CN102945544B - 低轨卫星影像仿真方法 - Google Patents

Abstract

本发明提供了一种低轨卫星影像仿真方法，主要包括以下步骤：步骤1，对影像数据执行重采样算法；步骤2，执行影像像素坐标到该点WGS84坐标之间的变换；步骤3，执行影像像素在DEM和DOM上的定位，通过迭代获得每个影像像素在DOM的准确位置。本发明是一种全新的低轨卫星影像仿真方法，通过对低轨卫星轨道、姿态、内方位元素进行分析，分析其标称状态下的因素，然后通过对这些因素进行建模，在计算机上对低轨卫星的姿态过程进行仿真。本发明填补了这方面的技术空白，为低轨卫星的预研工作提供了分析的依据。

Description

低轨卫星影像仿真方法

技术领域

本发明属于摄影测量与计算机仿真领域，特别涉及低轨卫星的影像仿真方法。

背景技术

在40-50年代，由于计算机技术的限制，对卫星影像的仿真只有依靠物理仿真，在美国亚利桑那大学光学中心建立了世界上第一个航空航天遥感物理仿真系统。在地面实验室里利用人造光源提供各种辐亮度和各个光谱谱段的照明条件，布置了不同背景下的各种大小尺寸靶标和军用目标模型(包括飞机、坦克、火炮等)，可以模拟卫星在轨飞行情况下的环境条件以及目标的运动等，采用可控制位置和运动模式的相机对目标按照预定的程序进行照相，以验证卫星的设计参数和成像质量。

在60年代，美国发射了多颗地球环境探测卫星，获得了大量地表、大气和地球环境的数据，这些数据为仿真实验室提供了接近真实的模型。从60年代到90年代，美国多次发射地球地理环境探测、校验和测绘卫星，用于监视和补充数据资料，修正数学模型。

80年代末期，ES公司首先在美国GE公司13个部门中的八个部门中应用了该公司的集成设计平台iSIGHT。1995年，美国NASA资助的LaRC(LandleyResearch Center)公布了PATCOD集成设计平台。美国NASA所属JPL实验室的飞行系统测试平台(Flight System Tested，FST)、Langley研究中心的SPASIM(Spacecraft Simulation)、俄罗斯能源科学生产联合体(NPO Energiya)的综合仿真测试平台(KMC)以及德国VEGA信息技术公司开发的仿真卫星(Simulating Spacecraft)等是九十年代卫星仿真技术发展的综合反映。这些软件用于航天卫星(重点是对卫星平台等大系统)的设计和仿真。目前国外计算机仿真技术发展很快，可以比较逼真地仿真出成像链路的特性，取得了一定成果，但是还是不能代替物理仿真。因此继续发展全链路仿真算法和系统来指导卫星的预研工作、从而减少物理仿真的成本是很有必要的，其中全链路仿真系统中比较重要的影像仿真部分。

卫星严密几何成像模型如下所示：

${\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]}_{\mathrm{WGS}84}={\left[\begin{array}{c}{X}_S\\ Y_S\\ Z_S\end{array}\right]}_{\mathrm{WGS}84}+m{R}_{J20002\mathrm{WGS}84}{R}_{\mathrm{orbit}2J2000}{R}_{\mathrm{star}2\mathrm{orbit}}{R}_{\mathrm{star}2\mathrm{body}}^{-1}\{\left[\begin{array}{c}{D}_x\\ D_y\\ D_z\end{array}\right]+\left[\begin{array}{c}\mathrm{dx}\\ \mathrm{dy}\\ \mathrm{dz}\end{array}\right]+R_{\mathrm{camera}2\mathrm{body}}\left[\begin{array}{c}x\\ y\\ -f\end{array}\right]\}$

式中： $\left[\begin{array}{c}{X}_S\\ Y_S\\ Z_S\end{array}\right]$ 表示卫星在WGS84坐标系下的位置矢量；m为比例系数；R_J20002WGS84为J2000坐标系到WGS84坐标系的变换矩阵；R_orbit2J2000为轨道坐标系到J2000坐标系的变换矩阵；R_star2orbit为测姿坐标系到轨道坐标系的变换矩阵；为本体坐标系到测姿坐标系的变换矩阵，它由测姿系统的安装确定；R_camera2body为传感器坐标系到本体坐标系的变换矩阵，由相机安装确定； $\left[\begin{array}{c}{D}_x\\ D_y\\ D_z\end{array}\right]$ 为定位设备在本体坐标系下的偏移； $\left[\begin{array}{c}\mathrm{dx}\\ \mathrm{dy}\\ \mathrm{dz}\end{array}\right]$ 为传感器安装到本体坐标系的偏移； $\left[\begin{array}{c}x\\ y\\ -f\end{array}\right]$ 为像素点对应的成像内方位元素。

发明内容

本发明目的在于解决现有技术方案的不足，提出了一种全新的低轨卫星影像仿真方法，填补了这方面的技术空白，为低轨卫星的预研工作提供了分析的依据。本发明的技术方案是：对低轨卫星轨道、姿态、内方位元素进行分析，分析其标称状态下的因素，然后通过对这些因素进行建模，在计算机上对低轨卫星的姿态过程进行仿真，其主要包括以下步骤：

步骤1，对影像数据执行重采样算法；

步骤2，执行影像像素坐标到该点WGS84坐标之间的变换；

步骤3，执行影像像素在DEM和DOM上的定位，通过迭代获得每个影像像素在DOM的准确位置。

优选地，步骤1中所述重采样算法为最邻近像元法，双线性插值法，双三次插值法，sinc函数法，Knab SW函数法，RC函数法中的任意一种。

优选地，步骤2的所述变换是建立影像上l行上p像素在WGS84坐标系下(X，Y，Z)^T之间的坐标转换关系。

进一步优选地，所述步骤2具体包括以下步骤：

步骤2-1，l行成像时刻计算；

步骤2-2，l行成像时刻轨道内插；

步骤2-3，l行成像时刻卫星本体坐标系原点计算；

步骤2-4，l行成像时刻姿态内插；

步骤2-5，l行上p像素在相机坐标系的指向计算；

步骤2-6，l行上p像素在本体坐标系的指向计算；

步骤2-7，l行上p像素在地面坐标系的指向计算；

步骤2-8，l行上p像素在地球模型上定位。

进一步优选地，步骤3所述的定位是确定所述l行上p像素在DEM和DOM上的定位，并且具体包括以下步骤：

步骤3-1，针对像素(l，s)，取一个近似高程数值h；根据步骤2中所述的坐标转换关系，计算该像素在WGS84下的坐标；然后根据其在WGS84的坐标计算其在投影系下的east和north坐标；

步骤3-2，根据east和north坐标，在DEM上内插该像素的所述高程h；

步骤3-3，重复步骤3-1和3-2，直到前后两次内插的高程差别在预定阈值以内，输出east和north坐标，完成像素(l，s)在DOM和DEM上的定向；

步骤3-4，根据在DOM和DEM上的定向得到的位置，内插l行上p像素的灰度值；

步骤3-5，重复步骤3-1至3-4，对各个影像像素分别定位得到各个像素的灰度值。

可见，本发明对低轨卫星轨道、姿态、内方位元素进行分析，分析其标称状态下的因素，然后通过对这些因素进行建模，在计算机上对低轨卫星的姿态过程进行仿真，从而加强了对低轨卫星影像的仿真效果。

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详细的说明：

图1是本发明实施例的高程内插流程图；

图2是本发明实施例中l行p像素在DOM和DEM定位示意图；

图3是本发明实施例中sin c函数图像示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明的技术方案，并使本发明的上述目的、特征和优点能够更加明显易懂，下面结合实施例及实施例附图对本发明作进一步详细的说明。

本发明针对的低轨卫星影像仿真方法包括影像重采样、卫星坐标的转化、影像的l行p像素在DOM和DEM上定位等步骤。以下结合附图1～3提供详细说明本发明技术方案。

(一)对影像像素执行重采样算法，从而对影像进行必要的准备，下面介绍具体的重采样算法。

对影像像素执行重采样算法，采用的重采样算法通常有六种：最邻近像元法，双线性插值法，双三次插值法，sinc函数法，Knab SW函数法，RC函数法。

以下分别予以介绍：

1.最邻近像元法

本算法输出的像素值等于距离它映射到的位置最近的输入像素值。对于二维图像，该算法是“取待采样点周围4个相邻像素点中距离最近的1个邻点的灰度值作为该点的灰度值”。

其一维的核是：

$i\left(x\right)=\mathrm{rect}\left(x\right)=\left\{\begin{array}{cc}0& \left|x\right|>\frac{1}{2}\\ \frac{1}{2}& \left|x\right|=\frac{1}{2}\\ 1& \left|x\right|<\frac{1}{2}\end{array}\right.$

其中x表示采样点与格网点的水平或垂直距离，二维采样采用三次一维核即可。该算法优点是简单，运算速度快，不改变原始像素值。但由于仅用对该采样点影响最大的(即最近的)像素的灰度值作为该点的值，而没有考虑其他相邻像素的影响(相关性)，其缺点是重新采样后的图像灰度值有明显的不连续性，插值质量差，会在图像中产生人为加工的痕迹，图像易产生马赛克和边缘锯齿等，特别是在改变像素大小的时候。

2.双线性插值

该算法先对水平方向上进行一阶线性插值，然后再对垂直方向上进行一阶线性插值。

这种方法是“利用周围4个邻点的灰度值在两个方向上作线性内插以得到待采样点的灰度值”，即根据待采样点与相邻点的距离确定相应的权值计算出待采样点的灰度值。

其一维的核是：

$i\left(x\right)=\left\{\begin{array}{cc}0& \left|x\right|>1\\ 1-\left|x\right|& \left|x\right|<1\end{array}\right.$

其中x表示采样点与格网点的水平或垂直距离，二维采样采用三次一维核即可。采样点离哪个格网点的距离越近，该格网点的灰度值的权重越大，反之亦然。该算法由于考虑了待采样点周围四个直接邻点对待采样点的影响，因此基本克服了前者灰度不连续的缺点，但其代价是计算量有所增大。但进一步看，由于此方法仅考虑四个直接邻点灰度值的影响，而未考虑到各邻点间灰度值变化率(斜率不连续)的影响，因此具有低通滤波器的性质，使缩放后图像的高频分量受到损失，图像的轮廓变得较模糊。用此方法缩放后的图像与原图像相比，仍然存在由于计算模型考虑不周而产生的图像质量(细节)退化与精度降低的问题。其优点是消除了锯齿现象，空间位置比邻近内插法精确，速度较快。缺点是改变了像素值，有将周围像素值平均的趋势，细节部分可能丢失。

3.双三次插值

本算法是一种较复杂的插值方式，即“不仅考虑到四个直接邻点灰度值的影响，还考虑到各邻点间灰度值变化率的影响”，利用了待采样点周围更大邻域内像素的灰度值作三次插值。

四点双三次插值的一维核是：

$i\left(x\right)=\begin{array}{}\left\{\begin{array}{cc}1-2{\left|x\right|}^2+{\left|x\right|}^3& 0\&le;\left|x\right|<1\\ 4-8\left|x\right|+5{\left|x\right|}^2-{\left|x\right|}^3& 1\&le;\left|x\right|<2\\ 0& 2\&le;\left|x\right|\end{array}\right.\end{array}$

六点双三次插值的一维核是：

$i\left(x\right)=\left\{\begin{array}{cc}1-2{\left|x\right|}^2+{\left|x\right|}^3& 0<\left|x\right|<1\\ 3{\left|x\right|}^2-\frac{1}{2}{\left|x\right|}^3& 1<\left|x\right|<2\\ -9+\frac{21}{2}\left|x\right|-4|{x|}^2+\frac{1}{2}{\left|x\right|}^3& 2<\left|x\right|<3\\ 0& \left|x\right|>3\end{array}\right.$

其中x表示采样点与格网点的水平或垂直距离，二维采样采用三次一维核即可。由于考虑到的采样点周围更多像素的灰度值的影像，所以双三次插值能创造出比双线性插值更平滑的图像边缘，但计算量大。该算法的优点是输出影像比双线性内插法更为接近输入影像的平均值和标准差，可以同时锐化影像边缘和消除噪声，具体表现与输入影像有很大关系。当像素大小发生剧烈改变时，此为推荐使用的方法。缺点是改变了像素值，计算复杂，速度慢。

三次插值适用于复杂外形的设计和描述。比较常用的有三次样条。首先由设计人员按外形要求，给出外形曲线的一组离散点值(x_i，y_i)，i＝0，1，...n，施工人员准备好有弹性的样条(一般用竹条或有弹性的钢条)和压铁，将压铁放在点(x_i，y_i)的位置上，调整竹条的形状，使其自然光滑，这时竹条表示一条插值曲线，称为样条函数。从数学上看，这一条近似于分段的三次多项式，在节点处具有一阶和二阶连续微商。样条函数的主要优点是它的光滑程度较高，保证了插值函数二阶导数的连续性。对于三阶导数的间断，人类的眼睛已难以辨认。样条函数是一种隐式格式，最后需要解一个方程组，它的工作量相对较大。但是插值效果却远大于其他插值方式。

4.sinc函数法

这种插值方法是对数据进行函数运算后用曲线将各个样点连接起来，图3是

本发明中sinc函数的图像示意图。

将该算法用于图像处理中，sin c插值的一维核是：

i(x)＝sin c(x)rect(x/L)＝(sin(πx)/(πx))*rect(x/L)

其中L表示窗口大小，x表示采样点与格网点的水平或垂直距离，rect表示最临近像素采样。

sinc内插法在理论上是一种严格的内插法，但实际上，由于一个连续的随机信号不可能找到一个理论上所要求的截止频率，即要求高于该频率的频谱成分的振幅严格等于零，而实际上只能接近于零或者无意义，而且它要求用脉冲函数采样，但在实际上也无法实现。因此，内插结果仍有一定的误差。其精度略低于三次内插的结果。

5.Knab SW函数法

Shannon-Whittaker-Kotel’nikov采样定理认为如果一个波长有限的信号以至少是Nyquist频率获得的时候，该信号能从一致的采样中完全恢复。从应用的角度来看，大部分的影像所覆盖的区域都是有多种地物的，以可见水平看这些地物又是不相关的。所以要解决的实际上就是分段的有限波长信号的插值问题。

其一维的核是：

$i\left(x\right)=\sin c\left(x\right)\frac{\cosh \left[\frac{\mathrm{\&pi;vL}}{2}\sqrt{1-{\left(\frac{2x}{L}\right)}^2}\right]}{\cosh \left(\frac{\mathrm{\&pi;vL}}{2}\right)}$

L表示窗口大小，v＝1-1/r，r表示采样频率与Nyquist频率之比，x表示采样点与格网点的水平或垂直距离，二维采样采用三次一维核即可。该算法用到了sin c函数，与传统算法比较起来，理论误差与实际误差都较小。

6.RC函数法

众所周知，没有码元窜扰的脉冲形状对于最佳传送是十分重要的，RC函数就是满足Nyquist频率标准的。

其插值公式：

$i\left(x\right)=\sin c\left(x\right)\frac{\cos \left(\mathrm{\&pi;vx}\right)}{1-4v^2{x}^2}\mathrm{rect}\left(\frac{x}{L}\right)$

与上面一样，L表示窗口大小，v＝1-1/r，r表示采样频率与Nyquist频率之比，x表示采样点与格网点的水平或垂直距离，二维采样采用三次一维核即可。该算法用到了sin c函数和最临近像素法(rect)。实验证明该算法，与其它的算法相比，即便是使用较小的窗口，该算法的误差也比其他算法的误差小。理论上，RC六点算法的相位误差比十二点的Knab SW算法的相位误差的四分之一还小。

(二)卫星坐标的各类转换

根据卫星使用的各种坐标系，进行坐标系转换，完成影像像素坐标到该点WGS84坐标之间的变换，众所周知WGS84是GPS全球定位系统使用而建立的坐标系统。转换中涉及的坐标系有像平面坐标系统、相机坐标系、本体坐标系、轨道坐标系、J2000惯性坐标系、WGS84坐标系等。

卫星坐标系统转换模块就是建立影像上l行上p像素在WGS84坐标系下(X，Y，Z)^T之间的坐标转换关系(X，Y，Z)^T＝senso_mod el_func(l，s，h)，在该过程需要用到轨道数据、姿态数据、内方位元素数据、相机安装矩阵、GPS安装矩阵等。具体包括以下步骤：

A.l行成像时刻计算

t＝t_c+lsp×(l-l_c)

式中，t_c为景中心扫描行的摄影时刻，lsp为每行的扫描时间，l_c为中心扫描行的l坐标。

B.l行成像时刻轨道内插

由摄影时刻t按拉格朗日内插法根据前后几个轨道点计算该像素成像时刻卫星的位置和速度：

$P\left(t\right)=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\frac{P\left(t_j\right)\&times;\underset{i\stackrel{i=1}{\&NotEqual;j}}{\overset{n}{\mathrm{\&Pi;}}}(t-t_i)}{\underset{\stackrel{i=1}{i\&NotEqual;j}}{\overset{n}{\mathrm{\&Pi;}}}(t_j-t_i)}$

$V\left(t\right)=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\frac{V\left(t_j\right)\&times;\underset{\stackrel{i=1}{i\&NotEqual;j}}{\overset{n}{\mathrm{\&Pi;}}}(t-t_i)}{\underset{\stackrel{i=1}{i\&NotEqual;j}}{\overset{n}{\mathrm{\&Pi;}}}(t_j-t_i)}$

