程玉芳，李景山

(1.中國(guó)科學(xué)院空天信息創(chuàng)新研究院，北京 100094；2.中國(guó)科學(xué)院大學(xué)，北京 100094)

0 引言

多源遙感圖像匹配是指將不同傳感器、不同視角、不同時(shí)相獲取的同一地域的兩幅或多幅圖像通過(guò)匹配算法實(shí)現(xiàn)自動(dòng)獲取圖像間同名點(diǎn)的過(guò)程[1]。

常用的圖像匹配方法主要有基于特征的方法和基于區(qū)域的方法。基于特征的匹配算法其基本思想是提取圖像中顯著不變的幾何特征，利用描述子描述特征，然后建立相似性度量準(zhǔn)則，根據(jù)特征之間的相似性并結(jié)合其他的約束條件進(jìn)行匹配和篩選。其中，尺度不變特征變換[2](scale invariant feature transform，SIFT)的描述子具有旋轉(zhuǎn)不變、亮度魯棒、對(duì)噪聲和視角的微小變化穩(wěn)定等優(yōu)點(diǎn)，在遙感圖像匹配領(lǐng)域得到了廣泛應(yīng)用。基于區(qū)域的圖像配準(zhǔn)方法的主要思想是根據(jù)已知的模板圖像，按照特定的相似性準(zhǔn)則計(jì)算模板圖像與搜索圖像區(qū)域子圖之間的相關(guān)程度，對(duì)比所有子圖的相似度確定最佳的子圖位置?；趨^(qū)域灰度的配準(zhǔn)方法是早期圖像配準(zhǔn)中最常用的方法，常用的相似性度量方法有互相關(guān)[3]、互信息[4]等方法。

傳統(tǒng)的利用圖像灰度梯度變化來(lái)描述幾何結(jié)構(gòu)的方法很容易受到圖像的輻射照度和視角變化的影響。相較而言，在描述圖像的結(jié)構(gòu)信息方面相位一致性與人類(lèi)神經(jīng)視覺(jué)具有基本一致的敏感性[5]，對(duì)圖像中的輻射亮度變化、對(duì)比度變化和噪聲干擾等均不敏感。Ye等[6]采用相位一致性模型的強(qiáng)度和方向信息構(gòu)建了相位一致性方向直方圖(histogram of orientated phase congruency，HOPC)，利用該特征描述輸入圖像的幾何結(jié)構(gòu)信息，通過(guò)幾何結(jié)構(gòu)的相似性進(jìn)行匹配，能有效應(yīng)用于光學(xué)與SAR影像之間的配準(zhǔn)。王新生等[7]通過(guò)相位一致性模型構(gòu)造出最大索引圖，在最大索引圖上使用分布直方圖構(gòu)造特征描述符來(lái)完成圖像匹配，取得了較好的實(shí)用效果。

在現(xiàn)有研究成果基礎(chǔ)上，本文針對(duì)多源光學(xué)遙感圖像間存在的非線性輻射畸變、幾何定位差異大等問(wèn)題，提出了一種利用圖像相位一致性特征進(jìn)行同名點(diǎn)預(yù)測(cè)及匹配的方法。首先，通過(guò)遙感圖像自帶的地理位置信息將圖像劃分為規(guī)則格網(wǎng)，通過(guò)圖像的紋理結(jié)構(gòu)進(jìn)行相位相關(guān)得到初始的相對(duì)偏移量，以此預(yù)測(cè)同名點(diǎn)的空間搜索范圍；然后，以特征點(diǎn)為中心，構(gòu)建點(diǎn)鄰域內(nèi)的方向相位一致性結(jié)構(gòu)特征描述符，采用傅里葉變換方法進(jìn)行模板窗口的特征匹配；最后，通過(guò)最小二乘法剔除誤差較大的點(diǎn)，得到最終的同名點(diǎn)對(duì)，實(shí)現(xiàn)圖像間的自動(dòng)匹配。

1 多源遙感圖像匹配算法及實(shí)現(xiàn)

本文多源遙感圖像匹配的總體算法設(shè)計(jì)如下。

1)圖像分塊相位一致性特征提取。將輸入圖像劃分為W×W規(guī)則大小的格網(wǎng)塊，通過(guò)地理位置映射對(duì)應(yīng)參考影像區(qū)域并裁剪同樣大小圖像，利用相位一致性模型計(jì)算二者邊緣圖像以及待配準(zhǔn)圖像格網(wǎng)塊中的角點(diǎn)圖像用于角點(diǎn)檢測(cè)。

2)邊緣圖像相位相關(guān)。將分割好的待配準(zhǔn)圖像塊與對(duì)應(yīng)基準(zhǔn)影像格網(wǎng)塊的邊緣圖像進(jìn)行相位相關(guān)，將相關(guān)脈沖尖峰位置記為兩張格網(wǎng)圖像間的相對(duì)偏移量。

3)誤相關(guān)剔除。利用RANSAC隨機(jī)采樣一致性模型作為幾何約束條件，篩選出正確的相關(guān)峰，即有效的格網(wǎng)偏移量集合。

4)特征點(diǎn)提取?；?)提取的角點(diǎn)圖像檢測(cè)輸入圖像中顯著的特征角點(diǎn)，并利用非極大值抑制在輸入圖像上提取出均勻分布的特征點(diǎn)。

5)方向相位一致性特征提取。以特征點(diǎn)為中心，統(tǒng)計(jì)特征點(diǎn)鄰域內(nèi)的離散方向相位一致性特征，作為該點(diǎn)的特征模板。

6)幾何約束及匹配。利用3)得到的格網(wǎng)偏移量，預(yù)測(cè)特征點(diǎn)在基準(zhǔn)影像上的搜索位置，提取方向相位一致性結(jié)構(gòu)特征，并將其變換到頻率空間，提高模板匹配的計(jì)算效率，快速定位同名點(diǎn)。

7)誤匹配剔除?；谧钚《斯烙?jì)匹配點(diǎn)殘差，迭代剔除，得到最終的同名點(diǎn)集。

匹配算法總體設(shè)計(jì)見(jiàn)圖1。

圖1 自動(dòng)匹配算法實(shí)現(xiàn)流程

1.1 相位一致性特征提取

相位一致性(phase congruency，PC)[8]模型是通過(guò)計(jì)算局部能量函數(shù)來(lái)描述圖像的結(jié)構(gòu)信息，是一個(gè)無(wú)量綱量，與信號(hào)的整體大小無(wú)關(guān)，這個(gè)特性保證了相位一致性特征對(duì)于光照和對(duì)比度具有很好的不變性[9]。

Log-Gabor小波可以真實(shí)自然地描述圖像的頻率響應(yīng)[10]，它能夠利用不同方向、不同中心頻率的濾波器來(lái)獲取圖像的局部紋理特征，因此本文選擇Log-Gabor提取圖像的相位一致性特征。指定方向θ、不同尺度s的Log-Gabor濾波器計(jì)算相位一致性PC(s，θ)，參照J(rèn)ain[11]的方法，濾波器方向間隔選擇30°，即將θ分為6個(gè)方向(0°，30°，60°，90°，120°，150°)，濾波器尺度s的最大值設(shè)置為4，共24個(gè)Log-Gabor濾波器對(duì)輸入圖像進(jìn)行濾波，提取圖像的相位一致性特征。

將待匹配遙感影像劃分為W×W大小互不重疊的格網(wǎng)塊，并通過(guò)格網(wǎng)左上角點(diǎn)的地理位置映射對(duì)應(yīng)參考影像點(diǎn)圖像坐標(biāo)，裁剪同樣尺寸大小圖幅，計(jì)算兩張小圖的相位一致性特征。劃分成格網(wǎng)塊的目的一方面是適用于本文的匹配算法，另一方面也是為了加速圖像的傅里葉變換過(guò)程。

