CN108376249A - 基于单物方-多像方观测的无控定位精度提升方法 - Google Patents
基于单物方-多像方观测的无控定位精度提升方法 Download PDFInfo
- Publication number
- CN108376249A CN108376249A CN201810154755.5A CN201810154755A CN108376249A CN 108376249 A CN108376249 A CN 108376249A CN 201810154755 A CN201810154755 A CN 201810154755A CN 108376249 A CN108376249 A CN 108376249A
- Authority
- CN
- China
- Prior art keywords
- image
- object space
- positioning accuracy
- sub
- space
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000003384 imaging method Methods 0.000 claims abstract description 5
- 238000011426 transformation method Methods 0.000 claims abstract description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 23
- 230000009466 transformation Effects 0.000 claims description 23
- 238000012892 rational function Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 2
- 238000013213 extrapolation Methods 0.000 description 8
- 230000009897 systematic effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- VAYOSLLFUXYJDT-RDTXWAMCSA-N Lysergic acid diethylamide Chemical compound C1=CC(C=2[C@H](N(C)C[C@@H](C=2)C(=O)N(CC)CC)C2)=C3C2=CNC3=C1 VAYOSLLFUXYJDT-RDTXWAMCSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Geometry (AREA)
- Astronomy & Astrophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种基于单物方‑多像方观测的无控定位精度提升方法,包括:步骤S1,基于多级变换方法,实现单物方‑多像方遥感影像集的自动匹配处理,得到多重对地观测影像的连接点集合,其中,所述单物方‑多像方为单个物方目标对应多个像方的成像结果;步骤S2,基于自动匹配的连接点集信息,进行单物方‑多像方平差处理,提升影像的定位精度。通过在无地面控制点条件下,基于单物方‑多像方对地观测模型,通过平差处理技术提升图像的几何定位精度,避免了繁琐的地面控制点获取过程,解决了无地面控制点区域几何定位精度不足的问题。
Description
技术领域
本公开涉及遥感领域,尤其涉及一种基于单物方-多像方观测的无控定位精度提升方法。
背景技术
遥感对地观测技术是目前人类获取地球空间地理信息的重要手段之一,在经济建设、社会发展、国家安全和人民生活等各个方面有着不可替代的作用。通过遥感影像定位技术获取地面目标的位置信息是实现遥感卫星影像应用的重要前提。然而,卫星图像受成像角度、成像高度、卫星姿态、镜头畸变等不确定性因素的影响会产生定位偏差。受成本和技术等因素所限,部分现有国内卫星的定轨精度较差,图像的系统级校正精度不能满足应用要求。因此,需要对图像进行几何定位精度提升处理,实现精确的图像地理编码。
基于地面控制点的区域网平差技术是提升遥感影像几何定位精度的一种有效方式,可以得到较好的几何定位精度。有研究人员针对SPOT5立体影像对,在少量控制点的情况下,利用区域网平差技术消除卫星的系统误差,目标定位精度平面可以达到7.663m,高程精度可以达到8.572m。在无地面控制点条件下,现有的方法是通过补偿信息外推的方式提高目标区域的几何定位精度。还有研究人员通过有控制点的影像,通过区域网平差外推得到无控地区的几何定位信息。在起算影像区域内布设一个控制点进行区域网平面平差,沿轨外推11景(491.62km)、垂轨外推6景(282.36km)后,相比原始影像13.335m的平均定位精度,其外推区域影像的几何定位精度可优于7.5m。该方法需要控制点信息以及大量同源连续覆盖有控区域和无控区域的卫星影像。另有研究人员提出利用控制点解算出系统误差补偿参数,然后将其引入到时间间隔较短的卫星影像区域网平差过程中,提高无控区域影像的几何定位的精度。该方法的本质是系统误差补偿参数在时间上的外推,要求待纠正影像与起算影像是同源卫星影像且卫星影像的系统误差在一段时间内保持稳定不变。
