遥感影像的高精度配准问题一直是研究的热点，直接影响后续影像融合、立体匹配、变化监测等的质量。

近年来，我国陆续发射了一系列高分辨率卫星，如资源一号02C高分辨率遥感卫星(简称为ZY1-02C)、资源三号遥感卫星(简称为ZY-3)、高分一号卫星(简称为GF-1) 等^[1-3]。与国外比较成熟的卫星数据相比，国产卫星数据仍有一些不足之处，由于相机的安装误差及各谱段间镜头光学畸变的存在，会引起谱段偏差^[4-5]。而且遥感影像由于光谱波段不同、分辨率不同或拍摄时间和角度不同，会使拍摄的影像存在差异，若不进行配准处理，则影像的信息量较低且应用性较差，因此要对影像进行正确的匹配^[6]。1970年，P.E.Anuta提出了一种影像配准技术，由于使用了FFT计算中的互相关性进行影像检测，从而有效地提高了配准速度；1982年，Rosenfeld等^[7]提出了一种基于灰度统计的交叉相关性的影像配准方法，这种方法能够直接给出模板影像和待配准影像的相似程度，可以用来进行模板匹配和模式识别；1992年，Flussr^[8]提出了一种自适应映射的方法，解决了变形影像间的配准问题；1998年，张祖勋等^[9]提出多级影像概率松弛的整体快速匹配技术，实现了不同传感器、不同空间分辨率的遥感影像快速配准；2001年，郭海涛等^[10]提出了一种遗传算法(genetic algorithm)，2004年，熊兴华^[11]在此基础上，加入最小二乘法，提高了配准精度，使其达到了亚像素级。

本文选择西部高海拔区域内的国产卫星影像数据(ZY1-02C、ZY-3、GF-1)，采用基于SIFT算法(下面简称为SIFT法)、基于区域灰度匹配(下面简称为灰度法)和人工配准法(下面简称为人工法)进行影像配准，并采用目视法和中误差法进行精度评价，对比分析了3种方法在国产卫星影像配准时的有效性。

1 国产卫星影像特点与试验方案

遥感影像由于成像的传感器不同，传感器拍摄时的时间相位、影像的光谱波段和分辨率也会不同，需要进行配准处理，才能继续对影像进行下一步的操作和处理。同时国产遥感卫星的相机安装存在误差且各谱段间镜头存在光学畸变，从而会引起谱段偏差，需要消除谱段偏差从而提高配准精度，如图 1所示。图 1中(a)、(b)、(c)分别为ZY1-02C、ZY-3、GF-1的多光谱影像和全色影像通过ERDAS卷帘后的试验结果，3组试验数据均存在谱段偏差；图 1(d)为异源影像的卷帘试验结果，异源影像间也存在谱段偏差。

试验中使用的ZY1-02C卫星的多光谱影像3个波段灰度值偏低且亮度偏暗，ZY-3卫星的近红外波段灰度值偏大且曝光过度，对影像配准时同名点的自动提取带来了不确定因素。

试验方案设计：首先对试验数据进行预处理，然后分别采用SIFT法、灰度法和人工法，以国产卫星数据全色影像为模板影像，对多光谱影像实施谱段间配准；以ZY-3为模板影像，与TM影像实施影像间配准，然后对试验结果进行精度评价；最后，对比分析3种方法在国产卫星影像配准中的作业效率及能达到的精度等，总结出适合西部高海拔山区国产卫星影像配准的较优方案。

本文的技术路线如图 2所示。

1.1 试验数据预处理

遥感图像预处理一般包括几何校正、图像增强、辐射校正等，为以后的图像处理做基础。本文研究数据是我国西部高海拔地区的卫星影像，该地区地形起伏较大，内部存在几何变形，为消除这种几何变形，减少其他校正对配准结果的影响，仅对试验数据进行正射校正。

1.2 基于SIFT算法的影像配准

本次研究编写了一个独立的程序，使用SIFT算法进行影像配准。程序在VS2010平台上编写，直接调用了RobHess源码。首先调用源码中的sift_features ()函数进行默认参数的SIFT特征点提取，然后利用KD-Tree和BBF算法进行特征匹配查找，并根据最近邻和次近邻距离比值进行初步筛选，最后利用RANSAC算法筛选匹配点并计算变换矩阵，进行影像配准。程序的优点为在两幅图像上分别提取特征点后，先通过距离比值法进行粗匹配，然后应用精度更高的RANSAC算法对匹配点进行剔除错误匹配点对。