1.2 邊緣圖像相位相關(guān)

圖像信號(hào)的傅里葉變換包含幅度與相位兩個(gè)部分，根據(jù)傅里葉變換相關(guān)理論[12]可知，函數(shù)位移不會(huì)改變傅里葉變換的模(幅值)，但是會(huì)改變實(shí)部與虛部之間的能量分布，其結(jié)果是產(chǎn)生一個(gè)與位移量成正比的相移。

因此通過(guò)計(jì)算兩頻譜之間的互功率譜，并進(jìn)行傅里葉逆變換，得到的相位相關(guān)脈沖圖像除了在它們相對(duì)偏移(u0，v0)處不為零外其余位置都基本接近零值，這樣就很容易得到兩幅圖像之間的相對(duì)平移參數(shù)。

由于多種外部因素的影響，異源遙感影像上同一地物往往存在很大的非線性輻射差異。盡管在一定程度上相位相關(guān)算法能夠容忍兩幅圖像間存在的非均勻輻照差異，但是隨著圖像間光照差異的逐漸增大，相位相關(guān)的顯著度也會(huì)下降[13]。

PC圖的最大矩M代表圖像的邊緣特征，而邊緣結(jié)構(gòu)具有較好的抗輻射畸變能力，地物的幾何結(jié)構(gòu)信息在異源影像上也基本保持不變，因此可以通過(guò)影像中的幾何結(jié)構(gòu)進(jìn)行相關(guān)，初步獲取地物間幾何位置的偏移量。即可以通過(guò)計(jì)算兩幅圖像最大矩的互功率譜得到相位相關(guān)圖像，此相位相關(guān)脈沖圖像的脈沖峰位置即為兩幅影像之間的偏移量(圖2)(注：圖2(e)中在(25，443)處有一個(gè)尖銳的峰值，兩幅圖像大小為500像素×500像素，左上起點(diǎn)坐標(biāo)為(1，1)，它們的相對(duì)偏移量為(24，-58))。

圖2 相位相關(guān)算法示例

為確保分塊相位相關(guān)方法的有效性，還需要為算法結(jié)果設(shè)置閾值進(jìn)行篩選。

1)相關(guān)強(qiáng)度閾值Tmag=0.03。相位相關(guān)圖中最大響應(yīng)峰值大小表征圖像相關(guān)性的強(qiáng)弱程度，若響應(yīng)峰值小于給定的強(qiáng)度閾值Tmag，則表明它們之間相關(guān)程度較弱，相關(guān)失敗。

2)相關(guān)比例閾值Tratio=0.75。若相位相關(guān)脈沖圖像中次響應(yīng)峰值與最大響應(yīng)峰值之比大于Tratio，則認(rèn)為兩幅圖像間的相關(guān)性不夠顯著，判定為相關(guān)失敗。

對(duì)W×W大小的格網(wǎng)塊提取出的邊緣結(jié)構(gòu)特征計(jì)算相位相關(guān)圖像，記錄脈沖尖峰位置和其平面坐標(biāo)，即為兩圖像之間的相對(duì)平移量。

1.3 誤相關(guān)剔除

由于遙感圖像的復(fù)雜性，通過(guò)幾何結(jié)構(gòu)信息進(jìn)行相位相關(guān)也可能存在誤相關(guān)情況，如大面積水域、荒漠等特征不明顯區(qū)域。因此仍需對(duì)獲取的初始脈沖集合進(jìn)一步篩選，得到準(zhǔn)確有效的偏移量集合。

RANSAC(random sample consensus)算法[14]通過(guò)迭代的方式從一組包含離群的被觀測(cè)數(shù)據(jù)中估計(jì)出一個(gè)認(rèn)為符合此樣本的數(shù)學(xué)模型，從而將符合數(shù)學(xué)模型的點(diǎn)標(biāo)記為內(nèi)點(diǎn)(正常數(shù)據(jù))，偏差大的點(diǎn)標(biāo)記為外點(diǎn)(異常數(shù)據(jù))。

分塊相位相關(guān)得到的初始脈沖峰集合實(shí)際上表征的是輸入圖像各格網(wǎng)塊與參考圖像各格網(wǎng)塊之間的相對(duì)偏移量，而整幅圖像各格網(wǎng)的偏移量應(yīng)該基本符合某個(gè)變換模型，所以本文采用RANSAC算法提純分塊相位相關(guān)結(jié)果，避免對(duì)之后的匹配過(guò)程提供錯(cuò)誤的幾何約束。

1.4 特征點(diǎn)提取

大多數(shù)特征檢測(cè)都是通過(guò)尋找局部極值作為特征點(diǎn)，這會(huì)導(dǎo)致特征點(diǎn)分布受圖像對(duì)比度影響在高對(duì)比度區(qū)域分布密集、低對(duì)比度區(qū)域分布稀疏的情況。

PC圖的最小矩m為圖像的角點(diǎn)特征，通過(guò)閾值T提取特征點(diǎn)，即：對(duì)于任意位置(x，y)，如果m(x，y)>T，則該位置將被標(biāo)識(shí)為候選特征點(diǎn)。但直接通過(guò)設(shè)定閾值提取特征點(diǎn)同樣會(huì)造成關(guān)鍵點(diǎn)在圖像上非均勻分布。因此本文通過(guò)非極大值抑制方法，鄰域極值的查詢半徑為r，抑制區(qū)域大小為(2r+1)×(2r+1)，剔除容易受到噪聲干擾的低對(duì)比度的點(diǎn)，篩選出圖像中高對(duì)比度的點(diǎn)。然后，在每d×d的格網(wǎng)范圍內(nèi)，取局部極大值中的最大值點(diǎn)，記錄其位置信息作為最終的特征點(diǎn)，使檢測(cè)到的關(guān)鍵點(diǎn)能夠均勻分布在整幅遙感圖像上。

圖3為SIFT算法與非極大值抑制角點(diǎn)檢測(cè)方法的對(duì)比圖，表明非極大值抑制角點(diǎn)檢測(cè)能夠從圖像中提取均勻分布的關(guān)鍵點(diǎn)。

圖3 特征檢測(cè)算法對(duì)比圖(影像大?。? 000像素×1 000像素)

1.5 方向相位一致性特征

相位一致性的方向代表著圖像結(jié)構(gòu)特征沿此方向劇烈變化，類(lèi)似于梯度方向，可采用Log-Gabor小波的奇對(duì)稱(chēng)濾波器來(lái)計(jì)算，其卷積結(jié)果表示影像在某個(gè)方向的能量變化，各個(gè)方向上的相位一致性可以反映不同方向的邊緣強(qiáng)度信息。因此，本文利用離散方向集的相位一致性描述圖像中每個(gè)點(diǎn)的特征。

構(gòu)造不同方向的Log-Gabor濾波器與輸入圖像進(jìn)行卷積得到各方向上的相位一致性PC(θ)，θ共6個(gè)方向(0°，30°，60°，90°，120°，150°)，即可以得到一組離散方向集的相位一致性特征圖像(PCθi，i=1，2，3，4，5，6)。

圖4 方向相位一致性特征提取

在構(gòu)造區(qū)域的特征時(shí)，為使其更加穩(wěn)定，需要充分考慮特征點(diǎn)鄰域的結(jié)構(gòu)特征。因此，本文提出一種基于方向相位一致性特征的匹配模板，構(gòu)造以關(guān)鍵點(diǎn)為中心的區(qū)域方向相位一致性特征，確定模板圖像半徑和搜索半徑大小，再對(duì)不同角度的邊緣強(qiáng)度進(jìn)行組合，形成關(guān)鍵點(diǎn)鄰域的方向相位一致性特征描述子，使其能夠抵抗非均勻光照變化所引起的圖像間非線性輻射差異。

1.6 幾何約束及匹配

考慮傳統(tǒng)模板匹配方法逐點(diǎn)滑動(dòng)計(jì)算，搜索范圍大，計(jì)算量大，本文為了提高同名點(diǎn)匹配效率，先將待匹配圖像與參考圖像劃分為規(guī)則格網(wǎng)塊，提取邊緣圖像進(jìn)行相位相關(guān)，獲取各格網(wǎng)塊之間的偏移參數(shù)。在特征點(diǎn)匹配的過(guò)程中，從已得到的偏移量中取距該特征點(diǎn)最近的格網(wǎng)相對(duì)偏移量，將其認(rèn)為是該特征點(diǎn)與其同名點(diǎn)之間的幾何誤差，從而預(yù)測(cè)特征點(diǎn)對(duì)應(yīng)的同名點(diǎn)位置，縮小搜索范圍。

在左上角點(diǎn)經(jīng)緯度及圖像分辨率完全相同的情況下，特征點(diǎn)坐標(biāo)(x，y)與預(yù)測(cè)同名點(diǎn)位(x′，y′)的對(duì)應(yīng)圖像坐標(biāo)關(guān)系為式(1)。

(1)

式中：(dx，dy)表示點(diǎn)(x，y)的偏移量，即距(x，y)最近的有效相關(guān)峰位置。

由于特征點(diǎn)與其預(yù)測(cè)的同名點(diǎn)的區(qū)域模板的方向相位一致性特征是逐像素的結(jié)構(gòu)特征描述符，數(shù)據(jù)量大，計(jì)算耗時(shí)，因此本文采用傅里葉變換將特征模板從空間域轉(zhuǎn)換至頻率域，加速模板匹配過(guò)程，提高匹配性能。

誤差平方和算法(sum of squared differences，SSD)是一種比較經(jīng)典判斷模板圖像與搜索圖像之間的相似度度量算法，計(jì)算方法見(jiàn)式(2)。

SSD(x，y)=∑i∑j[S(i+x，j+y)-T(i，j)]2

(2)

式中：T為匹配的模板圖像；S是搜索圖像。上式展開(kāi)，可得式(3)。

SSD=S*S-2S*T+T*T

(3)

式中：*為卷積運(yùn)算符。第一項(xiàng)S*S和第三項(xiàng)T*T為固定值，因此可以繼續(xù)將相似性度量Sim簡(jiǎn)化為式(4)。

Sim=S*T=FS×FT

(4)

式中：FS和FT分別為S、T傅里葉變換結(jié)果。當(dāng)模板圖像大小為N×N，搜索半徑為M/2時(shí)，搜索圖像大小為(M+N)×(M+N)，空間域計(jì)算SSD的時(shí)間復(fù)雜度為O(M2N2)，而將其計(jì)算過(guò)程簡(jiǎn)化到頻率域，時(shí)間消耗為O((M+N)2log(M+N)，計(jì)算效率可以得到顯著提升。

圖5為基于方向相位一致性特征的模板匹配示例，在待匹配圖像中檢測(cè)到的關(guān)鍵點(diǎn)A通過(guò)幾何約束條件預(yù)測(cè)其在參考圖像中的同名點(diǎn)B’位置，分別以A、B’為中心取(M+N)×(M+N)鄰域計(jì)算該區(qū)域的方向相位一致性特征，再利用傅里葉加速的誤差平方和算法即可求得兩模板特征間相似性，相似性最大值處即為關(guān)鍵點(diǎn)A實(shí)際對(duì)應(yīng)的同名點(diǎn)位置B。

注：模板半徑為50×50，搜索半徑10×10，此時(shí)搜索圖像大小為120×120。左上起點(diǎn)坐標(biāo)為(1，1)，關(guān)鍵點(diǎn)A(61，61)的實(shí)際對(duì)應(yīng)的同名點(diǎn)位置為B(65，59)。圖5 基于方向相位一致性特征的模板匹配示例

1.7 誤匹配剔除

盡管基于相位一致性特征的匹配流程已經(jīng)具有較高的正確匹配概率，但在實(shí)際匹配過(guò)程中發(fā)現(xiàn)仍然會(huì)有部分偏差，即通過(guò)相似性度量測(cè)度之后，仍然不可避免地會(huì)有少量的錯(cuò)誤匹配。為了剔除這些錯(cuò)誤匹配，需要再次使用最小二乘法通過(guò)最小化誤差對(duì)得到的初始匹配點(diǎn)集進(jìn)行提純。在通過(guò)最小二乘解算出模型參數(shù)后，計(jì)算每個(gè)點(diǎn)的殘差，并剔除殘差較大的同名點(diǎn)，直至殘差小于閾值時(shí)退出迭代過(guò)程，得到最終的匹配點(diǎn)。

2 實(shí)驗(yàn)分析

為了驗(yàn)證本文方法在多源光學(xué)遙感影像匹配中的有效性，以中國(guó)遙感衛(wèi)星地面站通用遙感衛(wèi)星數(shù)據(jù)預(yù)處理系統(tǒng)生產(chǎn)的國(guó)產(chǎn)高分系列衛(wèi)星遙感影像作為研究對(duì)象。參考影像數(shù)據(jù)為91衛(wèi)圖下載的地圖數(shù)據(jù)，具有多種分辨率且影像地物清晰、定位精度高，可作為系統(tǒng)幾何校正產(chǎn)品精度檢驗(yàn)的參考基準(zhǔn)。3組實(shí)驗(yàn)數(shù)據(jù)的待配準(zhǔn)圖像分別來(lái)自于高分一號(hào)寬幅相機(jī)、高分二號(hào)多光譜相機(jī)、高分七號(hào)后視多光譜相機(jī)，實(shí)驗(yàn)所用的輸入影像數(shù)據(jù)均已經(jīng)過(guò)系統(tǒng)幾何校正，投影坐標(biāo)系為UTM坐標(biāo)系，參考影像也經(jīng)重采樣到同一分辨率下，消除了影像間的旋轉(zhuǎn)差異和較大的幾何差異。實(shí)驗(yàn)數(shù)據(jù)基本信息見(jiàn)表1。

表1 實(shí)驗(yàn)數(shù)據(jù)基本信息

2.1 實(shí)驗(yàn)參數(shù)

本文特征點(diǎn)提取設(shè)置的檢測(cè)范圍為250像素，即每250×250 網(wǎng)格內(nèi)提取1個(gè)候選點(diǎn)。分塊格網(wǎng)大小設(shè)置為1 000像素×1 000像素，則每塊區(qū)域最多能提取16個(gè)特征點(diǎn)。模板匹配的模板圖像設(shè)為50像素×50像素，搜索半徑為10，即搜索圖像大小為120像素×120像素。借助于GDAL、FFTW等源碼庫(kù)，采用C++編程，設(shè)計(jì)并行程序(核心數(shù)為14)實(shí)現(xiàn)本文的匹配流程。為驗(yàn)證本文多源光學(xué)遙感圖像匹配方法的有效性，實(shí)驗(yàn)將所提出的匹配方法與傳統(tǒng)SIFT算法進(jìn)行對(duì)比分析，SIFT實(shí)驗(yàn)環(huán)境參數(shù)與本文方法一致。

實(shí)驗(yàn)機(jī)群刀片服務(wù)器配置：Intel Xeon Gold 6 132(2.6 GHz/14 c)/2 666 MHz/10.4 GT×2，內(nèi)存為16 GB DDR4 2 666 ECC REG×8。

