留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

高分辨率遥感图像SIFT和SURF算法匹配性能研究

齐冰洁 刘金国 张博研 左洋 吕世良

齐冰洁, 刘金国, 张博研, 左洋, 吕世良. 高分辨率遥感图像SIFT和SURF算法匹配性能研究[J]. 中国光学, 2017, 10(3): 331-339. doi: 10.3788/CO.20171003.0331
引用本文: 齐冰洁, 刘金国, 张博研, 左洋, 吕世良. 高分辨率遥感图像SIFT和SURF算法匹配性能研究[J]. 中国光学, 2017, 10(3): 331-339. doi: 10.3788/CO.20171003.0331
QI Bing-jie, LIU Jin-guo, ZHANG Bo-yan, ZUO Yang, LYU Shi-liang. Research on matching performance of SIFT and SURF algorithms for high resolution remote sensing image[J]. Chinese Optics, 2017, 10(3): 331-339. doi: 10.3788/CO.20171003.0331
Citation: QI Bing-jie, LIU Jin-guo, ZHANG Bo-yan, ZUO Yang, LYU Shi-liang. Research on matching performance of SIFT and SURF algorithms for high resolution remote sensing image[J]. Chinese Optics, 2017, 10(3): 331-339. doi: 10.3788/CO.20171003.0331

高分辨率遥感图像SIFT和SURF算法匹配性能研究

doi: 10.3788/CO.20171003.0331
基金项目: 

国家自然科学基金资助项目 61405191

详细信息
    作者简介:

    齐冰洁(1991-), 女, 辽宁开原人, 硕士研究生, 主要从事遥感图像处理方面的研究。E-mail:doudouqbj@126.com

    刘金国(1968—),男,吉林蛟河人,硕士,研究员,硕士生导师,主要从事空间遥感与图像处理方面的研究。E-mail: liujg@ciomp.ac.cn

    通讯作者:

    刘金国, E-mail: liujg@ciomp.ac.cn

  • 中图分类号: TP391

Research on matching performance of SIFT and SURF algorithms for high resolution remote sensing image

Funds: 

National Natural Science Foundation of China 61405191

  • 摘要: 遥感图像匹配是图像校正、拼接的基础。由于遥感图像特征相似度大,重叠区域小,遥感图像对匹配算法的要求更高。本文首先从特征检测、特征描述和特征匹配三个方面,比较了SIFT算法和SURF算法在计算速度和准确度方面性能,然后研究了算法对遥感图像重叠度、度量距离的要求,并针对SURF算法对特征方向误差敏感的特点,提出一种oSURF算法;最后利用卫星1A级条带遥感图像分析各个算法优劣性。测试结果表明,相比于SIFT算法,SURF算法计算速度为SIFT的3倍,需要的图像重叠宽度仅为1.25倍描述向量尺寸,而在保证同样匹配率的情况下,SIFT算法则需要图像重叠宽度为1.5倍描述向量尺寸。本文提出的oSURF算法在保证计算速度的同时,准确度相对于SURF算法提升5%~10%,因此,oSURF算法更适合1A级条带遥感图像的拼接。
  • 图  1  美国某海岸影像数据

    Figure  1.  Image of an America′s shore

    图  2  SIFT和SURF算法特征点检测效果

    Figure  2.  Detection result of SIFT and SURF algorithm

    图  3  检测区域宽度不同时描述向量个数变化

    Figure  3.  Vector number change with the detection area

    图  4  重叠区域不同时同名点概率变化

    Figure  4.  Probability change of Homologous Points with the overlap region

    图  5  不同算法匹配效果图

    Figure  5.  Matching result of different algorithms

    图  6  非重叠区域的影响

    Figure  6.  Influence of non-overlapping domain

    图  7  不同算法计算距离不同时正确率的变化情况

    Figure  7.  Matching ratio change with the calculated distance

    图  8  Haar小波滤波器

    Figure  8.  Haar wavelet filters

    图  9  扇形窗口

    Figure  9.  Sector window

    图  10  oSURF算法匹配效果图

    Figure  10.  Matching result of oSURF algorithm

    图  11  不同算法匹配结果

    Figure  11.  Matching result of different algorithms

    表  1  SIFT和SURF算法特征检测结果

    Table  1.   Detection result of SIFT and SURF algorithm

    图像算法特征点数/个检测时间/s
    条带图像1SIFT4385.013
    SURF5231.596
    条带图像2SIFT4805.326
    SURF5731.869
    下载: 导出CSV

