CN101750606B - 自动和稳健的卫星遥感影像正射校正方法 - Google Patents
自动和稳健的卫星遥感影像正射校正方法 Download PDFInfo
- Publication number
- CN101750606B CN101750606B CN 200910223583 CN200910223583A CN101750606B CN 101750606 B CN101750606 B CN 101750606B CN 200910223583 CN200910223583 CN 200910223583 CN 200910223583 A CN200910223583 A CN 200910223583A CN 101750606 B CN101750606 B CN 101750606B
- Authority
- CN
- China
- Prior art keywords
- reference mark
- image
- satellite remote
- model
- sensing image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明提出了自动和稳健的卫星遥感影像正射校正方法，该方法是由控制点自动匹配、控制点自动优化、控制点粗差自动检测、校正模型稳健求解等有机结合组成的。它解决了控制点自动选取中控制点分布不均匀、控制点观测值粗差检测、提高模型求解精度等问题。由于该方法具有稳健性、精确性和自动化程度高的特点，适用于大批量的卫星遥感影像正射校正产品制作。
Description
技术领域
本发明涉及卫星遥感影像几何校正技术，是一种指定校正所需参数信息后，全自动地完成从卫星遥感影像预处理产品到正射校正产品全过程的方法。控制点的人工选择和编辑、控制点粗差观测值是以往无法实现卫星遥感影像正射校正自动化过程的主要制约因素。采用该方法，可以实现控制点自动选取、自动优化、粗差自动检测以及模型稳健求解，提高卫星遥感影像正射校正过程的自动化水平、校正精确度和可靠性。
技术背景
传统的卫星遥感影像正射校正过程主要分为三步：控制点的选取与编辑、模型求解、正射影像生成。控制点选取，一般通过与参考影像进行图像匹配使待校正影像上的控制点获取精确的地理坐标，这一过程在一般图像处理商业软件中都只能由人工选取，然后根据控制点分布和残差大小对控制点进行编辑；模型求解，即利用控制点信息和卫星遥感影像其他辅助信息，计算遥感图像校正模型参数；正射影像生成，则是利用卫星图像校正模型和数字高程模型(Digital Elevation Model，简写为DEM)，减小因地形起伏对遥感影像变形的影响，生成卫星遥感正射影像。
随着图像匹配技术的不断发展和完善，控制点的选取逐渐实现自动化，为卫星遥感影像正射校正过程的全自动化提供了可能。同时，由于图像匹配算法缺陷，以及待校正影像和参考影像存在着分辨率不同、时相不同、部分地区(雪山、沙漠、水体、森林)不易匹配等问题，控制点自动选取的结果往往有诸多缺点，如控制点分布不均匀、控制点观测值存在粗差、控制点数量过多等，这也为遥感影像正射校正过程的全自动化带来了新的问题。
因此，要提高卫星遥感影像正射校正过程的自动化程度、精确度和可靠性，需要解决控制点自动选取中控制点分布不均匀、控制点观测值粗差检测、提高模型求解精度等问题，并将解决这些问题的方法有机结合起来运用。本发明针对这一要求，提出了由控制点自动匹配、控制点自动优化、控制点粗差自动检测、基于列文伯格-马夸尔特(Levenberg-Marquardt，简称LM)方法的稳健估计等组成的自动化的卫星遥感影像正射校正方法。由于该方法具有稳健性、精确性和自动化程度高的特点，适用于大批量的卫星遥感影像正射校正工程。
发明内容
本发明为了实现卫星遥感图像正射校正过程的稳健、精确和自动化，提出了实现该过程的如下方法：
步骤1：选择卫星遥感校正模型，并指定正射校正图像的大地坐标系、地图投影参数、空间分辨率等参数，选定卫星遥感参考影像、卫星遥感待校正影像和数字高程模型文件，建立一个工程。
从步骤2开始为自动化处理。
步骤2：进行待校正影像与参考影像的图像同名点自动匹配。
(1)影像特征点选取
采用一种哈里斯角点(Harris corner)算子计算参考影像中的特征点，生成参考影像的角点图(corner map)；
(2)以特征点为中心的特征影像块进行匹配
