Feng R T，Du Q Y，Luo H，Shen H F，Li X H and Liu B.2021.A registration algorithm based on optical flow modification for multi-temporal remote sensing images covering the complex-terrain Remote Sensing Bulletin，25（2）：630-640［DOI：10./jrs.］

1 引 言

影像配准是将不同时间、不同传感器或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅影像进行几何对齐的过程（Wong 和Clausi，2007；陈显毅，2009），是影像融合（Shen 等，2016）、影像镶嵌（Li 等，2015）、协同分析（管小彬等，2015；唐尧等，2019）等不可缺少的预处理步骤。作为异源影像信息互补利用的前提，近些年，影像配准的研究多集中于针对多模影像构建辐射鲁棒性特征描述符，特征匹配以及误匹配特征剔除（Chang 等，2019；何梦梦等，2018；刘贵喜和王蕾，2007；Murphy 等，2016； Kupfer 等，2015； Nagarajan 和Schenk，2016）。鲜有文献关注复杂地形区多时相影像配准，受地形起伏变化、气候条件、成像角度差异的影响，不同时相的复杂地形区遥感影像间往往存在较大的几何差异。实现其高精度几何对齐，有效助力复杂地形区后续研究。那么，如何精细拟合复杂地形区影像间的几何关系是一大挑战。

传统的遥感影像配准方法可分为基于区域和特征的配准（Ding 等，2001；Zhang 等，2015）。基于区域的配准方法直接利用原始影像的灰度信息，通过构建相似性度量准则，根据其相似度实现配准。该方法精度高、耗时长，对大的旋转、尺度变化鲁棒性差，因此现有遥感影像配准的研究多集中于基于特征的配准方法（张迁等，2003；吕金建等，2007；林晓帆等，2010；朱志文等，2011；Chang 等，2019；Ma等，2019；何梦梦等，2018）。基于特征的配准方法利用影像的明显特征，将对原始影像灰度信息的分析转化为对其抽象特征的应用，主要包含特征提取、特征匹配、变换模型构建、坐标转换与重采样等步骤（Sedaghat 和Mohammadi，2019）。以Harris 角点检测（Harris 和Stephens，1988；刘贵喜和王蕾，2007）、尺度不变特征转换算子SIFT（Scale-Invariant Feature Transform）（Lowe，2004；吕金建等，2007）、加速鲁棒性特征算子SURF（Speed Up Robust Features）（Bay 等，2006）等为代表的点特征提取算法在基于特征的配准方法中广泛使用。利用特征点构建影像间几何转换关系时，常用整体变换模型。它假设整景影像满足同一个坐标变换关系（Gong 等，2014）。虽然该模型解算简便、高效，但是当影像间存在局部畸变时，其拟合能力有限。局部变换模型因其能更好地顾及局部不一致变形而被广泛使用（Goshtasby，1986；Zagorchev 和Goshtasby，2006；Feng 等，2017）。然而，在地形复杂区域，一方面，地物变化、山体阴影、辐射差异等因素对特征点定位存在影响，导致匹配的特征点对存在位置误差；另一方面，地形起伏导致极小窗口内影像几何畸变不一致，且周围特征信息难以准确表达不同位置的复杂几何关系（Brigot 等，2016）。在这种情况下，要实现高精度配准，更精细的局部模型，甚至逐像素模型（王慧贤等，2015）必不可少。

光流法作为视频影像中物体运动估计的常用方法，它考虑物体局部运动的不一致，利用像素自身信息逐一估计其2D 空间的运动情况，是一种高精度的逐像素模型。影像配准的位移场类似于运动物体的光流场，复杂地形区遥感影像间不一致的空间错位类似于物体的局部运动。因此，光流法可被用于复杂地形区不同时相的遥感影像配准，而目前其在遥感影像配准中应用较少，包括归一化互相关系数和局部光流模型结合方法（范冲等，2008）、模板匹配和光流法结合（吴迅兮，2010）、SIFT 特征约束与光流模型结合方法（刘璐等，2014）等。以上研究继承了光流法逐像素位移估计的优势，却没有考虑地物变化对光流估计的影响。在遥感影像中，因季节变化、地质灾害、人类活动等引发的地表变化是不可避免的（曹森等，2014）。这种变化与运动快的物体覆盖慢的物体造成的遮挡类似，即影像内容不对应，将导致计算所得光流出现局部异常。异常光流场会进一步影响转换后影像坐标，重采样时糅合非邻域像素的灰度信息，导致配准后影像内容变化。

为此，本文提出一种基于光流校正OFM（Optical Flow Modification）的复杂地形区多时相遥感影像配准方法。在初始估算的光流场基础上，使用高斯拉普拉斯算子LoG（Laplace of Gaussian）检测异常光流，引入Delaunay三角形曲面插值算法对异常光流进行校正重建，得到精准的逐像素位移场，从而实现复杂地形区多时相遥感影像配准。

上一篇：南方红壤典型水土流失区马尾松林地上林木碳储
下一篇：没有了