前言

隨著遙感技術的發展，從遙感影像上獲取所需資訊已經成為一種非常重要的資訊獲取手段，不同的衛星傳感器對地觀測可以為同一地區提供多光譜、多時相、多解析度的多模態遙感影像(光學、紅外、SAR、LiDAR和柵格地圖等)，多模態遙感的精確配準是諸多遙感應用如影像融合、變化檢測，影像鑲嵌等的基本預處理步驟，其配準精度對后續的分析應用產生重要的影響，，雖然目前的遙感影像利用軌道引數和嚴格幾何定位模型進行粗糾正，可消除影像間的旋轉和尺度等幾何形變，但是由于多模態影像間非線性輻射差異較大，即同一地物呈現出完全不同的灰度資訊，導致同名點的匹配十分困難，所以多模態遙感影像的自動匹配仍然非常具有挑戰性，
傳統的匹配方法主要利用灰度資訊進行同名點識別，這些方法受灰度差異影響較大，不能應用于多模態遙感影像匹配，最近的區域不變性特征如SIFT演算法，雖然可以適用于旋轉和尺度變化的影像，但是對于非線性輻射差異非常敏感，匹配性能也不能滿足實際工程的需要，因為，我們這里介紹一種新型的多模態遙感影像匹配方法（西南交通大葉沅鑫老師提出的），該方法基于影像間結構特征進行同名點匹配，因為結構特征可以較好地體現多模態影像間的共有屬性（圖1），該方法是利用具有光照和對比不變性的相位一致性模型構建的幾何結構特征描述符—相位一致性方法直方圖（Histogram of Orientated Phase Congreucy, HOPC），該方法可實作可見光、紅外、SAR、LiDAR和柵格地圖等多種多模態遙感影像的自動配準，并獲得了第23屆國際攝影測量與遙感大會的最佳青年論文獎，該大會4年一屆，是國際遙感領域最具影響力學識訓議的之一，HOPC演算法對應的期刊論文為“Robust Registration of Multimodal Remote Sensing Images Based on Structural Similarity，TGRS 2017”. 對應的Matlab代碼的下載鏈接為Link 在這里插入圖片描述

一、HOPC原理

HOPC描述符的思想來源于HOG，HOG能夠表示目標的區域形狀結構特征，已經成功地應用于目標識別[，影像分類和影像檢索等領域，考慮到HOG是利用梯度資訊來表示影像的結構資訊，而相位一致性與梯度資訊都是反映影像區域區域的變化量，并且相位一致性比梯度具有更好的抵抗光照和對比度變化的能力，因此這里首先對相位一致性模型進行擴展獲得相位一致性方向，然后將利用相位一致性特征值和特征方向，并借助于HOG的框架，構建HOPC特征描述符，
HOPC主要通過把模板視窗劃分為若干個block塊，并統計每個block的相位一致性方向直方圖，將其鏈接在一起形成最終的特征描述向量，HOPC的提取程序如圖 2所示，主要包括以下幾個步驟：（1）在影像上選取一定大小的模板視窗；（2）在模板視窗內，計算每個像素的相位一致性強度值和方向，為HOPC的構建提供特征資訊；(3) 把模板視窗劃分為若干個block塊，其中每個block包含若干個cell單元，形成HOPC的基本結構；(4) 計算block和cell的相位一致性方向直方圖，并進行歸一化操作消除光照變化的影響；（5）將所有block內的梯度方向直方圖向量收集在一起，形成描述整個模板視窗的HOPC特征向量，
在這里插入圖片描述
考慮到多模態影像間的幾何結構特征具有較高的相似性，我們采用HOPC描述符間的灰度差平方和(sum of square difference，SSD)和歸一化相關系數（normalized correlation coefficient，NCC）作為匹配相似性測度，并采用模板匹配的策略進行同名點識別（圖3），
在這里插入圖片描述
圖2 HOPC相關峰示意圖
圖3 HOPC模板匹配相關峰示意圖