基于Voronoi图的影像配准控制点自动搜索方法

逯跃锋1，常希芝2，孔维华1，吴建华3

(1.山东理工大学 建筑工程学院，山东 淄博 255049；

2.山东理工大学 材料科学与工程学院，山东 淄博 255049；

3.江西师范大学 地理与环境学院，江西 南昌 330022)

摘要：提出一种矢量图形边界特征点自动搜索方法，并在此基础上利用Voronoi图的点影响范围特性提出了一种基于Voronoi图的影像配准控制点自动搜索方法.将该方法所搜索到的特征点作为控制点，可以保证控制点获取的数量和分布均匀性.通过在矢量数据与影像数据配准应用及精度分析表明，提出的控制点自动搜索方法是有效可行的.

关键词：矢量图形；Voronoi图；控制点；自动搜索；几何纠正

中图分类号：TP208 文献标志码：A

收稿日期：2014-11-18

作者简介：成枢，男，1334508055@qq.com; 通信作者： 李强，男，liqiangxin2014@163.com

文章编号：1672-6197(2015)05-0021-04

收稿日期：2014-12-06

基金项目：国家自然科学基金资助项目(61370207)

作者简介：林晓雪，女， linxiaoxue129@126.com; 通信作者： 赵茂先，男,sdzmx66@163.com

文章编号：1672-6197(2015)05-0016-05

Anautomaticsearchmethodforgroundcontrol

pointofimageregistrationbasedonvoronoidiagram

LUYue-feng1,CHANGXi-zhi2,KONGWei-hua1,WUJian-hua3

(1.SchoolofCivilandArchitecturalEngineering,ShandongUniversityofTechnology,Zibo255049,China;

2.SchoolofMaterialsScienceandEngineering,ShandongUniversityofTechnology,Zibo255049,China;

3.SchoolofGeographyandEnvironment,JiangxiNormalUniversity,Nanchang330022,China)

Abstract:In this paper, we present a method for automatically searching vector graphics boundary feature points, and on the basis of the use of point impact characteristics of Voronoi diagram, the automatic search method of vector graphics boundary feature points is proposed. We used the feature points as the control points, which could guarantee the quantity and distribution uniformity of control points. The application in the registrations between vector data and image data and the precision analysis showed that the proposed automatic search method for the ground control points was effective and feasible.

Keywords:vectordata;Voronoidiagram;groundcontrolpoint;automaticsearch;geometriccorrection

当前遥感技术的快速发展使遥感影像数据的获取更加快捷和方便，为地理空间数据的持续更新提供了强大的动力[1].在遥感影像预处理中，关键步骤是对遥感影像的几何纠正，而在几何纠正中，通常的是采用人工选择控制点的方法，选取的控制点常常受到人为因素很大的影响，如选取经验、工作态度、判读能力、综合反应能力等[2].在控制点选取方法上，一些学者对此开展了许多研究，提出了一些较好的方法，如基于检测模板的控制点搜索方法[3]、基于特征角点的控制点选取[4-5]、利用线特征的几何属性构造控制点[6]、建立控制点数据库[5，7-11]等，但是控制点选取的数量和分布直接影响到影像纠正的精度，如何自动的选取尽可能多的、有效的且分布均匀的控制点就显得非常重要.因此，本文提出一种基于Voronoi图的影像配准控制点自动搜索方法，首先通过矢量图形边界特征点自动搜索方法选取足够的控制点数量，然后用Voronoi图的点影响范围特性使所选取的控制点达到均匀分布.

1顾及分布均匀的矢量图形控制点自动选取方法

1.1　矢量图形边界特征点自动搜索

设A为矢量数据中的任意一个要素实体，它的边界为EA，周长为lA，几何中心点为OA.

定义1将实体边界线上任一点pi到几何中心点O的距离称为边界线在该点的中心距离(也称为半径)，记为ri，则有

边界上控制点选取方法为对于实体边界EA，任选边界上一点作为起始点，记为p0，将边界周长归一化为1，若选取n个控制点，则按顺时针方向(或逆时针方向)每隔1/n个周长距离将整个边界划分为n个子段，在每一个子段内选取一个特征点作为控制点.

