基于自适应遗传的多源遥感影像信息分层匹配方法_方攀.pdf

第 卷 第期 ，年 月 ，：基于自适应遗传的多源遥感影像信息分层匹配方法方攀，贾睿洁，高娟，（河南省地质矿产勘查开发局第三地质矿产调查院，河南 信阳 ；河南省自然资源科技创新中心（信息感知技术应用研究），河南 信阳 ）摘要：多源遥感影像匹配后质量变低的问题一直困扰着遥感信息提取及应用，探索一种基于自适应遗传算法的影像信息分层匹配，以归一化积来度量两幅遥感影像的相似性，并用该方法求解最高适应度，实现上层初匹配，然后使用仿射变换模型变换初匹配后的多源遥感影像，通过优化粒子群算法优化变换后多源遥感影像中的区域互信息，最终实现多源遥感影像信息下层精细匹配。以 数据与光谱影像的实验证明，该方法能显著提升匹配后的遥感影像，并能实现多源遥感影像的分层精准匹配。关键词：自适应遗传；多源遥感；影像信息；分层匹配；归一化积；优化粒子群中图分类号：文献标识码：文章编号：（）引言航天技术以及遥感技术不断发展，遥感影像获取已经不单局限于单源遥感影像，而是逐渐向多源遥感影像转变，但是高品质多源遥感影像，需要高水平匹配技术，才能获得高质量多源遥感影像。常见多源遥感影像匹配经常从控制点选取入手，这种匹配方法主要针对相同类型传感器所传输的遥感影像开展处理，匹配后的遥感影像能够获得较为良好的效果，但是如果遥感信息采集设备存在差异，同时不同类型的传输遥感器，匹配后的遥感影像经常出现误匹配或者漏匹配的情况。对于此类问题，有学者利用方向相位特征的方法匹配遥感影像，这种匹配方法利用滤波器计算影像特征图，通过滑动串口实现点匹配，拟合匹配点，实现遥感影像匹配，该方法匹配的同名点较为稳定，获得的匹配结果准确度较高，但该方法局限性在于，仅在平原地区取得了较好的匹配效果，而针对地形较为复杂的山区高原，并没有进行相关的实验验证，仍旧需要进一步研究；有学者以相位一致性作为基础，构建遥感影像的匹配方法，该方法使用了卷积神经网络结合分布直方图进行影像匹配，结果显示即使图像发生旋转或者波动仍旧能够获得较为良好的匹配效果，但是该方法计算过程较为复杂，实现匹配的时间过长，仍旧需要优化。针对某地势复杂山区，多源遥感影像匹配效果差，算法运算时间久等问题，本文使用自适应遗传算法作为基础，结合归一化积匹配原理实现多源遥感影像的初匹配，再结合优化粒子群改进匹配参数实现最终细匹配，实现基于自适应遗传的多源遥感影像信息分层匹配。多源遥感影像信息分层匹配方法 数据来源遥感技术其中主要以微波、红外及光学传感器为主，同一个区域遥感影像数据包含多平台、多分辨率、多传感器及多光谱，这些不同遥感影像被称为多源遥感影像信息。多源遥感影像信息具有互补性、冗余性及合作性。互补性表示不同自由度不同时段的遥感影像信息之间弥补角度缺点；冗余性表示不同遥感影像信息所传达的地物信息以及目标信息的内容是相同的；合作性则表示各个多源遥感影像彼此弥补不收稿日期：；修回日期：基金项目：河南省地质矿产勘查开发局地质科研项目遥感与无人机技术在矿山环境影响调查中的应用研究（豫地矿文 号）资助。第一作者：方攀（），男，工程师，主要从事地质测绘工作。：引文格式：方攀，贾睿洁，高娟基于自适应遗传的多源遥感影像信息分层匹配方法矿产与地质，（）：足，实现信息间的依赖性。本文多源遥感影像数据分别来源于有遥感卫星所携带的合成孔径雷达（，）采集的距遥感影像（使用表示）以及高分一号卫星所安装的高分辨率光谱相机所收集的光学遥感影像（使用表示）。为了确保纹理真实性与区域划分真实性，影像信息选择时需要注重细节足够丰富且差异明显。自适应遗传结合归一化积的多源遥感影像初匹配 归一化积匹配由于光学图像与 图像差异较大，因此相关研究领域对于多源遥感影像信息匹配研究研时，经常使用这两种遥感影像。多源遥感影像信息匹配的最终目的是弥补不同遥感影像中存在不清晰的确定，使用不同遥感影像弥补影像中的缺失部分，所以将一种遥感影像作为基础，使用另一种遥感影像与其匹配，最终提升多源遥感影像信息的匹配。匹配初始阶段重合两种遥感影像的左上角，对比两种遥感影像中的各个区域，将上层遥感影像向下一个像素平移，依次重复以上操作，完成全部位置的一一对比后，保证匹配后的多源遥感影像信息具有最小差异。将影像与影像叠放在一起，位于上层，位于下层，上层影像在下层影像上平移，待匹配区域属于子图。