《Geocarto International》:A robust and high-accuracy registration method for large format aerial images with adaptive space constraints
编辑推荐:
几何畸变以及重复性或弱纹理导致大幅面航空影像上的几何控制不均匀,给精确配准和融合带来挑战。为克服这些问题,研究人员提出了一种自适应空间约束的配准与融合框架。一种改进的自适应自适应阈值RANSAC(At-RANSAC)整合了空间几何相似性(SGS)和邻域灰度连续
几何畸变以及重复性或弱纹理导致大幅面航空影像上的几何控制不均匀,给精确配准和融合带来挑战。为克服这些问题,研究人员提出了一种自适应空间约束的配准与融合框架。一种改进的自适应自适应阈值RANSAC(At-RANSAC)整合了空间几何相似性(SGS)和邻域灰度连续性(NGC),以进行稳健的误匹配剔除。利用基于方形覆盖的非极大值抑制(NSSC)和局部自相似性相关(LSCC)优化匹配点的空间分布,以确保均匀的几何控制。一种多线程的基于不规则三角网(TIN)的微分纠正实现了全色(PAN)和多光谱(MS)图像的亚像素级精确配准与融合。在六个航空数据集上的实验表明,该方法将配准误差从1.1像素降低到0.3像素,效率提升近五倍,图像清晰度提高超过2%,在精度、鲁棒性和计算效率方面均优于现有方法。
论文解读文章
**1. 研究背景与问题**
在光学遥感影像生产流程中,影像融合是关键步骤。受传感器制造和相机系统设计的技术限制,遥感系统通常以高分辨率全色(PAN)影像和较低分辨率多光谱(MS)影像的组合形式获取数据,因此需通过地面处理融合这些互补数据集以生成高分辨率多光谱影像。高精度融合的前提是PAN与MS影像之间的精确配准;然而,由于两者通过独立光路获取,电荷耦合器件(CCD)偏差、镜头畸变差异、外方位元素误差以及平台抖动等因素会在数据集间引入复杂的非线性几何位移。若无法达到亚像素级配准精度,融合影像易出现彩虹伪影,导致图像清晰度下降,严重影响融合产品的可检测性、可区分性和可度量性。
中国自主研发的DMZ相机系统是基于内视场拼接技术的单镜头多阵列数字航空测绘系统,采用先进的分光设计,集成多个中画幅CCD阵列,生成23K×23K像素的虚拟影像,在1500米飞行高度下可实现0.05米(PAN)和0.2米(MS)的极高分辨率,单帧数据量达1.5 GB(PAN)和6 GB(已配准4波段MS)。常规任务的数据采集量已达数十TB级别,对处理质量和效率构成重大挑战。针对宽视场航空影像,配准与融合过程因两大关键难题而尤为复杂:其一,显著的几何畸变和非线性辐射差异无法通过全局变换模型充分校正,导致PAN与MS影像之间存在不一致的局部形变;其二,高分辨率影像中重复纹理(尤其在沙漠、水体、草地等低纹理区域)增加了虚假特征匹配,显著阻碍了亚像素级精确融合的实现。
**2. 研究内容与意义**
研究人员提出了一种基于自适应空间约束的鲁棒高精度大幅面航空影像配准与融合方法,旨在提升大规模高分辨率彩色影像的配准与融合质量。该方法通过全局到局部的分层特征匹配、基于不规则三角网(TIN)空间约束的均匀点分布优化以及多线程加速的微分纠正,实现了亚像素级配准精度与高效处理。实验结果表明,该方法在六个航空数据集上将配准误差从1.1像素降至0.3像素,效率提升近五倍,图像清晰度提高超过2%,在精度、鲁棒性和计算效率方面均优于现有方法。该论文发表在《Geocarto International》。
**3. 关键技术方法概述**
本研究采用的主要关键技术方法包括:(1)一种改进的自适应阈值随机采样一致性(At-RANSAC)方法,整合空间几何相似性(SGS)和邻域灰度连续性(NGC)以鲁棒地剔除误匹配;(2)基于TIN空间约束的均匀控制点优化方法,利用基于方形覆盖的非极大值抑制(NSSC)和局部自相似性相关(LSCC)构建相似性度量,实现三角网均匀分布并增强弱纹理区域特征控制;(3)多线程并行加速的微小面元数字微分纠正算法,采用扫描线填充算法提高纠正效率。实验数据来源于DMZ II相机,涵盖海南万宁(2021年3月)、陕西蒲城(2021年5月)和甘肃嘉峪关(2021年8月)三个区域的六个不同地形数据集。
