基于核线影像的点特征提取与图像匹配方法比较研究.docVIP

基于核线影像的点特征提取与图像匹配方法比较研究 　　摘要：对遥感航空影像进行计算机自动化处理是目前遥感发展的主要方向，而特征提取与影像匹配是一切影像处理的前提。特征提取算子有很多，该文比较和评价了几种著名的特征提取算子：Moravec算子、Harris算子和Forstner算子。基于相关系数以及最小二乘方法，利用提取出的特征点将两幅核线影像进行匹配与校正，比较和评价了两种匹配方法，并对最小二乘匹配方法作出了一些改进。 　　关键词：影像匹配最小二乘法特征提取核线影像 　　中图分类号：P203 文献标识码：A 文章编号：1672-3791（2015）07（b）-0000-00 　　随着图像信息处理技术的不断发展，图像特征和影像匹配的研究已成为该领域两个重要的研究方向。许多摄影测量和计算机视觉工作将特征提取作为最初的处理步骤以便后续的处理和分析。图像特征提取是影像分析和影像匹配的基础，影像匹配是图像融合、目标识别、目标变化检测、计算机视觉等问题中的一个重要前期步骤。 　　图像的特征可分为点、线、面三种[1]。点特征可以应用于诸如图像的匹配，目标描述与识别，光束计算，运动目标跟踪、识别和立体像对3D建模等众多领域。使用点特征进行处理，可以减少参与计算的数据量，同时又不损害图像的重要灰度信息，在匹配运算中能够较大的提高匹配速度。在视觉方面的应用中，面特征也被用于目标探测、目标识别、目标分类和自动地宽基线图像定位[2]。 　　影像匹配可以用于重建景物的三维影像、机器人视觉、地理信息系统、生物医学成像、DEM 自动生成甚至虚拟现实等领域都有着广泛的用途[3]。 　　1 数据源及操作平台 　　该文以两幅raw格式卫星核线影像作为数据源进行特征提取以及影像匹配，两幅影像间存在几何畸变和辐射畸变。 　　2 点特征提取 　　特征提取是影像处理过程中的第一步，它减少了需要处理的数据量并从影像中提取出了 　　最突出的特征。点特征提取是最常采用的一种图像特征提取，主要指明显点，如角点、圆点等。提取特征点的算子称为兴趣算子或有利算子，即运用某种算法从影像中提取我们所感兴趣的即有利于某种目的的点。该文比较了三种著名的特征提取算子，分别是：Moravec算子、Harris算子和Forstner算子。 　　Moravec 算子是 Moravec 于1977年提出利用灰度方差提取点特征的算子，是第一个提出兴趣点概念的算子。Harris算子是传统 Moravec 算子的改进，它在自相关函数的帮助下解决了离散变化和方向的问题，并且提高了定位精度[4]。Forstner 算子是摄影测量中著名的定位算子，其特点是速度快，定位精度较高。通过计算各像素的Roberts梯度和像素的协方差矩阵，在影像中寻找具有尽可能小的接近圆的误差椭圆的点作为特征点。 　　a Moravec 算子 bHarris 算子 cForstner 算子 　　图1三种特征提取算子对同一幅卫星影像提取的细节图 　　Moravec算子（图1a）几乎可以检测到所有的角点。Moravec角点提取算子是一个相对简单的算子，它最显著的优点是实现简单快速。它对强边缘比较敏感，这是由于响应值是自相关的最小值而不是差值。它不是旋转不变性的。Moravec算子对噪声敏感，它容易把沿着边缘的点和孤立的点作为角点，常常会提取出错误角点。 　　Harris算子（图1b）可基本检测到所有的角点，但是对某些特征点的定位不准确，也有一些错误角点，但是仍然比Moravec算子的效率高。通过增设阈值可以减少错误角点，提高效率。Harris算子具有计算简单、提取的点特征均匀而合理、可定量提取特征点以及算子较为稳定等优点[5]。且Harris算子的复杂程度介于Moravec算子和Forstner算子之间，在实际处理过程中是很受欢迎的算子之一。 　　Forstner算子（图1c）的计算速度较快，相比于Harris算子计算精度较高，但是对于Forstner算子来说，需要设置两个阈值，且不同图像需要设置不同的阈值，这两个阈值的确定提取出特征点的数量以及配准精度有很大影响。对于对比度小的影像，若阈值设置过大，则提取出的特征点数量较少，不利于后续的匹配工作；对于对比度大的影像，若阈值设置过小，则提取出的特征点数量较多，对匹配工作产生严重的运算负担；若阈值设置的较合适，则可提取出较好的特征点。 　　3 影像匹配 　　图像匹配，也称为图像配准，是图像处理的基本任务之一，可广泛用于目标识别与跟踪、立体视觉、变化检测、测绘等领域。在图像匹配的过程中，需要注意的地方有很多，主要可以归结为以下几个方面[6]。 　　（1）特征空间的选择。根据上文特征提取的结果，采用Harris算子提取出的特征点作为影像匹配的特征空间，原