CN101672646A - 一种卫星图像自动几何精校正方法 - Google Patents

Abstract

本发明公开了一种卫星图像自动几何精校正方法。该方法包括如下的步骤：(1)获得卫星图像的标称图；(2)对标称图进行处理，获得待匹配的卫星图像并进行二值化处理；(3)将二值化处理之后的地标模板数据库与二值化处理之后的待匹配的卫星图像进行匹配运算，获得地标偏移量；(4)采用质量控制措施对步骤(3)的结果进行处理，获得匹配成功的地标对；(5)利用匹配成功的地标对对所述标称图进行几何精校正，获得修正后的定位结果。利用本方法，不需要对地形进行大量的、细致的探测工作也能够获得精度较高的几何精校正结果，从而大大降低了卫星图像自动地标匹配系统的运行成本。

Description

一种卫星图像自动几何精校正方法

技术领域

本发明涉及一种针对卫星图像的自动几何精校正方法，尤其涉及一种针对遥感卫星所采集的图像，首先进行自动地标匹配，获得地标偏移量，然后利用匹配成功的地标对获得几何精校正结果的方法，属于遥感技术领域。

背景技术

遥感卫星图像已经成为人们获取地面信息的重要数据来源。目前，国际上针对遥感卫星所采集的图像，均采用基于地标匹配的几何精校正方法来提高定位精度，从而提高遥感卫星定量产品的应用效果。

在遥感技术发展的早期，研究人员通常采用人工方式选取地标，进行交互式的几何精校正工作。这是一项十分费时费力的工作。在进行大数据量的卫星图像分析时，基于人工方式的几何精校正变得不可行。不断增加的图像分析任务需要对卫星图像进行实时、自动的处理，因此自动几何精校正方法更加适合实际应用的需要。

针对基于地标匹配的自动几何精校正方法，有关研究人员进行了大量的研究。1988年，SSEC针对GOES卫星(地球同步环境卫星)完成了静止气象卫星的几何精校正工作。Emery等人开展了自动地标导航方法的研究，其研究对象是针对极轨气象卫星观测数据。在美国专利6084989中，介绍了一种在通过卫星获得的数字图像中，自动确定地标位置的系统和方法。但是，该发明所采用的技术方案对基础地理数据库(softcopy map database)要求很高，一般用户很难提供满足精度要求的基础地理数据，因此对大部分用户而言并不适用。

国内关于遥感卫星自动几何精校正方法研究已久，例如陆风等人将整个地球圆盘图作为地标进行地球边缘检测，根据地球圆盘图中心点偏移量计算滚动方向上的失配角，减小南北方向上的定位偏差，而东西方向上的定位偏差是通过图像配准步骤减小的。该方法对于一个时次的卫星数据，只能获得一组地标偏移量，无法获得能够用于求解姿态所需要的地标偏移量。王娇、张斌、汪爱华等分别独立开展了基于地标匹配的几何精校正方法研究，但他们的方法都是通过人工选取地面控制点进行几何精校正，没有实现自动精校正。在专利号为ZL200710065856.7的中国发明专利中，公开了一种基于地性线的卫星遥感图像几何精校正方法。该方法的具体步骤是：调入数字高程模型，每个点与周边8个点比较确定最大下降方向；累加下降到该点的下降量，储存为C；人机交互确定阈值α，C与α进行大小比较，大于α为沟谷记为1，否则记为No data，储存为D，对D矢量化得到沟谷线文件E1；计算A的最高海拔点Max，用Max减每个点数值加2000得到阵列F；重复以上步骤得到山脊线文件E2；调入卫星图像与矢量E 1与E2进行叠加，人机交互采集同名地物点坐标对(Xi，Yj)与(Ui，Vj)，储存为G，并拟合纠正等。该发明提高了山地卫星遥感图像与基地理底图的配准精度，所纠正的卫星图像几何误差不超过1个像元，能应用于资源、军事等勘察测绘领域。但是，该发明主要适用于山地的卫星遥感图像，应用范围比较有限。