选取以特征点为中心的影像子块，采用归一化互相关(Normalized Cross Correlation，NCC)的方法，在待匹配影像中寻找与其相配的影像块；
(3)确定匹配点
确定匹配的影像块之后，采用最小均方(Least Mean Squares，LMS)算法对匹配点进行精确定位，从而确定匹配点；
该步骤输出结果为备选的控制点观测值，即图像坐标(x，y)和该像素点对应的地理坐标(X、Y)。
步骤2如说明书附图1所示。
步骤3：对步骤2中输出的控制点集进行控制点空间分布自动优化。
根据遥感影像的大小确定控制点优化后控制点数量的范围。在去除多余控制点时，主要考虑控制点的空间分布，使优化后的控制点在整幅影像中接近于均匀分布。此外，应尽量保留位于图像边缘的点。给出两种控制点空间分布的定量化评价方法：(1)控制点重要值衡量方法和(2)基于独占圆概念的控制点空间分布均匀度衡量方法，独占圆概念参考文献[LuoChuanwen，Point spatial analysis-fractal dimension and uniform index，Science & TechnologyReview，vol.10，2004，pp.51-54]。提出了控制点二维均匀度的定义，即：在长方形内，所有点的总独占圆面积与长方形总面积的π/4倍之比称为二维分布均匀度。
本发明中，控制点的优化有两种方法：(一)基于泰森多边形的优化方法和(二)基于聚类分析的优化方法。可以任选一种方法对控制点集进行控制点空间分布自动优化。
(一)基于泰森多边形方法的优化方法具体过程如下：
(1)求出控制点点集的凸包(位于图像边缘的点)；
(2)由控制点构建三角网；
(3)构建泰森多边形；
(4)记录每个控制点的“重要值”；
记录每个点所在的多边形的面积并记录。每一个控制点都有一个其所在的泰森多边形的面积，这个面积可以看做是该控制点的影响范围，影响范围越大，表示该控制点在正射校正中的重要性越高。以一个控制点所在的多边形面积占整幅影像面积的百分比来度量这种重要性，并称其为“重要值”。所保留的控制点能够均匀分布，而均匀分布的理想状态就是所有控制点的重要值都相等。
(5)控制点集优化；
根据控制点的数量要求和控制点的重要值，建立优化准则，对控制点进行逐一优化，直到满足要求。输出优化后的控制点。
(二)基于聚类分析方法的优化具体过程如下：
(1)求出所有点中距离最大的两个点归为一类；
(2)求其它各点到这一类的距离，将距离最大的点归到类中；
点到类的距离定义为该点到类中所有点的距离中最小值。
(3)循环操作，直到所有点归为一类；
(4)控制点集优化；
综合考虑控制点的数量要求和残差，建立优化准则，对控制点进行优化，直到满足要求。输出优化后的控制点。
步骤4：对步骤3输出的控制点，从数字高程模型中提取其高程信息，获得三维控制点。
步骤5：使用步骤4中的控制点求解卫星遥感影像正射校正模型的参数。本发明中，求解卫星遥感影像正射校正模型的参数有两种方法：(一)基于粗差检测的模型求解方法和(二)基于稳健估计的模型求解方法。可以任选一种方法求解卫星遥感影像正射校正模型的参数。
(一)基于粗差检测的模型参数求解方法。
(1)读取卫星遥感数据的头文件，获取相关信息，建立卫星初始成像模型；
(2)根据卫星初始成像模型和步骤4输出的控制点，建立方程，求解模型参数；
(3)在求解过程中，根据模型参数的改正数是否小于阈值判断模型优化参数的求解结果是否为最终解。如果不是，更新模型参数，更新法方程系数矩阵和误差矩阵，重新建立法方程，进一步进行求解；如果是最优解，结束这一循环；
(4)从(2)中得到协因数矩阵，从(3)中的末次循环中得到改正数向量，对控制点是否为粗差进行检测；其中粗差检测方法参考文献[李德仁，袁修孝.误差处理与可靠性理论[M].武汉：武汉大学出版社.2003]；
(5)根据假设检验的结果，如果符合假设检验停止条件，粗差检测过程结束，如果不符合假设检验停止条件，则将更新控制点集合，然后重复(2)-(5)，直到粗差检测过程停止。
(6)输出卫星成像模型参数、粗差控制点和不含粗差的控制点；
(二)基于稳健估计的模型参数求解方法(即抗差LM方法)。
(1)读取卫星遥感数据的头文件，获取相关信息，建立卫星影像初始成像模型；
(2)根据步骤四输出的控制点和卫星影像初始成像模型，计算各控制点残差向量；
(3)分别对控制点平面坐标的残差向量(x，y)和高程坐标的残差向量(h)以中位数为参考进行标准化；
(4)依据标准化绝对残差的中位数，使用等价权方法对各个点进行赋权，等价权方法参考文献[周江文，黄幼才，杨元喜.抗差最小二乘法.武汉：华中理工大学出版社，1997]；
(5)将残差向量及其权向量输入LM算法，求取一组参数和一组新的残差向量，其中LM算法参考文献[William H.Press，Saul A.Teukolsky，William T.Vetterling，Brian P.Flannery.Numerical Recipes in C(Second Edition).CAMBRIDGE UNIVERSITYPRESS，1995]，LM算法的迭代参数参考文献[王德人.非线性方程组解法与最优化方法.北京：人民教育出版社，1979]；
(6)重复步骤(3)-(5)，直至LM算法所求解得到的参数或者是残差向量达到设定阈值；
(7)输出卫星遥感影像成像模型参数和控制点的权矩阵。
步骤6：根据步骤5中输出的卫星遥感影像成像模型参数计算控制点、同名点的拟合误差，如果拟合误差小于阈值，继续执行步骤7；如拟合误差大于阈值，将粗差控制点或权值为0的控制点从步骤2中的备选控制点中去除，重复执行步骤3至步骤6；
步骤7：利用步骤6输出的卫星遥感影像校正模型和DEM对待校正影像进行正射校正。
使用文献[张祖勋，张剑清编著，数字摄影测量学，武汉：武汉大学出版社，2002]中描述的方法对卫星遥感影像进行正射校正。输出卫星遥感正射影像和校正报告文件。
步骤1-7如说明书附图2所示。
本发明方法的具体应用
应用实例一：北京地区一景SPOT5 2.5米分辨率影像数据，选取12个控制点，27个检查点，用1∶5万DEM做正射校正。一般方法图像校正精度(x＝6.26米，y＝4.17米)，本发明方法图像校正精度(x＝3.26米，y＝3.98米)。
应用实例二：福建地区一景Landsat5 TM 30米分辨率的多光谱数据，选取30个控制点，20个检查点，用1∶25万DEM做正射校正。一般方法图像校正精度(x＝24.46米，y＝26.13米)，本发明方法图像校正精度(x＝13.32米，y＝15.59米)。
Claims (7)
1.一种稳健的全自动的卫星遥感影像正射校正方法，其步骤为：
(1)选择卫星遥感校正模型，并指定正射校正图像的相关参数；
(2)进行待校正影像与参考影像的图像同名点自动匹配，获得备选控制点集；
(3)对步骤(2)中输出的控制点进行控制点空间分布自动优化，在控制点优化过程中，采用泰森多边形或基于聚类分析方法的控制点自动优化方法，并给出分布均匀度指标；
(4)对步骤(3)输出的控制点，在数字高程模型中提取其高程信息，组成三维控制点；
(5)使用步骤(4)中的控制点求解卫星遥感影像正射校正模型的参数，在求解卫星遥感影像成像模型的过程中，采用基于粗差检测的模型求解方法或基于稳健估计的模型求解方法；
(6)根据步骤(5)中输出的卫星遥感影像成像模型参数计算控制点、同名点的拟合误差，如果拟合误差小于阈值，继续执行步骤(7)；如拟合误差大于阈值，将粗差控制点或控制点权值为0的控制点从步骤(2)中的备选控制点中去除，重复执行步骤(3)至步骤(6)；
(7)利用步骤(5)输出的卫星遥感影像成像模型和DEM对待校正影像进行正射校正。
2.根据权利要求1所述方法，其特征在于，其中步骤(2)包括：影像特征点选取，以特征点为中心的特征影像块匹配。
3.根据权利要求1所述方法，其特征在于，其中步骤(3)中，提出了控制点二维空间分布均匀度的计算方法，并给出两种控制点空间分布的定量化评价方法：控制点重要值衡量方法、基于独占圆概念的控制点空间分布均匀度衡量方法。
4.根据权利要求1所述方法，其特征在于，其中步骤(3)中，在控制点优化过程中，采用了基于泰森多边形的控制点自动优化方法。
5.根据权利要求1所述方法，其特征在于，其中步骤(3)中，在控制点优化过程中，采用了基于聚类分析方法的控制点自动优化方法。
6.根据权利要求1所述方法，其特征在于，其中步骤(5)包括：在求解卫星遥感影像校正模型参数过程中，可选择采用基于粗差检测的模型求解方法和基于稳健估计的模型求解方法。
7.根据权利要求1所述方法，其特征在于，其中步骤(5)中采用抗差LM方法，包括：对控制点平面和高程坐标的残差向量以中位数为参考进行标准化；使用等价权方法对各个控制点进行赋权。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200910223583 CN101750606B (zh) | 2009-11-24 | 2009-11-24 | 自动和稳健的卫星遥感影像正射校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200910223583 CN101750606B (zh) | 2009-11-24 | 2009-11-24 | 自动和稳健的卫星遥感影像正射校正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101750606A CN101750606A (zh) | 2010-06-23 |
| CN101750606B true CN101750606B (zh) | 2012-07-04 |
Family
ID=42477874
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200910223583 Active CN101750606B (zh) | 2009-11-24 | 2009-11-24 | 自动和稳健的卫星遥感影像正射校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101750606B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102567735B (zh) * | 2010-12-30 | 2013-07-24 | 中国科学院电子学研究所 | 一种自动提取遥感图像控制点切片的方法 |
| CN102184397A (zh) * | 2011-04-25 | 2011-09-14 | 中国测绘科学研究院 | 遥感影像的快速正射纠正方法 |
| CN102243695B (zh) * | 2011-08-05 | 2016-04-27 | 北京航空航天大学 | 零膨胀泊松分布参数的一种稳健估计方法 |
| CN102722250A (zh) * | 2012-06-07 | 2012-10-10 | 何潇 | 一种影像控制点交互编辑的方法及系统 |
| CN102721957B (zh) * | 2012-06-21 | 2014-04-02 | 中国科学院对地观测与数字地球科学中心 | 一种水环境遥感监测校正检验方法及装置 |
| CN103337052B (zh) * | 2013-04-17 | 2016-07-13 | 国家测绘地理信息局卫星测绘应用中心 | 面向宽幅遥感影像的自动几何纠正方法 |
| CN103310443B (zh) * | 2013-05-20 | 2016-04-27 | 华浩博达（北京）科技股份有限公司 | 高分辨率遥感影像快速处理方法及系统 |
| CN106651927B (zh) * | 2016-12-30 | 2020-03-24 | 北京航天泰坦科技股份有限公司 | 一种正射影像镶嵌接边匹配的同名点粗差剔除方法 |
| CN108492711A (zh) * | 2018-04-08 | 2018-09-04 | 黑龙江工业学院 | 一种电子地图绘制方法及装置 |
| CN114046776B (zh) * | 2021-09-22 | 2023-04-21 | 北京洛斯达科技发展有限公司 | 一种输电工程水土保持措施落实的核查系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101034475A (zh) * | 2007-03-29 | 2007-09-12 | 上海大学 | 无阴影卫星遥感正射数字图像的计算机生成方法 |
| JP2007248216A (ja) * | 2006-03-15 | 2007-09-27 | Mitsubishi Electric Corp | 合成開口レーダ画像のオルソ補正装置及びオルソ補正方法 |
| TW200840993A (en) * | 2007-04-04 | 2008-10-16 | Univ Nat Central | Ortho-rectification method of photogrammetry with high-spatial resolution |
-
2009
- 2009-11-24 CN CN 200910223583 patent/CN101750606B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007248216A (ja) * | 2006-03-15 | 2007-09-27 | Mitsubishi Electric Corp | 合成開口レーダ画像のオルソ補正装置及びオルソ補正方法 |
