基于Zernike矩的多时相遥感影像匹配方法研究

　　遥感影像变化检测是近年来遥感应用研究的热点之一,在环境动态监测、土地利用/覆盖监测以及军事侦察等多方面有广泛的应用[1]。多时相遥感影像间的配准是保证变化检测的关键步骤。手工配准的方法效率低,效果取决于操作员的经验,精度不易保证,往往需要重复进行。学者们对此进行了诸多改进,使影像的配准由基于影像低层特征(点特征)方法向基于中、高层特征(边缘、轮廓、线)的方法发展,从基于全局函数纠正向基于局部变形分块纠正的方向发展[2-7]。

　　对于两期影像,由于边缘特征在影像中较为稳定,研究者们将重点放在基于边缘匹配的方法上。实际上,基于点特征归一化相关系数的匹配策略具有光照线性不变的优点,适宜于多时相匹配。因此,本文首先比较相关系数匹配策略与边缘特征的匹配方法。经试验可知,基于相关系数的匹配方法不具备抗旋转性,若两期影像间存在较大的角度差异,则配准不能很好地完成。

　　矩特征具有旋转、平移不变性,可以根据矩特征进行影像匹配。目前,用于遥感影像匹配的矩主要有直方图不变矩[13]、Hu不变矩以及线矩[14]。这三种矩分别运用影像灰度统计特征、面特征以及线状特征。值得注意的是,利用直方图不变矩进行匹配只能得到几个匹配候选点或者一个大致的匹配区域。Hu不变矩特征有计算复杂、对图像的灰度变化敏感的缺点。为此,研究者们进一步提出基于线矩的匹配方法[14]。该方法不依赖于影像的灰度特征,能较好地对异源影像进行匹配。但线矩本质上属于一种基于轮廓的匹配方法,如果所跟踪的轮廓出现断裂的现象,会使得线矩的匹配失效;在不同期的影像中,由于地物覆盖变化的存在以及阴影的变化等不利因素,所提取的边缘往往会出现断裂的现象,使得基于线矩的方法失效。因此,基于线矩的匹配不适用于多时相影像的匹配。

　　与上面所述的三种矩特征类似,依据Zernike矩(zernike moment, ZM)提取的Zernike矩的模具有旋转、平移不变性。与它们不同的是,ZM提取的矩特征间相互独立,具有较低的信息冗余度,与一般的几何矩、Legendre矩、复数矩相比,有对噪声不敏感的特点[16]。因此,本文提出运用正交Zernike矩特征进行匹配的策略。

　　1　基于点特征的Zernike矩匹配策略

　　1.1　正交Zernike矩定义及计算方法

　　Zernike矩是图像f(x,y)向正交的Zernike基函数投影计算所得[17]。Zernike基函数是由单位圆x2+y2=1内的复数多项式组成的{Vnm(x,y)}:

　　式中,n为正整数或零;m是满足n-|m|为偶数,且|m|≤n条件的整数。

　　Rnm(x,y)为径向多项式:

　　式(3)中的多项式Vnm(x,y)在单位圆x2+y2≤1内是正交的,它满足: