CN106600551A - 一种适用于大场景星载sar图像的高精度几何校正方法 - Google Patents
一种适用于大场景星载sar图像的高精度几何校正方法 Download PDFInfo
- Publication number
- CN106600551A CN106600551A CN201611097771.2A CN201611097771A CN106600551A CN 106600551 A CN106600551 A CN 106600551A CN 201611097771 A CN201611097771 A CN 201611097771A CN 106600551 A CN106600551 A CN 106600551A
- Authority
- CN
- China
- Prior art keywords
- sar image
- block
- image
- sub
- geometric correction
- 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.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000132092 Aster Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种适用于大场景星载SAR图像的高精度几何校正方法。已知待校正SAR图像、辅助参数和DEM数据,技术方案包括:第一步,确定要分块的大小和总分块数量;第二步,求解第k个子块的RPC模型参数,计算图像坐标;第三步,获得整幅图像的图像坐标;第四步,采用插值法计算几何校正后的星载SAR图像。本发明提出的分块RPC模型划分若干子块过程,使得几何校正算法既能保持良好的效率,又能克服现有RPC模型在校正大场景星载SAR图像时误差显著增大的问题。
Description
技术领域
本发明涉及微波遥感和信号处理的交叉技术领域,特别涉及一种利用新的算法高效高精度实现大场景星载SAR(Synthetic Aperture Radar,合成孔径雷达)图像几何校正的方法。
背景技术
星载SAR图像几何校正是SAR图像处理的一项关键技术,目的是修正SAR原始图像的几何变形,产生一幅符合某种地图投影或图形表达要求的新图像,被广泛用于图像配准、土地测绘、环境规划、军事侦察等SAR图像应用领域,具有重要的应用价值。
几何校正处理流程包括建立几何校正模型、图像定位和图像插值等步骤,其中,建立几何校正模型是决定算法精度和效率的核心因素。
在现有的星载SAR图像几何校正模型中,严密几何校正模型是逐点R-D(Range-Doppler,距离-多普勒)模型,该模型是根据SAR成像机理,构建雷达与目标之间的距离方程和多普勒方程,然后利用地球椭球模型方程或外部DEM(Digital Elevation Model,数字高程模型,来源于SRTM或ASTER DEM等其他渠道)数据,解算出各图像像元的三维地理坐标,实现星载SAR图像的精确定位。逐点R-D模型理论上可获得精确的几何校正结果。然而由于它需要进行非线性方程的迭代解算,算法效率低下。
有理多项式系数(Rational Polynomial Coefficient,以下简称RPC)模型通过建立星载SAR图像像元位置与地面经度、纬度和高程的有理多项式,实现全场景的逐点定位,可显著提高星载SAR几何校正的效率。出于模型精度的考虑,三阶RPC模型得到广泛的应用。现有的RPC模型如下:
其中(X,Y)为正则化的图像坐标,对应于像素在原始星载SAR图像的距离向坐标和方位向坐标,(P,L,H)为正则化的地面坐标,对应于地理坐标系下的纬度、经度和高程。RPC模型将地面点大地坐标与其对应的像点坐标用比值多项式关联起来。该模型具有运算效率快、简单、保密性好等特点,在实践中得到了较为广泛的应用。然而,由于现有的RPC模型没有考虑大场景下有理多项式拟合误差增大的问题,对于地理范围覆盖较大的星载SAR图像,往往定位误差较大,难以获得令人满意的几何校正结果。因此,需要在RPC模型的基础上提出新的方法,在保证算法效率的情况下,提高大场景星载SAR图像的几何校正精度。
发明内容
本发明要解决的技术问题是,提供一种新的大场景星载SAR图像几何校正方法,有效解决大场景下的现有RPC模型定位精度较低的缺陷。
本发明的技术方案是,一种适用于大场景星载SAR图像的高精度几何校正方法,已知待校正SAR图像、辅助参数和DEM数据,包括下述步骤:
步骤一:确定图像要分块的大小和总分块数量:
采用R-D模型计算待校正SAR图像覆盖的地理范围,设获得的纬度范围为:[lat_min,lat_max],经度范围为:[lon_min,lon_max],将纬度方向分为ka块,使得将经度方向分为kr块,使得则总的场景分块个数为N=ka·kr。
步骤二:在第k(k=1,2,...,N)个子块建立RPC模型,并采用最小二乘法计算第k个子块对应的RPC模型参数;
步骤三:逐点计算子块k中地理网格点的图像位置:
将第k个子块内的地理网格上每一点的地理坐标代入第k个子块对应的RPC模型中,求得该点在待校正SAR图像中的像素坐标。
步骤四:利用整幅待校正SAR图像的像素坐标,采用插值法计算几何校正后的SAR图像。
本发明的有益效果是:实现简单、高精度、高效率,对大场景具有很强的适用性。一方面,本发明提出的分块RPC模型通过沿方位向和距离向划分若干子块,利用并行处理的方法,使得几何校正算法既能保持良好的效率,又能克服现有RPC模型在校正大场景星载SAR图像时误差显著增大的问题;另一方面,本发明根据图像覆盖的实际地理范围确定子块数量时,利用不等式保证经度方向和纬度方向的合理划分数,同时兼顾计算效率和校正精度。
附图说明
图1是本发明的原理示意图;
图2是本发明的算法流程示意图;
图3为利用本发明实施例在Envisat-ASAR星载SAR图像的几何校正结果;
图4为利用本发明实施例在ALOS-PALSAR星载SAR图像的几何校正结果;
图5为对图3所示实验结果进行性能评估的结论;
图6为对图4所示实验结果进行性能评估的结论。
具体实施方式
本实施例的采用的SAR图像的DEM数据采用的是全球公开的SRTM-CDEM数据,地理网格的间隔大小为90米×90米。SAR图像的辅助参数包括卫星的轨道参数、图像采样间隔等卫星系统参数,这些参数通常和SAR图像同时获得。
图1是本发明的原理示意图。如图所示,左边的大矩形代表一幅大场景的星载SAR图像,被分成了四个子块,经过几何校正后,得到右边大矩形所示的图像。其中,左边中大矩形的小矩形阴影子块校正后得到右边大矩形中对应的正方形阴影子块。
图2是本发明的算法流程示意图。技术方案包括:第一步,确定要分块的大小和总分块数量;第二步,求解第k个子块的RPC模型参数,计算图像坐标;具体方法参照论文《卫星遥感影像RPC参数求解算法研究》(张过等,中国图像图形学报,Vol.12,No.12,Dec 2007,第2081页至第2084页)进行处理;第三步,获得整幅图像的图像坐标;第四步,采用插值法计算几何校正后的星载SAR图像。具体方法参照课本(科学出版社,尤红建、付琨编写的《合成孔径雷达图像精准处理》第77页到第79页)进行处理。
图3为利用本发明实施例对Envisat-ASAR星载SAR图像的几何校正结果。图像覆盖的纬度范围为:[28.51°,34.46°],经度范围为:[104.20°,107.56°],场景大小约为600km×300km。处理中,利用公式得到ka=6、7、8、9、10、11、12,本实施例中将纬度方向分为6个子块,利用公式得到kr=4、5、6,本实施例中将经度方向分为4个子块,即总的子块数量为24。在每一子块中,采用控制点格网大小为20像素×20像素,高成分层数为3,建立RPC模型,并采用最小二乘法原理求解模型参数,图中所示x坐标轴为地理经向,y坐标轴为地理纬向。
图4为利用本发明实施例对ALOS-PALSAR星载SAR图像的几何校正结果。图像覆盖的纬度范围为:[27.35°,30.71°],经度范围为:[108.57°,110.47°],场景大小约为400km×200km。处理中,利用公式得到ka=4、5、6、7,本实施例中将纬度方向分为4个子块,利用公式得到kr=2、3、4,本实施例中经度方向分为2个子块,即总的子块数量为8。在每一子块中,采用控制点格网大小为20像素×20像素,高成分层数为3,建立RPC模型,并采用最小二乘法原理求解模型参数,图中所示x坐标轴为地理经向,y坐标轴为地理纬向。
对图3、图4利用的原始SAR图像,分别采用现有的有理多项式方法(方法一),参照论文《卫星遥感影像RPC参数求解算法研究》(张过等,中国图像图形学报,Vol.12,No.12,Dec 2007,第2081页至第2084页)和本发明提出的方法(方法二)进行几何校正处理,然后以严密R-D模型的定位结果为理想定位结果,评估两种方法的几何校正处理性能,采用的性能评估指标包括方位向最大误差值、方位向中误差值、距离向最大误差值、距离向中误差值、像元平面最大误差值、像元平面中误差值和处理时间。图5为对图3所示实验结果进行性能评估的结论。图6为对图4所示实验结果进行性能评估的结论。为了提高本发明的计算效率,采用并行处理的方式,同时计算每个子模块的RPC模型和RPC模型参数评估结果表明,本发明能够保持良好的效率,运行时间比原模型的运行时间要少,其算法精度(方位向最大误差值、方位向中误差值、距离向最大误差值、距离向中误差值、像元平面最大误差值、像元平面中误差值)有显著提高,平面定位中误差可达十分之一像元级的精度水平。另外,值得说明的是以及不等式上述两个不等式所涉及的两个端点0.5和1,是通过大量的实验得到的,0.5保证子块划分的个数不会过多,一方面子块进一步变小不会带来精度的显著提高,另一方面子块个数过多也会带来处理不便。1保证子块不会过大,从而使得模型精度得到显著提高。在图3实施例中,对ka=6、7、8、9、10、11、12及kr=4、5、6的多种情况均进行了实验验证,结果表明,新方法的算法精度有显著提高,但随着子块个数的增加,精度提升并没有质的改变,因而实施例中取ka=6,kr=4。图4实施例也进行了同样的实验验证,在实施例中取ka=4,kr=2。
Claims (1)
1.一种适用于大场景星载SAR图像的高精度几何校正方法,SAR是指合成孔径雷达,已知待校正SAR图像、辅助参数和数字高程模型数据,其特征在于,包括下述步骤:
步骤一:确定图像要分块的大小和总分块数量:
采用距离-多普勒模型计算待校正SAR图像覆盖的地理范围,设获得的纬度范围为:[lat_min,lat_max],经度范围为:[lon_min,lon_max],将纬度方向分为ka块,使得将经度方向分为kr块,使得则总的场景分块个数为N=ka·kr;
步骤二:在第k个子块建立有理数多项式系数模型,并采用最小二乘法计算第k个子块对应的有理数多项式系数模型参数,k=1,2,...,N;
步骤三:逐点计算子块k中地理网格点的图像位置:
将第k个子块内的地理网格上每一点的地理坐标代入第k个子块对应的RPC模型中,求得该点在待校正SAR图像中的像素坐标;
步骤四:利用整幅待校正SAR图像的像素坐标,采用插值法计算几何校正后的SAR图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611097771.2A CN106600551A (zh) | 2016-12-03 | 2016-12-03 | 一种适用于大场景星载sar图像的高精度几何校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611097771.2A CN106600551A (zh) | 2016-12-03 | 2016-12-03 | 一种适用于大场景星载sar图像的高精度几何校正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106600551A true CN106600551A (zh) | 2017-04-26 |
Family
ID=58596846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611097771.2A Pending CN106600551A (zh) | 2016-12-03 | 2016-12-03 | 一种适用于大场景星载sar图像的高精度几何校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106600551A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107835378A (zh) * | 2017-11-27 | 2018-03-23 | 韩劝劝 | 一种手机拍摄图像复合方法 |
CN107991676A (zh) * | 2017-12-01 | 2018-05-04 | 中国人民解放军国防科技大学 | 星载单航过InSAR系统对流层误差校正方法 |
CN108090956A (zh) * | 2017-11-10 | 2018-05-29 | 中国科学院空间应用工程与技术中心 | 一种几何校正方法及系统 |
CN108594225A (zh) * | 2018-04-03 | 2018-09-28 | 中国林业科学研究院资源信息研究所 | 基于rpc模型的sar局部成像几何角度计算方法 |
CN109166084A (zh) * | 2018-09-11 | 2019-01-08 | 中南大学 | 一种基于邻近点梯度关系的sar几何畸变定量模拟方法 |
CN109842764A (zh) * | 2017-11-27 | 2019-06-04 | 韩劝劝 | 手机拍摄图像复合平台 |
CN110307858A (zh) * | 2019-06-26 | 2019-10-08 | 中国空间技术研究院 | 一种测绘卫星交汇误差的自适应校正方法 |
CN113657275A (zh) * | 2021-08-16 | 2021-11-16 | 中国科学院空天信息创新研究院 | 一种林草火点自动检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014012828A1 (de) * | 2012-07-19 | 2014-01-23 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Methode zur prozessierung von hochauflösenden weltraumgestützt erhaltenen spotlight-sar rohdaten |
CN106157258A (zh) * | 2016-05-09 | 2016-11-23 | 中国人民解放军国防科学技术大学 | 一种新的星载sar图像几何校正方法 |
-
2016
- 2016-12-03 CN CN201611097771.2A patent/CN106600551A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014012828A1 (de) * | 2012-07-19 | 2014-01-23 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Methode zur prozessierung von hochauflösenden weltraumgestützt erhaltenen spotlight-sar rohdaten |
CN106157258A (zh) * | 2016-05-09 | 2016-11-23 | 中国人民解放军国防科学技术大学 | 一种新的星载sar图像几何校正方法 |
Non-Patent Citations (1)
Title |
---|
杨景辉 等: "GPU支持的SAR影像几何校正大规模并行处理", 《中国图像图形学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090956A (zh) * | 2017-11-10 | 2018-05-29 | 中国科学院空间应用工程与技术中心 | 一种几何校正方法及系统 |
CN108090956B (zh) * | 2017-11-10 | 2021-12-21 | 中国科学院空间应用工程与技术中心 | 一种几何校正方法及系统 |
CN107835378A (zh) * | 2017-11-27 | 2018-03-23 | 韩劝劝 | 一种手机拍摄图像复合方法 |
CN109842764A (zh) * | 2017-11-27 | 2019-06-04 | 韩劝劝 | 手机拍摄图像复合平台 |
CN107991676A (zh) * | 2017-12-01 | 2018-05-04 | 中国人民解放军国防科技大学 | 星载单航过InSAR系统对流层误差校正方法 |
CN107991676B (zh) * | 2017-12-01 | 2019-09-13 | 中国人民解放军国防科技大学 | 星载单航过InSAR系统对流层误差校正方法 |
CN108594225A (zh) * | 2018-04-03 | 2018-09-28 | 中国林业科学研究院资源信息研究所 | 基于rpc模型的sar局部成像几何角度计算方法 |
CN109166084A (zh) * | 2018-09-11 | 2019-01-08 | 中南大学 | 一种基于邻近点梯度关系的sar几何畸变定量模拟方法 |
CN109166084B (zh) * | 2018-09-11 | 2022-04-22 | 中南大学 | 一种基于邻近点梯度关系的sar几何畸变定量模拟方法 |
CN110307858A (zh) * | 2019-06-26 | 2019-10-08 | 中国空间技术研究院 | 一种测绘卫星交汇误差的自适应校正方法 |
CN113657275A (zh) * | 2021-08-16 | 2021-11-16 | 中国科学院空天信息创新研究院 | 一种林草火点自动检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600551A (zh) | 一种适用于大场景星载sar图像的高精度几何校正方法 | |
KR101165523B1 (ko) | 다중 소스의 지리 정보를 이용한 지리공간 모델링 시스템 및 관련 방법 | |
CN107341778B (zh) | 基于卫星控制点库和dem的sar影像正射纠正方法 | |
CN103063200B (zh) | 高分辨率光学卫星正射纠正影像生成方法 | |
CN104574415B (zh) | 一种基于单摄像机的目标空间定位方法 | |
CN103390102B (zh) | 一种卫星图像立体交会角的计算方法 | |
CN102750697A (zh) | 一种参数标定方法及装置 | |
CN103869296A (zh) | 一种基于成像面表征的极化sar地形辐射校正和几何纠正方法 | |
CN110673143A (zh) | 一种子孔径大斜视sar俯冲成像的两步处理方法 | |
CN103218780B (zh) | 基于逆rd定位模型的无控星载sar图像正射校正方法 | |
CN106157258B (zh) | 一种星载sar图像几何校正方法 | |
CN108562900B (zh) | 一种基于高程校正的sar图像几何配准方法 | |
CN107991676A (zh) | 星载单航过InSAR系统对流层误差校正方法 | |
CN102506867A (zh) | 基于Harris角点匹配的SINS/SMANS组合导航方法及系统 | |
CN105004321B (zh) | 顾及曝光不同步的无人机gps辅助光束法平差方法 | |
Liu et al. | Accurate mapping method for UAV photogrammetry without ground control points in the map projection frame | |
CN109188483B (zh) | 一种时序化高精度外方位元素自动定标方法 | |
CN101477682A (zh) | 一种利用加权多项式模型实现遥感影像几何校正的方法 | |
CN109946682B (zh) | 基于ICESat/GLAS的GF3数据基线估计方法 | |
CN110310370B (zh) | 一种gps与srtm点面融合的方法 | |
CN112200779A (zh) | 面向无人驾驶的路表车辙形状及构造横向差异度评价方法 | |
CN104537614A (zh) | 一种环境一号卫星ccd影像正射校正方法 | |
CN117092621A (zh) | 基于光线追踪校正的高光谱图像-点云立体配准方法 | |
CN110927765A (zh) | 激光雷达与卫星导航融合的目标在线定位方法 | |
CN111127334A (zh) | 基于rd平面像素映射的sar图像实时几何校正方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170426 |
|
RJ01 | Rejection of invention patent application after publication |