根据Taejung Kim、Tae-Yoon Lee和Hae-Jin Choi发表在论文《Landmark Extraction，Matching and Processing for AutomatedImage Navigation of Geostationary Weather Satellites》(载于《Proc.of SPIE》Vol.5657)中的研究结果，由于静止气象卫星与极轨气象卫星观测机制的不同，适用于极轨气象卫星的自动几何精校正方法并不能很好地在静止气象卫星数据中得到应用。

发明内容

本发明所要解决的技术问题在于提供一种针对卫星图像的自动几何精校正方法。该方法在充分吸收国内外自动地标匹配系统技术特点的基础上，提出了自动地标匹配的新技术方案，并在此基础上获得几何精校正结果。

为实现上述的发明目的，本发明采用下述的技术方案：

一种卫星图像自动几何精校正方法，其特征在于包括如下的步骤：

(1)利用实际测量的卫星轨道数据、姿态数据及卫星发射前测量好的卫星本体与观测仪器的安装关系矩阵，进行图像定位和标称投影，获得卫星图像的标称图；

(2)对所述标称图进行处理，获得待匹配的卫星图像，对所述待匹配的卫星图像进行二值化处理；

(3)将二值化处理之后的地标模板数据库与二值化处理之后的所述待匹配的卫星图像进行匹配运算，获得地标偏移量；

(4)采用质量控制措施对步骤(3)的结果进行处理，获得匹配成功的地标对；

(5)利用匹配成功的地标对对所述标称图进行几何精校正，获得修正后的定位结果。

其中，

所述步骤(1)中，所述卫星图像包括可见光通道获得的图像和红外通道获得的图像。

所述步骤(2)中，采用后验概率方法将卫星图像的灰度值转换为后验概率，对卫星图像进行二值化处理。

所述步骤(3)中，所述地标模板数据库通过如下方式获得：首先根据GSHHS数据提取地标数据；然后选取具有明显特征的地面控制点，并以地面控制点为中心，自动扩充为预定大小的地标块图像；根据下垫面类型，利用Bayes法则将地标模板二值化。

所述步骤(3)中，所述匹配运算采用基于最大相关系数方法。

所述步骤(4)中，所述质量控制措施为采用假设检验的方法，将所有小于显著水平95％的匹配都作为误匹配。或者，所述质量控制措施为对于有云区域的地标不进行匹配运算。

采用本发明所提供的卫星图像自动几何精校正方法，不需要对地形进行大量的、细致的探测工作也能够获得精度较高的几何精校正结果。该结果能够充分满足制作遥感卫星定量产品方面的需求，从而大大降低了卫星图像自动地标匹配系统的运行成本。

附图说明

下面结合附图和具体实施方式对本发明作进一步的说明。

图1为本发明所提供的基于地标匹配的卫星图像自动几何精校正的流程图；

图2为生成二值化的地标模板数据库的流程示意图；

图3为将待匹配的卫星图像进行二值化处理的流程示意图；

图4(a)为南北方向上的几何精校正前、后定位偏差对比图，图4(b)为东西方向上的几何精校正前、后定位偏差对比图。

具体实施方式

如图1所示，对卫星图像进行基于自动地标匹配的几何精校正的基本流程是这样的：首先利用实际测量的卫星轨道数据、姿态数据及卫星发射前测量好的卫星本体与观测仪器的安装关系矩阵，进行图像定位和标称投影，获得卫星图像的标称图。然后，对标称图数据进行处理，获得待匹配的卫星图像，根据统计学中的Bayes法则对待匹配的卫星图像进行二值化。之后，将二值化之后的地标模板数据库与二值化之后的待匹配卫星图像进行匹配运算，获得地标偏移量。在这个过程中，需要注意避免云的污染，同时采用质量控制措施如数理统计中的假设检验方法减少误匹配，剔除明显的野值(即异常值)，获得匹配成功的地标对。对于所有匹配成功的地标对，通过直接线性变换等计算方法对标称图进行几何精校正，从而获得修正后的定位结果。

下面介绍实现自动地标匹配的基本流程。实现自动地标匹配包括三个方面的基本要素：第一.地标模板数据库；第二.待匹配的卫星图像；第三.地标模板与卫星图像的图像匹配算法。下面分别展开详细的说明。