可见,现有遥感影像的几何定位精度提升方法主要是基于控制信息实现的,通过补偿信息外推的方式提升无控区域的几何定位精度,依然需要邻近区域的地面控制信息。利用地面控制点进行遥感影像几何定位精度的提升存在以下的缺点:
1.地面控制点的获取难度较大,需要耗费大量的人力、物力,而且在境外、海洋、沙漠等特殊地区,地面控制点的获取非常困难,甚至无法获取,直接导致在部分区域无法基于地面控制点进行几何精度提升处理。
2.利用补偿信息外推的方式提升无控区域的定位精度,需要依赖于邻近区域的地面控制点信息解算卫星定位补偿参数,该方法依然需要地面控制点。而且,补偿参数的外推空间范围和时间范围有限,在远距离情况下,补偿参数外推精度已不能保证,不能进行长期稳定的几何定位精度提升处理。
总之,现有遥感影像几何精度提升方法受地面控制点获取的限制,需要一种有效的不依赖于地面控制信息的几何定位精度提升方法。基于大数据分析技术,充分利用卫星自身对地观测的冗余信息,通过单物方-多像方观测模型,可以提升的遥感数据的几何定位精度,实现稳定、高效、准确地空间几何定位。
因此,在无地面控制点条件下,基于遥感影像对地多次观测的冗余信息提升图像的几何定位精度是一种全新的解决办法。
发明内容
(一)要解决的技术问题
本公开提供了一种基于单物方-多像方观测的无控定位精度提升方法,以至少部分解决以上所提出的技术问题。
(二)技术方案
根据本公开的一个方面,提供了一种基于单物方-多像方观测的无控定位精度提升方法,包括:步骤S1,基于多级变换方法,实现单物方-多像方遥感影像集的自动匹配处理,得到多重对地观测影像的连接点集合,其中,所述单物方-多像方为单个物方目标对应多个像方的成像结果;步骤S2,基于自动匹配的连接点集信息,进行单物方-多像方平差处理,提升影像的定位精度。
在本公开一些实施例中,所述步骤S1包括以下子步骤:子步骤S101,通过多幅遥感影像的RPC系数,确定不同重叠度的待匹配区域,截取共同区域作为待处理的感兴趣区域;子步骤S102,对输入影像通过边缘检测算子提取图像的稳定结构特征,子步骤S103,在提取的结构特征图基础上,选择基准影像图,提取纹理丰富的切片作为待匹配点,将其余待匹配图像分别与基准图在待匹配点位置进行匹配处理,得到多重叠度的连接点集合。
在本公开一些实施例中,所述子步骤S102中,采用共同区域选取、边缘结构特征图计算及互相关相似性度量进行多次重叠度连接点集提取。
在本公开一些实施例中,所述子步骤S102中,边缘检测算子采用索贝尔算子,计算公式如下所示:
gx=I*Gx,gy=I*Gy
其中,Gx和Gy分别代表横向及纵向的卷积因子。
在本公开一些实施例中,所述子步骤S103包括:
采用归一化互相关方法进行局部匹配,其计算公式为:
其中,(x,y)为(u,v)的邻域点,T(·)为模板图像,I(·)为参考图像,E(I)、E(T)为参考图像I(·)和模板图像T(·)的灰度均值。
在本公开一些实施例中,所述步骤S2包括以下子步骤:子步骤S201,在遥感影像RPC系数的基础上,将RPC模型误差改正量取至一次项,得到有理函数模型;子步骤S202,进行基于单物方-多像方观测的区域网平差处理,解算有理函数区域网平差模型,并采用DEM辅助计算;子步骤S203,每次平差结束之后得到更新后连接点的物方平面坐标和仿射变换系数,判断平差过程是否收敛,若未收敛,则使用更新后的平面坐标重新在DEM数据中计算高程值Z,将新的物方坐标(X,Y,Z)代入平差模型中进行下一次解算;若平差过程收敛,则转至步骤S204;子步骤S204,通过各个影像修正后的仿射变换系数,进行影像定位,提升影像的几何定位精度。
在本公开一些实施例中,所述子步骤201中,有理函数模型如下所示:
其中,(r,c)是物方点在影像上的测量坐标;(S,L)是物方点利用RPC投影到影像面的投影值,a0,a1,a2,b0,b1,b2为影像仿射变换系数。
在本公开一些实施例中,所述子步骤202中,通过卫星影像间的约束关系,修正各个影像有理函数模型的仿射变换系数,并通过DEM数据插值得到连接点对应地面坐标的高程值,消除平面坐标与高程的相关性。
在本公开一些实施例中,所述子步骤202中,基于像方仿射变换模型的有理函数区域网平差误差方程如下:
其中,(r,c)是物方点在影像上的测量坐标;(S,L)是物方点利用RPC投影到影像面的投影值,对上式进行泰勒展开得到连接点的误差方程:
式中,ΔX、ΔY为连接点的物方坐标改正量,Δa0、Δa1、Δa2、Δb0、Δb1、Δb2为仿射变换系数的改正量,Fr0、Fc0为泰勒展开的初始值,vr、vc是方程的残差。
在本公开一些实施例中,所述子步骤202中,在单物方-多像方区域网平差中,每一个物方点有多个像方观测坐标与其对应,第i个具有n个观测值的连接点误差方程如下:
记为:
V=At+BX-L0
其中,
t=[Δaio;Δai1;Δai2;Δbi0;Δbi1;Δbi2]
X=[Δpi;Δli;Δhi]
其中,A、B分别为仿射变换系数和连接点物方坐标系数矩阵,t为影像仿射变换系数的改正值,X为连接点地面坐标的改正值,L0为连接点坐标的残差向量。
(三)有益效果
从上述技术方案可以看出,本公开基于单物方-多像方观测的无控定位精度提升方法至少具有以下有益效果其中之一:
(1)通过在无地面控制点条件下,基于单物方-多像方对地观测模型,通过平差处理技术提升图像的几何定位精度,避免了繁琐的地面控制点获取过程,解决了无地面控制点区域几何定位精度不足的问题;
