CN103115614B - 多源多轨长条带卫星遥感影像联合并行匹配方法 - Google Patents

Abstract

一种多源多轨长条带卫星遥感影像联合并行匹配方法，引入特征评价算子，统计分析影像局部纹理的空间结构与反差；采用多轨道卫星影像联合匹配策略，保证了轨道间连接点的最大重叠次数；在全球SRTM数据的辅助下，利用地形起伏变化建立近似核线几何约束，极大地减少了由于高程误差造成的核线预测误差；综合运用了小面元几何纠正法、基于控制网的匹配生长算法，并通过不断精化差异补偿模型，消除了多源影像间的几何与辐射畸变，最终获得稳健地、高精度匹配结果；将匹配流程与匹配策略进行了整合与改进，为多源多轨长条带卫星影像的联合处理提供了较为完善的匹配方案，为海量卫星遥感数据的集成应用提供了保证。

Description

多源多轨长条带卫星遥感影像联合并行匹配方法

技术领域

本发明属于测绘科学与技术领域，涉及一种多源多轨长条带卫星遥感影像联合并行匹配方法，主要应用于空中三角测量、数字表面模型生产等领域。

背景技术

近20年来，随着航天技术的飞速发展，在轨卫星数量的急剧增加，越来越多的卫星数据应用到摄影测量领域，利用卫星数据进行测绘产品的生产已成为地理空间信息获取的重要手段。由于卫星成像系统在高空飞行时，具有覆盖范围广、运行周期短、姿态稳定、多余观测多等特点，这对于影像匹配中“病态解”的消除、匹配精度与可靠性的提高具有较大意义。另外，卫星上搭载的恒星定位仪与星敏器可获得固定采样间隔下扫描行的姿轨数据，从而通过几何约束方法来缩小匹配搜索范围，获得相对可靠的未知参数的初始值。然而卫星成像系统一般采用推扫式CCD线阵成像方式，具有不完全中心投影成像几何特点，其成像的几何特征远比传统的中心透视投影复杂，并且由于多视传感器（如前/正/后视）交会角、焦距、地面分辨率等差异，导致影像间存在复杂的几何与辐射畸变。这对于卫星影像的匹配研究带来了挑战。

现有基于卫星遥感影像的匹配方法大致可分为三类：（1）基于物方的匹配：由于特殊的立体观测结构和线阵传感器上集成GPS接收器与星敏感器，基于物方的匹配算法应用较为广泛。但该算法依赖于精确姿态轨道参数获得的大致准确的同名预测点，考虑到国产卫星由于硬件系统的原因，其无控对地定位精度一般较差，单纯采用该算法很难取得较好的匹配结果。（2）基于不变性算子的匹配算法：由于基于不变性算子的匹配算法在计算机视觉领域取得了重大突破，凭借其强大的匹配性能在目标识别、全景图拼接、从运动恢复结构、遥感影像配准等领域得到成功应用。但该算法存在内存消耗多、运算速度慢的问题，对于大范围的卫星遥感影像匹配适用性不强，可靠性和有效性有待进一步检验。（3）基于特征与灰度属性的匹配：该算法结合基于特征的匹配和基于区域的匹配算法特点，首先利用特征匹配算子获得种子点，以种子点为基础，利用区域增长，进行最小二乘匹配。该算法适用于平坦地形下的影像匹配，但对居民地、山地、丘陵等复杂地形影像匹配效果较差。

总的来说，现有匹配方法主要针对同一传感器在同轨或异轨获取的同源分景立体影像进行处理，而无法直接对不同传感器在不同轨道下获取的长条带卫星影像进行联合处理。如果利用分景后的影像进行匹配及区域网平差，则在实际生产中，景与景之间平差精度很难保持一致，从而出现影像拼接问题。如果直接利用长条带影像进行整体匹配，可对影像内部进行整体纠正，既有利于消除影像拼接问题，又可为稀少控制或无控地区定位精度的提高提供了保证。另外，现有方法对于影像间存在的空间分辨率、入射角、时相、成像机理的差异，无法完全消除，导致匹配算法的失效；而对于纹理贫乏区域，匹配点的加密一直以来都是亟待解决的难点问题。

发明内容

本发明的目的是提供一种多源多轨长条带卫星遥感影像联合并行匹配方法，以实现在多机多核情况下，全自动地联合不同传感器在不同轨道下获取的多源、多轨海量影像数据，进行快速并行匹配处理。

本发明的技术方案为一种多源多轨长条带卫星遥感影像联合并行匹配方法，包括以下步骤：

步骤一，在每一轨道内，选取接近于垂直摄影的长条带影像作为基准影像，采用物理分块得到相互独立的基准影像块，并记录每个基准影像块与原始的基准影像的对应关系；物理分块时，块与块之间在列与行方向上均具有一定重叠；

步骤二，利用特征提取算子，对各基准影像块提取特征点，引入特征评价算子统计特征点的二维直方图，根据二维直方图将位于纹理贫乏区域的特征点剔除，保留局部纹理丰富的特征点作为待匹配点；

步骤三，确定各轨道内长条带影像间的重叠关系，建立轨道内匹配任务列表；轨道内匹配任务列表记录与每一轨道内的各基准影像块在同一轨道中有重叠关系的影像，作为相应搜索影像，每个基准影像块与相应所有搜索影像构成一个匹配任务；

步骤四，根据轨道内匹配任务列表，对所有匹配任务分别通过基于地形起伏的近似核线约束匹配，获得轨道内的同名点匹配结果；

步骤五，确定轨道间的长条带影像重叠关系，建立轨道间匹配模型任务列表；轨道间匹配模型任务列表记录与每一轨道内的各基准影像块在所有轨道中有重叠关系的影像，作为相应搜索影像，每个基准影像块与相应各搜索影像分别构成一个匹配任务；

步骤六，根据轨道间匹配模型任务列表，对所有匹配任务分别通过基于地形起伏的近似核线约束匹配，获得轨道间的同名点匹配结果；

步骤七，根据轨道内的同名点匹配结果和轨道间的同名点匹配结果，合并所有轨道内与轨道间匹配点，进行整体的误匹配检测与剔除，最终输出匹配结果。

而且，步骤四中对任一匹配任务进行基于地形起伏的近似核线约束匹配，包括以下子步骤，

（1）对当前处理的基准影像块，基于全球地形高程数据计算高程范围，预测各搜索影像中与基准影像块重叠的范围并读取；以原始的基准影像块为底层建立多层金字塔影像，层数记为N；令i=1；

（2）对各搜索影像分别执行以下子步骤，在对所有搜索影像处理完底层的原始影像后进入步骤（3），

（2.1）对第i层金字塔建立近似核线方程，得到近似核线；

（2.2）利用差异补偿模型改正局部畸变；

（2.3）进行基于近似核线约束的二维相关匹配，得到初始的匹配点；

（2.4）从初始的匹配点中剔除误匹配的匹配点，处理完第i层金字塔；

（2.5）判断当前是否处理完底层的原始影像，即判断是否i=N，否则令i=1+1，返回步骤（2.1）；返回步骤（2.1）时更新约束条件，实现方式如下，

处理完第i层金字塔后，构建数字表面模型，用于返回步骤（2.1）处理下层金字塔时建立近似核线方程，此处i的取值为1,2,…N-1；并且根据处理完第i层金字塔所得匹配点，重新计算得到处理下层金字塔时的差异补偿模型的系数，此处i的取值为1,2,…N-1；

（3）对匹配点加密与精化；

（4）对加密与精化后的匹配点剔除误匹配。

而且，步骤六中对任一匹配任务进行基于地形起伏的近似核线约束匹配，包括以下子步骤，

（1）对当前处理的基准影像块，基于全球地形高程数据计算高程范围预测搜索影像中与基准影像块重叠的范围并读取；以原始的基准影像块为底层建立多层金字塔影像，层数记为N；令i=1；

（2）对第i层金字塔建立近似核线方程，得到近似核线；

（3）利用差异补偿模型改正局部畸变；

（4）进行基于近似核线约束的二维相关匹配，得到初始的匹配点；

（5）从初始的匹配点中剔除误匹配的匹配点，处理完第i层金字塔；

（6）判断当前是否处理完底层的原始影像，即判断是否i=N，是则进入下一步骤（7），否则令i=1+1，返回步骤（2）；返回步骤（2）时更新约束条件，实现方式如下，

处理完第i层金字塔后，构建数字表面模型，用于返回步骤（2）处理下层金字塔时建立近似核线方程，此处i的取值为1,2,…N-1；并且根据处理完第i层金字塔所得匹配点，重新计算得到处理下层金字塔时的差异补偿模型的系数，此处i的取值为1,2,…N-1；

（7）对匹配点加密与精化；

（8）对加密与精化后的匹配点剔除误匹配。

而且，步骤二中利用LBP/C算子统计特征点的局部LBP图与LC图的像素值分布，得到LBP/C二维直方图。

本发明的优点在于直接利用长条带卫星影像，联合不同传感器在不同轨道下获取的多源、多轨海量数据，在多机多核的硬件条件下，完全自动化地进行快速并行匹配，避免了通过影像分景处理带来的景与景之间的影像拼接问题，实现了不同分辨率、不同视角、不同时相的卫星影像联合匹配，解决了纹理贫乏区域的“匹配空洞”现象，为稀少控制或无控地区定位精度的提高提供了保证。引入特征评价算子，统计分析影像局部纹理的空间结构与反差，从而提高特征匹配的成功率，避免了伪特征在匹配中所产生的误匹配现象；采用多轨道卫星影像联合匹配策略，保证了轨道间连接点的最大重叠次数；在全球地形高程数据（SRTM）辅助下，利用地形起伏变化建立近似核线几何约束，极大地减少了由于高程误差造成的核线预测误差；综合运用了小面元几何纠正法、基于控制网的匹配生长算法，并通过不断精化差异补偿模型，消除了多源影像间的几何与辐射畸变，最终获得稳健地、高精度匹配结果；将匹配流程与匹配策略进行了整合与改进，为多源多轨长条带卫星影像的联合处理提供了较为完善的匹配方案，为海量卫星遥感数据的集成应用奠定了基础。

附图说明

图1为本发明实施例的流程图。

图2为本发明实施例(P，R)对应的圆领域点集示意图；

图3为本发明实施例影像中纹理贫乏区域的LBP/C直方图；

图4为本发明实施例影像中纹理丰富区域的LBP/C直方图；

图5为本发明实施例的小面元局部畸变差异消除原理图。

具体实施方式

具体实施时，本发明技术方案采用计算机软件方式实现自动运行。以下结合附图和实施例详细说明本发明技术方案。

参见图1，本发明提供了一种多源多轨长条带卫星遥感影像联合并行匹配方法，该方法可实现在多机多核情况下，全自动联合多源多轨海量长条带卫星影像数据，进行快速并行匹配处理。实施例具体实现方法包含以下步骤：

步骤1，在每一轨道内，选取接近于垂直摄影的长条带影像作为基准影像，采用物理分块得到相互独立的基准影像块，并记录每个基准影像块与原始的基准影像的对应关系；物理分块时，块与块之间在列与行方向上均具有一定重叠。

实施例在本步骤进行物理分块控制与索引：因为处理的是长条带影像，影像数据量太大，无法装载到内存中进行处理，而且考虑到并行匹配，本发明提出在每一轨道内，选取接近于垂直摄影的长条带影像作为基准影像，通过分块方式对基准影像进行物理分割得到基准影像块，实施例将基准影像块大小设为12000×12000像素，但为避免临近影像边缘的影像块出现越界现象，建议影像边缘在分割时自动控制影像分块尺寸。考虑到影像块边界连续问题，物理分割时，块与块之间在列与行方向上均具有重叠关系，保证影像块边界存在一定数量的匹配点。建立影像分块的索引机制，记录每个基准影像块与原始基准影像的对应关系。

步骤2，利用特征提取算子，对各基准影像块提取特征点，引入特征评价算子统计特征点的二维直方图，根据二维直方图将位于纹理贫乏区域的特征点剔除，保留局部纹理丰富的特征点作为待匹配点。

实施例在本步骤进行特征点的筛选，引入特征评价算子统计特征点的二维直方图，二维直方图描述了局部纹理空间分布特征和纹理反差。

为便于实施参考，提供实施例采用的特征评价算子原理如图2和图3、4所示。LBP/C算子是一种统计分析影像纹理的描述方法，主要描述了局部纹理的空间特征与反差，可以很好的对纹理信息进行描述。利用LBP/C算子对提取的特征进行筛选，可有效提高同名点的匹配正确率。其中局部二值模式值LBP值与局部纹理反差值LC值可通过以下步骤计算：

（1）如图2所示，以特征点(Xc,Yc)为中心，建立以R为半径的圆，通过以下公式确定包含P个对称邻域点的点集T，g_c,g₁，…,g_P代表中心点、第1，…P个领域点对应的灰度值。图中领域点总数P=24，R=3.0。

X_p=X_c-R·sin(2πp/P)

Y_p＝Y_c+R·cos(2πp/P)     (1)

（2）将点集T中每个点的灰度值g_p与g_c进行对比，根据大小关系对点集T进行二值化，从而计算出LBP值。p的取值为1,2…P。

$\mathrm{LBP}=\underset{p=1}{\overset{P}{\mathrm{\Σ}}}s(g_p-g_c)2^p$ 其中，

（3）对于局部纹理反差值LC的计算，可通过以下公式计算，其中μ为局部像素灰度值均值：

$\mathrm{LC}=\frac{1}{P}\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{(g_p-\mathrm{\μ})}^2$ 其中， $\mathrm{\μ}=\frac{1}{P}\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{g}_p---\left(3\right)$

利用LBP/C算子统计特征的局部LBP图与LC图的像素值分布，得到LBP/C二维直方图，当特征分布在阈值以下，则认为该特征为伪特征，进行剔除。如图3、4所示，直方图描述了兴趣点局部纹理空间分布特征和局部纹理反差。将位于纹理贫乏区域的特征剔除，保留位于纹理丰富区域的特征。

步骤3，确定各轨道内长条带影像间的重叠关系，建立轨道内匹配任务列表。

实施例在本步骤进行生成轨道内匹配任务列表：本领域技术人员可采用软件技术设计流程自动确定各轨道内长条带影像间的重叠关系，建立轨道内匹配任务列表。轨道内匹配任务列表记录与每一轨道内的各基准影像块在同一轨道中有重叠关系的影像，作为相应搜索影像，即待匹配长条带影像。具体实施时，本领域技术人员可以自行设计轨道内匹配任务列表。

为便于实施参考起见，提供轨道内匹配任务列表的建议格式为，文件头记录任务数，每一行从左至右代表轨道内匹配执行程序路径、任务编号、任务信息文件路径。

如下示例：

574

E：\Codes\KSPP\KSPP_MUXKNL.EXE 0 Z：\APGS\ceshiworks\multi\1\Project_windows\AT\Orientation_MUX\KSPP_3534_0.tsk

E：\Codes\KSPP\ESPP MUXKNL.EXE 1 Z：\APGS\ceshiworks\multi\1\Project windows\AT\Orientation MUX\KSPP 3534 1.tsk

…

轨道内匹配任务信息文件基于一对多的匹配思想，即一张基准影像对应多张具有重叠关系的搜索影像。每个基准影像块与相应所有搜索影像构成一个匹配任务。任务信息文件的建议格式为，第一行记录任务编号、匹配工程信息文件路径；第二行记录基准影像块在长条带影像中的行列读取范围；第三行记录该基准影像块覆盖范围内的最大、最小高程、畸变改正格网大小；第四行记录与基准影像块有重叠关系的搜索影像编号。

如下示例：

3534  Z：\APGS\ceshiworks\multi\1\Project_windows\1234567.apgs

0  0  11999  11999  12000  12000

1373  145  200  200  61

12  28  81  82  96  106

步骤4，根据轨道内匹配任务列表，通过基于地形起伏的近似核线约束匹配，获得轨道内的同名点匹配结果。

实施例在本步骤进行基于地形起伏的近似核线约束匹配：

在推扫式卫星遥感影像中，每一扫描行均有其自身的投影中心和姿轨参数，因此它并不存在严格的核线定义。高程误差对于匹配结果的影响的分析指出，高程初值和实际值相差越小，匹配结果越好。为尽量消除高程误差对于核线预测精度的影响，利用全球地形高程数据获得影像覆盖范围的真实地形起伏，利用地形高程的变化生成近似核线，从而作为匹配的约束条件。并引入差异补偿模型，改正影像间的几何变形与辐射差异，并利用区域匹配相似性测度，获得初始匹配点。

本发明是在现有近似核线约束匹配算法的基础上，结合多源影像匹配特点，提出了“基于地形起伏的近似核线约束匹配。为便于实施参考，提供实施例的具体实现方式中，对每一基准影像块执行步骤如下：

（1）基于全球地形高程数据计算高程范围：对当前处理的基准影像块，根据卫星参数信息，通过像地正投影计算出基准影像块所覆盖的概略地理范围，获取该范围的最大高程H_max、最小高程H_min后，通过像地反投影，将基准影像块中特征点分别以H_max、H_min作为高程投影到待匹配长条带影像上，得到投影点影像坐标（x_max，y_max）、（x_min，y_min）。高程搜索步距按照以下公式求得，一旦结果为有效值，则停止步距的计算：

$\mathrm{Length}=\sqrt{{(x_{\max }-x_{\min })}^2+{(y_{\max }-y_{\min })}^2}---\left(4\right)$

H_pitch＝(H_max-H_min)/Length     (5)

式中，Length为投影点在待匹配长条带影像上的距离，H_pitch为高程搜索步距。

为缩小匹配范围，预测确定待匹配长条带影像中哪一块范围是与基准影像块重叠的，确定后读取搜索影像。

引入金字塔匹配策略，以原始的基准影像块为底层建立多层金字塔影像，层数记为N，例如N=3。多层金字塔影像中，从顶层到底层依次标记为第1,2，…N层金字塔。具体建立方式可由本领域技术人员根据情况指定。例如每3×3个像素块，通过小波变换或是灰度平均，变为一个灰度值，赋给生成上一层的金字塔对应的像素上，如原始影像的大小为300×300，生成上一层金字塔，金字塔影像大小为100×100。

（2）对第i层金字塔建立近似核线方程，得到近似核线。

i的取值范围为1,2…N。首先令i=1，对顶层金字塔影像进行处理。实施例在顶层金字塔影像上，通过全球地形高程数据获得影像覆盖范围内的地形起伏变化与搜索步距，建立近似核线，作为匹配的约束条件。

以特征点为单位，采用投影轨迹法生成特征点在搜索长条带影像上对应的一条近似核线，在实际影像范围内，该核线为一曲线。投影轨迹法为现有技术，本发明不予赘述。

（3）通过差异补偿模型改正局部畸变：由仿射变换模型进行几何纠正，线性辐射补偿模型进行辐射纠正

现有技术中，一般采用相关窗口在匹配窗口中不断挪动，计算相关系数，取相关系数最大的点作为匹配点。卫星在高空摄影时，由于相机CCD的弯曲、位移等因素的影响，导致影像内部畸变差异较大，无法用同一数学模型参数进行描述。另外，影像间由于分辨率、焦距、交会角、地形变化的差异，从而导致影像间几何变形较大。一旦在基准影像块定义一相关窗口，其对应在搜索影像上的匹配窗口会出现不规则，甚至不连续的现象，因此无法直接进行相关匹配。本发明实施例采用小面元几何纠正法，如图5所示，在基准影像块上以特征点P为中心，定义一个矩形小面元Γ，该面元大小要不小于相关窗口与匹配窗口大小。特征点P的坐标为(X,Y)。通过内插出的高程及姿轨参数，将小面元四个角点投影到物方面元，再依据像地坐标反算，将其分别投影到搜索影像上，得到∑p，∑p为与矩形小面元对应的不规则面元。

依据上述面元之间的对应关系，利用仿射变换模型来描述影像几何变形，线性灰度畸变参数来改正辐射畸变，即建立畸变改正模型。畸变改正模型如式6。

x＝a₀+a₁x+a₂y

y=b₀+b₁x+b₂y     (6)

g(x,y)=h₀+h₁g₂(x₂,y₂)

其中，a₀为几何变形列偏移值，a₁、a₂为列方向旋转缩放参数，b₀几何变形行偏移值，b₁、b₂为行方向旋转缩放参数，x、y为矩形小面元四个角点的像方坐标，x′、y′为投影到搜索影像上，对应的不规则面元中四个角点的像方坐标，h₀、h₁为辐射改正值，g(x,y)为辐射改正后的灰度值，g₂(x₂,y₂)为原始灰度值；

为消除窗口变形对匹配结果的影响，在基准影像小面元内，以特征点P为中心定义相关窗口与匹配窗口，将匹配窗口中每个像素点利用畸变改正模型解算到搜索影像上，经过重采样后将灰度值赋给匹配窗口，如图5所示，P(X,Y)经模型解算，在搜索影像上对应于p(x,y)，(x,y)为搜索影像上点p的坐标。因此将p(x,y)所在点位进行重采样，将重采样后的灰度值赋给P(X,Y)。

（4）基于近似核线约束的二维相关匹配：由于不同传感器影像间几何变形严重，预测同名点的误差方向并非只存在于核线方向，因此需要沿着核线方向进行二维的灰度相关匹配。二维的灰度相关匹配为现有技术，本发明不予赘述。

（5）剔除误匹配：

具体实施时，本领域技术人员可以自行设定剔除条件。每一层的剔除条件可以不同。

例如实施例中金字塔顶层误匹配的剔除：在金字塔顶层匹配完成后，利用现有技术中的光束法前方交会得到物方中误差，实施例将高于3倍中误差的点作为误匹配予以剔除。而原始层误匹配的检测与剔除：首先基于光束法前方交会获得多视的物方坐标，将物方坐标反投到各视影像上，计算匹配点的像方中误差，实施例将大于5倍中误差的匹配点作为误匹配，予以剔除，获得最终同名点匹配结果。

（6）判断当前是否处理完底层的原始影像，即判断是否i=N，是则进入下一步骤（7），否则令i=1+1，返回步骤（2）。

返回步骤（2）时更新约束条件：金字塔顶层匹配完成后，构建初始数字表面模型，得到更为精确的高程信息，从而极大地减少了下一层的匹配时间，提高了金字塔匹配的效率。以下每一层利用上一层构建的数字表面模型，确定更为精确的高程信息与畸变改正模型（如式6），即精化高程及更新畸变参数，用于该层金字塔的二维核线匹配。

即处理完第i层金字塔后，构建数字表面模型，用于返回步骤（2）处理下层金字塔时建立近似核线方程，此处i的取值为1,2,…N-1；并且根据处理完第i层金字塔所得匹配点，重新计算得到处理下层金字塔时的差异补偿模型的系数，此处i的取值为1,2,…N-1；

由于轨道内基于地形起伏的近似核线约束匹配时，一个基准影像块可能对应多个搜索影像，对各搜索影像需要在步骤（1）中分别预测确定待匹配长条带影像中哪一块范围是与基准影像块重叠的，确定后读取搜索影像；然后分别执行步骤（2）~（6），对匹配任务内所有搜索影像处理完原始影像后，然后进入步骤（7）。如图1提供了一个基准影像块对应两个搜索影像的情况。

（7）匹配点加密与精化：当匹配点传递到原始层影像时，利用现有技术中的基于控制网的匹配生长算法对匹配点进行加密，保证匹配点分布的均匀性。采用现有技术中的多视最小二乘匹配实现匹配点位的精化。

为提高影像匹配的成功率与正确率，对纹理贫乏区域的兴趣点进行剔除，从而导致在平滑的开放地形下出现匹配点稀少甚至无匹配点的现象，这对于影像匹配的点位分布均匀性造成了一定的影响。因此，采用基于控制网的匹配生长方法，将匹配成功的点位作为控制点构建控制网，在基准影像的匹配点稀少区域选取若干点位作为生长点，通过对生长点的匹配来保证纹理贫乏区域匹配点的均匀分布。

（8）对加密与精化后的匹配点剔除误匹配：实施例基于随机抽样一致算法剔除误匹配。随机抽样一致算法为现有技术，本发明不予赘述。

步骤5，确定轨道间的长条带影像重叠关系，建立轨道间匹配模型任务列表。

实施例在本步骤进行生成轨道间模型列表：在完成轨道内匹配后，自动确定轨道间的影像重叠关系，建立轨道间匹配模型任务列表。轨道间匹配模型任务列表记录与每一轨道内的各基准影像块在所有轨道中有重叠关系的影像，作为相应搜索影像，即待匹配长条带影像。其中，轨道间匹配模型任务列表与轨道内匹配任务列表内容一致，但轨道间匹配任务信息文件有所不同，主要基于一对一的匹配思想，即每个基准影像块可能有多个待匹配长条带影像，相应分解为多个匹配任务，每个基准影像块与相应各搜索影像分别构成一个匹配任务。每一匹配任务为一匹配模型，即一个基准影像块作为左影像，相应的一个待匹配长条带影像作为右影像，匹配任务就是对左影像和右影像进行匹配。具体实施时，本领域技术人员可以自行设计轨道间匹配模型任务列表。任务信息文件的建议格式为，第一行记录了任务编号、匹配工程信息文件路径；第二行记录了匹配模型中左影像在长条带影像中的行列读取范围；第三行记录了右影像在长条带影像中的行列读取范围；第四行记录了该影像块覆盖范围内的最大、最小高程、畸变改正格网大小；第五行记录了左影像所在轨道的轨道内匹配点文件路径。

如下示例：

3534  Z：\APGS\ceshiworks\multi\1\Project_windows\1234567.apgs

12  0  0  11999  11999  12000  12000

45  12584  148453  18795  155453  6212  7001

1373  145  200  200  61

Z：\APGS\ceshiworks\multi\1\Project windows\AT\Interior\12.dpg

步骤6，根据轨道间匹配模型任务列表，通过基于地形起伏的近似核线约束匹配，获得轨道间的同名点匹配结果。

实施例在本步骤进行轨道间模型连接：利用基于地形起伏的近似核线约束匹配算法，对匹配模型进行连接，获得轨道间同名点匹配结果。详情参见步骤4说明，由于轨道间基于地形起伏的近似核线约束匹配时，一个基准影像块对应多个搜索影像的情况也被分解为一对一对一的匹配任务，针对匹配的这个搜索影像执行步骤（1）~（9）即可。

步骤7，根据轨道内的同名点匹配结果和轨道间的同名点匹配结果，合并所有轨道内与轨道间匹配点，进行整体的误匹配检测与剔除，最终输出匹配结果。

实施例在本步骤进行合并匹配结果：合并所有轨道内与轨道间匹配点，通过步骤8对点位进行整体的误匹配剔除。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (4)

1.一种多源多轨长条带卫星遥感影像联合并行匹配方法，其特征在于，包括以下步骤：

步骤一，在每一轨道内，选取接近于垂直摄影的长条带影像作为基准影像，采用物理分块得到相互独立的基准影像块，并记录每个基准影像块与原始的基准影像的对应关系；物理分块时，块与块之间在列与行方向上均具有一定重叠；

步骤二，利用特征提取算子，对各基准影像块提取特征点，引入特征评价算子统计特征点的二维直方图，根据二维直方图将位于纹理贫乏区域的特征点剔除，保留局部纹理丰富的特征点作为待匹配点；

步骤三，确定各轨道内长条带影像间的重叠关系，建立轨道内匹配任务列表；轨道内匹配任务列表记录与每一轨道内的各基准影像块在同一轨道中有重叠关系的影像，作为相应搜索影像，每个基准影像块与相应所有搜索影像构成一个匹配任务；

步骤四，根据轨道内匹配任务列表，对所有匹配任务分别通过基于地形起伏的近似核线约束匹配，获得轨道内的同名点匹配结果；

步骤五，确定轨道间的长条带影像重叠关系，建立轨道间匹配模型任务列表；轨道间匹配模型任务列表记录与每一轨道内的各基准影像块在所有轨道中有重叠关系的影像，作为相应搜索影像，每个基准影像块与相应各搜索影像分别构成一个匹配任务；

步骤六，根据轨道间匹配模型任务列表，对所有匹配任务分别通过基于地形起伏的近似核线约束匹配，获得轨道间的同名点匹配结果；

步骤七，根据轨道内的同名点匹配结果和轨道间的同名点匹配结果，合并所有轨道内与轨道间匹配点，进行整体的误匹配检测与剔除，最终输出匹配结果。

2.根据权利要求1所述多源多轨长条带卫星遥感影像联合并行匹配方法，其特征在于：步骤四中对任一匹配任务进行基于地形起伏的近似核线约束匹配，包括以下子步骤，

(1)对当前处理的基准影像块，基于全球地形高程数据计算高程范围，预测各搜索影像中与基准影像块重叠的范围并读取；以原始的基准影像块为底层建立多层金字塔影像，层数记为N；令i＝1；

(2)对各搜索影像分别执行以下子步骤，在对所有搜索影像处理完底层的原始影像后进入步骤(3)，

(2.1)对第i层金字塔建立近似核线方程，得到近似核线；

(2.2)利用差异补偿模型改正局部畸变；

(2.3)进行基于近似核线约束的二维相关匹配，得到初始的匹配点；

(2.4)从初始的匹配点中剔除误匹配的匹配点，处理完第i层金字塔；

(2.5)判断当前是否处理完底层的原始影像，即判断是否i＝N，否则令i＝1+1，返回步骤(2.1)；返回步骤(2.1)时更新约束条件，实现方式如下，

处理完第i层金字塔后，构建数字表面模型，用于返回步骤(2.1)处理下层金字塔时建立近似核线方程，此处i的取值为1,2,…N-1；并且根据处理完第i层金字塔所得匹配点，重新计算得到处理下层金字塔时的差异补偿模型的系数，此处i的取值为1,2,…N-1；

(3)对匹配点加密与精化；

(4)对加密与精化后的匹配点剔除误匹配。

3.根据权利要求1所述多源多轨长条带卫星遥感影像联合并行匹配方法，其特征在于：步骤六中对任一匹配任务进行基于地形起伏的近似核线约束匹配，包括以下子步骤，

(1)对当前处理的基准影像块，基于全球地形高程数据计算高程范围预测搜索影像中与基准影像块重叠的范围并读取；以原始的基准影像块为底层建立多层金字塔影像，层数记为N；令i＝1；

(2)对第i层金字塔建立近似核线方程，得到近似核线；

(3)利用差异补偿模型改正局部畸变；

(4)进行基于近似核线约束的二维相关匹配，得到初始的匹配点；

(5)从初始的匹配点中剔除误匹配的匹配点，处理完第i层金字塔；

(6)判断当前是否处理完底层的原始影像，即判断是否i＝N，是则进入下一步骤(7)，否则令i＝1+1，返回步骤(2)；返回步骤(2)时更新约束条件，实现方式如下，

处理完第i层金字塔后，构建数字表面模型，用于返回步骤(2)处理下层金字塔时建立近似核线方程，此处i的取值为1,2,…N-1；并且根据处理完第i层金字塔所得匹配点，重新计算得到处理下层金字塔时的差异补偿模型的系数，此处i的取值为1,2,…N-1；

(7)对匹配点加密与精化；

(8)对加密与精化后的匹配点剔除误匹配。

4.根据权利要求1或2或3所述多源多轨长条带卫星遥感影像联合并行匹配方法，其特征在于：步骤二中利用LBP/C算子统计特征点的局部LBP图与LC图的像素值分布，得到LBP/C二维直方图。