首先说明如何确定地标模板的数据。对于自动地标匹配来说，地标模板的选择是非常重要的。地标模板由若干个一定大小的地标组成，这些地标图像具有显著的地标物，大多是湖泊、河流、海岸线、岛屿等，具有清晰的结构特征。在实践中，发明人根据GSHHS数据提取地标数据。该数据库基于可以在互联网上自由下载的世界海岸线矢量库(worldvector shoreline)以及世界数据银行(world data bank)，包括了8种下垫面类型：其中0代表浅海、1代表陆地、2代表水陆分界线、3代表内陆水体、4代表间歇性水体、5代表内陆深水体、6代表大陆海洋水体、7代表深海水体。

地标模板必须与待匹配的卫星图像具有相同的投影方式。若卫星在理想的地球同步轨道上，星下点在标称位置，卫星自旋轴与地球南北极之间的连线平行，扫描辐射计无失配，对地球做正常扫描，所得到的影像称为标称投影图像。此时的投影方式成为标称投影。实际上，卫星的轨道和姿态都不可能是上述理想情况。为了方便用户使用，将实际卫星图像投影到标称投影上，成为标称投影图像。在标称投影下，图像坐标与地理经纬度是一一对应的，这就方便了后续的应用。以标称投影图像为基础，选取地标点，形成地标块图像。

图2为生成二值化的地标模板数据库的流程示意图。在生成地标模板数据时，首先选取具有明显特征的地面控制点，并以地面控制点为中心，自动扩充为15×15大小的地标块图像，并根据下垫面类型，利用Bayes法则将地标模板数据二值化，其中1代表陆地，2代表水体(具体过程可参见下文的说明)。在选取地面控制点时，应该在空间分布上尽可能均匀的选取。

待匹配的卫星图像由太空中运行的遥感卫星通过其可见光通道或红外通道实时采集获得，在此就不详细赘述了。

在进行自动地标匹配之前，需将卫星图像进行预处理，将其进行二值化。如图3所示，首先采用后验概率方法，将图像的灰度值转换为后验概率，对卫星图像进行二值化。具体而言，记L和W分别为陆地和水体；P(L/I)、P(W/I)分别为给定灰度值I时，其属于陆地、水体的后验概率；P(I/L)、P(I/W)是给定陆地和水体的概率分布时，其灰度值是I的条件概率。

$\mathrm{\ρ}\left(I\right)=\frac{P(L/I)P(W/I)}{P\left(L\right)/P\left(W\right)}=\frac{P(I/L)}{P(I/W)}---\left(1\right)$

如公式(1)所示，给定像素的灰度值I，ρ(1)是归一化之后的后验概率比。如果ρ(I)≥1，则给定灰度值I时，该像素所在区域是陆地；否则该像素所在区域是水体。通过Bayes后验概率公式，ρ(I)可以转换为条件概率的比值。我们假设陆地和水体的条件概率满足高斯分布的条件，那么有公式(2)存在：

$P(I/L)=\frac{1}{\sqrt{2\mathrm{\π}{\mathrm{\σ}}_L}}{e}^{-\frac{{(I-m_L)}^2}{2{\mathrm{\σ}}_L^2}}---\left(2\right)$

$P(I/W)=\frac{1}{\sqrt{2\mathrm{\π}{\mathrm{\σ}}_W}}{e}^{-\frac{{(I-m_W)}^2}{2{\mathrm{\σ}}_W^2}}$

其中，m_L、m_W分别是样本中陆地和水体像素灰度平均值；σ_L、σ_W分别是样本中陆地和水体像素灰度的方差。对公式(1)两端取对数，可以获得公式(3)：

$\ln \mathrm{\ρ}\left(I\right)=\ln \frac{{\mathrm{\σ}}_L}{{\mathrm{\σ}}_W}-0.5[\frac{{(I-m_L)}^2}{{\mathrm{\σ}}_L^2}-\frac{{(I-m_W)}^2}{{\mathrm{\σ}}_W^2}]---\left(3\right)$

