CN112597428A - 基于rfm模型光束法平差和影像重采样的颤振探测修正方法 - Google Patents

Abstract

本发明涉及一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，该方法包括两部分：首先基于三线阵影像原始RPC生成虚拟控制点，然后利用多视影像约束匹配获得密集匹配点，将这些虚拟控制点和密集匹配点加入区域网平差模型，由此计算平差后三线阵影像密集匹配点的反投影残差进行颤振探测分析；同时基于颤振探测结果对影像重采样生成没有畸变的影像，并且对姿态数据平滑处理重新生成高精度的RPC，从而实现了成像模型与影像同步重构。与现有技术相比，本发明具有实现成像模型和影像进行同步校正、有效消除颤振影响等优点。

Description

基于RFM模型光束法平差和影像重采样的颤振探测修正方法

技术领域

本发明涉及卫星平台颤振探测修正技术领域，尤其是涉及一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法。

背景技术

近年来高分辨率遥感对地观测技术迅速发展，现已被广泛应用于国土资源勘查、国家基础地理信息库的建立与更新等领域。然而，高分辨率遥感卫星在轨运行时往往会产生姿态抖动现象即颤振，引起卫星姿态不稳定性，导致与时间相关的相对姿态误差，从而影响卫星几何定位精度以及卫星影像产品质量。

目前很多学者研究在轨卫星姿态颤振探测方法，往往根据探测数据源分为三类：

第1类方法基于高性能姿态测量传感器获取高时间分辨率和高角度分辨率的姿态数据，通过研究姿态数据的变化而展开颤振的探测，进而补偿颤振，如中国专利CN103941593B中公开的低轨卫星姿态仿真方法即是使用了该方法。国外的一些卫星已经配备了高频角位移、高频角振动和高频角加速度传感器，如日本的ALOS卫星，并在基于高频颤振传感器的颤振测量及颤振图像补偿方面开展了一系列的研究工作。然而由于硬件技术的限制，国产姿态传感器存在采样频率低，定姿精度差，可靠性不足等问题；同时对于已经在轨运行的卫星，无法使用附加硬件传感器设备的方式对其颤振进行探测。因此需要在国内现有的测姿设备的条件下，在不增加硬件设备成本的基础上，对国产卫星姿态颤振进行探测，提高姿态数据精度。

第2类方法则是基于影像视差观测结构进行颤振探测与补偿，然而影像质量、地面地形信息等因素会影响后续匹配、特征提取精度，是一种被动的颤振探测方法，如中国专利CN103791899B公开的一种基于成像传感器视差的卫星姿态颤振探测方法即是使用了该方法。

第3类方法则主要是利用影像中的密集控制点，通过立体定位或者地面点后向投影等方式精确计算姿态，如中国专利CN104864852B中公开的一种基于密集控制点的高分辨率卫星姿态颤振探测方法即是使用了该方法。

然而，普通用户有时无法获得卫星的姿态和轨道数据，只能使用有理函数模型即RFM模型进行建模。RFM模型是利用卫星图像附加的辅助参数构建的基于RSM的传感器模型。由于其独立于传感器而被广泛采用，并能达到相当于RSM的满意精度。然而，如果姿态颤振发生的阶数高于RPCs中系数的多项式阶数，RPCs将会包含近似值的残差，所以需要对成像模型以及影像中的上述残差进行校正。

现有技术在基于多光谱影像视差结构和立体影像投影偏差或基于密集控制点的颤振检测方面做了大量工作，虽然消除了颤振的影响，提高了定位精度，但是无法实现成像模型与影像的同步校正，对成像模型和影像分别进行校正方法效率较低。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种实现成像模型和影像进行同步校正、有效消除颤振影响的基于RFM模型光束法平差和影像重采样的颤振探测修正方法。

