張麗麗，董云峰，付保紅，郭險(xiǎn)峰，劉開緒

（大慶師范學(xué)院物理與電氣信息工程學(xué)院，黑龍江大慶163712）

基于MATLAB中IPT函數(shù)的一種遙感圖像配準(zhǔn)方法

張麗麗，董云峰，付保紅，郭險(xiǎn)峰，劉開緒

（大慶師范學(xué)院物理與電氣信息工程學(xué)院，黑龍江大慶163712）

MATLAB的圖像處理工具箱中有基于點(diǎn)特征圖像配準(zhǔn)的函數(shù)，首先對(duì)這些函數(shù)進(jìn)行了詳細(xì)介紹，并使用其完成了遙感圖像的配準(zhǔn)，之后提出了邊緣檢測(cè)的算法，與上述函數(shù)法進(jìn)行結(jié)合，使特征點(diǎn)的提取難度降低，最后對(duì)該方法進(jìn)行了分析，提出了下一步研究重點(diǎn)。

MATLAB；IPT；遙感圖像；配準(zhǔn)；邊緣檢測(cè)

0 引言

圖像配準(zhǔn)技術(shù)廣泛應(yīng)用于遙感圖像處理、目標(biāo)識(shí)別、醫(yī)學(xué)影像分析、機(jī)器視覺以及三維重建等領(lǐng)域。在遙感領(lǐng)域，實(shí)現(xiàn)圖像融合、變化檢測(cè)、圖像校正、圖像鑲嵌等應(yīng)用中，圖像配準(zhǔn)都是必不可少的—個(gè)關(guān)鍵步驟［1］。

圖像配準(zhǔn)方法分為兩類：基于圖像灰度和基于圖像特征?；诨叶鹊呐錅?zhǔn)算法由于圖像中所有的像素點(diǎn)均參與了計(jì)算，因此算法計(jì)算量大，運(yùn)行效率低，不適用于大幅面遙感圖像的配準(zhǔn)?；谔卣鞯呐錅?zhǔn)算法首先提取圖像中的顯著特征（如角點(diǎn)、邊緣、直線等）形成特征集，然后確定兩幅圖像特征集中各個(gè)特征的對(duì)應(yīng)關(guān)系，計(jì)算出變換參數(shù)，從而實(shí)現(xiàn)圖像的配準(zhǔn)。這類算法僅利用了圖像中的顯著特征參與計(jì)算，因而能夠降低噪聲、灰度變化、形變和遮擋的影響，具有較強(qiáng)的適應(yīng)力和抗干擾能力；減小了計(jì)算量，速度較快，因此在遙感圖像配準(zhǔn)領(lǐng)域獲得了廣泛應(yīng)用。［2-3］

點(diǎn)特征是基于圖像特征配準(zhǔn)中最常用的特征之一，很多其他的特征提取方法最終都會(huì)統(tǒng)一到同名點(diǎn)的提取上。MATLAB以其強(qiáng)大的矩陣運(yùn)算功能及豐富的圖像處理函數(shù)等在圖像處理方面占有明顯的優(yōu)勢(shì)，在圖像的幾何運(yùn)算方面，MATLAB的圖像處理工具箱（ImageProcessing-Toolbox，簡稱IPT）提供了一些支持點(diǎn)映射的工具，其中的圖像配準(zhǔn)函數(shù)可以幫助研究人員把精力集中在算法研究上，而不是繁瑣的程序的編寫上，從而大大提高工作效率［4］。本文以MATLAB的圖像處理工具箱的圖像配準(zhǔn)函數(shù)為基礎(chǔ)，結(jié)合圖像分割知識(shí)，提出一種簡易的遙感圖像配準(zhǔn)方法。

1 基于點(diǎn)特征的遙感圖像配準(zhǔn)方法［5］

點(diǎn)特征具有運(yùn)算量小、不損害圖像重要的灰度信息等優(yōu)點(diǎn)，因而能很好地提高圖像的配準(zhǔn)速度和精度。基于點(diǎn)特征的遙感圖像配準(zhǔn)方法一般包括圖像預(yù)處理、特征點(diǎn)提取、同名點(diǎn)匹配、計(jì)算幾何變換參數(shù)、圖像變換和重采樣5個(gè)部分。具體流程如圖1所示。

2 基于IPT函數(shù)的遙感圖像配準(zhǔn)

2.1 IPT中圖像配準(zhǔn)相關(guān)函數(shù)［4］

在MATLAB工具箱中，可以用cpselect函數(shù)選取圖像之間的控制點(diǎn)對(duì)，由cp2tform函數(shù)修正重疊部分的幾何差異，由imtransform函數(shù)進(jìn)行坐標(biāo)轉(zhuǎn)換，即cp2tform函數(shù)和imtransform函數(shù)結(jié)合使用完成圖像的配準(zhǔn)。

圖1 圖像配準(zhǔn)流程

2.1.1 cpselect

如果沒給定輸入圖像與參考圖像之間的控制點(diǎn)對(duì)，就用cpselect函數(shù)顯示圖像界面，采取手動(dòng)在兩幅圖像的重疊部分選取配準(zhǔn)控制點(diǎn)，MATLAB自動(dòng)進(jìn)行亞像素分析。如果已給定控制點(diǎn)對(duì)，則省略本步驟。cpselect函數(shù)的基本調(diào)用語法為：

cpselect（g，，f，input_points，base_points）

其中的g代表待配準(zhǔn)圖像，f代表基準(zhǔn)圖像，input_points和base_points分別為待配準(zhǔn)圖像與基準(zhǔn)圖像上的初始控制點(diǎn)集和最終控制點(diǎn)集的保存變量，退出時(shí)input_points和base_points的值保存在系統(tǒng)的工作區(qū)（Work-space）中，便于后續(xù)程序調(diào)用。值得注意的是，控制點(diǎn)選擇工具同時(shí)僅支持一個(gè)顏色通道，即控制點(diǎn)選擇工具只能接受灰度圖像，僅能將RGB或多波段圖像的一個(gè)顏色分量傳遞給cpselect，最終的結(jié)果必須應(yīng)用于圖像的三個(gè)或多個(gè)顏色分量。

2.1.2 cp2tform

cp2tform函數(shù)是一個(gè)數(shù)據(jù)擬和函數(shù)，可以根據(jù)控制點(diǎn)對(duì)的幾何關(guān)系判斷變換參數(shù)，該函數(shù)將變換參數(shù)返回到類型為TFORM的幾何變換結(jié)構(gòu)變量tform中。cpselect函數(shù)的基本調(diào)用語法為：

tform＝cp2tform（input_points，base_points，’transform-type’）

格式中，ransform-type為變換類型?？梢?，調(diào)用cp2tform函數(shù)時(shí)除了給定控制點(diǎn)信息外，還必須選擇一種能夠正確消除輸入圖像失真的變換類型。cp2tform函數(shù)支持六種空間變換類型，其中線性變換、仿射變換、投影變換和多項(xiàng)式變換是全局變換，這些變換對(duì)整幅圖像應(yīng)用同一個(gè)數(shù)學(xué)表達(dá)式；分段線性變換和局部權(quán)平均變換是局部變換，這兩種變換將對(duì)圖像的不同部分使用不同的數(shù)學(xué)表達(dá)式。在應(yīng)用時(shí)根據(jù)圖像之間的變形關(guān)系選擇使用。

2.1.3 imtransform

在MATLAB中用IPT函數(shù)imtransform來完成一般的二維空間變換。該函數(shù)的基本調(diào)用語法為：

out＝imtransform（g，tform，’interp’）

其中，out代表變換后輸出圖像，g代表待變換的圖像，tform為一個(gè)指定變換類型的空間變換結(jié)構(gòu)TFORM變量，interp是一個(gè)字符串，用來指明輸入像素怎樣插值來獲得輸出像素，可以是’nearest’（最鄰近像素法），’biline-ar’（雙線性插值法）或’bicubic’（雙三次插值法），默認(rèn)為’bilinear’。該函數(shù)將變換應(yīng)用于輸入圖像的每一個(gè)顏色分量。

2.2 配準(zhǔn)流程

實(shí)驗(yàn)原圖像為福衛(wèi)2號(hào)拍攝的上海地區(qū)影像，如下圖所示，圖2（a）是全色圖像，其分辨率為2 m，裁剪成297×325像素大?。粓D2（b）是多光譜圖像，其分辨率為8 m，裁剪成222×252像素大小。

2.2.1 讀入基準(zhǔn)圖像pp2和待配準(zhǔn)圖像pp1

＞＞f＝imread（＇pp2.jpg＇）；

＞＞g＝imread（＇pp1.jpg＇）；

2.2.2 兩幅圖像控制點(diǎn)的選擇

＞＞cpselect（g（：，：，1），f）；

出現(xiàn)GUI界面，操作很簡單，只需注意選點(diǎn)要均勻布開，以增加其代表性。選定完畢，F(xiàn)ile-＞Save Points toWorkspace將數(shù)據(jù)保存到工作區(qū)中。Workspace立刻多出兩個(gè)N×2的數(shù)組（其中N為選定的匹配點(diǎn)對(duì)數(shù)），分別為input_points和base_points。

2.2.3 變換類型的選定和變換參數(shù)的計(jì)算

＞＞tform＝cp2tform（input_points，base_points，＇linear conformal＇）；

這里選用線性正投影（linear conformal）變換。當(dāng)輸入輸入圖像與參考圖像對(duì)比，只是存在全局的平移、旋轉(zhuǎn)、縮放或其三者組合的差別時(shí)（正方形仍對(duì)應(yīng)正方形），選擇此配準(zhǔn)方法。此方法至少需要2對(duì)匹配點(diǎn)。

其他的變換方法如下：

仿射（affine）：將平行線轉(zhuǎn)換成平行線。當(dāng)輸入圖像形狀存在切變現(xiàn)象（正方形對(duì)應(yīng)平行四邊形），選此法，至少需3對(duì)匹配點(diǎn)。

投影（projective）：將直線映射成直線。如果輸入圖像呈現(xiàn)傾斜，翹起現(xiàn)象，選此法，至少需4對(duì)匹配點(diǎn)。

多項(xiàng)式（polynomial）：將直線映射成曲線。如果輸入圖像出現(xiàn)不規(guī)則曲變，采用此法。Matlab中提供有2、3、4次冪的實(shí)現(xiàn)，分別至少需要6，10，10對(duì)匹配點(diǎn)。

分段線性（piecewise linear）：如果輸入圖像的各個(gè)局部之間的退化模式明顯不一樣，選此法，至少需要4對(duì)匹配點(diǎn)。

局部加權(quán)平均（localweighted mean）：與分段線性一致，但效果較之好。至少需要6對(duì)（推薦12對(duì)）匹配點(diǎn)。

2.2.4 待配準(zhǔn)的圖像進(jìn)行變換和顯示

＞＞out＝imtransform（g，tform）；

＞＞figure，imshow（out）；

變換將應(yīng)用于輸入圖像的每一個(gè)顏色分量。從圖2中三幅圖可見，配準(zhǔn)后的圖像與基準(zhǔn)圖像的方向取得了一致。

圖2 圖像配準(zhǔn)變換

3 基于邊緣檢測(cè)的圖像配準(zhǔn)

在圖像配準(zhǔn)的過程中，特征點(diǎn)的提取是很關(guān)鍵的。特征點(diǎn)的分布要均勻，數(shù)量要足夠，且同名點(diǎn)的匹配要正確，這才能保證圖像配準(zhǔn)的精度。上述基于MATLAB中IPT函數(shù)的配準(zhǔn)方法最大的優(yōu)點(diǎn)是操作簡單，但特征點(diǎn)的提取工作量很大，而且誤差也會(huì)較大，當(dāng)處理大幅面的遙感圖像時(shí)，這種問題會(huì)凸顯。如果我們能將基準(zhǔn)圖像和待配準(zhǔn)圖像的邊緣檢測(cè)出來，特征點(diǎn)均在兩圖的邊緣線上產(chǎn)生，這就會(huì)大大降低工作量，而精度也會(huì)有所提高。MATLAB圖像處理工具箱中有邊緣檢測(cè)函數(shù)edge，所以基于邊緣探測(cè)的遙感圖像配準(zhǔn)方法操作起來也很簡單。操作語句如下：