当lnρ(I)≥0时，该灰度值所在区域是陆地；否则为水体。

地标模板数据与待匹配的卫星图像之间的图像匹配算法可以采用目前最为有效的基于最大相关系数方法(NCC)。通过图像匹配，获得地标偏差，并由此进行图像几何精校正。它的计算原理是这样的：给定一幅图像f(x，y)，最大相关问题就是在该图像中寻找与实现给定的模板图像w(x，y)相匹配的位置。为此，将w(x，y)作为一个空间滤波器在f(x，y)中的每个位置计算w与f的乘积的和，然后归一化，如下：

$\mathrm{\γ}(x,y)=\frac{\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}[f(s,t)-\stackrel{\‾}{f}(s,t)][w(x+s,y+t)-\stackrel{\‾}{w}]}{{\left\{\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}{[f(s,t)-\stackrel{\‾}{f}(s,t)]}^2\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}{[w(x+s,y+t)-\stackrel{\‾}{w}]}^2\right\}}^{1/2}}---\left(4\right)$

w(x，y)在f(x，y)中的最佳匹配是在得到的相关图像中出现最大值的地方。由于计算量较大，一个变通的方法是可以将其与卷积联系起来，如下：

其中，o表示相关运算，*表示复共轭，F、H是傅立叶算子。

由于地标图像受到云污染、太阳耀斑、太阳高度角等等不确定因素的影响，对所产生的NCC系数有很大影响，并会产生大量的误匹配。为了减少误匹配问题的影响，发明人采用假设检验(如t检验)的方法，将所有小于显著水平95％的匹配都作为误匹配。同时，应用数据参考云检测的结果，对于有云区域的地标不进行匹配运算。

在获得匹配成功的地标对之后，对于所有匹配成功的地标对，可以通过直接线性变换(DLT)对标称图进行几何精校正，从而获得修正后的定位结果。

具体而言，由于卫星图像的几何失真一般是非线性的，但是在一个小区域内可以假定是线性失真。基于这一假设，可以采用三角形线性映射方法，获得校正图像。三角形线性映射方法是非常经典的方法，其原理是这样的：

利用每一对三角形区域内的三个地面控制点(处于三角形的三个顶点)，一一求出每对三角形范围内的转换关系，进行转换。此数学模型为：

$\left\{\begin{array}{c}X=\mathrm{a\ξ}+\mathrm{\η}+c\\ Y=\mathrm{d\ξ}+\mathrm{e\η}+f\end{array}\right.---\left(6\right)$

其中，X，Y表示原始图像行列坐标，ξ，η表示校正后图像行列坐标，a，b，c，d，e，f是六个待定系数，该待定系数通过最小二乘法获得。在几何精校正过程中，位置计算完成后，通过最近邻法进行像素灰度重采样，这样做的目的是为了更好的保持原始数据特性。

上述的直接线性变换(DLT)并不是实现几何精校正的唯一计算方法。从技术角度讲，可以从自动地标匹配结果出发，利用数学模型反推卫星姿态，然后将卫星姿态与卫星轨道信息等附加信息一起代入到定位方程中，通过一定的数学运算获得几何精校正的结果。具体计算示例可以参见George W.Rosborough，Daniel G.Baldwin和William J.Emery的论文《Precise AVHRR Image Navigation》中关于“attitude estimation”的部分内容(载于IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTESENSING，VOL.32，NO.3，MAY 1994)。它的整体思路是：首先将地标偏移量代入到姿态估计的方程中，计算获得卫星姿态；在获得估计的卫星姿态后，将轨道、安装矩阵等定位需要的参数一并带入到数学方程中，计算获得新的几何定位结果，该定位结果就是几何精校正的结果。

利用上述的卫星图像自动几何精校正方法对2009年1月1～7日、3月1～7日、5月1～7日、7月1～7日风云二号气象卫星可见光通道的遥感图像(共255轨)进行几何精校正，以便测试本方法的实际性能。对于给定的n个匹配成功的地标对，如式(7)定义图像定位偏差：

$\mathrm{\Δx}=\left|\frac{x-x_b}{n}\right|,$ $\mathrm{\Δy}=\left|\frac{y-y_b}{n}\right|---\left(7\right)$

