CN108444451A - 一种行星表面影像匹配方法与装置 - Google Patents
一种行星表面影像匹配方法与装置 Download PDFInfo
- Publication number
- CN108444451A CN108444451A CN201810226506.2A CN201810226506A CN108444451A CN 108444451 A CN108444451 A CN 108444451A CN 201810226506 A CN201810226506 A CN 201810226506A CN 108444451 A CN108444451 A CN 108444451A
- Authority
- CN
- China
- Prior art keywords
- level
- resolution ratio
- image
- orthography
- resolution
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种行星表面影像匹配方法与装置，在近似正射影像上进行匹配，利用地面点坐标估计同名点，采用分层影像匹配策略，在每一分辨率层级均生成DEM以及近似正射影像，在每一分辨率层级生成的DEM用于纠正下一级分辨率的近似正射影像。本发明通过迭代处理，得到的DEM数据越来越精细，相应地给定一个较小的搜索窗口即可确定同名点。另外，本发明利用搭载在欧空局火星快车上的HRSC相机验证方法的可行性，实验结果表明本发明可以生成更为精细的DEM数据。
Description
技术领域
本发明属于行星地形测绘技术领域，具体涉及一种行星表面影像匹配方法与装置。
背景技术
行星探测的科学研究与实际工程应用，例如着陆区选址、着陆器导航等，均需要高分辨率地形数据。行星表面数字高程模型(Digital Elevation Model，DEM)数据可以通过轨道器影像的摄影测量处理生成。以火星为例，目前，可以用于火星制图的数据源有：海盗号探测器上的VIS相机，MGS探测器上的MOC相机，火星快车上的HRSC相机，以及MRO上的HiRISE相机。由于具备高精度与全球覆盖的特点，MOLA DEM数据是根据火星激光高度计(Mars Orbiter Laser Altimeter，MOLA)得到的DEM数据，在火星探测中被广泛应用。但是MOLA DEM的格网间距为500m，不能满足高分辨率应用需求。与其它轨道器影像相比，HRSC在影像分辨率以及立体测绘能力方面具有优势。HRSC焦平面上有9条CCD扫描线，可以同时获取5个全色波段与4个多光谱波段影像。HRSC已经在轨工作十多年，获取的影像已经基本覆盖火星表面。HRSC工作组以及相关研究人员也在一直研究由HRSC影像生成DEM的方法。
早期发布的HRSC Level-4级数据是单轨产品。近期，HRSC工作组发布了新的火星数据，其DEM采用多轨平差方式处理生成。HRSC工作组采用了MC-30全球制图方案，将火星制图分为30个子块进行。目前，HRSC MC-30的前半部分已经完成，其DEM与DOM的分辨率分别为50m与12.5米。然而，考虑到HRSC影像的最高分辨率可以达到10米，通过逐像素匹配可以生成更为精细的DEM数据。
由于火星表面特殊的地形特点，传统影像匹配方法在进行火星表面影像匹配时可能会失效，或者产生较差的结果。火星表面影像匹配的不利条件主要有：
1、对比度低：如图1-1至图1-4所示，HRSC的影像直方图较为集中，其较低的信噪比容易降低同名影像块之间的相似性测度。
2、特征点不足：虽然类似SIFT的特征匹配方法更具稳健性，但是火星表面影像上的特征点相对较少，仅可用作光束法平差的连接点，其密度不足以用于地形重建。
3、影像质量较差：成像设备、大气环境以及光照条件均会影响影像质量，与对地观测影像相比，火星表面的影像质量是较差的。
4、纹理重复：火星表面影像上的重复纹理现象非常普遍，这容易导致误匹配点。为解决这个问题，可以采用类似核线的约束条件。另外，也需要同名点有较精确的近似值。
另一方面，与对地观测影像相比，火星表面影像匹配也具有一些有利条件。火星表面不存在树木、河流、汽车等影像匹配的难点区域。另外，由高楼等引起的遮挡现象也不存在。总之，在地形连续性方面，火星表面影像有一定的优势。因此，在设计影像匹配方法时需要充分利用这一点。
研究人员提取了大量的影像匹配方法，诸如分层影像匹配等策略也可以应用于火星表面影像匹配。Hirschmüller提出的SGM匹配算法近年来得到了广泛应用，也用于火星快车HRSC的影像匹配。然而，即使使用SGM方法，火星表面影像匹配也需要大量的计算时间，通常一轨影像要处理几个小时，生成火星表面高分辨率DEM数据的效率不高。
发明内容
本发明的目的是提供一种行星表面影像匹配方法与装置，用于解决现有行星表面影像匹配得到的DEM数据精度不高的问题。
为解决上述技术问题，本发明提出一种行星表面影像匹配方法，包括以下方法方案：
方法方案一，包括如下步骤：
1)对行星表面的影像数据进行预处理，得到两个以上的分辨率层级，构建线阵影像严密几何模型；
2)将分辨率层级按照分辨率由低到高排序；从最低分辨率层级开始，依次生成每一分辨率层级的数字高程模型，将得到的最高分辨率层级的数字高程模型作为最优的数字高程模型，包括以下子步骤：
在每一分辨率层级生成正射影像，在正射影像上进行逐像素匹配；利用正射影像的地面点坐标估计同名点的位置，将同名点反投影至原始影像，得到原始影像上的匹配点，利用原始影像上的匹配点进行前方交会处理，计算得到地面点坐标，根据地面点坐标，生成数字高程模型；
每一分辨率层级的正射影像是由前一级分辨率层级的数字高程模型纠正得到的，所述前一级分辨率层级为按照所述由低到高排序中排在所述每一分辨率层级的相邻前一级分辨率层级。
方法方案二，在方法方案一的基础上，还包括利用前方交会处理得到的残差值剔除错误的匹配点的步骤。
方法方案三，在方法方案一的基础上，最低分辨率层级的正射影像是通过基于行星激光高度计的数字高程模型纠正得到的。
方法方案四，在方法方案一的基础上，所述行星表面的影像数据的预处理包括：直方图增强、影像金字塔生成和光束法平差。
方法方案五，在方法方案一的基础上，在进行反投影之前，根据所述线阵影像严密几何模型，确定地面点的最佳扫描线。
方法方案六，在方法方案一的基础上，所述利用原始影像上的匹配点进行前方交会处理，计算得到地面点坐标包括以下步骤：
利用SPICE库中的相机几何参数信息将像素坐标转换至焦平面坐标，内插出扫描线的外方位元素，将焦平面坐标转换至像空间坐标，利用线阵影像的共线方程计算得到地面点坐标。
为解决上述技术问题，本发明还提出一种行星表面影像匹配装置，包括以下装置方案：
装置方案一，包括处理器，用于执行实现以下步骤的指令：
1)对行星表面的影像数据进行预处理，得到两个以上的分辨率层级，构建线阵影像严密几何模型；
2)将分辨率层级按照分辨率由低到高排序；从最低分辨率层级开始，依次生成每一分辨率层级的数字高程模型，将得到的最高分辨率层级的数字高程模型作为最优的数字高程模型，包括以下子步骤：
在每一分辨率层级生成正射影像，在正射影像上进行逐像素匹配；利用正射影像的地面点坐标估计同名点的位置，将同名点反投影至原始影像，得到原始影像上的匹配点，利用原始影像上的匹配点进行前方交会处理，计算得到地面点坐标，根据地面点坐标，生成数字高程模型；
每一分辨率层级的正射影像是由前一级分辨率层级的数字高程模型纠正得到的，所述前一级分辨率层级为按照所述由低到高排序中排在所述每一分辨率层级的相邻前一级分辨率层级。
装置方案二，在装置方案一的基础上，还包括利用前方交会处理得到的残差值剔除错误的匹配点的步骤。
装置方案三，在装置方案一的基础上，最低分辨率层级的正射影像是通过基于行星激光高度计的数字高程模型纠正得到的。
装置方案四，在装置方案一的基础上，所述行星表面的影像数据的预处理包括：直方图增强、影像金字塔生成和光束法平差。
装置方案五，在装置方案一的基础上，在进行反投影之前，根据所述线阵影像严密几何模型，确定地面点的最佳扫描线。
装置方案六，在装置方案一的基础上，所述利用原始影像上的匹配点进行前方交会处理，计算得到地面点坐标包括以下步骤：
利用SPICE库中的相机几何参数信息将像素坐标转换至焦平面坐标，内插出扫描线的外方位元素，将焦平面坐标转换至像空间坐标，利用线阵影像的共线方程计算得到地面点坐标。
本发明的有益效果是：
本发明利用地面点坐标估计同名点，采用分层影像匹配策略，在每一分辨率层级均生成DEM以及正射影像，在每一分辨率层级生成的DEM用于纠正下一级分辨率的正射影像。通过迭代处理，生成的DEM数据越来越精细，相应地给定一个较小的搜索窗口即可确定同名点。
附图说明
图1-1是S1影像图；
图1-2是S2影像图；
图1-3是S1影像直方图；
图1-4是S2影像直方图；
图2-1是S1通道对应的HRSC Level-3级影像SIFT匹配图；
图2-2是S2通道对应的HRSC Level-3级影像SIFT匹配图；
图2-3是HRSC Level-3级影像SIFT匹配的坐标示意图；
图3是本发明行星表面影像匹配方法的流程图；
图4-1是Level-2级S1影像图；
图4-2是Level-2级S2影像图；
图4-3是Level-3级S1影像图；
图4-4是Level-3级S2影像图；
图5-1是S1通道对应的正射影像上的同名点示意图；
图5-2是S2通道对应的正射影像上的同名点示意图；
图5-3是S1通道对应的原始Level-2级影像上的同名点示意图；
图5-4是S2通道对应的原始Level-2级影像上的同名点示意图；
图6是线阵影像最佳扫描线示意图；
图7是线阵影像前方交会处理过程图；
图8是利用前方交会残差值剔除粗匹配点示意图；
图9是同名点精度预测示意图；
图10-1是S1通道对应的近似正射影像上的匹配点示意图；
图10-2是S2通道对应的近似正射影像上的匹配点示意图；
图10-3是S1通道对应的原始HRSC Level-2级影像上的匹配点示意图；
图10-4是S2通道对应的原始HRSC Level-2级影像上的匹配点示意图；
图11-1是5273轨正射影像图；
图11-2是5273轨正射影像对应的DEM图；
图11-3是5124轨正射影像图；
图11-4是5124轨正射影像对应的DEM图；
图12-1是生成的DEM示意图；
图12-2是MOLA DEM示意图；
图12-3是生成的DEM示意图；
图12-4是MOLA DEM示意图；
图13-1是针对5273轨生成的DEM与HRSC Level-4级DEM产品高程坐标差值示意图；
图13-2是针对5124轨生成的DEM与HRSC Level-4级DEM产品高程坐标差值示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明。
本发明的一种行星表面影像匹配方法的实施例，包括以下步骤：
将行星表面的影像数据进行预处理，包括直方图增强、影像金字塔生成和光束法平差等，利用SPICE库构建线阵影像严密几何模型。
影像数据预处理后，生成两个以上的分辨率层级，将分辨率层级按照分辨率由低到高排序；从最低分辨率层级开始，依次生成每一分辨率层级的数字高程模型，将得到的最高分辨率层级的数字高程模型作为最优的数字高程模型。具体的，包括以下子步骤：
首先，生成最低分辨率层级的数字高程模型：在最低分辨率层级生成正射影像，该正射影像是通过基于火星激光高度计的数字高程模型纠正得到的。在正射影像上进行逐像素匹配，利用正射影像的地面点坐标估计同名点的位置，通过给定正射影像上的像点，以及通过基于火星激光高度计的数字高程模型获取像点的高程信息，通过地面点反投影，确定原始影像上的同名点，利用原始影像上的匹配点进行前方交会处理，计算得到地面点坐标，利用前方交会处理得到的残差值剔除错误的匹配点，生成最低分辨率层级的数字高程模型。
然后，生成下一分辨率层级的数字高程模型：用上一分辨率层级的数字高程模型纠正下一分辨率层级的正射影像，将纠正后得到的下一分辨率层级的正射影像上进行逐像素匹配；利用正射影像的地面点坐标估计同名点的位置，通过给定正射影像上的像点，以及通过上一分辨率层级的数字高程模型获取该像点的高程信息，通过地面点反投影，确定原始影像上的同名点，利用原始影像上的匹配点进行前方交会处理，计算得到地面点坐标，利用前方交会处理得到的残差值剔除错误的匹配点，生成下一分辨率层级的数字高程模型。
再进行下一分辨率层级的正射影像纠正，直到生成最高分辨率层级的数字高程模型。
本发明利用地面点坐标估计同名点，采用分层影像匹配策略，在每一分辨率层级均生成DEM以及正射影像，在每一分辨率层级生成的DEM用于纠正下一级分辨率的正射影像。通过迭代处理，生成的DEM数据越来越精细，相应地给定一个较小的搜索窗口即可确定同名点。
当进行地形重建时，影像的内、外方位元素通常是已知的。因此，给定一个立体像对，可以通过几何纠正的方式生成两幅正射影像。如果用于纠正的DEM数据足够精确，重叠区域同名点的坐标差值将会很小，因此，可以应用这一点来估计同名点的近似位置。
例如，在HRSC Level-3级影像的第三层金字塔影像上进行了SIFT匹配试验，结果如图2-1、图2-2、图2-3所示。HRSC Level-3级影像是利用粗分辨率DEM纠正生成的，可以认为是近似正射影像。可以看出大部分点位的坐标差值小于2个像元，9号点(绿色十字丝所示)由于位于山地区域，坐标差值较大，达到4个像元，这也表明DEM不精确时能够引入较大的误差。可以推论出当在第4级金字塔影像上进行匹配时，所有点的坐标差均小于2个像元，因此使用5×5的搜索窗口即可快速确定同名点。
具体的，如图3所示，利用HRSC影像匹配，生成火星全球DEM数据的方法如下：
步骤1，利用USGS开发的ISIS软件进行数据预处理，利用“hrsc2isis”模块将PDS格式的HRSC影像导入ISIS系统，利用“spiceinit”模块确定相关的辅助文件，“hrsc2isis”与“spiceinit”是ISIS系统提供的用于行星影像预处理的工具。
步骤2，进行直方图增强、影像金字塔生成等预处理，根据需要进行光束法平差。
步骤3，从SPICE库文件中提取像元尺寸、焦距、外方位元素等信息，提取扫描行时间信息，构建线阵影像严密几何模型。
步骤4，采用迭代方式处理生成DEM。在最低分辨率层级，近似正射影像基于MOLADEM纠正生成，将在近似正射影像上匹配出的同名点反投影至原始影像，再通过前方交会生成地面点坐标，使用前方交会残差值删除错误的匹配点。在当前分辨率层级匹配生成的DEM用于纠正下一分辨率层级的近似正射影像。
上述匹配出同名点的过程如下：
如图4-1、图4-2、图4-3、图4-4所示，由于摄影角度与影像尺度不同，在HRSCLevel-2级影像上难以进行影像匹配。通过利用内方位元素(Interior Orientation，IO)、外方位元素(Exterior Orientation，EO)以及DEM数据，生成近似正射影像，这样可以消除几何畸变的影像，而且立体影像的分辨率变为一致。因此，在近似正射影像上匹配有利于提升成功率与匹配精度。另外，逐像素匹配时没有必要再提取特征点。
传统影像匹配方法通常使用核线、仿射变换等约束条件估计同名点的近似值，本发明估计同名点位置的过程如下：
