氣象衛(wèi)星圖像導(dǎo)航的地標(biāo)匹配算法研究與優(yōu)化

郭強(qiáng)，楊磊，趙現(xiàn)綱，馮小虎，林維夏，張志清，魏彩英

國(guó)家衛(wèi)星氣象中心，北京 100081

氣象衛(wèi)星圖像導(dǎo)航的地標(biāo)匹配算法研究與優(yōu)化

郭強(qiáng)，楊磊，趙現(xiàn)綱，馮小虎，林維夏，張志清，魏彩英

國(guó)家衛(wèi)星氣象中心，北京 100081

1 引言

氣象衛(wèi)星是重要的天基氣象觀測(cè)平臺(tái)，廣泛應(yīng)用于氣象業(yè)務(wù)、環(huán)境監(jiān)測(cè)、防災(zāi)減災(zāi)、軍事活動(dòng)、科學(xué)研究等領(lǐng)域。氣象衛(wèi)星按軌道的不同分為靜止軌道氣象衛(wèi)星和極軌氣象衛(wèi)星。我國(guó)是世界上少數(shù)幾個(gè)同時(shí)擁有靜止和極軌氣象衛(wèi)星的國(guó)家之一，與美國(guó)、歐盟一起構(gòu)成全球氣象衛(wèi)星觀測(cè)系統(tǒng)。目前，我國(guó)發(fā)展的氣象衛(wèi)星有風(fēng)云二號(hào)靜止軌道氣象衛(wèi)星、風(fēng)云一號(hào)和風(fēng)云三號(hào)極軌氣象衛(wèi)星，以及正在研究的新一代風(fēng)云四號(hào)靜止軌道氣象衛(wèi)星，在軌運(yùn)行的衛(wèi)星達(dá)到7顆[1]。

氣象衛(wèi)星利用星上搭載的可見(jiàn)光和紅外掃描輻射計(jì)獲取衛(wèi)星遙感圖像，經(jīng)過(guò)預(yù)處理的圖像導(dǎo)航得到精確的圖像定位信息。目前，國(guó)際上氣象衛(wèi)星大多采用基于地標(biāo)匹配的圖像導(dǎo)航技術(shù)來(lái)保證定位精度，以獲得高質(zhì)量的衛(wèi)星定量產(chǎn)品。地標(biāo)導(dǎo)航有人工地標(biāo)導(dǎo)航和自動(dòng)地標(biāo)導(dǎo)航兩種方法。人工地標(biāo)導(dǎo)航通過(guò)人工選取地標(biāo)進(jìn)行交互式地標(biāo)導(dǎo)航[2-3]，需要大量的重復(fù)性人力勞動(dòng)，不能保證準(zhǔn)確性和一致性，無(wú)法滿足實(shí)時(shí)、自動(dòng)、準(zhǔn)確的地標(biāo)導(dǎo)航要求。因此，國(guó)內(nèi)外科學(xué)家對(duì)自動(dòng)地標(biāo)導(dǎo)航技術(shù)進(jìn)行了大量研究[4-7]。Emery等人針對(duì)極軌氣象衛(wèi)星觀測(cè)數(shù)據(jù)開(kāi)展了自動(dòng)地標(biāo)導(dǎo)航方法的研究[4]，美國(guó)SSEC對(duì)靜止軌道GOES衛(wèi)星設(shè)計(jì)了自動(dòng)地標(biāo)導(dǎo)航系統(tǒng)[5]，楊磊等分別研究了我國(guó)靜止和極軌氣象衛(wèi)星的自動(dòng)地標(biāo)導(dǎo)航方法[6-7]，這些研究工作成為實(shí)現(xiàn)我國(guó)氣象衛(wèi)星自動(dòng)地標(biāo)導(dǎo)航系統(tǒng)的基礎(chǔ)。

