—21—
基于归一化
SIFT
算法的不同光学影像配准
王瑞瑞
1,3
，马建文
2
，陈 雪
1
(1. 中国科学院遥感应用研究所，北京 100101；2. 中国科学院对地观测与数字地球科学中心，北京 100101；
3. 中国科学院研究生院，北京 100049)
摘 要：由不同传感器摄取的遥感影像因成像模式、拍摄角度和分辨率不同，给两者之间的配准造成困难。针对该问题，提出归一化 SIFT
算法，通过对 SIFT 描述子归一化的处理，降低不同光学影像色调差异大的影响，并通过与最小二乘法和双线性内插法的结合，完成自动
配准。选取角度和尺度偏差较大的 SPOT 与 ASTER 影像、ASTER 与 TM 影像 2 组数据进行实验。结果证明，该算法鲁棒性强，配准精
度高。
关键词：不同光学影像；自动配准；归一化 SIFT 描述子
Different Optical Image Registration
Based on Normalized SIFT Algorithm
WANG Rui-rui
1,3
, MA Jian-wen
2
, CHEN Xue
1
(1. Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China;
2. Center for Earth Observation and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China;
3. Graduate University of Chinese Academy of Sciences, Beijing 100049, China)
【Abstract】The imaging model, acquired angle and resolution between image acquired by diverse remote sensing sensors are different, which
throws difficulty in the registration between them. Aiming at this problem, the normalized SIFT algorithm is proposed in this paper. The SIFT
descriptors are normalized, which can reduce the impact of hue difference between image acquired by different sensors, and then combined with
least-square equation and bilinear interpolation method, the automatic registration is achieved. Two groups of images, which have big differences in
acquired angle and resolution, SPOT and ASTER, ASTER and TM, are tested. Results dedicate that this algorithm is robust and has a high accuracy.
【Key words】different optical image; automatic registration; normalized SIFT descriptor
计 算 机 工 程
Computer Engineering
第 36 卷 第 19 期
Vol.36 No.19
2010 年 10 月
October 2010
·博士论文·
文章编号：1000—3428(2010)19—0021—03
文献标识码：A
中图分类号：TN751.1
1
概述
目前，多源影像配准技术在多种领域中得到了广泛的应
用，包括影像融合、影像辅助分类、变换监测、环境监测、
医学图像病变信息识别，以及地图更新等方面。多源遥感影
像由于通过不同的传感器获取，拍摄模式、角度和分辨率不
同，给两者之间的配准造成了很大困难。多年来，国内外本
领域的学者提出了各种用于自动配准的方法，大致可分为
2
类：基于区域的自动配准，基于特征的自动配准
[1]
。
基于区域的自动配准法采用像素的灰度特性进行配准，
过于依赖图像灰度统计特性，适用于同一传感器获取影像的
配准，对于不同传感器获取的或同一传感器获取的时差偏大
的影像，配准精度较差。在基于特征的自动配准法中，提取
的特征要求显著，且对配准影像在角度、尺度、色调等方面
的差异具有抗干扰和特征选取的不变性
[2]
。
SIFT(Scale Invariant Feature Transform)
方法
[3]
是具有代
表性的基于特征的自动配准方法之一。它较好地解决了场景
部分遮挡、旋转缩放、视点变化引起的图像变形等问题。目
前，
SIFT
算法已经成功应用于目标识别、图像复原、图像拼
接等领域。文献
[4]
采用
SIFT
算法对医学影像进行了配准。
文献
[5]
采用
SIFT
算法对同一光学传感器的遥感影像进行了
配准。文献
[6]
通过采用
SIFT
算法对近景三视图像进行了匹
配。文献
[7]
对
SIFT
描述子梯度方向的取值进行了改进，对
红外与可见光图像进行了配准。
目前除了文献
[7]
，对于
SIFT
算法在遥感影像方面的研
究工作都只局限于同一传感器获取的遥感影像。本文针对不
同传感器获取的、尺度和角度差异较大的遥感影像之间配准
时遇到的问题，对
SIFT
描述子进行了归一化处理，使
SIFT
算法在不同光学遥感数据自动配准中的应用更具有适用性。
实现步骤如下：
(1)
提取配准影像的归一化
SIFT
描述子集；
(2)
对配准影像的
SIFT
描述子集进行全局搜索，形成
SIFT
匹配点集；
(3)
根据最小二乘平差法，由
SIFT
匹配点集求解得到变
换模型；
(4)
根据变换模型，重采样实现
2
幅影像的自动配准。
基金项目：国家“863”计划基金资助项目“卫星遥感 SAR 与光学
影像自动配准与融合技术系统研究”(2007AA12Z157)；中国科学院
知识创新工程青年人才领域前沿项目专项基金资助项目(O8S01100
CX)；国家自然科学基金资助项目“基于背景学习的并行粒子滤波
红外弱小目标 TBD 算法研究”(40901234)
作者简介：王瑞瑞(1983－)，女，博士研究生，主研方向：数字图像
智能处理；马建文，教授、博士生导师；陈 雪，博士
收稿日期：2010-04-18 E-mail：wangruigis@163.com