上子图左上角区域坐标表示为（，）。上子图与之间的差异使用平方误差和，进行匹配质量评价。假设影像大小使用表示，影像大小使用表示。假设上存在一个坐标为（，）的点，（，）表示该点灰度，（，）表示与该点重合的坐标点，对应的灰度为（，），为便于后续计算，将该灰度精简为，（）。计算经过第一次粗略匹配的误差平方和：，（），（），（）（）误差较高时不能实现最终匹配，匹配过程中，利用度量相似性 进行匹配误差分析，涉及的公式如下：，（），（），（），（），（）（）如果（，）发生变化，相似性测度（，）最大值能够指明匹配的最佳位置，由此得到匹配后影像。经过以上分析，匹配影像需要经过大量计算，各个影像几乎都需要经过次（）（）匹配，但是除了最佳匹配点，其余运算均属于无效运算。自适应遗传算法求解相似性使用自适应遗传算法 对式（）中的（，）求解，求解步骤如下：）基因编码：将最为良好的匹配参考点（，）作为搜索目标，串联两个位二进制编码作为选定的基因编码，第一个位二进制编码代表，另一个位二进制编码代表；）种群数量随机生成，整个遥感影像上应该都分布这种初始种群，实际操作时把遥感影像划分成大小相等的数个小块，在各个小块中抽取随机数量的点，形成原始种群；）利用式（）中的相似性测度（，）表示适应度函数；）将自适应遗传算法的变量与参数（包含最大带数目与群体规模）确定下来。自适应遗传算法中所使用的个常数：、，取值分别为、；）达到最大迭代次数后可以停止算法执行，选取适应度最高的求解结果作为多源遥感影像信息的匹配结果。多源遥感影像信息精细匹配经过自适应遗传算法匹配后的多源遥感影像信息可能存在匹配区域中一对多或者误匹配的情况，这种情况会严重影响最终多源遥感影像信息的匹配结果，使用相似性测度（，）表示适应度函数，引入优化粒子群算法，实现多源遥感影像信息精细匹配，通过迭代调整匹配参数，可达到区域互信息最大，完成多源遥感影像信息精细匹配。详细优化过程如下：构建原始粒子首先需进行进行影像配准参数。使用仿射变换模型变换上文初匹配后的多源遥感影像，式（）为二维空间内影像变换结果：（）式中：（，）与（，）分别表示变换前影像初始坐标与变换后的影像坐标；，均代表模型变换参数，需要使用对不在同一条线的特征矿 产 与 地 质 年点求解这些变换参数。把一个随机微小位移添加到上文初匹配后的影像区域坐标中，实现调整亚像素，以式（）为依据，使用最小二乘法计算仿射变换参数，将该计算结果看作是某一个粒子的原始位置。将众多微小位移添加到不同区域，重复以上计算实现构建粒子群。完成粒子群构建后，求解区域互信息，计算互信息前，首先需要确保经过匹配后的多源遥感影像中的两个原始影像大小一致，所以如果匹配过程中，两种多源遥感影像分辨率存在差异，需要先实现插值影像，两种影像的大小，获得最大区域互信息，实现多源遥感影像信息精细匹配。实验分析在某地势条件复杂的山区，分别收集搭载合成孔径雷达和光谱相机的对地遥感卫星采集的遥感影像信息，受设备自身差异影像，所获取的遥感影像分辨率的高低也会存在一定差异。为使实验结果更加具有对比性，同时使用基于方向相位特征遥感影像匹配方法与基于相位一致性遥感影像匹配方法，对本文所收集的遥感影像信息开展匹配实验，并将所得实验结果与本文方法对比。低分辨率多源遥感影像信息匹配效果分别从 遥感影像与光学遥感影像中截取 像素的区域作为基础研究区域，这两个区域属于低分辨多源遥感影像信息，对比不同匹配方法匹配这两种多源遥感影像效果，其原图和匹配效果图见图。由图可见，采用两种对比方法对多源遥感影像进行匹配后，出现了匹配不准确或图像扭曲失真的情况，匹配效果较差。使用本文方法匹配之后影像匹配程度较高，影像清晰程度与真实程度均较高，细节信息还原程度较好，由此可以看出，使用本文方法匹配低分辨率多源遥感影像能够获得较为良好的效果。图低分辨率多源遥感影像信息匹配对比图 第 卷第期方攀等：基于自适应遗传的多源遥感影像信息分层匹配方法 高分辨率多源遥感影像信息匹配效果分别从较高分辨率的 遥感影像与光学遥感影像中截取 像素的两幅影像，对比各方法的匹配效果。由图可见，匹配高分辨率的遥感影像中时两种对比方法匹配后的多源遥感影像均出现微小瑕疵，匹图高分辨率多源遥感影像信息匹配对比图 配后影像出现纹路，存在错位情况。采用本文方法进行影像匹配后，遥感影像的清晰度和匹配后影像效果均得到明显提高，说明使用本文方法匹配多源遥感影像，能够有效提升多源遥感影像的清晰度与真实度。图像匹配区域互信息分析三种方法在不同迭代次数下匹配获取高分辨率遥感影像的区域互信息结果见图。区域互信息越大表明图像配准效果越好。分析图数据可知，相比于两种对比方法，本文方法利用 次左右的迭代次数便可达到最佳区域互信息，收敛速度较快。反观相位一致性法收敛次数约为 次，此时的区域互信息仅为；相位方向特征法的收敛效果略优于相位性一致法，在迭代 次图匹配互信息结果 矿 产 与 地 质 年达到收敛。实验结果表明，本文方法匹配后的高分辨率遥感影像具备较高区域互信息，匹配效果较好。匹配质量评价多源遥感影像匹配的质量评价标准较多，其中包括颜色保真效果与细节保真效果，这两个效果值越小（通常小于），证明匹配效果越好；综合保真效果（之间）、边缘保持度（）、结构相似度（）以及香农熵（）等指标值越大，证明该多源遥感影像匹配后的效果更好。三种方法分别匹配高分辨率遥感影像后各指标的评价结果见表。表匹配质量评价 评价内容匹配结果相位方向特征法相位一致性法本文方法颜色保真效果 细节保真效果 综合保真效果 边缘保持度 结构相似度 图像清晰度 香农熵 由表可知，两种对比方法的匹配后多源遥感影像的各项指标虽然符合设定标准，但是与本文方法匹配效果相比仍较低，由此证明使用本文方法匹配多源遥感影像之后，影像的各项质量指标均处于较高水平，有利于后续科研的使用。鉴于外界光照强度以及图像旋转角度对多源遥感影像匹配效果的影像，选取图像清晰度评价值（由 表示清晰度由低到高）、（均方误差）作为匹配效果衡量指标，统计不同光照强度下各旋转角度图像的配准的清晰度值及，结果见表。根据表数据可知，光照强度过大会导致多源遥感影像出现曝光现象，光照强度过小会导致多源遥感影像亮度不够，两种情况均会导致匹配后的图像清晰度变差，匹配误差增加，当光照强度为时，匹配后的图像清晰度最大，均大于；匹配 最小，均小于 。旋转角度对图像匹配后的清晰度及 影响较小，说明该方法匹配效果受图像尺度变换影响较小。表不同光照强度下各旋转角度图像配准效果参数 光照强度 旋转角度（）图像清晰度评价值 结论）针对多源影像匹配后质量降低等问题，构建了基于自适应遗传的多源遥感影像信息分层匹配方法。使用自适应遗传算法实现多源遥感影像的初始匹配，再使用优化粒子群算法实现精细匹配，通过这两个匹配步骤最终获得质量较高的多源遥感影像信息匹配效果。）为验证该方法的可行性，以实际遥感影像数据为研究对象，结合其他两种匹配方法进行了对比实验。结果显示，该匹配方法无论是针对分辨率较高的第 卷第期方攀等：基于自适应遗传的多源遥感影像信息分层匹配方法遥感影像还是分辨率较低的遥感影像，均能获得较为良好的匹配效果，匹配质量略优于同类匹配方法，在未来的研究中具有一定优势。参考文献：薛白，付钰莹，崔成玲，等多重约束条件下的不同遥感影像匹配方法国土资源遥感，（）：南轲，齐华，叶沅鑫深度卷积特征表达的多模态遥感影像模板匹配方法测绘学报，（）：隆院男，闫世雄，蒋昌波，等 基于多源遥感影像的洞庭湖地形提取方法地理学报，（）：何志伟，王晓红，邓仕雄，等 一种喀斯特地貌无人机遥感影像的快速匹配方法测绘科学，（）：李欣，杨宇辉，杨博，等利用方向相位特征进行多源遥感影像匹配武汉大学学报（信息科学版），（）：王新生，孙润德，姚统基于相位一致性的遥感图像匹配方法计算机应用，（增刊）：张鑫，王竞雪，刘肃艳，等基于可靠匹配点约束的遥感影像密集匹配地球信息科学学报，（）：张海涛，金燕，刘万军基于 小波改进的 算法的遥感影像配准遥感技术与应用，（）：黄翊航，李泽一，张海涛，等面向多模态遥感影像旋转差异的智能匹配方法光学技术，（）：王其聪，沈永增，刘锋基于自适应遗传算法的分层图像匹配 浙江工业大学学报，（）：秦泽青，叶志伟，王泽松，等一种多策略改进遗传算法的医学图像配准方法小型微型计算机系统，（）：郑军，诸静基于自适应遗传算法的图像匹配浙江大学学报（工学版），（）：周理，刘琰基于自适应遗传算法的激光图像处理沈阳工业大学学报，（）：姜雯，吴陈基于改进粒子群算法的支持向量机遥感影像分类 江苏科技大学学报（自然科学版），（）：杨弘凡，李航，陈凯阳，等基于改进 算法的图像特征点提取与匹配方法图学学报，（）：，（.，；.（），）：，：，矿 产 与 地 质 年