地標(biāo)匹配算法主要有基于邊界的匹配方法[8]、基于特征的地標(biāo)匹配方法[9]和基于灰度相關(guān)的地標(biāo)匹配方法[4，6-7]等。其中，基于相關(guān)的地標(biāo)匹配方法在地標(biāo)導(dǎo)航中應(yīng)用最為廣泛，該方法易于實(shí)現(xiàn)，匹配精度高，但計(jì)算量大。在自動(dòng)地標(biāo)導(dǎo)航方法的研究中，針對(duì)地標(biāo)匹配算法研究及優(yōu)化的討論并不多。Emery等利用基本的最大互相關(guān)方法進(jìn)行衛(wèi)星圖像自動(dòng)導(dǎo)航[4]，楊磊等利用最大互相關(guān)地標(biāo)匹配方法設(shè)計(jì)了我國(guó)氣象衛(wèi)星的自動(dòng)地標(biāo)導(dǎo)航系統(tǒng)[6-7]，朱永松等研究了基于相關(guān)系數(shù)的圖像匹配算法和改進(jìn)方法[10]，劉瑩等討論了灰度相關(guān)圖像匹配算法的改進(jìn)方法[11]。本文在此基礎(chǔ)上，針對(duì)氣象衛(wèi)星遙感圖像的特點(diǎn)，采用最大互相關(guān)地標(biāo)匹配算法，綜合利用計(jì)算優(yōu)化、搜索優(yōu)化、并行優(yōu)化等技術(shù)，有效降低算法復(fù)雜度，提高算法執(zhí)行效率，以滿足氣象衛(wèi)星圖像自動(dòng)地標(biāo)導(dǎo)航的定位精度和實(shí)效性要求。

2 自動(dòng)地標(biāo)導(dǎo)航

氣象衛(wèi)星的自動(dòng)地標(biāo)導(dǎo)航功能是基于地標(biāo)匹配進(jìn)行衛(wèi)星圖像導(dǎo)航來(lái)實(shí)現(xiàn)的。風(fēng)云二號(hào)靜止軌道氣象衛(wèi)星的自動(dòng)地標(biāo)導(dǎo)航中，實(shí)時(shí)衛(wèi)星遙感圖像采用標(biāo)稱圖數(shù)據(jù)，地標(biāo)模板圖像由許多有明顯特征的地標(biāo)組成，可以從標(biāo)準(zhǔn)的海陸地標(biāo)模板庫(kù)中提取，與衛(wèi)星圖像有相同的投影方式。根據(jù)地標(biāo)信息，在實(shí)時(shí)衛(wèi)星圖像中提取對(duì)應(yīng)的地標(biāo)區(qū)域數(shù)據(jù)，并利用云檢測(cè)處理剔除云污染因素，以避免造成圖像導(dǎo)航偏移。對(duì)衛(wèi)星地標(biāo)區(qū)域圖像與地標(biāo)模板圖像進(jìn)行自動(dòng)匹配，利用地標(biāo)匹配算法計(jì)算地標(biāo)偏移量。完成對(duì)標(biāo)稱圖中所有地標(biāo)點(diǎn)的匹配后，經(jīng)過(guò)質(zhì)量控制得到有效的偏移結(jié)果，然后對(duì)衛(wèi)星圖像重新導(dǎo)航，得到精確的圖像定位結(jié)果。

圖1是風(fēng)云二號(hào)氣象衛(wèi)星圖像自動(dòng)地標(biāo)導(dǎo)航的流程圖。極軌氣象衛(wèi)星自動(dòng)地標(biāo)導(dǎo)航的處理過(guò)程與靜止軌道氣象衛(wèi)星大致相同。

圖1 風(fēng)云二號(hào)氣象衛(wèi)星圖像自動(dòng)地標(biāo)導(dǎo)航流程圖

3 地標(biāo)匹配方法

3.1 地標(biāo)匹配算法

地標(biāo)匹配是利用圖像匹配算法在實(shí)時(shí)衛(wèi)星圖像中尋找與地標(biāo)模板圖像相同或相似區(qū)域的過(guò)程，可以得到實(shí)際圖像相對(duì)于標(biāo)準(zhǔn)地標(biāo)模板圖像的偏移量。地標(biāo)匹配算法主要有基于特征的地標(biāo)匹配方法、基于灰度相關(guān)的地標(biāo)匹配方法、基于邊界的匹配方法等?；谔卣鞯牡貥?biāo)匹配方法，通過(guò)從原始圖像中提取點(diǎn)、線、區(qū)域等顯著特征作為匹配基元來(lái)進(jìn)行特征匹配，該算法的效率較高，但匹配精度不夠。基于相關(guān)的地標(biāo)匹配方法利用空間域的一維或二維滑動(dòng)模板進(jìn)行圖像匹配，該算法易于實(shí)現(xiàn)，匹配精度高，但通常計(jì)算量較大[10]。

考慮到氣象衛(wèi)星遙感圖像需要很高的定位精度，通常采用基于灰度相關(guān)的地標(biāo)匹配方法來(lái)進(jìn)行圖像導(dǎo)航。相關(guān)匹配算法主要有最小誤差法和相關(guān)系數(shù)法等方法，前者利用圖像之間的差別程度進(jìn)行匹配，而后者利用圖像之間的相似程度進(jìn)行匹配。最小誤差法在衛(wèi)星圖像區(qū)域中搜索與地標(biāo)模板圖像絕對(duì)差最小的位置，作為地標(biāo)匹配位置，算法計(jì)算速度快，但可靠性低，無(wú)法滿足衛(wèi)星圖像導(dǎo)航的高可靠性要求。相關(guān)系數(shù)法將地標(biāo)模板圖像在實(shí)時(shí)衛(wèi)星圖像上滑動(dòng)，計(jì)算每一位置上對(duì)應(yīng)的相關(guān)系數(shù)值，選取相關(guān)系數(shù)最大的點(diǎn)作為地標(biāo)匹配點(diǎn)，相關(guān)系數(shù)描述了圖像間的線性相似度。相關(guān)系數(shù)法在地標(biāo)導(dǎo)航中應(yīng)用最為廣泛，該方法易于實(shí)現(xiàn)，匹配精度高，但計(jì)算量大。本文將對(duì)這一算法進(jìn)行優(yōu)化，以滿足自動(dòng)地標(biāo)導(dǎo)航應(yīng)用需求。

3.2 基于最大相關(guān)系數(shù)的地標(biāo)匹配算法

對(duì)于給定的衛(wèi)星圖像f(x,y)和地標(biāo)模板圖像w(x,y)，圖像大小分別為M×N和J×K，如圖2所示。基于最大相關(guān)系數(shù)的地標(biāo)匹配算法的基本原理是在衛(wèi)星圖像中搜索與標(biāo)準(zhǔn)地標(biāo)模板圖像相匹配的位置，將地標(biāo)模板圖像w(x,y)作為一個(gè)空間濾波器在衛(wèi)星圖像f(x,y)中的每個(gè)位置計(jì)算相關(guān)系數(shù)R(x,y)。為克服相關(guān)系數(shù)隨幅度的變化，采用歸一化互相關(guān)系數(shù)（Normalized Maximum Cross Correlation），即

圖2 地標(biāo)模板與衛(wèi)星圖像在(x0,y0)位置的匹配

其中x=0,1,…,M-1，y=0,1,…,N-1，fˉ為地標(biāo)模板與衛(wèi)星圖像重疊區(qū)域的像素平均值，wˉ為地標(biāo)模板圖像的像素平均值，求和運(yùn)算在w和f重疊區(qū)域內(nèi)進(jìn)行。歸一化互相關(guān)系數(shù)R(x,y)在[-1,1]范圍內(nèi)，相關(guān)系數(shù)越接近于1，代表圖像匹配的相似度越高。

4 地標(biāo)匹配算法優(yōu)化

根據(jù)最大相關(guān)系數(shù)匹配算法的原理，可以看到其處理過(guò)程需要在圖像范圍內(nèi)每個(gè)可能的位置進(jìn)行搜索計(jì)算，而且相關(guān)系數(shù)求取也涉及到大量的計(jì)算。通過(guò)對(duì)式（2）的分析，可以得到一次地標(biāo)匹配過(guò)程所需要的計(jì)算量：加法運(yùn)算約12MNJK次，乘法運(yùn)算約3MNJK次。由于在整個(gè)圖像上進(jìn)行相關(guān)系數(shù)計(jì)算，這種傳統(tǒng)的地標(biāo)匹配算法計(jì)算速度慢，算法復(fù)雜度高，有待進(jìn)一步優(yōu)化。

地標(biāo)匹配算法的優(yōu)化研究，可以從降低算法復(fù)雜度和提高算法計(jì)算速度兩個(gè)方面來(lái)開(kāi)展。由于地標(biāo)匹配算法的計(jì)算量與相關(guān)系數(shù)計(jì)算和搜索位置數(shù)直接相關(guān)，所以利用計(jì)算優(yōu)化和搜索優(yōu)化來(lái)降低算法復(fù)雜度。另一方面，針對(duì)地標(biāo)匹配算法的特點(diǎn)，對(duì)圖像進(jìn)行分區(qū)并行處理，利用并行計(jì)算來(lái)提高算法計(jì)算速度。

4.1 算法復(fù)雜度優(yōu)化

地標(biāo)匹配算法最佳匹配位置的搜索過(guò)程中包括很多重復(fù)和無(wú)效的計(jì)算，搜索范圍過(guò)大也是影響算法復(fù)雜度的直接原因。針對(duì)算法的特點(diǎn)，在保證地標(biāo)匹配精度前提下，通過(guò)減小相關(guān)系數(shù)運(yùn)算量和搜索范圍來(lái)降低算法總的計(jì)算量。

（1）計(jì)算優(yōu)化

歸一化互相關(guān)系數(shù)的計(jì)算優(yōu)化可以通過(guò)簡(jiǎn)化相關(guān)系數(shù)的計(jì)算公式和去除冗余計(jì)算來(lái)實(shí)現(xiàn)，即通過(guò)優(yōu)化A和優(yōu)化B的處理過(guò)程來(lái)完成。

優(yōu)化A：簡(jiǎn)化相關(guān)系數(shù)計(jì)算。根據(jù)式（1），相關(guān)系數(shù)公式的分子為協(xié)方差，分母可以通過(guò)方差求得，簡(jiǎn)化方差和協(xié)方差的計(jì)算過(guò)程可以減少計(jì)算量[13]。根據(jù)式（2）將協(xié)方差和方差展開(kāi)并進(jìn)行簡(jiǎn)化后，可以分別得到式（3）和式（4）。

協(xié)方差計(jì)算簡(jiǎn)化：

優(yōu)化B：去除冗余計(jì)算。相關(guān)系數(shù)計(jì)算中涉及到大量重復(fù)和無(wú)效的冗余計(jì)算，可以通過(guò)下面的方法進(jìn)行優(yōu)化：在一次地標(biāo)匹配過(guò)程中，地標(biāo)模板圖像保持不變，地標(biāo)模板圖像的像素平均值wˉ只計(jì)算一次；在實(shí)際衛(wèi)星圖像窗口范圍內(nèi)計(jì)算相關(guān)系數(shù)時(shí)，模板圖像方差為常數(shù)，可提前計(jì)算并直接代入運(yùn)算；相關(guān)系數(shù)計(jì)算中分子協(xié)方差小于零時(shí)相關(guān)系數(shù)為負(fù)值，圖像之間的匹配程度很小，此位置不是匹配點(diǎn)，可以不進(jìn)行后續(xù)的方差計(jì)算等處理。

經(jīng)過(guò)上述處理去除冗余計(jì)算后，相關(guān)系數(shù)計(jì)算量將大大減少。假設(shè)相關(guān)系數(shù)為正值的概率為X，那么單獨(dú)利用此優(yōu)化步驟可以使相關(guān)系數(shù)的計(jì)算量降低為：

加法運(yùn)算6MNJK+2XJK(MN+2MK+2JN-2JK)次；乘法運(yùn)算MNJK+XJK(MN+MK+JN-JK)次。有效剔除了冗余計(jì)算。

（2）搜索優(yōu)化

在圖像范圍內(nèi)進(jìn)行相關(guān)系數(shù)運(yùn)算的搜索位置數(shù)是影響地標(biāo)匹配算法復(fù)雜度的另一重要因素。為減少計(jì)算量，采用網(wǎng)格搜索（Grid Search）算法對(duì)搜索范圍進(jìn)行優(yōu)化。

優(yōu)化G：采用網(wǎng)格搜索算法。

為保證地標(biāo)匹配的精度，選取網(wǎng)格搜索步長(zhǎng)為2，盡量覆蓋圖像區(qū)域。在每個(gè)格點(diǎn)位置計(jì)算相關(guān)系數(shù)，找到最大相關(guān)系數(shù)對(duì)應(yīng)的格點(diǎn)Gm，然后求取原圖像中Gm周圍各點(diǎn)對(duì)應(yīng)的相關(guān)系數(shù)，這些點(diǎn)中有相關(guān)系數(shù)最大的就是最佳的匹配位置。具體的網(wǎng)格搜索步驟如下：