在每一个子段中通过下面方法选取特征点：根据定义1，通过比较该子段上所有边界点的半径大小，取其中半径最大值(或最小值)所处位置的边界点为特征点，若最大值(或最小值)不唯一，则按子段划分方向选取第一个最值.

由于单个实体边界上控制点的选择因起始点的不同而不同，且匹配的实体对所选择的起始点相对于整个边界上所处的位置应是相似或相近点，只有这样在实体边界上所选取的一系列控制点才有意义，所以必须考虑起始点的选择.

应用子段中选取控制点方法，通过比较实体边界上所有点的半径大小，取其中半径最大值(或最小值)所处位置的点为起始点，则可以解决实体起始点选择问题，示意图如图1所示.

图1　自动搜索边界特征点作为控制点示意图

对于规则面状地物，特别是圆形面状地物，如圆形工厂设施等，通常无法获取其边界上的特征点，而其几何中心点能够准确的表达面状地物边界所包含的整个地区区域，其具有旋转、平移和缩放的不变性，也称之为几何形状中心点，所以几何中心点完全可以作为影像在这些地物上的控制点.

1.2　顾及分布均匀的边界特征点自动搜索

控制点选取的基本原则之一就是要使控制点分布尽量均匀，为了满足这一原则，可以通过每个控制点的影响范围来进行评价，若各个控制点的影响范围相同或相近，则认为所选取的控制点分布均匀，否则，认为所选取的控制点分布不均匀[12].因此，利用Voronoi图的点影响范围特性[13]，提出一种顾及分布均匀的矢量图形边界特征点自动搜索方法.

根据Voronoi图中点的影响范围特性，利用上节初始选取的控制点所形成的Voronoi图中各个子区域面积的离散程度来判断所选取的控制点是否均匀分布.选取控制点步骤如下：

1)利用边界特征点自动搜索方法，选择实体中一定数量的边界特征点，将这些特征点作为初始控制点.

2)以这些控制点为基点生成Voronoi图，判断图中各个子区域面积Si大小，选择面积最小的子区域Smin，其它各子单元均与Smin相比较，若比值r=Si/Smin大于一定阈值Th，则根据比值，在此子区域增加相应个数的控制点.其中，增加控制点的方法采用上小节所述的边界特征点法，根据个数需要依次选取增加的控制点数.

3)增加控制点后，将新增控制点作为基点，重新生成Voronoi图，重新执行步骤(2)，直至各个子区域面积与Smin比值小于设定阈值Th为止.

选取实体中一定数量的边界特征点为初始控制点，并以它们为基点生成的Voronoi图，如图2所示，图中填充面状为所选取的实体，圆点为选择的初始控制点.

图2　选择的初始控制点及生成的Voronoi图

图3　增加控制点及重新生成的Voronoi图

Voronoi图中各个子区域面积及相对于最小面积子区域的比值见表1.

表1　 Voronoi图各子区域面积及比值

注：表1和表2中面积比值为各区域面积与最小区域面积之比.

本文选取阈值Th为7，从图2及表1中可以看出，初始控制点作为基点生成的Voronoi图中，ID为10009这个基点所在多边形面积较大，需要进一步增加控制点.在该基点所在的实体边界上，通过增加边界特征点作为新的控制点(图3中右下角的点)，并重新生成Voronoi图，如图3所示.从中可以看出，原来的多边形10009被分割为两个子多边形，即新10009和10015，从而使控制点的分布达到了进一步均匀化分布.表2为增加控制点后重新生成Voronoi图后的子区域面积及面积比值.

表2　 Voronoi图各子区域面积及比值

从表2中可以看出，增加控制点10015后，各个基点所在子区域面积的比值均小于阈值，所以可以不需要再增加控制点.

2实验与分析

影像数据为采集自2006年的SPOT5影像，数据空间分辨率为2.5m，对应矢量数据为同一地区部分水系图层，实验数据大小为2087×1765px，如图4和图5所示.