采用正射影像的地面点坐标直接估计同名点近似坐标，点位估计精度受影像分辨率以及参考DEM的精度影响。给定左影像上像点i，其像素坐标为(m，n)，2D地面点坐标为(X，Y)，其计算公式如下
X＝X0+m*dX
Y＝Y0+n*dY
其中，(X0，Y0)表示左下角点坐标，dX与dY是影像分辨率，因此，右影像上i'的像素坐标(m'，n')，计算公式如下：
m'＝(X-X0)/dX
n'＝(Y-Y0)/dY
显然，同名点的估计精度受参考DEM以及EO数据精度影响。
同名点反投影的过程如下：
图5-1、图5-2、图5-3、图5-4是立体像对在正射影像与原始影像上的匹配结果，由正射影像向原始影像的坐标转换实际上是一个线阵影像的地面点反投影过程。给定正射影像上的像点p，对应的高程信息可以由纠正时所用的DEM获得。通过地面点反投影，可以确定出原始影像上的同名点p'。
如图6所示，为了进行线阵影像的反投影，首先需要确定地面点P的最佳扫描线，需要构建线阵影像的严密几何模型。由于线阵影像特殊的成像原理，每一条扫描线均有6条外方位元素。线阵影像的扩展共线方程形式如下：
其中(x,y)是像点坐标，f是相机焦距，(x,y,z)是地面点坐标，i表示扫描线，表示外方位元素位置分量，表示旋转矩阵，j＝1、2或3。在确定线阵影像最佳扫描线方面，可以应用物方的几何约束提高效率。对于火星快车HRSC影像来说，研究结果表明基于物方几何约束可以达到100万点/秒的反投影计算效率，可以较好地满足影像匹配的需求。
线阵影像前方交会处理过程如下：
利用原始影像上的匹配点进行前方交会可以获取三维地面点坐标。与面阵影像相比，线阵影像的前方交会计算流程相对复杂，图7是线阵影像前方交会的具体计算过程。假定p1与p2是一对同名点，(i1,j1)与(i2,j2)是对应的像素坐标，(x1,y1)与(x2,y2)是焦平面坐标，(x1,y1,-f1)与(x2,y2,-f2)是像空间坐标系坐标，(X,Y,Z)是地面点坐标。首先，利用SPICE库中的相机几何参数信息将像素坐标转换至焦平面坐标，然后内插出扫描线j1与j2各自的外方位元素，并将焦平面坐标转换至像空间坐标，最后利用扩展的线阵影像共线方程按照前方交会原理计算出地面点(X,Y,Z)坐标。值得说明的是摄影测量计算出的地面点坐标是在火星地固坐标系，为了获得DEM产品，需要进行地图投影以及DEM内插。
上述删除错误的匹配点的过程如下：
影像匹配过程中粗差点难以避免，因此，有必要检测并剔除粗差。本文使用前方交会的残差值剔除粗差点。给定立体像对的一组同名点，前方交会计算时有X、Y、Z三个未知数，而一对同名点可以列出4个观测方程，因此，利用多余观测值可以计算出前方交会的残差值。假定内、外方位元素足够精确，则影像匹配精度直接影响前方交会残差值。如图8所示，像点p1与p2是一对同名点，P为相应的地观点坐标，如果p′2是p1的误匹配点，前方交会计算时残差值会较大。因此，可以通过给定一个交会残差阈值(如2倍GSD)消除误匹配点。
步骤5，通过分层影像匹配方法，生成的DEM数据越来越精细，能够达到逐像素的格网间距，且点位预测精度越来越高。
本发明的软件开发基于Windows7平台利用Visual Studio 2013以及Qt5.4.2完成上述步骤，试验测试环境为Intel Core i5CPU以及8GB内存。
试验数据选取两轨HRSC Level-2级影像，首先将SPICE库以及影像导入ISIS系统中，然后利用双三次插值生成四层金字塔影像，原始Level-2级影像采用equirectangular投影进行正射纠正，equirectangular投影为将经线映射为恒定间距的垂直线，以及将纬线映射为恒定间距的水平线。火星参考坐标系采用3396.19km的球体定义。测试数据基本信息见表1。HRSC5273轨影像位于Gale陨石坑内，是火星好奇号探测器的着陆区。影像匹配的搜索窗口设置为3×5，匹配窗口设置为9×9。立体匹配在S1与S2通道影像之间进行，因为这两个通道可形成最大的交会角，提升交会精度。
表1
本发明的主要优点是利用正射影像的地同点坐标预测同名点的近似位置。图9显示了预测坐标与匹配坐标的差值，可以看出，在原始影像分辨率上，坐标差值小于2个像元，表明本发明能够提供精确的近似值，有助于提升影像匹配的精度以及计算效率。
图10-1、图10-2显示的是在近似影像上的匹配结果，将其反投影至原始HRSCLevel-2级影像上，并显示在图10-3、图10-4中。值得注意的是由于火星表面影像低对比度，影像匹配成功率不可能达到100％。图11-1至图11-4是生成的DEM效果，图12-1至图12-4是本发明与MOLA DEM的对比结果，通过与MOLA DEM对比可知，本文逐像素生成的DEM更为精细。
图13-1、图13-2所示为生成DEM与HRSC Level-4级DEM产品高程精度对比结果。5273轨高程中误差为60.3m，5124轨高程中误差为33.7m，而且结果中含有明显的系统性误差，这主要是由不精确的SPICE库提供的EO初值引起的。通过在HRSC Level-4级产品中选择一定的控制点数据，可以消除系统性误差。实验结果表明，本发明生成的逐像素DEM与HRSCLevel-4级产品有较好的一致性。