步驟1遍歷圖像網(wǎng)格各個(gè)位置，計(jì)算各格點(diǎn)對(duì)應(yīng)的相關(guān)系數(shù)，得到相關(guān)系數(shù)矩陣RG。

步驟2在RG中搜索具有最大相關(guān)系數(shù)GRm(xm,ym)的格點(diǎn)位置。

步驟3在原圖像區(qū)域中計(jì)算(xm,ym)周圍8個(gè)點(diǎn)的相關(guān)系數(shù)，取9個(gè)點(diǎn)中相關(guān)系數(shù)最大者為匹配點(diǎn)。

根據(jù)衛(wèi)星圖像的特點(diǎn)，地標(biāo)匹配位置鄰近范圍內(nèi)各點(diǎn)對(duì)應(yīng)的相關(guān)系數(shù)也比較大，其變化過(guò)程是漸變的。由于搜索步長(zhǎng)為2，這種網(wǎng)格搜索算法可以基本覆蓋到每個(gè)可能的地標(biāo)匹配位置，最大程度地保證地標(biāo)匹配的精度。通過(guò)搜索優(yōu)化，算法搜索位置數(shù)可以減少到原來(lái)的1/4。

利用計(jì)算優(yōu)化和搜索優(yōu)化降低算法復(fù)雜度后，地標(biāo)匹配算法的計(jì)算量減少為：

加法運(yùn)算約MNJK+(1/4)XJK(MN+3MK+3JN-3JK)次；乘法運(yùn)算約(1/4)[MNJK+XJK(MN+MK+JN-JK)]次。

可以看到，優(yōu)化地標(biāo)匹配算法相對(duì)于經(jīng)典算法的計(jì)算量大大減少，有效降低了算法的復(fù)雜度，提高了相關(guān)系數(shù)的計(jì)算速度。

4.2 并行地標(biāo)匹配算法

根據(jù)地標(biāo)匹配算法的特點(diǎn)，在圖像各個(gè)位置的相關(guān)系數(shù)計(jì)算是相互獨(dú)立的，利用這種低耦合性可以在圖像上進(jìn)行分區(qū)處理。采用并行計(jì)算技術(shù)[14]，充分利用處理器資源，多線程并行地在不同圖像區(qū)域上計(jì)算相關(guān)系數(shù)，可以大大提高算法的執(zhí)行效率，縮短地標(biāo)匹配時(shí)間。

優(yōu)化P：并行優(yōu)化。地標(biāo)匹配算法的并行優(yōu)化（Parallel Optimization）思路如下：將衛(wèi)星圖像劃分為n個(gè)均勻大小的區(qū)域，可以按行、列分割，或者行列同時(shí)分割；對(duì)每一個(gè)圖像區(qū)域調(diào)用一個(gè)線程進(jìn)行處理，計(jì)算得到的相關(guān)系數(shù)存儲(chǔ)到統(tǒng)一的相關(guān)系數(shù)矩陣R中；等待所有線程計(jì)算完成后，調(diào)用后續(xù)的算法處理指令計(jì)算地標(biāo)匹配位置。并行計(jì)算的圖像區(qū)域劃分如圖3所示，其中實(shí)線和虛線分別代表行和列方向的圖像劃分，黑點(diǎn)表示網(wǎng)格搜索時(shí)的匹配點(diǎn)，白點(diǎn)表示其周圍的8個(gè)像素點(diǎn)。由于同時(shí)采用網(wǎng)格搜索優(yōu)化，圖像劃分的粒度不能太大。如果采用雙線程進(jìn)行并行計(jì)算，相關(guān)系數(shù)計(jì)算將節(jié)省近一半時(shí)間。

圖3 并行計(jì)算的圖像區(qū)域劃分示意圖

綜合利用上述的計(jì)算優(yōu)化、搜索優(yōu)化和并行優(yōu)化步驟，得到改進(jìn)的最大互相關(guān)地標(biāo)匹配算法。經(jīng)過(guò)優(yōu)化的地標(biāo)匹配算法，能夠保證算法精確性和穩(wěn)定性的同時(shí)，有效降低算法復(fù)雜度，提高算法的執(zhí)行效率，滿足衛(wèi)星圖像導(dǎo)航的高可靠、高時(shí)效性要求。