其中，x，y是地标块图像中心点在地标模板图像中的坐标，x_b，y_b是匹配计算后地标块中心点在卫星图像标称图中的坐标。

根据地标模板图像的生成方法及标称图的定义，地标模板图像的坐标系与卫星图像标称图的坐标系是相同的。根据公式(7)所定义的定位偏差，应用上述的卫星图像自动几何精校正方法，在实施几何精校正前风云二号气象卫星可见光通道所采集的图像平均定位偏差是Δx＝4.07，Δy＝2.35；实施几何精校正后的平均定位偏差是Δx＝2.23，Δy＝1.62。由此可见，南北方向上的定位精度提高了31.06％，东西方向上的定位精度提高了45.21％。

图4(a)为南北方向上的几何精校正前、后定位偏差对比图，图4(b)为东西方向上的几何精校正前、后定位偏差对比图。图中每个点是每轨可见光通道图像几何精校正前或后的平均偏差。通过比较南北、东西方向上几何精校正前、后的偏差可以看出，上述的卫星图像自动几何精校正方法能够有效改善卫星图像的定位精度。对于一轨风云二号气象卫星的可见光通道图像，其几何精校正前的偏差大于几何精校正后的偏差，则定义该次几何精校正为成功的。基于该定义，根据255轨数据的测试结果，经统计分析可以得出本发明所提供的基于自动地标匹配的几何精校正方法的成功率为95.29％。

由上述的测试数据可以看出，本发明所提供的卫星图像自动几何精校正方法可以有效改进可见光通道的定位精度：南北方向上提高31.06％，东西方向上提高45.21％，且该方法的成功率达到95.29％。经过分析指出，几何精校正前、后风云二号气象卫星可见光通道的定位精度在星下点地方时正午前后将达到最佳状态，南北方向上的定位偏差小于东西方向上的定位偏差。

需要强调的是，本发明所提供的卫星图像自动几何精校正方法不仅可以改善可见光通道的定位精度，同样也可以用于改善红外通道的定位精度。这是本领域一般技术人员都能胜任的常规操作，在此就不详细赘述了。

以上对本发明所述的卫星图像自动几何精校正方法进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (7)

1.一种卫星图像自动几何精校正方法，其特征在于包括如下的步骤：

(1)利用实际测量的卫星轨道数据、姿态数据及卫星发射前测量好的卫星本体与观测仪器的安装关系矩阵，进行图像定位和标称投影，获得卫星图像的标称图；

(2)对所述标称图进行处理，获得待匹配的卫星图像，对所述待匹配的卫星图像进行二值化处理；

(3)将二值化处理之后的地标模板数据库与二值化处理之后的所述待匹配的卫星图像进行匹配运算，获得地标偏移量；

(4)采用质量控制措施对步骤(3)的结果进行处理，获得匹配成功的地标对；

(5)利用匹配成功的地标对对所述标称图进行几何精校正，获得修正后的定位结果。

2.如权利要求1所述的卫星图像自动几何精校正方法，其特征在于：

所述步骤(1)中，所述卫星图像包括可见光通道获得的图像和红外通道获得的图像。

3.如权利要求1所述的卫星图像自动几何精校正方法，其特征在于：

所述步骤(2)中，采用后验概率方法将卫星图像的灰度值转换为后验概率，对卫星图像进行二值化处理。

4.如权利要求1所述的卫星图像自动几何精校正方法，其特征在于：

所述步骤(3)中，所述地标模板数据库通过如下方式获得：首先根据GSHHS数据提取地标数据；然后选取具有明显特征的地面控制点，并以地面控制点为中心，自动扩充为预定大小的地标块图像；根据下垫面类型，利用Bayes法则将地标模板二值化。

5.如权利要求1所述的卫星图像自动几何精校正方法，其特征在于：

所述步骤(3)中，所述匹配运算采用基于最大相关系数方法。

6.如权利要求1所述的卫星图像自动几何精校正方法，其特征在于：

所述步骤(4)中，所述质量控制措施为采用假设检验的方法，将所有小于显著水平95％的匹配都作为误匹配。

7.如权利要求1所述的卫星图像自动几何精校正方法，其特征在于：

所述步骤(4)中，所述质量控制措施为对于有云区域的地标不进行匹配运算。

Images