(2)由于采用适用于多重观测影像的自动匹配方法,通过计算共同区域限制匹配处理的搜索范围,通过计算图像的边缘结构信息提升匹配处理的稳定性,可以快速准确地自动获取连接点集合,为后续平差处理提供数据基;
(3)通过采用DEM辅助的单物方-多像方平差处理方法,利用地面目标多次观测数据中的冗余信息,降低卫星单次对地观测中存在的随机量,提升卫星对地观测的几何定位精度;基于DEM数据获取地面的近似高程信息,保证弱交汇遥感图像进行地面点三维信息解算过程的收敛性。
附图说明
图1为本公开实施例基于单物方-多像方观测的无控定位精度提升方法的流程图。
图2为本公开实施例索贝尔算子横向和纵向卷积因子的示意图。
图3为本公开实施例DEM辅助多重观测区域网平差流程图。
图4为本公开实施例地面检查点分布图。
图5为本公开实施例多重观测影像连接点集自动匹配结果示例
图6(a)为本公开实施例原始影像定位误差分布图。
图6(b)为本公开实施例单物方-多像方平差处理后影像定位误差分布图。
具体实施方式
针对现有技术方案的缺点,本公开提供了一种基于单物方-多像方观测的无控定位精度提升方法。为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
本公开某些实施例于后方将参照所附附图做更全面性地描述,其中一些但并非全部的实施例将被示出。实际上,本公开的各种实施例可以许多不同形式实现,而不应被解释为限于此数所阐述的实施例;相对地,提供这些实施例使得本公开满足适用的法律要求。
在本公开的第一个示例性实施例中,提供了一种基于单物方-多像方观测的无控定位精度提升方法,其中,所述单物方-多像方为单个物方目标对应多个像方的成像结果。图1为本公开第一实施例基于单物方-多像方观测的无控定位精度提升方法的流程图。如图1所示,本公开基于单物方-多像方观测的无控定位精度提升方法包括:
步骤S1,基于多级变换方法,实现单物方-多像方遥感影像集的自动匹配处理,得到多重对地观测影像的连接点集合。
进一步地,所述步骤S1包括以下子步骤:
子步骤S101,通过多幅遥感影像的RPC(Rational Polynomial Coefficients)系数,确定不同重叠度的待匹配区域,截取共同区域作为待处理的感兴趣区域;
子步骤S102,对输入影像I通过索贝尔算子(Sobel operator)边缘检测算子提取图像的稳定结构特征,得到结构特征图,其计算公式如下所示:
其中,Gx和Gy分别代表横向及纵向的卷积因子,如图2所示。
子步骤S103,在提取的结构特征图基础上,选择基准影像图,提取纹理丰富的切片作为待匹配点,将其余待匹配图像分别与基准图在待匹配点位置进行匹配处理,得到多重叠度的连接点集合。该处采用归一化互相关方法进行局部匹配,其计算公式为:
其中,(x,y)为(u,v)的邻域点,T(·)为模板图像,I(·)为参考图像,E(I)、E(T)为参考图像I(·)和模板图像T(·)的灰度均值。
步骤S2,基于自动匹配的连接点集信息,进行单物方-多像方平差处理,提升影像的定位精度。
进一步地,所述步骤S2包括以下子步骤:
子步骤S201,
在遥感影像RPC系数的基础上,将RPC模型误差改正量取至一次项时,有理函数模型如下所示:
其中,(r,c)是物方点在影像上的测量坐标;(S,L)是物方点利用RPC投影到影像面的投影值,a0,a1,a2,b0,b1,b2为影像仿射变换系数。
子步骤S202,进行基于单物方-多像方观测的区域网平差处理,解算有理函数区域网平差模型,采用DEM进行辅助计算。通过有理函数区域网平差模型,根据卫星影像间的约束关系,修正各个影像有理函数模型的参数。本实施例中,所述有理函数模型的参数为仿射变换系数。
单物方-多像方观测的遥感影像之间,其立体观测关系并不一定符合长基线成像条件,例如常用的高分一号和高分二号光学影像。因此,在平差模型解算过程中使用DEM辅助计算,通过DEM数据插值得到连接点对应地面坐标的高程值,可以消除平面坐标与高程的相关性,保证窄基线图像在平差方法求解过程中的稳定性,提升处理结果的精度。图3为本公开实施例DEM辅助多重观测区域网平差流程图,处理流程如图3所示。
基于像方仿射变换模型的有理函数区域网平差误差方程如下:
其中,(r,c)是物方点在影像上的测量坐标;(S,L)是物方点利用RPC投影到影像面的投影值,对上式进行泰勒展开得到连接点的误差方程:
式中,ΔX、ΔY为连接点的物方坐标改正量,Δa0、Δa1、Δa2、Δb0、Δb1、Δb2为仿射变换系数的改正量,Fr0、Fc0为泰勒展开的初始值,vr、vc是方程的残差。
在单物方-多像方区域网平差中,每一个物方点有多个像方观测坐标与其对应,第i个具有n个观测值的连接点误差方程如下:
记为:
V=At+BX-L0
其中,
t=[Δaio;Δai1;Δai2;Δbi0;Δbi1;Δbi2]
X=[Δpi;Δli;Δhi]
其中,A,B分别为为仿射变换系数和连接点物方坐标系数矩阵,t为影像仿射变换系数的改正值,X为连接点地面坐标的改正值,L0为连接点坐标的残差向量;条件minVTV可采用最小二乘法求解。
子步骤S203,每次平差结束之后得到更新后连接点的物方平面坐标和仿射变换系数,判断平差过程是否收敛,若未收敛,则使用更新后的平面坐标重新在DEM数据中计算高程值Z,将新的物方坐标(X,Y,Z)代入平差模型中进行下一次解算;若平差过程收敛,则转至步骤S204;