5 實(shí)驗(yàn)分析

為驗(yàn)證優(yōu)化地標(biāo)匹配算法的性能，利用FY-2D氣象衛(wèi)星2012年10月11日UT04：30（世界時(shí)）的多通道掃描輻射計(jì)可見(jiàn)光圖像數(shù)據(jù)對(duì)算法進(jìn)行測(cè)試。選取實(shí)際衛(wèi)星圖像區(qū)域的大小為201像素×201像素，地標(biāo)模板圖像的大小為51×51，如圖4所示。衛(wèi)星圖像相對(duì)于地標(biāo)模板圖像的實(shí)際偏移量在東西方向和南北方向預(yù)置為0，便于進(jìn)行地標(biāo)匹配精度測(cè)試。算法搜索優(yōu)化的網(wǎng)格步長(zhǎng)選為2，以保證地標(biāo)匹配的準(zhǔn)確性。算法并行優(yōu)化采用雙線程并行計(jì)算，衛(wèi)星圖像在行方向以圖像中心點(diǎn)劃分為南北兩個(gè)區(qū)域，并行進(jìn)行相關(guān)運(yùn)算，提高算法執(zhí)行效率。

圖4 待匹配的衛(wèi)星圖像區(qū)域和地標(biāo)模板圖像

算法實(shí)驗(yàn)分析的步驟如下：第一步，利用經(jīng)典的最大互相關(guān)地標(biāo)匹配算法進(jìn)行地標(biāo)匹配，測(cè)試經(jīng)典算法的執(zhí)行效率。第二步，利用簡(jiǎn)化的相關(guān)系數(shù)計(jì)算公式進(jìn)行算法測(cè)試，驗(yàn)證優(yōu)化A步驟的效果。第三步，測(cè)試去除冗余計(jì)算后的算法性能，即單獨(dú)進(jìn)行優(yōu)化B步驟的結(jié)果。第四步，測(cè)試計(jì)算優(yōu)化后的算法性能，即同時(shí)利用優(yōu)化A和優(yōu)化B步驟對(duì)算法性能的改進(jìn)。第五步，利用優(yōu)化G的網(wǎng)格搜索對(duì)經(jīng)典算法進(jìn)行改進(jìn)，測(cè)試優(yōu)化后的算法性能。第六步，利用優(yōu)化P的并行計(jì)算對(duì)經(jīng)典算法進(jìn)行改進(jìn)，測(cè)試并行算法的運(yùn)算性能。第七步，驗(yàn)證經(jīng)過(guò)計(jì)算優(yōu)化和搜索優(yōu)化降低算法復(fù)雜度后算法的執(zhí)行效率，即同時(shí)利用優(yōu)化A、優(yōu)化B和優(yōu)化G步驟。最后，對(duì)綜合利用計(jì)算優(yōu)化、搜索優(yōu)化和并行優(yōu)化后的算法進(jìn)行測(cè)試，驗(yàn)證優(yōu)化地標(biāo)匹配算法的性能，并對(duì)算法執(zhí)行效率進(jìn)行對(duì)比分析。