| CN101034475A (zh) * | 2007-03-29 | 2007-09-12 | 上海大学 | 无阴影卫星遥感正射数字图像的计算机生成方法 |
| TW200840993A (en) * | 2007-04-04 | 2008-10-16 | Univ Nat Central | Ortho-rectification method of photogrammetry with high-spatial resolution |
Non-Patent Citations (1)
| Title |
|---|
| 贾秀鹏等.《基于SPOT5异轨立体像对提取DEM试验与精度评估》.《测绘信息与工程》.2006,(第2期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101750606A (zh) | 2010-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101750606B (zh) | 自动和稳健的卫星遥感影像正射校正方法 | |
| CN110443836A (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
| CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
| CN102003938B (zh) | 大型高温锻件热态在位检测方法 | |
| CN111145227B (zh) | 一种地下隧道空间多视点云的可迭代整体配准方法 | |
| CN105046251B (zh) | 一种基于环境一号卫星遥感影像的自动正射校正方法 | |
| CN102800096B (zh) | 一种摄像机参数的鲁棒性估计算法 | |
| CN101826206B (zh) | 一种相机自定标的方法 | |
| CN109709551B (zh) | 一种星载合成孔径雷达影像的区域网平面平差方法 | |
| CN103278138A (zh) | 一种复杂结构薄部件三维位置及姿态的测量方法 | |
| CN106887016B (zh) | 一种gf-4卫星序列图像自动相对配准方法 | |
| CN107330927B (zh) | 机载可见光图像定位方法 | |
| CN113358091B (zh) | 一种利用三线阵立体卫星影像生产数字高程模型dem的方法 | |
| CN108226982B (zh) | 单线阵卫星激光联合高精度定位处理方法 | |
| CN112270698A (zh) | 基于最邻近曲面的非刚性几何配准方法 | |
| CN112070891B (zh) | 数字地面模型作为三维控制的影像区域网平差方法及系统 | |
| CN108919319A (zh) | 海岛礁卫星影像无地面控制点定位方法及系统 | |
| CN104318566B (zh) | 可返回多个高程值的新型多视影像铅垂线轨迹匹配方法 | |
| CN107765257A (zh) | 一种基于反射强度辅助外部校准的激光探测与测量方法 | |
| CN111611525B (zh) | 基于物方匹配高程偏差迭代修正的遥感数据高程解算方法 | |
| Barazzetti | Network design in close-range photogrammetry with short baseline images | |
| El-Ashmawy | Photogrammetric block adjustment without control points | |
| Dong et al. | A novel RPC bias model for improving the positioning accuracy of satellite images | |
| CN114255051B (zh) | 基于立体测绘卫星的正射产品的真实性检验方法 | |
| CN113393507B (zh) | 无人机点云与地面三维激光扫描仪点云配准方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |