，而时间是原来的1.2倍左右，可见本文提出的基于SIFT特征的匹配策略具有更高的效率。

4 结 论

匹配是遥感图像处理的核心问题，如何在获取更多匹配点的同时保证精度和速度是一个值得研究的问题。本文在SIFT特征匹配的基础上，提出SIFT算法的改进策略，通过实验对比分析表明本文的方法在匹配点对数量和正确率上有显著优势，具有较高的匹配效率。另外，由于论文算法涉及到两个阶段的匹配，从而提高算法的复杂度，进一步提高匹配的速度是今后工作的主要改进方向。

[1] 吕金健．基于特征的多源遥感图像配准技术研究[D]．长沙：国防科学技术大学，2008.

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

[3] 李晓明，郑琏，胡占义.基于SIFT特征的遥感影像自动配准[J].遥感学报，2006,10(6):885-892.

[4] 刘立，詹茵茵，罗扬，等.尺度不变特征变换算子综述[J].中国图像图形学报，2013，18(8):885-892.

[5] 陈抒瑢,李勃,董蓉,等.Contourlet-SIFT特征匹配算法[J].电子与信息学报,2013，35(5):1215-1221.

[6] 陈梦婷，闫冬梅，王刚.基于Harris 角点和SIFT描述符的高分辨率遥感影像匹配算法[J].中国图像图形学报，2012,17( 11) :1453-1459.

[7] 戴激光，宋伟东，贾永红，等．一种新的异源高分辨率光学卫星遥感影像自动匹配算法[J]．测绘学报，2013，42(1)：80-86．

[8] 袁修孝，李然.带匹配支持度的多源遥感影像SIFT匹配方法[J].武汉大学学报(信息科学版)，2012,37(12):1438-1442.

[9] 张谦,贾永红,胡忠文.源遥感影像配准中的SIFT特征匹配改进[J].武汉大学学报(信息科学版),2013,38(4):455-459.

[10] 吴振国，杨红乔.一种具有仿射不变性的图像匹配算法[J].计算机工程，2013,39(8):215-222.

[11] HARTLEY R I,ZISSERMAN A.Multiple View Geometry in Compter Vision[M].2nd ed.Cambridge:Cambrige University Press，2004.

[责任编辑：张德福]

An improved SIFT algorithm matching strategy ofmulti-source remote sensing images

GUO Yiyang ,SONG Weidong ,DAI Jiguang

(School of Geomatics,Liaoning Technical University,Fuxin 123000,China)

Traditional SIFT algorithm presents the problem of low matching efficiency in remote sensing image with a lagrge number of similarity scenes.In order to solve this problem,this paper improves the matching strategy of SIFT algorithmthe.The steps include:in the initial matching stage,determine the geometric relation model between the images by matching based on establishing the pyramid images;then the geometric relation model is used to conteaint matching for the initial images;finally eliminate the mismatching points through RANSAC model.The images with similarity scene matching experiment results verify that this method has obvious efficiency advantage and matching precision compared with the traditional SIFT algorithm.

SIFT algorithm;similarity scenes;matching;geomatics model

引用著录：郭一洋,宋伟东,戴激光.一种改进的多源遥感影像SIFT算法匹配策略[J].测绘工程，2017，26(1)：26-31.

10.19349/j.cnki.issn1006-7949.2017.01.006

2015-05-24

郭一洋(1991-)，女，硕士研究生.

P237

A

1006-7949(2017)01-0026-06