2.2 實(shí)驗(yàn)結(jié)果分析

3組實(shí)驗(yàn)數(shù)據(jù)同時(shí)存在傳感器成像物理特性、時(shí)相和輻射差異。實(shí)驗(yàn)一圖像數(shù)據(jù)包含耕地和山脈，實(shí)驗(yàn)二的地物覆蓋類(lèi)型為耕地和水域，實(shí)驗(yàn)三影像中心為城市，包含大量耕地，且有部分山脈，地物信息較為豐富。3組實(shí)驗(yàn)數(shù)據(jù)的匹配結(jié)果見(jiàn)圖6。表2為實(shí)驗(yàn)結(jié)果對(duì)比分析。

表2顯示，第一組實(shí)驗(yàn)得到的匹配點(diǎn)數(shù)量基本一致，但第二組、第三組實(shí)驗(yàn)數(shù)據(jù)由于圖像間時(shí)間間隔長(zhǎng)，存在較大的輻射差異，SIFT匹配得到的同名點(diǎn)數(shù)量很少，而本文方法并未受傳感器物理特性、成像角度、時(shí)相等因素的影響，仍然可以得到較多的同名點(diǎn)。從圖6可知，本文的匹配方法在三組實(shí)驗(yàn)數(shù)據(jù)中得到的匹配點(diǎn)都能夠基本均勻分布在整幅遙感圖像上。

將參考影像作為輸入產(chǎn)品的幾何精度檢驗(yàn)基準(zhǔn)，可以看出本文方法和SIFT方法的幾何精度檢驗(yàn)結(jié)果基本接近，差距在亞像素以內(nèi)，并且RMSE最大為1.03像素，說(shuō)明本文的匹配方法能夠達(dá)到較高的匹配精度。此外，三組實(shí)驗(yàn)檢查到的最大幾何誤差為28.62像素，表明本文方法有較大的位移檢測(cè)范圍。

從匹配效率來(lái)講，3組實(shí)驗(yàn)中本文方法耗時(shí)均大于SIFT，這主要是在相位相關(guān)及特征匹配過(guò)程中都需要計(jì)算圖像4個(gè)尺度、6個(gè)方向上的結(jié)構(gòu)信息。但通過(guò)并行程序設(shè)計(jì)，二者仍處于同一數(shù)量級(jí)，差距并不明顯，可以滿足系統(tǒng)幾何校正產(chǎn)品的實(shí)時(shí)匹配需求。

圖6 實(shí)驗(yàn)數(shù)據(jù)匹配結(jié)果圖

表2 實(shí)驗(yàn)結(jié)果對(duì)比分析

3 結(jié)束語(yǔ)

對(duì)于多源遙感圖像匹配來(lái)講，相比于灰度信息，其幾何結(jié)構(gòu)和形狀等屬性更加穩(wěn)定，即這些特性對(duì)傳感器成像差異、光照、時(shí)相等變化不敏感。一方面，本文利用圖像的邊緣結(jié)構(gòu)進(jìn)行分塊相位相關(guān)，不受圖像噪聲、照度變化的干擾，預(yù)測(cè)同名點(diǎn)位置，使得本文方法在較小的搜索半徑內(nèi)仍然具有較大的位移檢測(cè)范圍。另一方面，離散方向集的相位一致性特征可以反映不同方向上的邊緣結(jié)構(gòu)特征，這種特征幾乎不依賴于圖像灰度，因而具有很強(qiáng)的抗輻射畸變能力，從而能夠?qū)崿F(xiàn)同名點(diǎn)的精確匹配。

實(shí)驗(yàn)結(jié)果表明，本文方法可以有效應(yīng)對(duì)多源遙感圖像的非均勻輻射畸變，并克服圖像間較大的幾何誤差，從而獲得均勻分布的同名點(diǎn)，實(shí)現(xiàn)遙感圖像間的自動(dòng)匹配。