CN107067422A - 一种卫星遥感影像匹配方法 - Google Patents

Abstract

本发明公开了一种卫星遥感影像匹配方法，具体为：1)重叠区域范围提取；2)同名点几何偏移特性分析；3)PMS1全色影像重叠区域的特征点集提取；4)初始的搜索窗口大小和范围设置；5)初始搜索点位与真实同名点位之间的行列号差异统计；6)自适应迭代计算。与传统卫星影像匹配方法相比，本方法实现了影像匹配过程中搜索窗口、范围及方向的自适应设置，更加适用于多相机拼接成像传感器影像间的匹配处理。

Description

一种卫星遥感影像匹配方法

技术领域

本发明涉及航天遥感卫星领域，尤指一种卫星遥感影像匹配方法。

背景技术

目前受单台高分辨率相机幅宽限制，卫星无法同时获取大范围高分辨率卫星影像，常采用多相机拼接成像技术，将多台高分辨率相机沿垂轨方向安置，实现高分辨率与宽覆盖的结合。例如，我国高分对地观测系统的首发星——GF-1卫星，该卫星平台搭载的PMS多光谱传感器采用双相机(PMS1相机和PMS2相机)拼接成像技术进行对地观测。

然而，受相机安装误差及外界环境的影响，影像重叠区域内同名点位置并不完全重合，并且会随着卫星在轨运行时间的变化而有所不同，这会对后续的数据处理带来不便。因此如何实现多相机拼接成像传感器影像间的高精度匹配，已经成为衡量国产高分辨率卫星数据服务能力的一项重要指标。

目前，关于卫星影像匹配的算法很多，例如，最近邻法、基于物方几何约束的多影像相关法、基于有理函数模型法、CCD偏差模型法、互信息法、梯度结构法、最小二乘法、SIFT算法等，这些方法已经被有效地应用于多种类型的卫星影像匹配处理中。但是利用上述算法对多相机拼接成像传感器影像进行匹配时，由于缺乏对影像重叠区域同名点几何偏移特性的分析，因此其匹配过程中对目标搜索范围和方向等参数的设置较为盲目，且不具备参数自适应设定功能。

发明内容

针对多相机拼接成像传感器影像特征，以GF-1卫星PMS传感器为例，本发明提出了一种顾及多相机拼接成像特征的影像自适应匹配方法，该方法可以实现影像匹配过程中搜索窗口、范围和方向的启适应选择。

本发明提出了一种卫星遥感影像匹配方法，其特征在于，包括以下步骤：

1).通过对同轨全色影像重叠区域内同名点几何偏移特性进行长时间序列统计，分析其变化规律；

2).利用影像特征点提取方法获取PMS1全色影像中重叠区域的特征点集；

3).基于物方几何约束的匹配方法，预测该特征点集在PMS2全色影像上的位置，根据统计分析结果，设置初始的搜索窗口大小和范围；

4).在特征点集中的随机选取部分特征点，采用松弛影像匹配方法在每个特征点对应的初始搜索窗口内获取同名点位置，同时计算初始搜索点位与真实同 名点位之间的行列号差异。

进一步，该方法还包括步骤5)基于上述行列号差异，采用迭代计算的方式，利用交叉相关法确定特征点集中的其他真实同名点位置。

进一步，其特征在于，步骤1)具体为：选取大量不同时相、不同区域的同轨PMS1和PMS2影像，其影像重叠区域应包括平原、丘陵和山地等地形，分析同名点几何偏移特性。

进一步，其特征在于，步骤5)具体为：利用初始搜索位置与真实点位之间的行列号差异统计结果，对初始搜索位置进行更新，利用迭代计算实现对匹配参数的自适应性设置。

本发明的提出了一种自适应匹配方法，该方法在传统匹配方法的基础上，利用迭代计算完成了对搜索窗口、范围及方向的自适应设置，除了可以得到高精度匹配结果外，还有许多优势，如方法简单、处理速度快等等。

附图说明

图1为影像匹配流程图；

图2a为2013.06.14影像同名点偏移量分布结果；

图2b为2013.09.28影像同名点偏移量分布结果；

图2c为2013.12.29影像同名点偏移量分布结果；

图2d为2014.04.30影像同名点偏移量分布结果；

图3为同名点投影偏移量时间序列统计；

图4a为PMS1特征点1；

图4b为PMS1特征点1在PMS2的初始预测结果；

图4c为PMS1特征点2；

图4d为PMS1特征点2在PMS2的初始预测结果；

图5a为ENVI 5.0中的基于特征的影像匹配算法结果；

图5b为SIFT匹配方法结果；

图5c为本发明结果；

具体实施方式

如图1所示本发明的一种卫星遥感影像匹配方法包括重叠区域范围提取、同名点几何偏移特性分析、PMS1全色影像重叠区域的特征点集提取、初始的搜索窗口大小和范围设置、初始搜索点位与真实同名点位之间的行列号差异统计和自适应迭代计算。本发明以GF-1卫星PMS传感器为例，阐述顾及多相机拼接成像特征的卫星影像自适应匹配过程。

1)重叠区域范围提取。采用基于物方几何约束的方法，获取同轨全色影像 间重叠区域范围。在对不同时相的影像进行综合统计分析后发现，影像间重叠区域范围较为稳定。虽然在卫星在轨运行一年时(与同名点偏移特性统计结果中偏移量较大的时段相近)，重叠区域范围有所变化，从初始的574个像素变为583个像素。为了使得本发明提出的算法有较强的适用性，选取574个像素作为影像重叠区域。

2)同名点几何偏移特性分析。为了获取大量随机样本用于自适应匹配模型的建模，本发明在2013年6月至2014年11月期间，即卫星发射后600天内每月随机选取不同轨道内的若干影像对，共计44对。影像对重叠区域覆盖地形包括平原、丘陵和山地，在每对影像中人工选取10个同名点，精度约为1个像素。采用物方几何约束的匹配方法，研究同名点之间的几何位置关系，分析人工选点坐标与投影预测坐标的行、列号差异。具体过程如下：

a)在影像重叠区域人工选取一同名点，其像面坐标在PMS1和PMS2全色影像上分别为(x₁，y₁)和(m₁，n₁)；

b)利用PMS1全色影像的有理多项式参数(rational polynomial coefficients，RPCs)和Aster G-DEM数据，获取像点(x₁，y₁)对应的地面三维坐标(X，Y，Z)；

c)利用PMS2全色影像RPCs参数，将地面三维坐标(X，Y，Z)投影到PMS2全色影像上，获取其对应的预测像点坐标(m′₁，n′₁)；

d)统计人工选点坐标(m₁，n₁)与投影预测坐标(m′₁，n′₁)之间的偏移方向和偏移量。

从图2a、2b、2c和2d可以看出，同一景影像对内部偏移量大小和偏移方向较为一致，因此取各影像同名点偏移量的均值进行长时间序列分析，进一步获取真实点位与预测点位坐标差异随卫星在轨运行时间的变化情况，如图3所示。

从图3可以得出以下结论：a)对于垂轨方向偏移量而言，其在发射后326天之前偏移量的绝对值先减小后增大，但绝对值稳定在2个像素以内，而在327至396天之间偏移量较大，约为3-10个像素，在397天之后偏移量的绝对值又稳定在2个像素以内；b)对于沿轨方向偏移量而言，其在发射后326天之前逐渐增大，在327至396天之间的偏移量方向与之前相反，其绝对值约为3个像素，在397天之后偏移量绝对值稳定在2个像素以内；c)沿轨与垂轨偏移量的变化趋势一致；d)垂轨方向偏移量最大值约为10个像素，沿轨方向偏移量最大值约为5个像素。

3)PMS1全色影像重叠区域的特征点集提取。为了缩小特征点信息提取范围，降低误匹配概率，本发明利用基于物方几何约束方法，获取同轨全色影像重叠 区域。利用Harris特征点提取算法，获取PMS1全色影像重叠区域的特征点集，共w个特征点。

4)初始的搜索窗口大小和范围设置。对于PMS1全色影像重叠区域内的任意一特征点(x_i，y_i)，i＝1，2，3，…，w，以其为中心选取3像元×3像元的临近窗口window1作为基准窗口。

根据步骤2)的统计分析，预测点与真实像点位置之间的最大偏移量约为10个像素，且同一对影像内部偏移量较为一致，人工选点精度约为1个像素，故以预测像点位置(m′_i，n′_i)为中心，选取31像元×31像元的临近窗口window2作为初始搜索窗口。

5)初始搜索点位与真实同名点位之间的行列号差异统计。由于初始搜索范围较大，为了降低误匹配概率，同时实现自适应匹配，随机选取特征点集中的5个特征点，采用松弛影像匹配方法在每个特征点对应的初始搜索窗口内获取同名点位置(m″_i，n″_i)。同时计算(m″_i，n″_i)与(m′_i，n′_i)之间的偏移量(Δⁱ _沿轨，Δⁱ _垂轨)，统计其均值后带入公式(1)。更新PMS2影像初始投影预测坐标(m′_i，n′_i)，将window2的大小缩小为7像元×7像元。该步骤即为本算法的自适应过程，不仅优化了搜索范围，而且明确了搜索方向。

