论文推荐|王亚超：SAR立体影像匹配的视差图融合方法

本文提出了一种基于视差图融合的匹配方法。首先，基于归一化互相关系数（normalized cross correlation, NCC），利用多个不同尺寸的匹配窗口分别进行匹配，获取相应的视差图；然后，提出了一种左右一致性（left right consistency, LRC）和信噪比（signal to noise ratio, SNR）相结合的置信测度，用来评价视差图中每个视差的置信水平；在此基础上，提出了一种视差图融合策略，该策略对上述多个匹配窗口获取的视差图进行加权融合，融合时既考虑了视差本身的置信水平，也兼顾了其邻域视差的影响。采用TanDEM-X的聚束立体影像进行试验，结果表明，本文方法能有效减少DEM粗差点，DEM高程精度由11.28 m提高到8.41 m。

雷达摄影测量(radargrammetry，又称StereoSAR)是合成孔径雷达(synthetic aperture radar，SAR)进行三维信息提取的一种重要技术手段，与干涉SAR相比，其对数据成像条件和地表覆盖类型的要求相对宽松。近年来，随着COSMO-SkyMed与TerraSAR-X等高分辨率SAR卫星的投入运行，雷达摄影测量得到了更为广泛的关注^[-]。雷达摄影测量利用SAR立体影像间的视差提取地面的三维信息，其关键是提取SAR立体视差图，即影像匹配。由于SAR为侧视斜距相干成像，导致SAR影像存有斑点噪声，影像信噪比低，使得SAR立体影像的匹配变得更加困难。

SAR影像匹配方法主要有特征匹配和灰度匹配两种。特征匹配存在匹配点稀疏、匹配点集中在纹理丰富区域等缺点^[-]，因此，在雷达摄影测量中使用较少。而灰度匹配虽存在匹配搜索耗时、匹配结果易受纹理信息影响等缺点，但通过引入更多的辅助信息和适当的匹配策略，也能取得不错的匹配效果^[-]。文献[]对比分析归一化互相关系数(normalized cross correlation,NCC)、互信息等不同的相似测度在SAR影像城区、山区和纹理缺乏区域3种不同场景的适应能力，结果表明NCC在场景适应性与匹配正确率上综合表现最好，同时指出在纹理缺乏区域需用较大的匹配窗口，视差不连续区域采用较小的匹配窗口。文献[]计算窗口内的灰度变化和视差估计，自适应调整窗口大小，以适应影像不同纹理区域的要求。文献[]采用自适应权值在保持视差不连续区域匹配正确率的同时，提高了纹理缺乏区域的匹配正确率。文献[]将影像分割为纹理缺乏区域和纹理丰富区域，在不同区域采用不同的匹配方法。文献[]为提高纹理缺乏区域的匹配正确率，利用多个自适应窗口的NCC相乘，以提高其置信水平，有效地提高了DEM的高程精度。文献[]通过外部DEM和金字塔匹配策略约束匹配搜索范围，采用外部DEM和左右一致性约束(left right consistency，LRC)对NCC匹配结果进行误差控制，也取得较为可观的DEM精度。文献[]利用信噪比(signal to noise ratio，SNR)提取NCC匹配结果中的稳定匹配点，同样取得了较高的DEM高程精度。

综上所述，多数研究致力于匹配窗口尺寸自适应或者像素权重自适应，以满足影像不同纹理区域的要求：纹理丰富区域需要较小的匹配窗口，纹理缺乏区域需要较大的匹配窗口，而上述方法受SAR影像斑点噪声影响，满足影像不同区域阈值的设置较为困难，算法易用性较差。基于此，本文提出一种基于视差图融合的匹配方法，基于提出的置信测度SL，对不同匹配窗口NCC匹配获取的视差图进行加权融合，融合时不仅考虑了视差本身的置信水平，还兼顾了其邻域视差的影响，从而实现了较高精度的匹配。

本文方法的详细流程如所示，方法首先选取多个不同尺寸的匹配窗口分别进行NCC匹配，获取多幅视差图，然后基于提出的置信测度SL，对视差图中的每个视差进行置信水平评价，最后依据置信水平进行多幅视差图加权融合。方法实现过程中，引入外部粗分辨率DEM和金字塔匹配策略，约束匹配搜索范围。此外，由于SAR影像存在乘性斑点噪声，影像信噪比低，滤波方法又易引入虚假纹理信息，而NCC具有一定的抗高斯噪声能力，因此，本文首先对影像进行对数变换。

本文方法流程图

基于提出的置信测度SL，对不同尺寸匹配窗口获取的视差图中每个视差进行置信水平评价。视差的置信水平受匹配窗口尺寸、匹配窗口内信息量等的影响，不同尺寸匹配窗口获取的视差，其置信水平不同，而直接根据视差本身的置信水平进行融合，则未考虑邻域视差的影响。基于此，本文提出一种视差图融合策略，该策略利用视差本身和其邻域视差的置信水平进行加权计算，比较选出置信水平最高的视差，融合过程如所示。

视差图融合过程

试验数据采用TanDEM-X卫星升轨聚束地距立体影像，试验区位于四川省南充市下辖的南部县，影像覆盖区域以山地为主，区域高程变化范围约为270～550 m。影像方位向分辨率约为1.3 m，距离向分辨率约为1.5 m，影像中心侧视角θ分别为37.7°和51.6°，如所示。

试验影像

                        DEM结果

针对影像不同纹理区域的需求，本文提出了一种SAR立体影像匹配的视差图融合方法，该方法根据提出的置信测度和视差图融合策略，综合利用不同匹配窗口的匹配结果，从而提高金字塔每层的匹配正确率，进而实现SAR立体影像的较高精度匹配。该方法避免了窗口自适应机制的权重计算和自适应准则设置等问题。试验结果表明，本文方法能够大幅减少DEM的粗差点，进而提高了DEM精度。然而，由于本文方法利用多个不同的匹配窗口分别进行匹配，导致匹配算法的复杂度比较高，后续研究将通过并行化处理，进一步提高算法运行速度。

全文内容请点击下方“阅读原文”

 王亚超1,2,张继贤2,黄国满2,卢丽君2,丁昊2,3
1.中国矿业大学环境与测绘学院, 江苏 徐州 221008;
2.中国测绘科学研究院, 北京 100830;
3.中南大学地球科学与信息物理学院, 湖南 长沙 410083
收稿日期：2016-01-27； 修回日期：2016-05-02
基金项目：测绘地理信息公益性行业科研专项（201412002）；国家自然科学基金（41401530）；对地观测技术国家测绘地理信息局重点实验室基金项目（K201501）
第一作者简介：王亚超(1986-),男,博士生,研究方向为雷达摄影测量。

E-mail:[e-mail] 

更多精彩内容：

全文内容请点击下方“阅读原文”