其中P(t)，V(t)分别表示摄影时刻t的卫星位置和速度。

C.l行成像时刻卫星本体坐标系原点计算(GPS安装矩阵)

我们需要的是卫星本体坐标系坐标原点在WGS84坐标系的位置，实际轨道测量的是GPS天线相位中心在WGS84坐标系的位置，因此需要GPS安置矩阵，将GPS天线相位中心在WGS84坐标系的位置转化为本体坐标系坐标原点在WGS84坐标系的位置，而地面标定仅仅能标定GPS天线相位中心在在本体坐标系的三个偏移量[D_x D_y D_z]^T，因此需要该三个偏移量投影到WGS84坐标系下，才能建立GPS量测数值(下式中的X_GPS，Y_GPS，Z_GPS)和[X_S Y_S Z_S]^T联系起来。

$\left[\begin{array}{c}{X}_S\\ Y_S\\ Z_S\end{array}\right]=R_{\mathrm{body}}^{\mathrm{WGS}84}\left[\begin{array}{c}{D}_x\\ D_y\\ D_z\end{array}\right]+\left[\begin{array}{c}{X}_{\mathrm{GPS}}\\ Y_{\mathrm{GPS}}\\ Z_{\mathrm{GPS}}\end{array}\right]$

其中根据l行成像时刻姿态四元组计算。

D.l行成像时刻姿态内插

由于姿态有两种表示形式，本项目主要采用姿态四元组进行后续的处理。

对于四元组内插，本项目计划采用球面线性内插获得任意时刻的姿态四元组：

q＝q₀c₀+q₁c₁

其中 $c_0=\frac{\sin \left(\mathrm{\&theta;}(1-(t-t_0)/(t_1-t_0))\right)}{\sin \left(\mathrm{\&theta;}\right)},$ $c_1=\frac{\sin (\mathrm{\&theta;}(t-t_0)/(t_1-t_0))}{\sin \left(\mathrm{\&theta;}\right)},$ q₀·q₁＝cos(θ)

其中，θ表示大地地心直角坐标系X轴与地心直角坐标系X轴之间的一个时角，t表示成像时刻。

E.l行上p像素在相机坐标系的指向计算

对于CCD而言，每行的每个像素都有该像素在相机坐标系的指向(ψ_X，ψ_Y)，因此像素(p，l)在相机坐标系的指向为：

${\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]}_{\mathrm{camera}}=\left(\begin{array}{c}+\mathrm{tg}\left({\mathrm{\&psi;}}_Y\right)\\ +\mathrm{tg}\left({\mathrm{\&psi;}}_X\right)\\ -1\end{array}\right)$

如果p为非整像素，按照线性内插确定该像素在相机坐标系的指向，公式如下：

${\mathrm{\&psi;}}_X\left(p\right)={\mathrm{\&psi;}}_X\left(p_i\right)+({\mathrm{\&psi;}}_X\left(p_{i+1}\right)-{\mathrm{\&psi;}}_X\left(p_i\right))\&times;\frac{p-p_i}{p_{i+1}-p_i},(p_i<p<p_{i+1})$

${\mathrm{\&psi;}}_Y\left(p\right)={\mathrm{\&psi;}}_Y\left(p_i\right)+({\mathrm{\&psi;}}_Y\left(p_{i+1}\right)-{\mathrm{\&psi;}}_Y\left(p_i\right))\&times;\frac{p-p_i}{p_{i+1}-p_i},(p_i<p<p_{i+1})$

F.l行上p像素在本体坐标系的指向计算(相机安装矩阵)

${\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]}_{\mathrm{body}}=\left[\begin{array}{c}{d}_x\\ d_y\\ d_z\end{array}\right]+R_{\mathrm{camera}}^{\mathrm{body}}{\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]}_{\mathrm{camera}}$

表示相机坐标系相对于本体坐标系的坐标旋转关系，这是所谓相机的安装矩阵。[d_x d_y d_z]^T表示相机坐标系原点相对于本体坐标系的原点平移。

G.l行上p像素在地面坐标系的指向计算

根据l行姿态内插数据，计算由四元组构成的本体相对于地面坐标系的指向：

${\stackrel{r}{u}}_3=R_{\mathrm{body}}^{\mathrm{WGS}84}{\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]}_{\mathrm{body}}$

H.l行上p像素在地球模型上定位

(X，Y，Z)为l行上p像素在地心坐标系坐标，(X_S，Y_S，Z_S)为l行上p像素成像时刻相机本体坐标系原点在地心坐标系下的坐标，因此：

X＝X_S+m×(u₃)_X

Y＝Y_S+m×(u₃)_Y

Z＝Z_Z+m×(u₃)_Z

$\frac{X^2+Y^2}{A^2}+\frac{Z^2}{B^2}=1$

$(\frac{X_i^2+Y_i^2}{A^2}+\frac{Z_i^2}{B^2})m^2+2(\frac{X_s{X}_i+Y_s{Y}_i}{A^2}+\frac{Z_s{Z}_i}{B^2})m+(\frac{X_s^2+Y_s^2}{A^2}+\frac{Z_s^2}{B^2})=1$

求解上式关于m的二次方程就可得到m，获得地面点坐标，该坐标为WGS84下的坐标，其中 $\begin{array}{c}A=a+h\\ B=b+h\end{array}$ (a，b分别为WGS84椭球体的长半轴长度和短半轴长度)，h为l行上p像素的椭球高。

(三)l行上p像素在DEM和DOM上的定位

为了获得每个像素在DOM的准确位置，需要迭代进行，具体过程如下：

步骤A，针对像素(l，s)，取一个近似高程数值h；根据之前的影像点与物点之间的三维投影关系(X，Y，Z)^T＝sensor_mod el_func(l，s，h)，计算该点在(l，s)在WGS84下的坐标，然后根据(east，north，h)＝Transformation(X，Y，Z)，计算在投影系下的east和north坐标；

步骤B，根据east和north坐标，在DEM上内插该像素高程h，图1是本发明中高程内插的流程图；

步骤C，重复步骤A和B，直到前后两次内插的高程差别在0.1m，输出east和north坐标，完成(l，s)像素在DOM和DEM上的定向。

步骤D，根据上述在DOM和DEM上的定向得到的位置，根据上述的内插算法内插得到灰度值，作为l行上p像素的灰度值。

步骤E，重复步骤A-D，对像平面上的各个像素分别定位得到各个点的灰度值，完成整个影像仿真的过程，图2是本发明中l行p像素在DOM和DEM定位示意图。

以上所述，仅为本发明的具体实施方式，本发明还可以应用在其它设备中；以上描述中的尺寸和数量均仅为参考性的，本领域技术人员可根据实际需要选择适当的应用尺寸，而不脱离本发明的范围。本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求所界定的保护范围为准。

Claims (2)

1.一种低轨卫星影像仿真方法，其特征在于，包括以下步骤：

步骤1，对影像数据执行重采样算法；其中，所述重采样算法为最邻近像元法，双线性插值法，双三次插值法，sinc函数法，Knab SW函数法，RC函数法中的任意一种；

步骤2，执行影像像素坐标到该像素WGS84坐标之间的变换；所述变换是建立影像上l行上p像素在WGS84坐标系下(X，Y，Z)^T之间的坐标转换关系，具体包括以下步骤：

步骤2-1，l行成像时刻计算；

步骤2-2，l行成像时刻轨道内插；

步骤2-3，l行成像时刻卫星本体坐标系原点计算；

步骤2-4，l行成像时刻姿态内插；

步骤2-5，l行上p像素在相机坐标系的指向计算；

步骤2-6，l行上p像素在本体坐标系的指向计算；

步骤2-7，l行上p像素在地面坐标系的指向计算；

步骤2-8，l行上p像素在地球模型上定位；

步骤3，执行影像像素在DEM和DOM上的定位，通过迭代获得每个影像像素在DOM的准确位置。

2.根据权利要求1所述的低轨卫星影像仿真方法，其特征在于，步骤3所述的定位是确定所述l行上p像素在DEM和DOM上的定位，并且具体包括以下步骤：

步骤3-1，针对像素(l，s)，取一个高程h；根据步骤2中所述的坐标转换关系，计算该像素在WGS84下的坐标；然后根据其在WGS84的坐标计算其在投影系下的east和north坐标；

步骤3-2，根据east和north坐标，在DEM上内插该像素的所述高程h；

步骤3-3，重复步骤3-1和3-2，直到前后两次内插的高程差别在预定阈值以内，输出east和north坐标，完成像素(l，s)在DOM和DEM上的定向；

步骤3-4，根据在DOM和DEM上的定向得到的位置，内插l行上p像素的灰度值；

步骤3-5，重复步骤3-1至3-4，对各个影像像素分别定位得到各个像素的灰度值。