子步骤S204,通过各个影像修正后的仿射变换系数,进行影像定位,提升影像的几何定位精度。
由于单物方-多像方区域网平差处理,使得每个物方点对应的所有连接点物方坐标收敛到同一个位置,与实际场景中,一个物方点只有一个地理坐标的客观物理事实相符,可见本公开采用的单物方-多像方区域网平差模型可以有效地提升观测目标的几何定位精度。
下面通过实际数据的处理实例来验证本公开的优点。实验数据采用121幅北京地区GF2号卫星影像作为试验数据,测区范围为115.203183°E-116.602932°,39.781446°N-40.232592°N,测区地貌包括平原、城市和山地,采用的DEM数据为30米分辨率SRTM,高程变化范围为25~2100米,最大观测次数超过20次。
利用GPS设备获取19个地面检查点,精度为分米级,检查点分布如图4所示:
上图中灰色框图表示影像,星号表示检查点的位置,检查点旁边的数字表示的是该检查点处影像的重叠层数。由于影像高度重叠,因此每个检查点处都有多个观测值,所有检查点处的观测值总数为160个。在试验区内通过本公开提出的自动匹配方法得到连接点的个数为480,其中得到的6重观测连接点示例如图5所示,从图中可以看出,由于拍摄时间、视角等成像条件发生变化,待匹配区域获取同一地物目标的辐射特征发生变化,采用多级变换自动匹配方法可以找到精确定位的连接点集合,为后续处理提供大量的连接点信息。
基于本公开提出的基于DEM辅助的单物方-多像方方法进行整体平差处理,提升数据的几何定位精度,处理前后检查点处的误差分布如图6所示:
从图6(a)中可以看出,原始遥感影像的初始定位偏差呈现明显的随机性,这表明定位误差中存在很大比例的随机误差,并且误差矢量呈放射状分布,该随机偏差可以通过大数据统计学的方法相互抵消,进而提升影像的几何定位精度。如图6(b)中所示,平差处理后卫星影像的几何定位精度一致性较好,这表明定位误差中的随机量基本去除,剩余部分可以认为是系统性偏差。
平差处理前后定位精度检查结果如表1所示,从表中可以看出,平面定位误差从82.6米提升到25.6米,本公开在无地面控制点条件下可明显提升遥感影像的几何定位精度。
表1平差处理前后定位精度检查
至此,本公开第一实施例基于单物方-多像方观测的无控定位精度提升方法介绍完毕。
至此,已经结合附图对本公开实施例进行了详细描述。需要说明的是,在附图或说明书正文中,未绘示或描述的实现方式,均为所属技术领域中普通技术人员所知的形式,并未进行详细说明。此外,上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式,本领域普通技术人员可对其进行简单地更改或替换,例如:
(1)利用索贝尔算子进行边缘特征提取,也可以使用prewitt算子、Roberts算子、Canny算子等边缘检测算法,只要对于多次观测遥感图像,采用共同区域选取、边缘结构特征图计算、互相关相似性度量流程进行多次重叠度连接点集提取,均属于本公开范畴之内。
(2)单物方-多像方平差处理中采用的像方仿射变换模型,也可以是平移模型、刚体变换模型等,只要采用单物方-多像方像方变换模型进行平差处理,提升遥感数据的几何定位精度,均属于本公开的范畴之内。
依据以上描述,本领域技术人员应当对本公开有了清楚的认识。
还需要说明的是,实施例中提到的方向用语,例如“上”、“下”、“前”、“后”、“左”、“右”等,仅是参考附图的方向,并非用来限制本公开的保护范围。贯穿附图,相同的元素由相同或相近的附图标记来表示。在可能导致对本公开的理解造成混淆时,将省略常规结构或构造。
并且图中各部件的形状和尺寸不反映真实大小和比例,而仅示意本公开实施例的内容。另外,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。
除非有所知名为相反之意,本说明书及所附权利要求中的数值参数是近似值,能够根据通过本公开的内容所得的所需特性改变。具体而言,所有使用于说明书及权利要求中表示组成的含量、反应条件等等的数字,应理解为在所有情况中是受到「约」的用语所修饰。一般情况下,其表达的含义是指包含由特定数量在一些实施例中±10%的变化、在一些实施例中±5%的变化、在一些实施例中±1%的变化、在一些实施例中±0.5%的变化。
此外,除非特别描述或必须依序发生的步骤,上述步骤的顺序并无限制于以上所列,且可根据所需设计而变化或重新安排。并且上述实施例可基于设计及可靠度的考虑,彼此混合搭配使用或与其他实施例混合搭配使用,即不同实施例中的技术特征可以自由组合形成更多的实施例。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本公开也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本公开的内容,并且上面对特定语言所做的描述是为了披露本公开的最佳实施方式。
本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。本公开的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开实施例的相关设备中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。并且,在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。
类似地,应当理解,为了精简本公开并帮助理解各个公开方面中的一个或多个,在上面对本公开的示例性实施例的描述中,本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,公开方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的单独实施例。
以上所述的具体实施例,对本公开的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本公开的具体实施例而已,并不用于限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于单物方-多像方观测的无控定位精度提升方法,包括:
步骤S1,基于多级变换方法,实现单物方-多像方遥感影像集的自动匹配处理,得到多重对地观测影像的连接点集合,其中,所述单物方-多像方为单个物方目标对应多个像方的成像结果;
步骤S2,基于自动匹配的连接点集信息,进行单物方-多像方平差处理,提升影像的定位精度。
2.根据权利要求1所述的无控定位精度提升方法,所述步骤S1包括以下子步骤:
子步骤S101,通过多幅遥感影像的RPC系数,确定不同重叠度的待匹配区域,截取共同区域作为待处理的感兴趣区域;
子步骤S102,对输入影像I通过边缘检测算子提取图像的稳定结构特征,
子步骤S103,在提取的结构特征图基础上,选择基准影像图,提取纹理丰富的切片作为待匹配点,将其余待匹配图像分别与基准图在待匹配点位置进行匹配处理,得到多重叠度的连接点集合。
3.根据权利要求2所述的无控定位精度提升方法,所述子步骤S102中,采用共同区域选取、边缘结构特征图计算及互相关相似性度量进行多次重叠度连接点集提取。
4.根据权利要求3所述的无控定位精度提升方法,所述子步骤S102中,边缘检测算子采用索贝尔算子,计算公式如下所示:
gx=I*Gx,gy=I*Gy
其中,Gx和Gy分别代表横向及纵向的卷积因子。
5.根据权利要求4所述的无控定位精度提升方法,所述子步骤S103包括:
采用归一化互相关方法进行局部匹配,其计算公式为:
其中,(x,y)为(u,v)的邻域点,T(·)为模板图像,I(·)为参考图像,E(I)、E(T)为参考图像I(·)和模板图像T(·)的灰度均值。
6.根据权利要求1所述的无控定位精度提升方法,所述步骤S2包括以下子步骤:
子步骤S201,在遥感影像RPC系数的基础上,将RPC模型误差改正量取至一次项,得到有理函数模型;
子步骤S202,进行基于单物方-多像方观测的区域网平差处理,解算有理函数区域网平差模型,并采用DEM辅助计算;
子步骤S203,每次平差结束之后得到更新后连接点的物方平面坐标和仿射变换系数,判断平差过程是否收敛,若未收敛,则使用更新后的平面坐标重新在DEM数据中计算高程值Z,将新的物方坐标(X,Y,Z)代入平差模型中进行下一次解算;若平差过程收敛,则转至步骤S204;
子步骤S204,通过各个影像修正后的仿射变换系数,进行影像定位,提升影像的几何定位精度。
7.根据权利要求6所述的无控定位精度提升方法,所述子步骤201中,有理函数模型如下所示:
其中,(r,c)是物方点在影像上的测量坐标;(S,L)是物方点利用RPC投影到影像面的投影值,a0,a1,a2,b0,b1,b2为影像仿射变换系数。
8.根据权利要求6所述的无控定位精度提升方法,所述子步骤202中,通过卫星影像间的约束关系,修正各个影像有理函数模型的仿射变换系数,并通过DEM数据插值得到连接点对应地面坐标的高程值,消除平面坐标与高程的相关性。
9.根据权利要求6所述的无控定位精度提升方法,所述子步骤202中,基于像方仿射变换模型的有理函数区域网平差误差方程如下:
其中,(r,c)是物方点在影像上的测量坐标;(S,L)是物方点利用RPC投影到影像面的投影值,对上式进行泰勒展开得到连接点的误差方程:
式中,ΔX、ΔY为连接点的物方坐标改正量,Δa0、Δa1、Δa2、Δb0、Δb1、Δb2为仿射变换系数的改正量,Fr0、Fc0为泰勒展开的初始值,vr、vc是方程的残差。
10.根据权利要求9所述的无控定位精度提升方法,所述子步骤202中,在单物方-多像方区域网平差中,每一个物方点有多个像方观测坐标与其对应,第i个具有n个观测值的连接点误差方程如下:
记为:
V=At+BX-L0
其中,
t=[Δaio;Δai1;Δai2;Δbi0;Δbi1;Δbi2]
X=[Δpi;Δli;Δhi]
其中,A、B分别为仿射变换系数和连接点物方坐标系数矩阵,t为影像仿射变换系数的改正值,X为连接点地面坐标的改正值,L0为连接点坐标的残差向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810154755.5A CN108376249A (zh) | 2018-02-23 | 2018-02-23 | 基于单物方-多像方观测的无控定位精度提升方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810154755.5A CN108376249A (zh) | 2018-02-23 | 2018-02-23 | 基于单物方-多像方观测的无控定位精度提升方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108376249A true CN108376249A (zh) | 2018-08-07 |
Family
ID=63017879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810154755.5A Pending CN108376249A (zh) | 2018-02-23 | 2018-02-23 | 基于单物方-多像方观测的无控定位精度提升方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108376249A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711486A (zh) * | 2019-01-21 | 2019-05-03 | 湖北省国土资源研究院 | 基于相位相关的高重叠度遥感影像满度连接点匹配方法 |
CN111611525A (zh) * | 2020-05-14 | 2020-09-01 | 中国科学院空天信息创新研究院 | 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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050094858A1 (en) * | 2003-10-31 | 2005-05-05 | Sirohey Saad A. | Method and apparatus for synchronizing corresponding landmarks among a plurality of images |
CN105698764A (zh) * | 2016-01-30 | 2016-06-22 | 武汉大学 | 一种光学遥感卫星影像时变系统误差建模补偿方法及系统 |
CN105761248A (zh) * | 2016-01-30 | 2016-07-13 | 武汉大学 | 超大规模无控制区域网稳健平差方法及系统 |
-
2018
- 2018-02-23 CN CN201810154755.5A patent/CN108376249A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050094858A1 (en) * | 2003-10-31 | 2005-05-05 | Sirohey Saad A. | Method and apparatus for synchronizing corresponding landmarks among a plurality of images |
CN105698764A (zh) * | 2016-01-30 | 2016-06-22 | 武汉大学 | 一种光学遥感卫星影像时变系统误差建模补偿方法及系统 |
CN105761248A (zh) * | 2016-01-30 | 2016-07-13 | 武汉大学 | 超大规模无控制区域网稳健平差方法及系统 |
Non-Patent Citations (1)
Title |
---|
王峰: "《基于高分二号卫星多重观测的几何定位精度提升方法》", 《第四届高分辨率对地观测学术年会论文集》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711486A (zh) * | 2019-01-21 | 2019-05-03 | 湖北省国土资源研究院 | 基于相位相关的高重叠度遥感影像满度连接点匹配方法 |
CN109711486B (zh) * | 2019-01-21 | 2020-09-01 | 湖北省国土资源研究院 | 基于相位相关的高重叠度遥感影像满度连接点匹配方法 |
CN111611525A (zh) * | 2020-05-14 | 2020-09-01 | 中国科学院空天信息创新研究院 | 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 |
CN111611525B (zh) * | 2020-05-14 | 2022-07-29 | 中国科学院空天信息创新研究院 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Henriksen et al. | Extracting accurate and precise topography from LROC narrow angle camera stereo observations | |
US8427505B2 (en) | Geospatial modeling system for images and related methods | |
CN105929398B (zh) | 结合外控点的InSAR高精度高分辨率DEM获取方法 | |
US8194922B2 (en) | System and methods for dynamically generating earth position data for overhead images and derived information | |
