CN110853140A - 一种dem辅助的光学视频卫星影像稳像方法 - Google Patents

一种dem辅助的光学视频卫星影像稳像方法 Download PDF

Info

Publication number
CN110853140A
CN110853140A CN201910964700.5A CN201910964700A CN110853140A CN 110853140 A CN110853140 A CN 110853140A CN 201910964700 A CN201910964700 A CN 201910964700A CN 110853140 A CN110853140 A CN 110853140A
Authority
CN
China
Prior art keywords
image
point
ground
coordinates
main frame
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
Application number
CN201910964700.5A
Other languages
English (en)
Inventor
周楠
邢坤
鲍云飞
刘薇
曹世翔
何红艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Space Research Mechanical and Electricity
Original Assignee
Beijing Institute of Space Research Mechanical and Electricity
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Space Research Mechanical and Electricity filed Critical Beijing Institute of Space Research Mechanical and Electricity
Priority to CN201910964700.5A priority Critical patent/CN110853140A/zh
Publication of CN110853140A publication Critical patent/CN110853140A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种DEM(数字高程模型)辅助的光学视频卫星影像稳像方法，属于摄影测量与遥感技术领域，特别涉及一种DEM辅助的光学视频卫星影像稳像方法。该方法针对视频稳像大多采用平移、相似变换、仿射变换描述视频影像序列帧间几何关系，难以实现子像素级精确建模；提出一种DEM辅助的光学视频卫星影像稳像方法，构建顾及相对误差修正的帧间几何模型，通过参考帧影像的基准约束和相对姿态修正参数的虚拟带权约束，整体稳健求解帧间几何参数，实现视频卫星影像序列帧间子像素级稳像处理。

Description

一种DEM辅助的光学视频卫星影像稳像方法
技术领域
本发明涉及一种DEM(数字高程模型)辅助的光学视频卫星影像稳像方法，属于摄影测量与遥感技术领域，特别涉及一种DEM辅助的光学视频卫星影像稳像方法。
背景技术
光学视频卫星可满足对地表目标的动态监测需求，实现从静态遥感到动态遥感的跨越。为了保证视频卫星影像的应用效率，在影像处理过程中，基本要求是在保证每一帧都具有一致的辐射亮度，同时实现视频中静止目标帧间位置的一致性。但在视频卫星成像过程中，卫星平台运动与姿态控制误差导致的相机光轴指向的变化和抖动，使得在所获取的视频卫星影像中同一目标存在数个像元左右的抖动、在不同帧间几何差异大，多角度观测引起辐射差异大，所获取的同一目标在不同帧间存在数十个亮度量化等级的差异，这将导致视频卫星影像无法直接应用。
为了充分发挥高分辨率光学视频卫星的应用效能，首先需要解决影像序列帧间高精度稳像问题。稳像精度通常应优于子像素，才能够满足高分辨率光学视频卫星影像高精度实时应用需求。当前，视频稳像大多采用平移、相似变换、仿射变换描述视频影像序列帧间几何关系。这些帧间几何模型虽然简单易用，但对于高分辨率光学视频卫星，却难以实现子像素级精确建模，主要原因包括：(1)视频卫星影像帧间误差源众多，且影响规律不尽相同；(2)视频卫星影像序列帧间几何变形大。影像序列首帧与尾帧影像之间的成像视角差异通常很大，由地形起伏引起的几何变形不容忽视，并且随着光学视频卫星空间分辨率的不断提高，帧间影像几何变形将愈加明显。采用传统简单的帧间几何模型将难以全面描述众多误差源帧间几何关系的影响，从而无法保证视频稳像的几何质量。
发明内容
本发明的技术解决问题是：克服现有技术的不足，提出一种DEM辅助的光学视频卫星影像稳像方法，该方法针对视频稳像大多采用平移、相似变换、仿射变换描述视频影像序列帧间几何关系，难以实现子像素级精确建模；提出一种DEM辅助的光学视频卫星影像稳像方法，构建顾及相对误差修正的帧间几何模型，通过参考帧影像的基准约束和相对姿态修正参数的虚拟带权约束，整体稳健求解帧间几何参数，实现视频卫星影像序列帧间子像素级稳像处理。
本发明的技术解决方案是：
一种DEM辅助的光学视频卫星影像稳像方法，该方法的步骤包括：
步骤1，构建视频卫星影像序列的有理函数模型(RFM)；
构建视频卫星影像序列的有理函数模型方法为：
1.1建立视频卫星影像序列的严格成像几何模型，如式(1)所示；
Figure BDA0002230099220000021
其中，
Figure BDA0002230099220000022
为地面控制点在WGS-84坐标系下的三维坐标；
Figure BDA0002230099220000023
为GPS天线相位中心在WGS-84坐标系下的三维坐标；
m为比例尺因子；
RJW2G0S00-84为J2000坐标系至WGS-84坐标系的旋转矩阵；
Figure BDA0002230099220000024
为星敏感器坐标系至J2000坐标系的旋转矩阵；
为星敏感器在卫星本体坐标系下的安置矩阵；
Figure BDA0002230099220000032
为GPS天线相位中心在卫星本体坐标系下的3个偏移量；
Figure BDA0002230099220000033
为相机节点在卫星本体坐标系下的3个偏移量；
Figure BDA0002230099220000034
为相机在卫星本体坐标系下的安装矩阵；
Figure BDA0002230099220000036
为地面控制点所对应的CCD探元在相机坐标系下的指向角；
f为相机主距；
1.2根据视频卫星影像序列的严格成像几何模型生成地面三维格网点，生成地面三维格网点的方法为：在视频卫星影像序列上均匀选取10*10均匀分布的格网点，给定格网点的高程值，然后利用严格成像几何模型解算出各格网点所对应地面点的平面坐标，格网点至少包括5个高程面，每个高程面上的格网点具有相同的高程；
1.3构建视频卫星影像序列的有理函数模型如式(2)所示，构建方法为：将视频卫星影像序列上的像点坐标(R,C)表示为含地面点坐标(X,Y,Z)的多项式的比值，即：
式中，(Xn,Yn,Zn)为地面点坐标(X,Y,Z)经平移和缩放后的正则化坐标，取值在[-1,1]之间，(rn,cn)为像点坐标(R,C)经平移和缩放后的正则化坐标，取值在[-1,1]之间，P1(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；
P2(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；
P3(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；
P4(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；
P1(Xn,Yn,Zn)的具体形式如公式(3)所示，对于P2(Xn,Yn,Zn)、P3(Xn,Yn,Zn)和P4(Xn,Yn,Zn)，只需将式中的aj分别替换为bj、cj和dj即可；
P1(Xn,Yn,Zn)＝a0+a1Zn+a2Yn+a3Xn+a4ZnYn+a5ZnXn+a6YnXn+a7Zn 2+a8Yn 2+a9Xn 2+a10ZnYnXn+ (3)
a11Zn 2Yn+a12Zn 2Xn+a13Yn 2Zn+a14Yn 2Xn+a15ZnXn 2+a16YnXn 2+a17Zn 3+a18Yn 3+a19Xn 3
式中，aj(j＝0,1,…,19)、bj、cj和dj均为有理函数模型系数；
1.4解算有理函数模型系数，建立误差方程式如式(4)所示；
V＝Bx-l (4)
式中，
x＝[a0 a1 … a19 b1 … b19 c0 c1 … c19 d1 … d10]T；
l＝[rn cn]T；
由此得到法方程：
BTBx＝BTl (5)
上式中包含有78个有理函数模型系数，根据最小二乘平差原理求解有理函数模型系数：
x＝(BTB)-1BTl (6)
步骤2，对视频卫星影像序列的帧间同名像点进行匹配，匹配方法为：
2.1在视频卫星影像序列中选择前一帧影像为主帧，后一帧影像为辅帧，其中，第一帧为主帧；
2.2根据视频卫星影像序列覆盖地面区域的DEM数据，确定视频卫星影像序列覆盖范围内的地面最大高程Hmax和地面最小高程Hmin，对于主帧影像上的特征点q，首先将地面最大高程值Hmax和特征点q的像点坐标值代入有理函数模型的反解模型，求出主帧影像上的特征点q对应的地面点Qmax的三维地面坐标(Xmax,Ymax,Hmax)；然后将地面点Qmax的三维地面坐标(Xmax,Ymax,Hmax)代入有理函数模型的正解模型，找到特征点q在辅帧影像上的同名像点q′max；同理，可由地面最小高程值Hmin和主帧影像上的特征点q求得辅帧影像上对应的像点q'min，即首先将地面最小高程值Hmin和特征点q的像点坐标值代入有理函数模型的反解模型，求出主帧影像上的特征点q对应的地面点Qmin的三维地面坐标(Xmin,Ymin,Hmin)；然后将地面点Qmin的三维地面坐标(Xmin,Ymin,Hmin)代入有理函数模型的正解模型，找到特征点q在辅帧影像上的同名像点q'min；则主帧影像上的特征点q对应的辅帧影像上的同名像点q'必定在点q'max和q'min连成的直线段上。当计算出直线段q'maxq'min后，在该直线段上匹配搜索即可得到主帧影像特征点q对应的辅帧影像上的同名像点q'。粗匹配搜索采用相关系数方法，精匹配搜索采用最小二乘匹配方法。
步骤3，计算辅帧相对于主帧的几何变形参数，计算方法为：
3.1建立视频卫星影像序列主帧和辅帧的几何变形模型，主帧影像的几何变形模型为：
Figure BDA0002230099220000051
辅帧影像的几何变形模型为：
Figure BDA0002230099220000052
式中，R0,C0,Rs,Cs为正则化参数，(ΔR,ΔC)为像点坐标(R,C)的帧间几何变形模型，计算公式为：
式中，(e0,e1,e2,…,f0,f1,f2,…)为辅帧相对于主帧的几何变形参数；
3.2采用DEM辅助的方法求解辅帧影像几何变形参数，具体方法为：将主帧影像上的特征点的像点坐标值代入有理函数模型的反解模型，利用DEM给出的高程值，求出主帧影像上的特征点对应的地面点的平面坐标，根据主帧影像上的特征点的平面坐标和DEM给出的高程值，得到主帧影像上的特征点对应的三维地面坐标，将主帧影像上的特征点对应的三维地面坐标代入有理函数模型的正解模型，求出主帧影像上的特征点对应的三维地面坐标在辅帧影像上的像点坐标，根据计算得到的辅帧影像上的像点坐标和主帧影像特征点对应的辅帧影像上的同名像点坐标，求解辅帧相对于主帧的几何变形参数。
3.3利用帧间几何变形参数，根据公式(9)重新生成地面三维格网点，按照步骤1.4重新求解辅帧影像的有理函数模型系数。
步骤4，对辅帧影像进行重采样生成稳像处理后的视频影像序列，方法为：
4.1主帧影像上的每一个像点的像点坐标，代入有理函数模型的反解模型，计算像点对应的地面点坐标；
4.2对于主帧影像上每一个像点所对应的地面点坐标，代入辅帧的有理函数模型的正解模型，计算主帧影像上的像点在辅帧影像上的同名像点；
4.3对步骤4.2得到的辅帧影像上对应的同名像点的灰度值进行重采样，采用公式如式(10)：
p(x',y')＝(1-dx)·(1-dy)·p1+dx·(1-dy)·p2+dy·(1-dx)·p3+dx·dy·p4 (11)
式中，p(x',y')为像点坐标(x',y')的灰度值，(p1,p2,p3,p4)为像点坐标(x',y')所在网格的四角点的灰度值，dx为像点坐标(x',y')到左上角点的距离在x方向上的分量，dy为像点坐标(x',y')到左上角点的距离在y方向上的分量。
4.4根据标准的avi视频数据格式，对所有主帧影像和辅帧影像进行视频合成，得到稳像后的光学卫星视频数据。
有益效果
该方法针对视频稳像大多采用平移、相似变换、仿射变换描述视频影像序列帧间几何关系，难以实现子像素级精确建模；提出一种DEM辅助的光学视频卫星影像稳像方法，构建顾及相对误差修正的帧间几何模型，通过参考帧影像的基准约束和相对姿态修正参数的虚拟带权约束，整体稳健求解帧间几何参数，实现视频卫星影像序列帧间子像素级稳像处理。
附图说明
图1为实施例中虚拟格网示意图。
具体实施方式
本实施例提供了一种DEM辅助的光学视频卫星影像稳像方法，该方法的步骤包括：
步骤1，构建视频卫星影像序列的有理函数模型；视频卫星影像序列中各帧影像依次记为影像1、影像2、影像3……影像N。
构建视频卫星影像序列的有理函数模型方法为：
1.1建立视频卫星影像序列的严格成像几何模型；利用视频相机的像主点(x0,y0)和像主距f，获得视频卫星影像序列中像元(R,C)在视频相机坐标系下的坐标(l,s)，根据公式
Figure BDA0002230099220000071
计算CCD探元在相机坐标系下的指向角
Figure BDA0002230099220000073
根据视频卫星影像序列的成像时间，获取相应成像时间卫星姿态四元数(q1,q2,q3,q4)和卫星在WGS84坐标系下的坐标根据公式
Figure BDA0002230099220000081
建立视频卫星影像序列的严格成像几何模型。其中
Figure BDA0002230099220000082
PN(t)为岁差和章动矩阵，R(t)为地球自转矩阵，W(t)为极移矩阵，为星敏感器在卫星本体坐标系下的安置矩阵，
Figure BDA0002230099220000084
为相机在卫星本体坐标系下的安装矩阵，
Figure BDA0002230099220000085
为GPS天线相位中心在卫星本体坐标系下的偏移量，为相机节点在卫星本体坐标系下的偏移量，以上四项在卫星发射前由实验室测试得到。
1.2根据视频卫星影像序列的严格成像几何模型生成地面三维格网点，生成地面三维格网点的方法为：在视频卫星影像序列上均匀选取10*10均匀分布的格网点，给定格网点的高程值，然后利用严格成像几何模型解算出各格网点所对应地面点的平面坐标，格网点至少包括5个高程面，每个高程面上的格网点具有相同的高程；如图1所示；
1.3构建视频卫星影像序列的有理函数模型，构建方法为：将视频卫星影像序列上的像点坐标(R,C)表示为含地面点坐标(X,Y,Z)的多项式的比值，即：P1(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；P2(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；P3(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；P4(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；
P1(Xn,Yn,Zn)＝a0+a1Zn+a2Yn+a3Xn+a4ZnYn+a5ZnXn+a6YnXn+a7Zn 2+a8Yn 2+a9Xn 2+a10ZnYnXn+
a11Zn 2Yn+a12Zn 2Xn+a13Yn 2Zn+a14Yn 2Xn+a15ZnXn 2+a16YnXn 2+a17Zn 3+a18Yn 3+a19Xn 3
对于P2(Xn,Yn,Zn)、P3(Xn,Yn,Zn)和P4(Xn,Yn,Zn)，只需将式中的aj分别替换为bj、cj和dj即可。
1.4解算有理函数模型系数。根据公式V＝Bx-l建立误差方程式，其中
Figure BDA0002230099220000091
x＝[a0 a1 … a19 b1 … b19 c0 c1 … c19 d1 … d10]T，l＝[rn cn]T；根据最小二乘平差原理求解有理函数模型系数x＝(BTB)-1BTl。
步骤2，对视频卫星影像序列的帧间同名像点进行匹配，匹配方法为：
2.1在视频卫星影像序列中选择前一帧影像为主帧，后一帧影像为辅帧，其中，第一帧为主帧；
2.2根据视频卫星影像序列覆盖地面区域的DEM数据，确定视频卫星影像序列覆盖范围内的地面最大高程Hmax和地面最小高程Hmin，对于主帧影像上的特征点q，首先将地面最大高程值Hmax和特征点q的像点坐标值代入有理函数模型的反解模型，求出主帧影像上的特征点q对应的地面点Qmax的三维地面坐标(Xmax,Ymax,Hmax)；然后将地面点Qmax的三维地面坐标(Xmax,Ymax,Hmax)代入有理函数模型的正解模型，找到特征点q在辅帧影像上的同名像点q′max；同理，可由地面最小高程值Hmin和主帧影像上的特征点q求得辅帧影像上对应的像点q'min，即首先将地面最小高程值Hmin和特征点q的像点坐标值代入有理函数模型的反解模型，求出主帧影像上的特征点q对应的地面点Qmin的三维地面坐标(Xmin,Ymin,Hmin)；然后将地面点Qmin的三维地面坐标(Xmin,Ymin,Hmin)代入有理函数模型的正解模型，找到特征点q在辅帧影像上的同名像点q'min；则主帧影像上的特征点q对应的辅帧影像上的同名像点q'必定在点q'max和q'min连成的直线段上。当计算出直线段q'maxq'min后，在该直线段上匹配搜索即可得到主帧影像特征点q对应的辅帧影像上的同名像点q'。粗匹配搜索采用相关系数方法，精匹配搜索采用最小二乘匹配方法。
步骤3，计算辅帧相对于主帧的几何变形参数，计算方法为：
3.1建立视频卫星影像序列主帧和辅帧的几何变形模型，按照公式
Figure BDA0002230099220000101
建立主帧影像的几何变形模型，按照公式
Figure BDA0002230099220000102
建立辅帧影像的几何变形模型为，其中
Figure BDA0002230099220000103
(e0,e1,e2,…,f0,f1,f2,…)为辅帧相对于主帧的几何变形参数。
3.2采用DEM辅助的方法求解辅帧相对于主帧的几何变形参数，计算方法为：将主帧影像上的特征点的像点坐标值代入有理函数模型的反解模型，利用DEM给出的高程值，求出主帧影像上的特征点对应的地面点的平面坐标，根据主帧影像上的特征点的平面坐标和DEM给出的高程值，得到主帧影像上的特征点对应的三维地面坐标，将主帧影像上的特征点对应的三维地面坐标代入有理函数模型的正解模型，求出主帧影像上的特征点对应的三维地面坐标在辅帧影像上的像点坐标，根据计算得到的辅帧影像上的像点坐标和主帧影像特征点对应的辅帧影像上的同名像点坐标，求解辅帧影像几何变形参数。
3.3利用帧间几何变形参数，根据公式
Figure BDA0002230099220000104
重新生成地面三维格网点，按照步骤1.4重新求解辅帧影像的有理函数模型系数。
步骤4，对辅帧影像进行重采样生成稳像处理后的视频影像序列，方法为：
4.1主帧影像上的每一个像点的像点坐标，代入有理函数模型的反解模型，计算像点对应的地面点坐标；
4.2对于主帧影像上每一个像点所对应的地面点坐标，代入辅帧的有理函数模型的正解模型，计算主帧影像上的像点在辅帧影像上的同名像点；
4.3对步骤4.2得到的辅帧影像上对应的同名像点按的灰度值按照公式p(x',y')＝(1-dx)·(1-dy)·p1+dx·(1-dy)·p2+dy·(1-dx)·p3+dx·dy·p4进行重采样，其中，p(x',y')为像点坐标(x',y')的灰度值，(p1,p2,p3,p4)为像点坐标(x',y')所在网格的四角点的灰度值，dx为像点坐标(x',y')到左上角点的距离在x方向上的分量，dy为像点坐标(x',y')到左上角点的距离在y方向上的分量。
4.4根据标准的avi视频数据格式，对所有主帧影像和辅帧影像进行视频合成，得到稳像后的光学卫星视频数据。

Claims (10)

1.一种DEM辅助的光学视频卫星影像稳像方法，其特征在于该方法的步骤包括：
步骤1，构建视频卫星影像序列的有理函数模型；
步骤2，对视频卫星影像序列的帧间同名像点进行匹配；
步骤3，计算视频卫星影像序列辅帧相对于视频卫星影像序列主帧的几何变形参数；
步骤4，对视频卫星影像序列辅帧影像进行重采样生成稳像处理后的视频影像序列。
2.根据权利要求1所述的一种DEM辅助的光学视频卫星影像稳像方法，其特征在于：所述的步骤1中，构建视频卫星影像序列的有理函数模型方法为：
1.1 建立视频卫星影像序列的严格成像几何模型，如式(1)所示；
Figure FDA0002230099210000011
其中，
Figure FDA0002230099210000012
为地面控制点在WGS-84坐标系下的三维坐标；
为GPS天线相位中心在WGS-84坐标系下的三维坐标；
m为比例尺因子；
Figure FDA0002230099210000014
为J2000坐标系至WGS-84坐标系的旋转矩阵；
Figure FDA0002230099210000015
为星敏感器坐标系至J2000坐标系的旋转矩阵；
Figure FDA0002230099210000021
为星敏感器在卫星本体坐标系下的安置矩阵；
Figure FDA0002230099210000022
为GPS天线相位中心在卫星本体坐标系下的3个偏移量；
Figure FDA0002230099210000023
为相机节点在卫星本体坐标系下的3个偏移量；
Figure FDA0002230099210000024
为相机在卫星本体坐标系下的安装矩阵；
Figure FDA0002230099210000025
为地面控制点所对应的CCD探元在相机坐标系下的指向角；
f为相机主距；
1.2 根据视频卫星影像序列的严格成像几何模型生成地面三维格网点；
1.3 构建视频卫星影像序列的有理函数模型如式(2)所示；
1.4 解算有理函数模型系数，建立误差方程式如式(4)所示；
V＝Bx-l (4)
式中，
Figure FDA0002230099210000026
x＝[a0 a1 … a19 b1 … b19 c0 c1 … c19 d1 … d10]T；
l＝[rn cn]T；
由此得到法方程：
BTBx＝BTl (5)
上式中包含有78个有理函数模型系数，根据最小二乘平差原理求解有理函数模型系数：
x＝(BTB)-1BTl (6)。
3.根据权利要求2所述的一种DEM辅助的光学视频卫星影像稳像方法，其特征在于：所述步骤1.2中，生成地面三维格网点的方法为：在视频卫星影像序列上均匀选取10*10均匀分布的格网点，给定格网点的高程值，然后利用严格成像几何模型解算出各格网点所对应地面点的平面坐标，格网点至少包括5个高程面，每个高程面上的格网点具有相同的高程。
4.根据权利要求2所述的一种DEM辅助的光学视频卫星影像稳像方法，其特征在于：所述步骤1.3中，构建视频卫星影像序列的有理函数模型如式(2)所示，构建方法为：将视频卫星影像序列上的像点坐标(R,C)表示为含地面点坐标(X,Y,Z)的多项式的比值，即：
Figure FDA0002230099210000031
式中，(Xn,Yn,Zn)为地面点坐标(X,Y,Z)经平移和缩放后的正则化坐标，取值在[-1,1]之间，(rn,cn)为像点坐标(R,C)经平移和缩放后的正则化坐标，取值在[-1,1]之间，P1(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；
P2(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；
P3(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；
P4(Xn,Yn,Zn)中坐标分量(Xn,Yn,Zn)的幂次最大不超过3，且坐标分量(Xn,Yn,Zn)的幂次之和也不超过3；
P1(Xn,Yn,Zn)的具体形式如公式(3)所示，对于P2(Xn,Yn,Zn)、P3(Xn,Yn,Zn)和P4(Xn,Yn,Zn)，只需将式中的aj分别替换为bj、cj和dj即可；
Figure FDA0002230099210000032
式中，aj(j＝0,1,…,19)、bj、cj和dj均为有理函数模型系数。
5.根据权利要求1所述的一种DEM辅助的光学视频卫星影像稳像方法，其特征在于：所述的步骤2中，对视频卫星影像序列的帧间同名像点进行匹配的方法为：
2.1 在视频卫星影像序列中选择前一帧影像为主帧，后一帧影像为辅帧，其中，第一帧为主帧；