图4　影像数据(2006年SPOT5)

图5　矢量化后数据及现有矢量数据

图6　矢量与影像配准结果1

图7　矢量与影像配准结果2

图8　矢量与影像配准结果2(局部放大)

2.1　控制点选取及配准实验

首先利用文献[14]方法获取匹配实体对，然后利用1.1方法选取控制点，并将矢量化后数据控制点坐标反馈到原始影像上，得到控制点在原始影像上的像元坐标，最终的控制点对坐标见表3.

表3　控制点对坐标

对原始影像进行几何纠正，纠正后结果如图6所示.从实验结果可以看出，矢量和影像配准基本重叠，但是还有局部不能完全重叠，主要原因是现有矢量地物图形过碎，与矢量化后数据实体边缘特征可匹配的实体对不多，可选控制点对较少且分布不均.

根据1.2所述方法，根据Voronoi图对所选控制点分布均匀性分析，新增边界特征点控制点对见表4，并再次对原始影像进行纠正.纠正后结果如图7和图8所示，其中图8为局部放大图.

表4　新增控制点对坐标

2.2　误差精度分析

表5为选取6个检查点对矢量与影像配准结果1的误差分析.

表6为选取10个检查点对矢量与影像配准结果2的误差分析.

表5　矢量与影像配准结果1误差分析　 px

表6　矢量与影像配准结果2误差分析　px

从配准结果及结果误差分析中可以看出，得到总的RMSError为0.527 2，小于一个像元，说明所选控制点精度总体上得到了较大提高.

3结束语

本文提出了顾及分布均匀的矢量图形控制点自动搜索新方法，利用该方法获取了实验数据上的控制点对，对原始影像进行了几何纠正，最终实现现有矢量数据与影像数据的配准.通过误差精度分析，说明该方法在精度上满足了影像纠正的要求,是可行有效的.

参考文献:

[1]宋伟东,王伟玺.遥感影像几何纠正与三维重建[M].北京：测绘出版社,2011.

[2]黄健.遥感影像纠正的地面控制点选取[J]. 现代测绘, 2005, S1： 208-209,212.

[3]杨小冈,缪栋,付光远,等.图像几何校正控制点的自动确定方法[J].红外与激光工程,2002,31(3)：194-198.

[4]邓小炼,王长耀,亢庆，等.一种基于角点提取的遥感影像地面控制点自适应匹配算法[J].宇航学报,2006,27(1)：45-50,88.

[5]李超.基于控制点影像数据库的遥感卫星影像几何矫正和半自动配准[D].杭州：浙江大学,2006.

[6]李映,崔杨杨,韩晓宇.基于线特征和控制点的可见光和SAR图像配准[J].自动化学报,2012,38(12)：1 968-1 974.

[7]朱彩英,李新慧,杨培章,等.图像控制点数据库的设计与实现[J].测绘学院学报,2004,21(4)：282-285.

[8]苏小霞,李英成,薛艳丽,等.全国多级、多分辨率图形图像控制点数据库建立及应用展望[J].遥感技术与应用,2006,21(3)：265-270.

[9]王琰,舒宁.控制点自动更新方法研究[J].地理空间信息,2007,5(4)：54-56.

[10]莫华,董成松,秦志远.遥感影像纠正中控制点库建立相关技术[J].测绘科学技术学报,2007,24(1)：70-72,75.

[11]王贵满.影像控制点数据库建立与应用[D].长沙：中南大学,2008.

[12]周家香, 朱晓东, 周晓光. 基于Voronoi图的遥感影像校正地面控制点选取[J]. 地理信息世界, 2007, 02： 67-70.

[13]de Berg M,Otfried Cheongo, van Kreveld M,etal.计算几何：算法与应用[M].邓俊辉，译.3版.北京：清华大学出版社,2009.

[14]付仲良, 逯跃锋. 利用弯曲度半径复函数构建综合面实体相似度模型[J]. 测绘学报, 2013, 42(1)： 145-151.

(编辑：刘宝江)