本发明在每一金字塔分辨率层级，当逐像素匹配完成时，生成的DEM可以用于下一层金字塔影像的正射纠正。假定原始HRSC Level-2级影像的分辨率为25米，生成4层金字塔影像，则各级金字塔影像分辨率分别为50m、100m、200m、400m。在最粗分辨率层级，逐像素匹配生成的DEM格网间距为400m，仍然略高于MOLA DEM。在第4级金字塔分辨率层级生成的DEM可以用于第三级影像的正射纠正。因此，通过分层影像匹配方法，生成的DEM数据越来越精细，点位预测精度也逐渐提升。
本发明还提出一种行星表面影像匹配装置，包括处理器，用于执行实现以下步骤的指令：
对行星表面的影像数据进行预处理，得到两个以上的分辨率层级，构建线阵影像严密几何模型。
将分辨率层级按照分辨率由低到高排序；从最低分辨率层级开始，依次生成每一分辨率层级的数字高程模型，将得到的最高分辨率层级的数字高程模型作为最优的数字高程模型，包括以下子步骤：
在每一分辨率层级生成正射影像，在正射影像上进行逐像素匹配；利用正射影像的地面点坐标估计同名点的位置，将同名点反投影至原始影像，得到原始影像上的匹配点，利用原始影像上的匹配点进行前方交会处理，计算得到地面点坐标，根据地面点坐标，生成数字高程模型；
每一分辨率层级的正射影像是由前一级分辨率层级的数字高程模型纠正得到的，所述前一级分辨率层级为按照所述由低到高排序中排在所述每一分辨率层级的相邻前一级分辨率层级。
上述实施例中所指的行星表面影像匹配装置，实际上是基于本发明方法流程的一种计算机解决方案，即一种软件构架，可以应用到计算机中，上述装置即为与方法流程相对应的处理进程。由于对上述方法的介绍已经足够清楚完整，故不再详细进行描述。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种行星表面影像匹配方法，其特征在于，包括以下步骤：
1)对行星表面的影像数据进行预处理，得到两个以上的分辨率层级，构建线阵影像严密几何模型；
2)将分辨率层级按照分辨率由低到高排序；从最低分辨率层级开始，依次生成每一分辨率层级的数字高程模型，将得到的最高分辨率层级的数字高程模型作为最优的数字高程模型，包括以下子步骤：
在每一分辨率层级生成正射影像，在正射影像上进行逐像素匹配；利用正射影像的地面点坐标估计同名点的位置，将同名点反投影至原始影像，得到原始影像上的匹配点，利用原始影像上的匹配点进行前方交会处理，计算得到地面点坐标，根据地面点坐标，生成数字高程模型；
每一分辨率层级的正射影像是由前一级分辨率层级的数字高程模型纠正得到的，所述前一级分辨率层级为按照所述由低到高排序中排在所述每一分辨率层级的相邻前一级分辨率层级。
2.根据权利要求1所述的行星表面影像匹配方法，其特征在于，还包括利用前方交会处理得到的残差值剔除错误的匹配点的步骤。
3.根据权利要求1所述的行星表面影像匹配方法，其特征在于，最低分辨率层级的正射影像是通过基于行星激光高度计的数字高程模型纠正得到的。
4.根据权利要求1所述的行星表面影像匹配方法，其特征在于，所述行星表面的影像数据的预处理包括：直方图增强、影像金字塔生成和光束法平差。
5.根据权利要求1所述的行星表面影像匹配方法，其特征在于，在进行反投影之前，根据所述线阵影像严密几何模型，确定地面点的最佳扫描线。
6.根据权利要求1所述的行星表面影像匹配方法，其特征在于，所述利用原始影像上的匹配点进行前方交会处理，计算得到地面点坐标包括以下步骤：
利用SPICE库中的相机几何参数信息将像素坐标转换至焦平面坐标，内插出扫描线的外方位元素，将焦平面坐标转换至像空间坐标，利用线阵影像的共线方程计算得到地面点坐标。
7.一种行星表面影像匹配装置，其特征在于，包括处理器，用于执行实现以下步骤的指令：
1)对行星表面的影像数据进行预处理，得到两个以上的分辨率层级，构建线阵影像严密几何模型；
2)将分辨率层级按照分辨率由低到高排序；从最低分辨率层级开始，依次生成每一分辨率层级的数字高程模型，将得到的最高分辨率层级的数字高程模型作为最优的数字高程模型，包括以下子步骤：
在每一分辨率层级生成正射影像，在正射影像上进行逐像素匹配；利用正射影像的地面点坐标估计同名点的位置，将同名点反投影至原始影像，得到原始影像上的匹配点，利用原始影像上的匹配点进行前方交会处理，计算得到地面点坐标，根据地面点坐标，生成数字高程模型；
每一分辨率层级的正射影像是由前一级分辨率层级的数字高程模型纠正得到的，所述前一级分辨率层级为按照所述由低到高排序中排在所述每一分辨率层级的相邻前一级分辨率层级。
8.根据权利要求7所述的行星表面影像匹配装置，其特征在于，还包括利用前方交会处理得到的残差值剔除错误的匹配点的步骤。
9.根据权利要求7所述的行星表面影像匹配装置，其特征在于，最低分辨率层级的正射影像是通过基于行星激光高度计的数字高程模型纠正得到的。
