HOPC算法：基于结构相似性的多模态遥感影像配准方法（含matlab程序）

HOPC算法：基于结构相似性的多模态遥感影像配准方法

---

前言

随着遥感技术的发展，从遥感影像上获取所需信息已经成为一种非常重要的信息获取手段。不同的卫星传感器对地观测可以为同一地区提供多光谱、多时相、多分辨率的多模态遥感影像(光学、红外、SAR、LiDAR和栅格地图等)。多模态遥感的精确配准是诸多遥感应用如影像融合、变化检测，影像镶嵌等的基本预处理步骤，其配准精度对后续的分析应用产生重要的影响。。虽然目前的遥感影像利用轨道参数和严格几何定位模型进行粗纠正，可消除影像间的旋转和尺度等几何形变，但是由于多模态影像间非线性辐射差异较大，即同一地物呈现出完全不同的灰度信息，导致同名点的匹配十分困难，所以多模态遥感影像的自动匹配仍然非常具有挑战性。
传统的匹配方法主要利用灰度信息进行同名点识别，这些方法受灰度差异影响较大，不能应用于多模态遥感影像匹配。最近的局部不变性特征如SIFT算法，虽然可以适用于旋转和尺度变化的影像，但是对于非线性辐射差异非常敏感，匹配性能也不能满足实际工程的需要。因为，我们这里介绍一种新型的多模态遥感影像匹配方法（西南交通大叶沅鑫老师提出的），该方法基于影像间结构特征进行同名点匹配，因为结构特征可以较好地体现多模态影像间的共有属性（图1）。该方法是利用具有光照和对比不变性的相位一致性模型构建的几何结构特征描述符—相位一致性方法直方图（Histogram of Orientated Phase Congreucy, HOPC）。 该方法可实现可见光、红外、SAR、LiDAR和栅格地图等多种多模态遥感影像的自动配准，并获得了第23届国际摄影测量与遥感大会的最佳青年论文奖，该大会4年一届，是国际遥感领域最具影响力学术会议的之一。HOPC算法对应的期刊论文为“Robust Registration of Multimodal Remote Sensing Images Based on Structural Similarity，TGRS 2017”. 对应的Matlab代码的下载链接为Link

---

一、HOPC原理

HOPC描述符的思想来源于HOG，HOG能够表示目标的局部形状结构特征，已经成功地应用于目标识别[，影像分类和影像检索等领域。考虑到HOG是利用梯度信息来表示影像的结构信息，而相位一致性与梯度信息都是反映影像局部区域的变化量，并且相位一致性比梯度具有更好的抵抗光照和对比度变化的能力。因此这里首先对相位一致性模型进行扩展获得相位一致性方向，然后将利用相位一致性特征值和特征方向，并借助于HOG的框架，构建HOPC特征描述符。
HOPC主要通过把模板窗口划分为若干个block块，并统计每个block的相位一致性方向直方图，将其链接在一起形成最终的特征描述向量。HOPC的提取过程如图 2所示，主要包括以下几个步骤：（1）在影像上选取一定大小的模板窗口；（2）在模板窗口内，计算每个像素的相位一致性强度值和方向，为HOPC的构建提供特征信息；(3) 把模板窗口划分为若干个block块，其中每个block包含若干个cell单元，形成HOPC的基本结构；(4) 计算block和cell的相位一致性方向直方图，并进行归一化操作消除光照变化的影响；（5）将所有block内的梯度方向直方图向量收集在一起，形成描述整个模板窗口的HOPC特征向量。

考虑到多模态影像间的几何结构特征具有较高的相似性，我们采用HOPC描述符间的灰度差平方和(sum of square difference，SSD)和归一化相关系数（normalized correlation coefficient，NCC）作为匹配相似性测度，并采用模板匹配的策略进行同名点识别（图3）。


图3 HOPC模板匹配相关峰示意图

---

二、实验结果

我们使用多种多模态遥感影像进行实验，其中包括了可见光、红外，SAR、LiDAR和栅格地图等。匹配结果如下图5所示，由图可知HOPC可实现多种多模态遥感影像的可靠精确匹配。

图5 多模态遥感影像匹配结果

---

三、总结

HOPC是一种描述符几何结构特征的描述符，可有效抵抗多模态遥感影像间的非线性辐射差异，突破了传统相似性测度如相关系数和互信息依赖于影像灰度信息的局限性，可实现可见光、红外、SAR、LiDAR和栅格地图等多种多模态遥感影像的可靠精确配准。@TOC

---

四、知识产权

HOPC匹配算法已经申请了发明专利，在没有经过发明者同意的情况下，只能将其应用科学研究，不能进行任何形式的商业化应用。