＞＞CF＝edge（f，＇canny＇）；

在這選用檢測(cè)算子canny，除此之外還有若干邊緣檢測(cè)算子，如：算子log、算子roberts和算子prewitt等。將圖2中的（a）和（b）的邊緣檢測(cè)出來，如圖3（a）和（b）所示；圖3（c）是從圖3（a）和（b）上找出特征點(diǎn)，再將圖2（b）按配準(zhǔn)算法進(jìn)行配準(zhǔn)的結(jié)果。配準(zhǔn)結(jié)果與圖2（c）基本一致，但尋找特征點(diǎn)的過程確大大簡化了。當(dāng)處理大幅面的遙感圖像時(shí)，會(huì)更加方便。如圖4所示，圖4（a）是海拉爾盆地貝爾凹陷大二段斷裂分布圖，圖4（b）是海拉爾盆地貝爾凹陷大二段屬性圖，這兩幅圖如果在圖上直接提取特征點(diǎn)難度較大；但是把其邊緣檢測(cè)出來，如圖4（c）和圖4（d）所示，在其邊緣上提取特征點(diǎn)會(huì)比較容易，而且會(huì)較為精確。配準(zhǔn)結(jié)果如圖4（e）所示。

圖3 基于邊緣檢測(cè)的圖像配準(zhǔn)

圖4 基于基于邊緣檢測(cè)的大幅面圖像配準(zhǔn)

4 結(jié)束語

根據(jù)所處理圖像特點(diǎn)的不同，配準(zhǔn)方法也多種多樣。本文提出的基于邊緣檢測(cè)的遙感圖像配準(zhǔn)方法操作簡單，與傳統(tǒng)的基于MATLAB中IPT函數(shù)的配準(zhǔn)方法相比，工作量減少，精度提高；但該方法也是采用人機(jī)交互的方法選擇特征點(diǎn)，精度還是不穩(wěn)定，選擇控制點(diǎn)時(shí)要特別細(xì)致。另外，雖然在選擇控制點(diǎn)過程中MATLAB自動(dòng)進(jìn)行亞像素分析，但是在配準(zhǔn)過程中對(duì)控制點(diǎn)的選擇和最終的配準(zhǔn)精度沒有定量的精度評(píng)價(jià)，只能靠目視判讀，評(píng)價(jià)只局限在定性上，給遙感圖像定量應(yīng)用帶來不同程度的不確定性［4］。所以，在操作簡單的基礎(chǔ)上，能實(shí)現(xiàn)自動(dòng)配準(zhǔn)且對(duì)配準(zhǔn)結(jié)果進(jìn)行定量的評(píng)價(jià)是下一步研究的重點(diǎn)。

［1］張振，徐守時(shí)，胡俊華，等.基于局部特征的遙感圖像快速自動(dòng)配準(zhǔn)［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46（13）：161-163.

［2］徐麗燕，張潔玉，孫巍巍，等.大幅面多光譜遙感圖像快速自動(dòng)配準(zhǔn)［J］.計(jì)算機(jī)科學(xué)，2012，39（2）：61-65.

［3］宋芳，李勇，陳勇.多源遙感圖像中的圖像配準(zhǔn)方法［J］.激光雜志，2008，29（3）：26-27.

［4］梁洪有，余濤，顧行發(fā).基于MATLAB圖像處理工具箱IPT函數(shù)的遙感圖像配準(zhǔn)［J］.測(cè)繪與空間地理信息，2008，31（5）：8-11.

［5］陳超，秦其明，江濤，等.一種改進(jìn)的遙感圖像配準(zhǔn)方法［J］.北京大學(xué)學(xué)報(bào)：自然科學(xué)版，2010（1）：57-63.

A M ethod for Remote Sensing Image Registration Based on IPT Function of MATLAB

ZHANG Li-li，DONG Yun-feng，F(xiàn)U Bao-hong，GUO Xian-feng，LIU Kai-xu
（College of Physics and Electrical Information Engineering，Daqing Normal University，Daqing 163712，China）

The IPT（Image Processing Toolbox）of MATLAB provides the functions for image registration based on the character of points.This paper firstly introduced the IPT functions and implemented the remote sensing image registration based on them.After that a method of edge detection based on IPT functions is utilized to reduce complexity of extracting feature points.Finally，it analyzed themethod and put forward the work what need to do next.

MATLAB；IPT functions；remote sensing image；registration；edge detection

張麗麗（1981-），女，黑龍江大慶人，大慶師范學(xué)院物理與電氣信息工程學(xué)院講師，從事遙感圖像處理研究。

黑龍江省教育廳科學(xué)技術(shù)研究資助項(xiàng)目（12533001）。

TP751

A

2095-0063（2013）06-0010-05

2013-08-21