- · 《遥感学报》栏目设置[09/01]
- · 《遥感学报》数据库收录[09/01]
- · 《遥感学报》投稿方式[09/01]
- · 《遥感学报》征稿要求[09/01]
- · 《遥感学报》刊物宗旨[09/01]
基于光流校正的复杂地形区多时相遥感影像配准(3)
作者:网站采编关键词:
摘要: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
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