基于光流校正的复杂地形区多时相遥感影像配准(3)

3 实验与分析

实验选择3对复杂地形区多时相遥感影像进行配准，数据描述如表1。光流模型中梯度一致性约束的权重γ为5，平滑约束项权重α为80。预设检测异常位移区域为8，以检测到的异常位移区中心像素为标准，以其直径的2 倍为窗口大小构建掩膜。3组实验均在MATLAB 中操作，运行平台的环境配置为3.30 GHz CPU和8 GB运行内存。

实验分别从局部目视判断和全局定量评价两方面，对比分析OFM算法在多时相复杂地形区遥感影像中的配准效果。其中，目视判断中列举了光流法OF（Optical Flow）配准结果（Brox 等，2004），旨在对比分析OFM算法能否在保证OF 配准精度的同时确保配准后影像内容不被改变。罗列分段线性模型（PLM）（Goshtasby，1986）、薄板样条模型（TPS）（Goshtasby，1988）和局部两段模型（BWP-OIS）（Feng 等，2019）的配准结果，是为了分析OFM算法与现有局部模型在配准精度上的区别。其中，PLM模型根据匹配的特征点对，将影像划分为一系列Delaunay 三角形，根据每个三角形对之间的顶点坐标构建仿射变换模型并进行解算。TPS模型以整体仿射变换和加权径向基函数描述特征点对的几何关系，从而得到配准结果。BWP-OIS 分两个阶段，首先利用基于特征的局部加权模型实现参考和待配准影像粗对齐，然后利用基于灰度的离群点鲁棒局部模型实现精配准（Feng 等，2019）。在定量评价阶段，选用相关系数CC（Correlation Coefficient）和均方根误差RMSE（Root Mean Square Error）指示原始参考和待配准影像间的几何变形情况，衡量对比方法和OFM算法的配准精度。

图4 OFM算法配准结果显示Fig.4 The registration result of OFM

表1 实验数据Table1 Introduction of experimental data实验编号实验一实验二实验三分辨率/m 4 16 16成像时间2016-05-06 2016-02-07 2016-08-28 2017-02-12 2018-04-03 2018-05-14传感器GF-2_PMS2 GF-1_WFV3 GF-1_WFV3 GF-1_WFV4影像特点覆盖山东省济南市附近的山区，有季节变化，地形起伏大，存在局部变形包含陕西省秦岭山脉部分区域，季节变化引起地物不对应，积雪覆盖部分地物覆盖四川省马边县滑坡区域，成像时间间隔小，地物变化小，有滑坡造成的塌方

3.1 目视判断与分析

实验一中参考影像是春季成像，而待配准影像是冬季成像。相对于参考影像（图5（a）），待配准影像（图5（b））中地表覆盖发生了变化，局部区域有积雪。如图5（c），直接叠加原始影像，视觉上存在错位造成的模糊。经过OFM算法处理后，模糊和重影消除，如图5（d）叠置影像中地物细节清晰。选取影像中黄色矩形框区域，并以棋盘格镶嵌如图6所示。图6（a）中原始参考和待配准影像的两个区域接边处线状地物有错位，使用PLM，TPS 和BWP-OIS模型进行配准处理后，错位削弱，但都没完全对齐。这说明，基于特征的局部模型很难准确对齐复杂地形区的遥感影像。地形的特殊性使得在这些区域提取到的特征点存在位置误差，而且几何关系在很小的区域也会存在不一致。光流估计能够完全消除几何错位（图6（e）和图6（f））。但是，OF 在两个区域的结果中都存在地物异常（图6（e）红色矩形框），配准后引入了在原始待配准影像中并不存在的地物（图5（b）红色矩形框）。这是因为标记区域在参考（图5（a））和待配准影像（图5（b））中地物不一致，造成像素位移计算不准确，重采样时混合了其他区域地表信息从而改变了原有地物。而OFM算法修复了异常光流，配准后影像内容不变（图6（f）红色矩形框），说明它能够实现高保真、高精度配准。

图5 实验一影像及配准结果Fig.5 The first experimental data and registration result

图6 实验一中各算法配准结果棋盘格放大图（图5中黄色矩形区域）Fig.6 Enlarged checkerboards of comparative algorithms in the first experiment（marked with yellow rectangles in Fig.5）

图7（a）和图7（b）分别是实验二的参考和待配准影像，其中参考影像是夏季成像而待配准影像是冬季成像。图7（c）是参考和待配准影像的叠置图，视觉上略有模糊，说明原始影像间的几何错位较小，这在图8（a）参考和待配准影像的局部放大图中有所体现。参考影像和待配准影像在水平方向有较大几何错位，竖直方向几何畸变较小。经PLM算法处理后，图8（b）区域#I 中道路在两景影像的拼接处出现了断裂，区域#Ⅱ中弧形人工建筑区的原始畸变被放大。TPS也没能完全消除参考和待配准影像在水平方向的错位，如图8（c）区域#I所示；而在竖直方向上，如图8（c）区域#Ⅱ中U型道路的下半段有较小错位。BWP-OIS 处理效果和PLM 基本相当，只是在区域#II中，BWP-OIS 配准结果和参考影像中的U型道路衔接自然平滑，如图8（d）。OFM的配准结果和参考影像在连接处过渡自然顺滑，说明它实现了这两景影像在局部区域的精准对齐。在图8（a），图8（e）和图8（f）中，用红色矩形框圈定了影像内容发生变化的区域。OF算法虽然实现了待配准影像和参考影像的几何位置准确对齐，但是红色矩形框中的影像内容相对于待配准影像发生了改变（图8（e）），而经过OFM算法处理，对应位置的影像内容和待配准影像一致，而且空间位置上也高度一致（图8（f））。因此，OFM算法在保证几何配准精度的同时保证待配准影像内容不发生变化，实现了有效配准。

文章来源：《遥感学报》 网址: http://www.ygxbzz.cn/qikandaodu/2021/0510/653.html