地標(biāo)匹配算法的性能測(cè)試結(jié)果見(jiàn)表1?？梢钥吹剑?jīng)過(guò)相關(guān)系數(shù)計(jì)算簡(jiǎn)化后的算法性能略有提高，這是因?yàn)閮?yōu)化步驟A只減少了加法運(yùn)算，而乘法運(yùn)算量保持不變，對(duì)算法性能的改進(jìn)有限；經(jīng)過(guò)優(yōu)化B去除冗余計(jì)算后，算法性能大約提高了一倍，這是因?yàn)榻?jīng)典地標(biāo)匹配算法中含有大量的重復(fù)和無(wú)效運(yùn)算；利用搜索優(yōu)化進(jìn)行網(wǎng)格搜索，搜索位置數(shù)減少到原來(lái)的1/4，所以算法執(zhí)行時(shí)間也減少到原來(lái)的1/4左右；同時(shí)利用計(jì)算優(yōu)化和搜索優(yōu)化的改進(jìn)算法，性能進(jìn)一步明顯提高；利用雙線程的并行計(jì)算技術(shù)，可以將原始算法的執(zhí)行速度提高近一倍，加速比達(dá)到1.83；經(jīng)過(guò)綜合優(yōu)化的算法性能大大提高，一次地標(biāo)匹配過(guò)程的執(zhí)行時(shí)間只有經(jīng)典算法的6.68%。如果改變搜索優(yōu)化和并行優(yōu)化策略，算法性能還有很大的提升空間。圖5是對(duì)應(yīng)的地標(biāo)匹配結(jié)果，由圖中相關(guān)系數(shù)的空間分布可見(jiàn)，最大的相關(guān)系數(shù)值出現(xiàn)在最佳地標(biāo)匹配點(diǎn)附近，輸出的最佳地標(biāo)匹配點(diǎn)和偏移量與預(yù)設(shè)參數(shù)一致，地標(biāo)匹配算法有很高的精確度。根據(jù)實(shí)驗(yàn)分析結(jié)果，本文提出的優(yōu)化地標(biāo)匹配算法能夠在保證地標(biāo)匹配精度的同時(shí)，有效降低算法復(fù)雜度，明顯提高執(zhí)行效率，滿足衛(wèi)星自動(dòng)地標(biāo)導(dǎo)航系統(tǒng)的可靠性和時(shí)效性要求。

表1 地標(biāo)匹配算法性能對(duì)比

圖5 地標(biāo)匹配結(jié)果

6 結(jié)束語(yǔ)

本文討論了氣象衛(wèi)星圖像導(dǎo)航的地標(biāo)匹配算法優(yōu)化問(wèn)題，針對(duì)地標(biāo)導(dǎo)航系統(tǒng)和衛(wèi)星遙感圖像的特點(diǎn)研究了地標(biāo)匹配的方法，采用基于最大相關(guān)系數(shù)的地標(biāo)匹配算法來(lái)保證匹配精度。在此基礎(chǔ)上，對(duì)地標(biāo)匹配算法的優(yōu)化方法進(jìn)行了深入研究，通過(guò)相關(guān)系數(shù)的計(jì)算優(yōu)化和搜索優(yōu)化，簡(jiǎn)化計(jì)算過(guò)程，去除冗余計(jì)算，減少搜索量，有效降低了算法的復(fù)雜度。利用并行優(yōu)化，在圖像范圍內(nèi)進(jìn)行分區(qū)并行計(jì)算，顯著提高了算法的執(zhí)行效率。測(cè)試結(jié)果表明，利用該算法能夠快速完成地標(biāo)匹配，同時(shí)有很高的匹配精度，能夠滿足衛(wèi)星圖像自動(dòng)地標(biāo)導(dǎo)航的應(yīng)用需求。

[1]許健民，楊軍，張志清，等.我國(guó)氣象衛(wèi)星的發(fā)展與應(yīng)用[J].氣象，2010，17（3）：94-100.

[2]Illera P，Delgado J A，Calle A.A navigation algorithm for satellite images[J].International Journal of Remote Sensing，1996，17（3）：577-588.

[3]Ho D，Asem A.NOAA AVHRR image referencing[J].International Journal of Remote Sensing，1986，7（6）：895-904.

[4]Emery W J，Baldwin D G，Matthews D.Maximum cross correlation automatic satellite image navigation and attitude corrections for open ocean image navigation[J].IEEE Transactions on Geoscience and Remote Sensing，2003，41（1）：33-42.

[5]SSEC.McIDAS navigation manual[Z].Madison：University of Wisconsin-Madison，1986.

[6]楊磊，馮小虎，郭強(qiáng)，等.風(fēng)云二號(hào)氣象衛(wèi)星圖像自動(dòng)幾何精校正[J].計(jì)算機(jī)工程與應(yīng)用，2011，47（3）：202-206.

[7]楊磊，楊忠東.極軌氣象衛(wèi)星自動(dòng)地標(biāo)導(dǎo)航方法[J].應(yīng)用氣象學(xué)報(bào)，2009，20（3）：329-336.