Zhang et al. | Evaluation of the RPC model for spaceborne SAR imagery | |
Zhang et al. | Efficient registration of terrestrial LiDAR scans using a coarse-to-fine strategy for forestry applications | |
KR20100074264A (ko) | 다중 소스의 지리 정보를 이용한 지리공간 모델링 시스템 및 관련 방법 | |
CN111077525B (zh) | 融合sar与光学偏移量技术的地表三维形变计算方法及系统 | |
Rüther et al. | A comparison of close-range photogrammetry to terrestrial laser scanning for heritage documentation | |
Wu et al. | Geometric integration of high-resolution satellite imagery and airborne LiDAR data for improved geopositioning accuracy in metropolitan areas | |
Lenz et al. | Automatic in-flight boresight calibration considering topography for hyperspectral pushbroom sensors | |
CN108376249A (zh) | 基于单物方-多像方观测的无控定位精度提升方法 | |
Fraser et al. | Precise georefrencing of long strips of ALOS imagery | |
Xin et al. | High-precision co-registration of orbiter imagery and digital elevation model constrained by both geometric and photometric information | |
Qiao et al. | Assessment of geo-positioning capability of high resolution satellite imagery for densely populated high buildings in metropolitan areas | |
Javadnejad | Small unmanned aircraft systems (UAS) for engineering inspections and geospatial mapping | |
Re et al. | CaSSIS-based stereo products for Mars after three years in orbit | |
CN107945235B (zh) | 一种高轨大面阵静止卫星影像几何定位仿真方法 | |
Zhang et al. | Fusion of ascending and descending polarimetric SAR data for color orthophoto generation | |
Tian et al. | Automatic calibration method for airborne lidar systems based on approximate corresponding points model | |
Babawuro et al. | High resolution satellite imagery rectification using Bi-linear interpolation method for geometric data extraction | |
Zhao et al. | Geometric Accuracy Evaluation of YG‐18 Satellite Imagery Based on RFM | |
Tan et al. | Filtering method of star control points for geometric correction of remote sensing image based on RANSAC algorithm | |
Zhang et al. | Calibrating an airborne linear-array multi-camera system on the master focal plane with existing bundled images | |
Alidoost et al. | The rational polynomial coefficients modification using digital elevation models |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180807 |