2.2 根据视频卫星影像序列覆盖地面区域的DEM数据，确定视频卫星影像序列覆盖范围内的地面最大高程Hmax和地面最小高程Hmin，对于主帧影像上的特征点q，首先将地面最大高程值Hmax和特征点q的像点坐标值代入有理函数模型的反解模型，求出主帧影像上的特征点q对应的地面点Qmax的三维地面坐标(Xmax,Ymax,Hmax)；然后将地面点Qmax的三维地面坐标(Xmax,Ymax,Hmax)代入有理函数模型的正解模型，找到特征点q在辅帧影像上的同名像点q’max；同理，由地面最小高程值Hmin和主帧影像上的特征点q求得辅帧影像上对应的像点q'min，即首先将地面最小高程值Hmin和特征点q的像点坐标值代入有理函数模型的反解模型，求出主帧影像上的特征点q对应的地面点Qmin的三维地面坐标(Xmin,Ymin,Hmin)；然后将地面点Qmin的三维地面坐标(Xmin,Ymin,Hmin)代入有理函数模型的正解模型，找到特征点q在辅帧影像上的同名像点q'min；则主帧影像上的特征点q对应的辅帧影像上的同名像点q'必定在点q'max和q'min连成的直线段上；当计算出直线段q'maxq'min后，在该直线段上匹配搜索即可得到主帧影像特征点q对应的辅帧影像上的同名像点q'；粗匹配搜索采用相关系数方法，精匹配搜索采用最小二乘匹配方法。
6.根据权利要求1所述的一种DEM辅助的光学视频卫星影像稳像方法，其特征在于：所述的步骤3中，计算辅帧相对于主帧的几何变形参数的方法为：
3.1 建立视频卫星影像序列主帧和辅帧的几何变形模型，主帧影像的几何变形模型为：
Figure FDA0002230099210000051
辅帧影像的几何变形模型为：
Figure FDA0002230099210000052
式中，R0,C0,Rs,Cs为正则化参数，(ΔR,ΔC)为像点坐标(R,C)的帧间几何变形模型，计算公式为：
Figure FDA0002230099210000053
式中，(e0,e1,e2,…,f0,f1,f2,…)为辅帧相对于主帧的几何变形参数；
3.2 采用DEM辅助的方法求解辅帧影像几何变形参数；
3.3 利用帧间几何变形参数，根据公式(9)重新生成地面三维格网点，按照步骤1.4重新求解辅帧影像的有理函数模型系数；
Figure FDA0002230099210000054
7.根据权利要求6所述的一种DEM辅助的光学视频卫星影像稳像方法，其特征在于：所述的步骤3.2中，采用DEM辅助的方法求解辅帧影像几何变形参数的方法为：将主帧影像上的特征点的像点坐标值代入有理函数模型的反解模型，利用DEM给出的高程值，求出主帧影像上的特征点对应的地面点的平面坐标，根据主帧影像上的特征点的平面坐标和DEM给出的高程值，得到主帧影像上的特征点对应的三维地面坐标，将主帧影像上的特征点对应的三维地面坐标代入有理函数模型的正解模型，求出主帧影像上的特征点对应的三维地面坐标在辅帧影像上的像点坐标，根据计算得到的辅帧影像上的像点坐标和主帧影像特征点对应的辅帧影像上的同名像点坐标，求解辅帧相对于主帧的几何变形参数。
8.根据权利要求1所述的一种DEM辅助的光学视频卫星影像稳像方法，其特征在于：所述的步骤4中，对辅帧影像进行重采样生成稳像处理后的视频影像序列的方法为：
4.1 主帧影像上的每一个像点的像点坐标，代入有理函数模型的反解模型，计算像点对应的地面点坐标；
4.2 对于主帧影像上每一个像点所对应的地面点坐标，代入辅帧的有理函数模型的正解模型，计算主帧影像上的像点在辅帧影像上的同名像点；
4.3 对步骤4.2得到的辅帧影像上对应的同名像点的灰度值进行重采样，采用公式如式(10)：
p(x',y')＝(1-dx)·(1-dy)·p1+dx·(1-dy)·p2+dy·(1-dx)·p3+dx·dy·p4 (11)
4.4 根据标准的avi视频数据格式，对所有主帧影像和辅帧影像进行视频合成，得到稳像后的光学卫星视频数据。
9.根据权利要求8所述的一种DEM辅助的光学视频卫星影像稳像方法，其特征在于：所述的步骤4.3中，p(x',y')为像点坐标(x',y')的灰度值，(p1,p2,p3,p4)为像点坐标(x',y')所在网格的四角点的灰度值。
10.根据权利要求8所述的一种DEM辅助的光学视频卫星影像稳像方法，其特征在于：所述的步骤4.3中，dx为像点坐标(x',y')到左上角点的距离在x方向上的分量，dy为像点坐标(x',y')到左上角点的距离在y方向上的分量。
CN201910964700.5A 2019-10-11 2019-10-11 一种dem辅助的光学视频卫星影像稳像方法 Pending CN110853140A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910964700.5A CN110853140A (zh) 2019-10-11 2019-10-11 一种dem辅助的光学视频卫星影像稳像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910964700.5A CN110853140A (zh) 2019-10-11 2019-10-11 一种dem辅助的光学视频卫星影像稳像方法

Publications (1)

Publication Number Publication Date
CN110853140A true CN110853140A (zh) 2020-02-28

Family

ID=69596193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910964700.5A Pending CN110853140A (zh) 2019-10-11 2019-10-11 一种dem辅助的光学视频卫星影像稳像方法

Country Status (1)

Country Link
CN (1) CN110853140A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508773A (zh) * 2020-11-20 2021-03-16 小米科技(武汉)有限公司 图像处理方法及装置、电子设备、存储介质
CN114331851A (zh) * 2022-03-08 2022-04-12 南京雷电信息技术有限公司 基于dem数据生成仿真机载火控雷达sar图像的方法
CN117664087A (zh) * 2024-01-31 2024-03-08 中国人民解放军战略支援部队航天工程大学 垂轨环扫式卫星影像核线生成方法、系统及设备
CN118015420A (zh) * 2024-03-28 2024-05-10 珠江水利委员会珠江水利科学研究院 基于植被盖度特征幂次函数的遥感影像融合方法、系统及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100232728A1 (en) * 2008-01-18 2010-09-16 Leprince Sebastien Ortho-rectification, coregistration, and subpixel correlation of optical satellite and aerial images
CN107040695A (zh) * 2017-04-28 2017-08-11 武汉大学 基于rpc定位模型的星载视频稳像方法及系统
CN107144293A (zh) * 2017-04-07 2017-09-08 武汉大学 一种视频卫星面阵相机的几何定标方法
CN109903352A (zh) * 2018-12-24 2019-06-18 中国科学院遥感与数字地球研究所 一种卫星遥感影像大区域无缝正射影像制作方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100232728A1 (en) * 2008-01-18 2010-09-16 Leprince Sebastien Ortho-rectification, coregistration, and subpixel correlation of optical satellite and aerial images
CN107144293A (zh) * 2017-04-07 2017-09-08 武汉大学 一种视频卫星面阵相机的几何定标方法
CN107040695A (zh) * 2017-04-28 2017-08-11 武汉大学 基于rpc定位模型的星载视频稳像方法及系统
CN109903352A (zh) * 2018-12-24 2019-06-18 中国科学院遥感与数字地球研究所 一种卫星遥感影像大区域无缝正射影像制作方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
潘雪琛: "多源数据辅助线阵遥感影像定位技术研究" *
王宁: "异源高分辨率遥感影像的核线纠正与密集匹配方法研究" *
胡晓斌: "星颤与对地定位和成像质量关系研究" *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508773A (zh) * 2020-11-20 2021-03-16 小米科技(武汉)有限公司 图像处理方法及装置、电子设备、存储介质
CN112508773B (zh) * 2020-11-20 2024-02-09 小米科技(武汉)有限公司 图像处理方法及装置、电子设备、存储介质
CN114331851A (zh) * 2022-03-08 2022-04-12 南京雷电信息技术有限公司 基于dem数据生成仿真机载火控雷达sar图像的方法
CN117664087A (zh) * 2024-01-31 2024-03-08 中国人民解放军战略支援部队航天工程大学 垂轨环扫式卫星影像核线生成方法、系统及设备
CN117664087B (zh) * 2024-01-31 2024-04-02 中国人民解放军战略支援部队航天工程大学 垂轨环扫式卫星影像核线生成方法、系统及设备
CN118015420A (zh) * 2024-03-28 2024-05-10 珠江水利委员会珠江水利科学研究院 基于植被盖度特征幂次函数的遥感影像融合方法、系统及介质

Similar Documents

Publication Publication Date Title
CN109903352B (zh) 一种卫星遥感影像大区域无缝正射影像制作方法
CN110648398B (zh) 基于无人机航摄数据的正射影像实时生成方法及系统
CN110853140A (zh) 一种dem辅助的光学视频卫星影像稳像方法
CN110211043B (zh) 一种用于全景图像拼接的基于网格优化的配准方法
CN109115186B (zh) 一种针对车载移动测量系统的360°可量测全景影像生成方法
CN107705329B (zh) 基于几何约束的高分辨率光学卫星凝视影像配准方法
CN110675450B (zh) 基于slam技术的正射影像实时生成方法及系统
CN108648241B (zh) 一种ptz摄像机现场标定及定焦方法
CN105352509B (zh) 地理信息时空约束下的无人机运动目标跟踪与定位方法
CN110111274B (zh) 一种星载推扫式光学传感器外方位元素定标方法
CN107144293A (zh) 一种视频卫星面阵相机的几何定标方法
CN110211054B (zh) 一种星载推扫式光学传感器无畸变影像制作方法
Di et al. A Self-Calibration Bundle Adjustment Method for Photogrammetric Processing of Chang $^{\prime} $ E-2 Stereo Lunar Imagery
CN106780321B (zh) 一种cbers-02卫星hr传感器影像整体严密定向与纠正拼接方法
CN107040695B (zh) 基于rpc定位模型的星载视频稳像方法及系统
CN109696182A (zh) 一种星载推扫式光学传感器内方位元素定标方法
CN106885585B (zh) 一种基于光束法平差的星载摄影测量系统一体化检校方法
CN112598608B (zh) 一种基于目标区域的光学卫星快速融合产品制作方法
CN111612693B (zh) 一种旋转大幅宽光学卫星传感器校正方法
CN114998399B (zh) 一种异源光学遥感卫星影像立体像对预处理方法
KR100520275B1 (ko) Gps 측량에 의한 수치지도 제작시 촬영기구회전모델을 이용한 선형 스캐닝 영상의 기하 보정방법
CN109029379B (zh) 一种高精度小基高比立体测绘方法
CN113739767B (zh) 针对国产面阵摆扫成像系统获取的影像生产正射影像的方法
CN111156969A (zh) 一种宽幅遥感影像立体测绘方法及系统
CN111127564B (zh) 一种基于几何定位模型的视频影像校正方法

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