    表  2  不同算法特征向量描述结果

    Table  2.   Feature description result of different algorithms

    算法图像特征向量特征点变化描述时间10个向量描述时间
    SIFT条带图像11 119+68112.9620.116
    条带图像21 451+97113.8630.096
    SURF64条带图像1464-593.0150.065
    条带图像2520-533.3680.065
    SURF128条带图像1464-593.2130.069
    条带图像2520-533.4730.067
    下载: 导出CSV

    表  3  不同算法特征匹配结果比较

    Table  3.   Matching result of different algorithms

    算法匹配点正确率匹配时间总时间
    SIFT2860.9791.15238.521
    SURF64840.8960.31011.514
    SURF1281200.946 70.42512.581
    下载: 导出CSV

    表  4  oSURF算法特征匹配结果比较

    Table  4.   Matching result of oSURF algorithm

    算法条带1描述向量条带2描述向量匹配点数准确度总时间
    oSURF8149632890.965 412.926
    下载: 导出CSV
  • [1] LOWE D G. Object recognition from local scale-invariant features[C]. International Conference on Computer Vision, Kerkyra, Greece:ICCV, 1999:1150-1157.
    [2] LOWE D G. Distinctive image features from scale-invariant keypoints[J]. International J. Compute Vision, 2004, 60(60):91-110. http://nichol.as/papers/Lowe/Distinctive%20Image%20Features%20from%20Scale-Invariant.pdf
    [3] BAY H, TUYTELAARS T, GOOL L. SURF:speeded up robust features[J]. Computer Vision & Image Understanding, 2006, 110(3):404-417. http://dev.ipol.im/~morel/Dossier_MVA_2010_Cours_Transparents_Documents/Cours_4_document_SURF_paper.pdf
    [4] BAY H, ESS A, TUYTELAARS T, et al.. Speeded-Up Robust Features (SURF)[J]. Computer Vision & Image Understanding, 2008, 110(3):346-359. http://www.micc.unifi.it/delbimbo/wp-content/uploads/2011/03/reference_papers/Bay.pdf
    [5] LUO J, GWUN O. A Comparison of SIFT, PCA-SIFT and SURF[J]. J. Business Education, 2009, 3(4):143-152.
    [6] 索春宝, 杨东清, 刘云鹏.多种角度比较SIFT、SURF、BRISK、ORB、FREAK算法[J].北京测绘, 2014, (4):23-26. http://www.cnki.com.cn/Article/CJFDTOTAL-BJCH201404006.htm

    SUO CH B, YANG D Q, LIU Y P. Comparison of SIFT, SURF, BRISK, ORB and FREAK algorithms in various aspects[J]. Beijing Surveying and Mapping, 2014, (4):23-26.(in Chinese) http://www.cnki.com.cn/Article/CJFDTOTAL-BJCH201404006.htm
    [7] 安维胜, 余让明, 伍玉铃.基于FAST和SURF的图像配准算法[J].计算机工程, 2015, 41(10):232-235. doi: 10.3969/j.issn.1000-3428.2015.10.043

    AN W SH, YU R M, WU Y L. Image registration algorithm based on FAST and SURF[J]. Computer Engineering, 2015, 41(10):232-235.(in Chinese) doi: 10.3969/j.issn.1000-3428.2015.10.043
    [8] 王新华, 黄玮, 欧阳继红.多探测器拼接成像系统实时图像配准[J].中国光学, 2015, 8(2):211-219. http://www.chineseoptics.net.cn/CN/abstract/abstract9257.shtml

    WANG X H, HUANG W, OUYANG J H. Real-time image registration of the multi-detectors mosaic imaging system[J]. Chinese Optics, 2015, 8(2):211-219.(in Chinese) http://www.chineseoptics.net.cn/CN/abstract/abstract9257.shtml
    [9] 许佳佳.结合Harris与SIFT算子的图像快速配准算法[J].中国光学, 2015, 8(4):574-581. http://www.chineseoptics.net.cn/CN/abstract/abstract9285.shtml

    XU J J. Fast image registration method based on Harris and SIFT algorithm[J]. Chinese Optics, 2015, 8(4):574-581.(in Chinese) http://www.chineseoptics.net.cn/CN/abstract/abstract9285.shtml
    [10] 张云生, 邹峥嵘.基于改进ORB算法的遥感图像自动配准方法[J].国土资源遥感, 2013, 25(3):20-24. doi: 10.6046/gtzyyg.2013.03.04