10.根据权利要求7所述的行星表面影像匹配装置，其特征在于，所述行星表面的影像数据的预处理包括：直方图增强、影像金字塔生成和光束法平差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810226506.2A CN108444451B (zh) | 2018-03-19 | 2018-03-19 | 一种行星表面影像匹配方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810226506.2A CN108444451B (zh) | 2018-03-19 | 2018-03-19 | 一种行星表面影像匹配方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108444451A true CN108444451A (zh) | 2018-08-24 |
| CN108444451B CN108444451B (zh) | 2020-10-20 |
Family
ID=63195830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810226506.2A Active CN108444451B (zh) | 2018-03-19 | 2018-03-19 | 一种行星表面影像匹配方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108444451B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110619368A (zh) * | 2019-09-23 | 2019-12-27 | 北京理工大学 | 行星表面导航特征成像匹配检测方法 |
| CN111292364A (zh) * | 2020-01-21 | 2020-06-16 | 天目爱视（北京）科技有限公司 | 一种三维模型构建过程中图像快速匹配的方法 |
| CN111833446A (zh) * | 2020-06-24 | 2020-10-27 | 浙江省测绘科学技术研究院 | 一种基于特征线提取的架空地物快速纠正方法 |
| CN114792327A (zh) * | 2022-06-23 | 2022-07-26 | 中国科学院空天信息创新研究院 | 图像处理方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020163582A1 (en) * | 2001-05-04 | 2002-11-07 | Gruber Michael A. | Self-calibrating, digital, large format camera with single or mulitiple detector arrays and single or multiple optical systems |
| CN1529127A (zh) * | 2003-10-14 | 2004-09-15 | 武汉大学 | 一种基于数字正射影像和立体辅助影像的无缝立体模型的高精度量测方法 |
| CN101604018A (zh) * | 2009-07-24 | 2009-12-16 | 中国测绘科学研究院 | 高分辨率遥感影像数据处理方法及其系统 |
| CN102175227A (zh) * | 2011-01-27 | 2011-09-07 | 中国科学院遥感应用研究所 | 一种探测车在卫星图像上的快速定位方法 |
| CN102506824A (zh) * | 2011-10-14 | 2012-06-20 | 航天恒星科技有限公司 | 一种城市低空无人机系统生成数字正射影像图的方法 |
| CN102968631A (zh) * | 2012-11-22 | 2013-03-13 | 中国科学院、水利部成都山地灾害与环境研究所 | 山区多光谱遥感卫星影像的自动几何纠正与正射校正方法 |
| CN103077505A (zh) * | 2013-01-25 | 2013-05-01 | 西安电子科技大学 | 基于字典学习和结构聚类的图像超分辨率重建方法 |
| US20140354635A1 (en) * | 2013-02-28 | 2014-12-04 | Universita' Degli Studi Di Roma "La Sapienza" (Italian University) | Matching procedure and device for the digital modelling of objects by stereoscopic images |
| CN104700399A (zh) * | 2015-01-08 | 2015-06-10 | 东北大学 | 一种基于高分遥感影像的大变形滑坡位移场标定方法 |
| US20160063677A1 (en) * | 2013-03-27 | 2016-03-03 | Thomson Licensing | Method and apparatus for generating a super-resolved image from a single image |
| CN107328741A (zh) * | 2017-06-22 | 2017-11-07 | 福州大学 | 土壤侵蚀方程中植被覆盖与管理因子c改进方法 |
| CN107560603A (zh) * | 2017-08-29 | 2018-01-09 | 南宁慧视科技有限责任公司 | 一种无人机倾斜摄影测量系统及测量方法 |
-
2018
- 2018-03-19 CN CN201810226506.2A patent/CN108444451B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020163582A1 (en) * | 2001-05-04 | 2002-11-07 | Gruber Michael A. | Self-calibrating, digital, large format camera with single or mulitiple detector arrays and single or multiple optical systems |
| CN1529127A (zh) * | 2003-10-14 | 2004-09-15 | 武汉大学 | 一种基于数字正射影像和立体辅助影像的无缝立体模型的高精度量测方法 |
| CN101604018A (zh) * | 2009-07-24 | 2009-12-16 | 中国测绘科学研究院 | 高分辨率遥感影像数据处理方法及其系统 |
| CN102175227A (zh) * | 2011-01-27 | 2011-09-07 | 中国科学院遥感应用研究所 | 一种探测车在卫星图像上的快速定位方法 |
| CN102506824A (zh) * | 2011-10-14 | 2012-06-20 | 航天恒星科技有限公司 | 一种城市低空无人机系统生成数字正射影像图的方法 |
| CN102968631A (zh) * | 2012-11-22 | 2013-03-13 | 中国科学院、水利部成都山地灾害与环境研究所 | 山区多光谱遥感卫星影像的自动几何纠正与正射校正方法 |
| CN103077505A (zh) * | 2013-01-25 | 2013-05-01 | 西安电子科技大学 | 基于字典学习和结构聚类的图像超分辨率重建方法 |
| US20140354635A1 (en) * | 2013-02-28 | 2014-12-04 | Universita' Degli Studi Di Roma "La Sapienza" (Italian University) | Matching procedure and device for the digital modelling of objects by stereoscopic images |
| US20160063677A1 (en) * | 2013-03-27 | 2016-03-03 | Thomson Licensing | Method and apparatus for generating a super-resolved image from a single image |
| CN104700399A (zh) * | 2015-01-08 | 2015-06-10 | 东北大学 | 一种基于高分遥感影像的大变形滑坡位移场标定方法 |
| CN107328741A (zh) * | 2017-06-22 | 2017-11-07 | 福州大学 | 土壤侵蚀方程中植被覆盖与管理因子c改进方法 |
| CN107560603A (zh) * | 2017-08-29 | 2018-01-09 | 南宁慧视科技有限责任公司 | 一种无人机倾斜摄影测量系统及测量方法 |
Non-Patent Citations (3)
| Title |
|---|
| 侯晓芬 等: "面向序列影像的三维场景重建方法", 《测绘科学》 * |
| 王栋 等: "一种基于三维形貌的深空星体表面撞击坑自动提取方法", 《测绘科学技术学报》 * |
| 耿迅 等: "火星快车HRSC线阵影像投影轨迹法近似核线重采样", 《武汉大学学报·信息科学版》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110619368A (zh) * | 2019-09-23 | 2019-12-27 | 北京理工大学 | 行星表面导航特征成像匹配检测方法 |
| CN111292364A (zh) * | 2020-01-21 | 2020-06-16 | 天目爱视（北京）科技有限公司 | 一种三维模型构建过程中图像快速匹配的方法 |
| CN111833446A (zh) * | 2020-06-24 | 2020-10-27 | 浙江省测绘科学技术研究院 | 一种基于特征线提取的架空地物快速纠正方法 |