6)自适应迭代计算。在利用步骤5)缩小搜索窗口后，采用交叉相关法确定特征点集中的其他真实同名点位置。采用样条插值方法对上一步获取的相关系数矩阵(5×5)进行插值计算，形成30×30的插值矩阵以提高曲面拟合精度。基于此矩阵，采用二次曲面函数拟合方法获取PMS2影像亚像元级匹配位置(m″′_i，n″′_i)。利用经典的RANSAC算法、距离约束、斜率约束、双向匹配法剔除误匹配点，最终得到高精度的同名点信息。

为了验证本方法的可行性和鲁棒性，在实验硬件环境为Intel Pentium CPUG3240@3.10GHz，2G内存的计算机上，选取同名点偏移量较大的2014.05.21山东省临沂地区影像进行实验。

1)采用经典的Harris特征点提取方法从影像重叠区域中获取特征点集。由于原始全色影像较大，截取重叠区域周边典型地区影像进行算法测试(影像大小为2500像素×1500像素)。

2)选取该地区Aster G-DEM数据作为辅助数据，利用基于物方几何约束的方法获取初始搜索位置。随机选取2个特征点的预测结果如图4a、4b和4c、4d 所示。从该图中可以看出，预测结果与真实同名点之间发生了较为明显的偏移，且偏移方向较为一致。

3)针对该测试影像，利用步骤5)获取5个特征点偏移量均值后可以发现，同名点在垂轨方向上向E偏移约为8个像元，在沿轨方向上向S方向偏移约为3个像元，从而利用公式(1)对初始预测位置进行更新。最后采用步骤6)完成影像匹配处理，结果如图5a、5b和5c所示。

4)将本发明匹配结果与ENVI软件中基于特征的匹配结果、SIFT的匹配结果进行比较，分别从正确匹配比例、匹配精度和正确匹配点每点平均耗时三个方面进行算法评价。其中匹配精度选取均方根误差RMSE(Root Mean Square Error)作为评价指标，利用公式(2)计算。

式中，和分别表示第p对同名点在参考影像和待配准影像上的坐标，q为匹配点对数，F()表示二次多项式变换模型。

表1影像匹配结果精度评价

从图5a、5b、5c和表1中可以看出：a)与基于特征的匹配结果相比，本发明方法获取的正确匹配点分布更加均匀；b)本发明方法获取的正确点对比例明显高于其他两种方法；c)利用本发明方法和基于特征的匹配精度相当，均高于SIFT的匹配精度；d)虽然本发明方法获得的同名点数比SIFT方法少，但是其平均每点耗时明显低于其他两种方法。因此，本发明提出的自适应匹配方法更加适用于多相机拼接成像传感器影像间的匹配处理。

Claims (3)

1.一种卫星遥感影像匹配方法，其特征在于，包括以下步骤：1)通过对同轨全色影像重叠区域内同名点几何偏移特性进行长时间序列统计，分析其变化规律；2)利用影像特征点提取方法获取PMS1全色影像中重叠区域的特征点集；3)基于物方几何约束的匹配方法，预测该特征点集在PMS2全色影像上的位置，根据统计分析结果，设置初始的搜索窗口大小和范围；4)在特征点集中的随机选取部分特征点，采用松弛影像匹配方法在每个特征点对应的初始搜索窗口内获取同名点位置，同时计算初始搜索点位与真实同名点位之间的行列号差异。

如权利要求1所述的卫星遥感影像匹配方法，其特征在于，该方法还包括步骤5)基于上述行列号差异，采用迭代计算的方式，利用交叉相关法确定特征点集中的其他真实同名点位置。

2.如权利要求1所述的卫星遥感影像匹配方法，其特征在于，步骤1)选取大量不同时相、不同区域的同轨PMS1和PMS2影像，其影像重叠区域应包括平原、丘陵和山地等地形，分析同名点几何偏移特性。

3.如权利要求1所述的卫星遥感影像匹配方法，其特征在于：所述的步骤5)利用初始搜索位置与真实点位之间的行列号差异统计结果，对初始搜索位置进行更新，利用迭代计算实现对匹配参数的自适应性设置。