    ZAHNG Y SH, ZOU ZH R. Automatic registration method for remote sensing images based on improved ORB algorithm[J]. Remote Sensing for Land and Resources, 2013, 25(3):20-24.(in Chinese) doi: 10.6046/gtzyyg.2013.03.04
    [11] 罗楠, 孙权森, 耿蕾蕾, 等.一种扩展SURF描述符及其在遥感图像配准中的应用[J].测绘学报, 2013, 42(3):383-388. http://www.cnki.com.cn/Article/CJFDTOTAL-CHXB201303012.htm

    LUO N, SUN Q S, GENG L L, et al.. An extended SURF descriptor and its application in remote sensing images registration[J]. Acta Geodaetica et Cartographica Sinica, 2013, 42(3):383-388.(in Chinese) http://www.cnki.com.cn/Article/CJFDTOTAL-CHXB201303012.htm
    [12] 闫利, 陈林.一种改进的SURF及其在遥感影像匹配中的应用[J].武汉大学学报:信息科学版, 2013, 38(7):770-773. http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201307005.htm

    YAN L, CHEN L. A modified SURF descriptor and its application in remote sensing images matching[J]. Geomatics and Information Science of Wuhan University, 2013, 38(7):770-773.(in Chinese) http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201307005.htm
    [13] 葛盼盼, 陈强.基于SURF特征提取的遥感图像自动配准[J].计算机系统应用, 2014, 23(3):16-24. http://www.cnki.com.cn/Article/CJFDTOTAL-XTYY201403003.htm

    GE P P, CHEN Q. Remote sensing image automatic registration based on SURF feature extraction[J]. Computer Systems & Applications, 2014, 23(3):16-24.(in Chinese) http://www.cnki.com.cn/Article/CJFDTOTAL-XTYY201403003.htm
    [14] LINDEBERG T. Scale-space theory:a basic tool for analyzing structures at different scales[J]. J. Applied Statistics, 1994, 21(1):225-270. doi: 10.1080/757582976
    [15] VIOLA P, JONES M. Rapid object detection using a boosted cascade of simple features[C]. Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Kauai, HI, USA, 2001:511-518
    [16] 翟优, 曾峦, 熊伟.不同局部邻域划分加速鲁棒特征描述符的性能分析[J].光学精密工程, 2013, 21(9):2395-2404. http://www.cnki.com.cn/Article/CJFDTOTAL-GXJM201309026.htm

    ZHAI Y, ZENG L, XIONG W. Performance analysis of SURF descriptor with different local region partitions[J]. Opt. Precision Eng., 2013, 21(9):2395-2404.(in Chinese) http://www.cnki.com.cn/Article/CJFDTOTAL-GXJM201309026.htm
    [17] 孙浩, 王程, 王润生.局部不变特征综述[J].中国图象图形学报, 2011, 16(2):141-151. doi: 10.11834/jig.20110207

    SUN H, WANG CH, WANG R SH. A review of local invariant features[J]. J. Image and Graphics, 2011, 16(2):141-151.(in Chinese) doi: 10.11834/jig.20110207
    [18] 聂海涛, 龙科慧, 马军, 等.采用改进尺度不变特征变换在多变背景下实现快速目标识别[J].光学精密工程, 2015, 23(8):2349-2356. http://www.cnki.com.cn/Article/CJFDTOTAL-GXJM201508029.htm

    NIE H T, LONG K H, MA J, et al.. Fast object recognition under multiple varying background using improved SIFT method[J].Opt. Precision Eng., 2015, 23(8):2349-2356.(in Chinese) http://www.cnki.com.cn/Article/CJFDTOTAL-GXJM201508029.htm
    [19] MIKOLAJCZYK K, SCHMID C. A performance evaluation of local descriptors[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005, 27(10):1615-1630. doi: 10.1109/TPAMI.2005.188
    [20] FISCHLER M, BOLLES R. Random Sample Consensus:A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography[M]. Burlington:Morgan Kaufmann Publishers Inc., 1987.
  • 加载中
图(11) / 表(4)
计量
  • 文章访问数:  651
  • HTML全文浏览量:  218
  • PDF下载量:  636
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-01-18
  • 修回日期:  2017-03-27
  • 刊出日期:  2017-06-01

目录

    /

    返回文章
    返回