| CN114792327A (zh) * | 2022-06-23 | 2022-07-26 | 中国科学院空天信息创新研究院 | 图像处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108444451B (zh) | 2020-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Henriksen et al. | Extracting accurate and precise topography from LROC narrow angle camera stereo observations | |
| CN108444451A (zh) | 一种行星表面影像匹配方法与装置 | |
| CN111126148B (zh) | 一种基于视频卫星影像的dsm生成方法 | |
| CN103115614B (zh) | 多源多轨长条带卫星遥感影像联合并行匹配方法 | |
| CN104299228B (zh) | 一种基于精确点位预测模型的遥感影像密集匹配方法 | |
| Toutin | Error tracking in IKONOS geometric processing using a 3D parametric model | |
| CN113358091B (zh) | 一种利用三线阵立体卫星影像生产数字高程模型dem的方法 | |
| Toutin et al. | DEM generation with ASTER stereo data | |
| CN105913435B (zh) | 一种适用于大区域的多尺度遥感影像匹配方法及系统 | |
| AU2020315519B2 (en) | 3D view model generation of an object utilizing geometrically diverse image clusters | |
| JP2004021921A (ja) | ステレオ画像を用いた地形計測システム及び記憶媒体並びにプログラム | |
| CN110889899A (zh) | 一种数字地表模型的生成方法及装置 | |
| CN110986888A (zh) | 一种航空摄影一体化方法 | |
| Aati et al. | Comparative study of photogrammetry software in industrial field | |
| Yan et al. | Topographic reconstruction of the “Tianwen-1” landing area on the Mars using high resolution imaging camera images | |
| Remetean et al. | Philae locating and science support by robotic vision techniques | |
| CN109579796B (zh) | 一种投影后影像的区域网平差方法 | |
| Toutin | DEM from stereo Landsat 7 ETM+ data over high relief areas | |
| CN114998397B (zh) | 一种多视角卫星影像立体像对优化选择方法 | |
| Restrepo et al. | Building Lunar Maps for Terrain Relative Navigation and Hazard Detection Applications | |
| Geng et al. | An iterative pixel-level image matching method for Mars mapping using approximate orthophotos | |
| Ewiak et al. | Accuracy of DTM generated from SPOT 4 and SPOT 5 HRS data | |
| Ghayourmanesh et al. | SPOT 5 HRS STUDY-AUTOMATIC DTM EXTRACTION REGIONS 1 (MONTMIRAIL-FRANCE) AND 7 (RASHT-IRAN) | |
| Pope et al. | LANL experience with coregistration of MTI imagery | |
| ALBATTAH | Improving the Reliability of DTMs Generated from High Resolution Satellite Imagery by Enhancing the Automatic Stereoscopic Matching1 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |