一种基于异源图像的变化检测方法.docVIP

PAGE PAGE 10 《测绘通报》测绘科学前沿技术论坛论文集 一种基于异源图像的变化检测方法作者简介： 作者简介：张一鸣(1983.1.31)，男(汉)，江苏镇江人，硕士，助理工程师，主要从事遥感图像处理与分析方面的研究。 刘亚璠(1983.3.31)，男(汉)，湖北武汉人，学士，助理工程师，主要从事摄影测量与遥感方面的研究。 张一鸣 刘亚璠 （北京遥感信息研究所，北京 100192） 摘 要：本文着重讨论了利用无人机图像和遥感卫星影像检测地面变化的技术方法，首先将小幅面无人机图像逐一拼接成覆盖一定区域的图像，然后对无人机图像和卫星影像进行几何配准和相对辐射校正，最后通过对图像配准误差的分析，提出一种顾及配准误差的变化检测方法。 关键词：变化检测；图像镶嵌；配准误差 一、引言 由于遥感卫星的重访周期、获取手段限制，使用同源图像进行变化检测越来越不能满足人们不断增加的——对快速、准确发现地表变化的需求，与此同时，利用不同传感器图像作为数据源逐渐成为变化检测技术的研究热点。 近年来，无人驾驶飞机UAVs（Unmanned Aerial Vehicles）凭借其机动灵活、成本低等优势，受到遥感应用领域的高度关注。同卫星遥感影像和传统航空遥感图像相比，低空无人机遥感图像有着突出的特点：图像清晰，精度高且地面特征丰富，但图像的稳定性受飞行器的姿态变化影响较大[1]。可以考虑先对这种图像进行镶嵌，构成覆盖某一区域的图像，再与已获得的不同时相卫星影像结合进行变化检测。 二、无人机序列图像镶嵌 图像镶嵌（mosaicking）是将两幅或多幅图像（它们可能是在不同摄影条件下获取的）拼在一起，构成一幅整体图像的技术过程[2]。图像镶嵌技术的关键问题之一是如何将多幅图像从几何关系上拼接起来，即几何拼接；之二是如何使多幅（景）图像在拼接之后不出现明显的拼接效应，即辐射拼接[3]。 单幅无人机图像一般具有较高的分辨率，但高分辨率大多是通过降低飞行高度达到的，这造成了单幅无人机图像的地面覆盖范围有限。为获得更大范围的图像，通常需要将较小幅面的无人机图像拼接成一幅区域图像。要说明的是，本文使用的无人机视频序列图像（为表述方便，简述为无人机图像）是从无人机拍摄的视频流中截取的，通过设置合适的采样间隔，以保证各帧图像间的重叠度，从而满足拼接要求。另外，由于图像之间辐射差异不大，因此这里主要考虑几何拼接。 无人机图像镶嵌主要包括无人机图像自动配准和无人机图像拼接。 2.1 无人机图像自动配准 一般采用特征点提取及匹配的方法对无人机序列图像进行快速配准。 ⑴Moravec点特征提取算子 该算子是常用的兴趣点提取算子，其思想是在四个主要方向上，选择具有最大－最小灰度方差的点作为特征点。主要步骤为： ①计算各像元的兴趣值。在以像素为中心的的图像窗口中（3×3窗口，如图1），计算四个方向相邻像素灰度差的平方和： （2-1-1） 其中，，取其中最小者作为该像素的兴趣值： （2-1-2） ②给定一经验值，将兴趣值大于该阈值的点（即兴趣值计算窗口的中心点）作为候选点。阈值的选择应以候选点中包含所需要的特征点而又不含过多的非特征点为原则。 ③选取候选点中的极值点作为特征点。在一定的窗口内（可以不同于兴趣值计算窗口），将候选点中兴趣值不是最大者均去掉，仅留下一个兴趣值最大者，该像素即为一个特征点。 图 图1 Moravec算子 ⑵特征点匹配 设原始图提取的特征点集为，。对每个特征点，选取特征点周围9×9的小块作为特征块，在对应目标图位置的一个窗口领域（30×30）内，计算相关系数： ， （2-1-3） 这里，、分别是、两个子块内的灰度均值。求得相关系数最大的位置为对应的特征匹配点对。 ⑶配准变换模型 视频序列图像是由同一传感器获取的，图像的内部参数、幅面大小等一般是一致的，这就为图像配准提供了便利条件。此外，针对无人机图像实时快速的应用要求，必须选择运算速度较快，且在保证精度的基础上，简单易求的变换模型。基于此，在实际处理时采用待求参数相对较少的仿射变换模型。 对于平面场景中的一个被观测点，假设它在两个不同成像面上的像点坐标分别是和，则仿射变换模型的基本形式为： （2-1-4） 变换矩阵具有6个自由度，则只需要3对匹配点，就可以唯一地确定一个变换矩阵了。由于求得的变换矩阵一一对应地把一幅图像的点映射到另一幅图像上，因此，对Moravec算子求得的对应匹配点，使用最小二乘法，就可以把变换矩阵计算出来。 ⑷图像重采样 在图像变换过程中，对那些变换后没有