1.3 基于区域灰度匹配和人工配准法的影像配准

应用ENVI4.7的人工配准项与ENVI5.0中的自动配准项，首先对待配准影像进行重采样，使其分辨率与全色影像一致，然后设置配准参数，剔除、校正误差较大的点，使总RMS误差控制在1像元以内，且控制点数量超过20，最后进行配准得出配准结果。

1.4 精度评价

本次研究的配准精度评定方法有两种：目视法与中误差法。目视法可以主观地评价配准精度。使用ENVI5.0，随机均匀地选取20个区域，找到最大误差、最小误差并计算出平均误差。中误差法可以客观地评价配准精度。使用ENVI4.7，随机均匀地选取20个点，输出各点在模板影像与配准影像中的坐标，建立Excel表格，计算出中误差。

2 试验结果与分析 2.1 试验结果 2.1.1 ZY1-02C卫星影像试验结果

图 3是分别使用3种方法对ZY1-02C卫星影像进行配准的试验结果，以全色影像作为模板影像。

2.1.2 ZY-3卫星影像试验结果

图 4为分别使用3种方法对ZY-3卫星影像进行配准的试验结果，其中以全色影像作为模板影像。

2.1.3 GF-1卫星影像试验结果

图 5为分别使用3种方法对GF-1卫星影像进行配准的试验结果，其中以全色影像作为模板影像。GF-1卫星影像无法采用灰度法进行配准。

2.1.4 异源卫星影像试验结果

图 6为使用3种方法对异源卫星影像(ZY-3与TM影像)进行配准的试验结果，其中以ZY-3卫星影像作为模板影像。

2.2 精度评价 2.2.1 目视法

表 1为应用目视法进行配准结果精度评价的分析结果。由表 1可以看出，SIFT法的配准精度基本高于灰度法和人工法的配准精度，可以看出SIFT法配准效果更好。

2.2.2 中误差法

表 2为应用中误差法进行精度评价的分析结果。由表 2可以看出SIFT法中误差小于人工法和灰度法，精度更高，配准效果更好。

2.3 配准方法对比分析

本次试验使用的ZY1-02C卫星、ZY-3卫星和GF-1卫星的全色影像和多光谱影像及异源遥感卫星影像都存在谱段偏差，应用人工法、SIFT法和灰度法对试验数据进行配准，3种方法均能解决存在的问题，如图 3—图 6所示。对精度评价结果从以下两个方面进行对比分析。

2.3.1 作业效率

人工法选取了20个同名点，平均耗时12 min；灰度法平均选取33个同名点，平均耗时3 min；SIFT法平均选取20 000个同名点，耗时6 min。因此，SIFT法的自动化程度最高且效率最高，其次是灰度法，人工法效率和自动化程度最低。

2.3.2 配准精度

由表 1和表 2可得，人工法精度很高，但是针对本次试验数据中的山区特征不明显地区，寻找同名点过程费时费力；SIFT法的配准结果分辨率更高，目视误差和中误差相对较小，配准精度相对较高。

试验数据的灰度差异直接影响着灰度法的配准精度，因为灰度法是根据灰度值进行配准的；SIFT法提取的是局部特征，有对亮度变化保持不变的特性，因此提取的特征点具有一定的稳定性且高精度；人工法的配准精度虽然高且不受灰度等其他条件影响，但是过于耗时耗力。而且本次试验数据均是我国西部山区影像，地形起伏很大且特征不明显，影像不同区域的颜色相近，灰度法对于本次试验数据提取的特征点数量少且精度不高；人工法虽然精度还算理想，但是山区的明显特征点少，寻找特征点过程过于浪费时间；而SIFT法因其特有的多量性、独特性等特性，能够在特征点不明显的山区提取大量的SIFT特征向量，而且能够在海量的特征数据库中快速、准确地匹配，并且同名点分布均匀，不会集中在某一区域，本文中SIFT法在进行同名点匹配时，先进行粗匹配再用RANSAC算法筛选出误匹配点，提高了配准精度。

3 结语

本文针对国产卫星数据存在的谱段偏差及我国西部高海拔山区的地形地貌特点，分别应用SIFT法、灰度法和人工法进行了影像配准工作，并对配准结果应用目视法和中误差法从主观和客观两方面进行精度评价，并且对3种试验结果进行了对比分析。人工法虽然配准精度较高，但是效率和自动化程度极低；灰度法受亮度影响大，配准精度最差；SIFT法自动化程度最高，可以在较短的时间内提取大量特征点，效率最高，配准精度较高。用SIFT算法对ZY1-02C、ZY-3和GF-1影像配准的检查中误差分别为0.61、1.66、0.29个像元，能够满足山区影像配准的精度要求。