[8]Eugenio F，Marque S F.Automatic satellite image georeferencing using a contour-matching approach[J].IEEE Transactions on Geoscience and Remote Sensing，2003，41（12）：2869-2880.

[9]Dai Xiaolong，Korran S.A feature-based image registration algorithm using improved chain-code representation combined with invariant moments[J].IEEE Transactions on Geoscience and Remote Sensing，1999，37（5）：2351-2362.

[10]朱永松，國(guó)澄明.基于相關(guān)系數(shù)的相關(guān)匹配算法的研究[J].信號(hào)處理，2003，19（6）：531-534.

[11]劉瑩，曹劍中，許朝暉，等.基于灰度相關(guān)的圖像匹配算法的改進(jìn)[J].應(yīng)用光學(xué)，2007，28（5）：536-540.

[12]Gonzalez C R.Digital image processing[M].2nd ed.[S.l.]：Publishing House of Electronics Industry，2003.

[13]Sun Changming.Multi-resolution rectangular subregioning stereo matching using fast correlation and dynamic programming techniques，CMIS Report No.98/246[R].1998.

[14]Grama A，Gupta A，Karypis G，et al.Introduction to parallel computing[M].2nd ed.Pearson：Addison Wesley，2003.

GUO Qiang,YANG Lei,ZHAO Xiangang,FENG Xiaohu,LIN Weixia,ZHANG Zhiqing,WEI Caiying

National Satellite Meteorological Center,Beijing 100081,China

This paper studies the landmark matching algorithm in automatic landmark navigation system of the meteorological satellite.The landmark matching algorithm based on maximum correlation coefficient method is used to guarantee the matching precision.The optimized algorithm is proposed using computing optimization,search optimization and parallel optimization comprehensively.The experimental results show that this algorithm can effectively reduce the complexity of the algorithm and significantly improve the execution efficiency.The optimized algorithm can meet the high reliability and time-sensitive requirements of automatic landmark navigation system,and guarantee the matching precision at the same time.

automatic landmark navigation;landmark matching;maximum correlation coefficient;algorithm optimization

對(duì)氣象衛(wèi)星圖像自動(dòng)地標(biāo)導(dǎo)航系統(tǒng)中的地標(biāo)匹配算法進(jìn)行了深入研究，采用基于最大相關(guān)系數(shù)的地標(biāo)匹配算法來(lái)保證匹配精度，綜合利用計(jì)算優(yōu)化、搜索優(yōu)化、并行優(yōu)化等技術(shù)得到優(yōu)化的地標(biāo)匹配算法。實(shí)驗(yàn)結(jié)果表明，該算法能夠有效降低算法復(fù)雜度，明顯提高算法執(zhí)行效率，同時(shí)保證地標(biāo)匹配的準(zhǔn)確性，滿足自動(dòng)地標(biāo)導(dǎo)航系統(tǒng)的高可靠性和高時(shí)效性需求。

自動(dòng)地標(biāo)導(dǎo)航；地標(biāo)匹配；最大相關(guān)系數(shù)；算法優(yōu)化

A

TP751

10.3778/j.issn.1002-8331.1305-0212

GUO Qiang,YANG Lei,ZHAO Xiangang,et al.Research and optimization of landmark matching algorithm for meteorological satellite image navigation.Computer Engineering and Applications,2013,49（24）：152-156.

國(guó)家公益性行業(yè)（氣象）科研專項(xiàng)（No.GYHY201006046）。

郭強(qiáng)（1986—），男，工程師，研究領(lǐng)域?yàn)樾l(wèi)星通信和高性能計(jì)算；楊磊（1978—），男，博士，副研究員，研究領(lǐng)域?yàn)檫b感圖像處理和模式識(shí)別；趙現(xiàn)綱（1976—），男，博士，高級(jí)工程師，研究領(lǐng)域?yàn)橛?jì)算機(jī)應(yīng)用；馮小虎（1970—），男，高級(jí)工程師，研究領(lǐng)域?yàn)樾l(wèi)星地面應(yīng)用系統(tǒng)。E-mail：cscowboy@126.com

2013-05-17

2013-08-27

1002-8331（2013）24-0152-05

CNKI出版日期：2013-10-11http://www.cnki.net/kcms/detail/11.2127.TP.20131011.1653.009.html