**4. 研究结果**
**4.1 全局-区域精细特征匹配(Global-regional fine feature matching)**
通过自动分块(optimal block size of 3000×4000 pixels)实验,得出分块大小在特征点数量与匹配时间之间的最佳平衡。自适应外点剔除(Adaptive outlier elimination)实验对比经典RANSAC、LO-RANSAC、GMS等方法,在沙漠、海洋、草地和农田四类区域中,改进的自适应阈值RANSAC在保留较多内点(如沙漠区域634个)的同时实现了更低的均方根误差(RMSE)(如0.46像素)。分区精细匹配(Partition fine matching)实验在万宁、蒲城、嘉峪关三区域的多个影像上,与Fang et al. (2022)方法对比,各波段配准精度提升幅度在51.7%至76.7%之间,匹配点数量平均提高约5倍。
**4.2 空间均匀性优化(Spatial uniformity optimisation)**
利用NSSC和LSCC算法对三角网进行迭代优化后,各谱段三角网质量显著提升:万宁区域0377#影像红、绿、蓝、近红外波段分别改善86.4%、90.2%、93.4%、81.3%;蒲城1041#影像各波段改善超93%;嘉峪关影像改善约89%~91%。同时配准误差进一步优化,例如万宁0377#影像各波段误差从0.41、0.37、0.65、0.31像素降至0.27、0.28、0.51、0.24像素。优化后三角网分布更均匀,趋近于等边三角形,结构更稳定。
**4.3 微小面元快速数字微分纠正(Tiny face digital differential rectification and image fusion)**
经优化特征点构建三角网并计算几何变换参数后,采用多线程加速的扫描线填充算法进行微分纠正。棋盘格叠加显示道路、河流、农田、山脉等特征在不同网格单元间无明显位置偏差,证实PAN与各波段MS影像严格配准。视觉比较中,在弱纹理区域(如近岸水域、沙漠)和重复纹理区域(如城市建筑群、机场跑道)均未出现明显错位,而传统方法在边缘和弱纹理区域常见“彩虹效应”伪影。
**4.4 大规模数据集验证(Validation on large-scale dataset)**
在嘉峪关数据集44幅影像上,研究人员所提方法在各谱段的RMSE普遍低于0.5像素,而经典方法平均约1.5像素且波动较大。融合影像质量方面,研究人员方法所得真彩色和假彩色影像的平均梯度(AG)分别提升11.46%和9.15%,纹理细节(空间频率SF)分别提升10.95%和6.24%。
**5. 讨论与结论**
讨论部分指出,现有方法在处理大幅面影像时存在特征点分布不均、重复纹理导致误匹配以及全局变换模型无法纠正局部几何不一致等问题。研究人员提出的方法通过自适应外点剔除和均匀控制优化有效克服了这些局限。结论部分翻译如下:
**结论**
宽视场航空影像的自动融合面临几何形变较大、重复纹理以及弱纹理区域误匹配等挑战,这些问题影响融合影像的质量。本文提出了一种基于分区精化外点剔除、控制均匀优化以及基于TIN面元并行微分纠正策略的大幅面航空影像配准方法,显著提高了配准精度和效率,从而生成更高质量的融合影像。
(1)由粗到精的分层特征匹配策略有效缓解了高分辨率影像中重复纹理的显著影响。改进的自适应阈值RANSAC整合了SGS和NGC,进一步增强了误匹配剔除能力,获得了高精度匹配点,从而提高了匹配精度和可靠性。PAN与各波段影像间的配准精度达到0.5像素的亚像素级。
(2)通过采用NSSC和LSCC算法优化特征点分布,该方法不仅实现了更均匀分布的特征点(空间均匀性提升约90%),而且进一步改善了多波段影像间的配准精度,达到0.3像素的亚像素级配准精度。此外,该方法增强了弱纹理区域中特征点的分布,为纠正影像内部几何畸变提供了更全面的控制约束。
(3)基于多线程加速的扫描线填充算法有效解决了面元数字微分纠正的计算复杂度问题。该方法显著加快了大宽幅影像中三角面元的微分纠正速度,实现了PAN与MS影像之间(尽管分辨率与几何成像特性不同)高效且精确的亚像素级配准。
研究人员提出的方法已在不同气候条件下的多样化地理区域航空影像上进行了评估,包括中国海南省万宁、陕西省蒲城和甘肃省嘉峪关。实验结果表明,该方法在跨不同地理区域的大视场影像上实现了优异的配准精度,始终保持亚像素级精度。匹配效率相比现有算法提升约五倍。此外,该方法成功适应不同地形类型,使融合影像的图像清晰度(AG)提升2.61%,纹理细节(SF)提升2.68%。这些全面结果验证了所提方法在提升配准精度和计算效率方面的有效性、可靠性和适用性。