本发明的目的可以通过以下技术方案来实现：

一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，所述的颤振探测修正方法包括：

步骤1：进行基于密集虚拟控制点区域网平差的颤振探测；

步骤2：基于图像重采样进行颤振补偿与精度验证。

优选地，所述的步骤1包括：

步骤1-1：获取密集匹配点；

步骤1-2：构建基于虚拟控制点的区域网平差模型；

步骤1-3：计算平差后三线阵影像密集匹配点的反投影残差以进行颤振探测分析，完成颤振探测。

更加优选地，所述的步骤1-1具体为：

步骤1-1-1：进行相对定向，具体方法为：

根据SIFT匹配算法获取同名特征点，分别建立立体影像对的误差补偿RFM观测方程，解算误差补偿参数；

步骤1-1-2：匹配密集同名点，具体方法为：

利用RPC和相对定向的结果，使用几何约束互相关匹配算法在前后视影像上同时匹配大量的、均匀分布的同名点；

步骤1-1-3：进行同名点精匹配，具体方法为：

将几何约束互相关匹配结果作为初值，在初值邻域内，采用归一化互相关插值算法，搜索相关系数更大的点，并基于双向匹配策略和相关系数阈值进一步剔除错误的匹配点，采用最小二乘算法获得亚像素的匹配精度；

步骤1-1-4：进行粗差剔除，具体方法为：

统计匹配误差平均值μ和标准差σ，根据三倍中误差原则统计[u-3σ,u+3σ]，匹配误差不在其中的即为误匹配，将误匹配剔除。

更加优选地，所述的步骤1-2具体为：

基于原始RPC，将影像划分格网，计算虚拟控制点；同时为了消除系统误差影响，将虚拟控制点和密集匹配点加入像方偏差改正的区域网平差模型以构建基于虚拟控制点的区域网平差模型，然后使用基于虚拟控制点的区域网平差模型对卫星颤振进行探测。

更加优选地，所述的像方偏差改正的区域网平差模型具体为；

误差方程为：

r+e₀+e₁r+e₂c＝F_r(B,L,H)r_s+r₀

c+f₀+f₁r+f₂c＝F_c(B,L,H)c_s+c₀

将其写为一般误差方程式的形式：

v_r＝a₁₁de₀+a₁₂de₁+a₁₃de₂+a₁₄dB+a₁₅dL+a₁₆dH-l_r

v_c＝a₂₁df₀+a₂₂df₁+a₂₃df₂+a₂₄dB+a₂₅dL+a₂₆dH-l_c

获得误差方程式的矩阵形式：

其中，

表示像点坐标改正量；

表示待求物点坐标改正量；

和

表示模型像方偏差模型系数的改正量；

和

为系数矩阵；

为常数项；

相应的法方程为：

对上述模型，逐像点观测值建立误差方程式并法化，可得未知数t的解为：

t＝N^-1W

N＝(B^TB-B^TA(A^TA)^-1(B^TA)^T)

W＝B^Tl-B^TA(A^TA)^-1(A^Tl)

X的求解方法为：

X＝N^-1W

N＝(A^TA-A^TB(B^TB)^-1(A^TB)^T)

W＝A^Tl-A^TB(B^TB)^-1(B^Tl)

设置阈值或者迭代次数，直到迭代结果满足要求，从而完成区域网平差的结算，然后利用各景影像的有理函数模型和已求得的附加模型参数，前方交会计算出对应的物方坐标。

更加优选地，所述的基于虚拟控制点的区域网平差模型具体为：

首先在各景待平差像平面上按照一定间隔均匀划分格网，格网的点坐标为p(sample,line)，基于该景影像初始RPC参数，在物方任意高程基准面，前方交会获得虚拟地面控制点坐标P(B,L,H)；

将虚拟控制点视为具有一定精度的真实控制点，构建误差方程：

V_vc＝A_vcx-l_vc,P_vc

V_tp＝A_tpx+B_tpt-l_vc,P_tp

其中，t和x分别有理函数模型的附加参数向量和连接点物方坐标改正量；V_vc和V_tp分别代表虚拟控制点和连接点坐标的改正数；A和B分别为相应的系数；l和p分别为相应的常向量和权矩阵；

最后将两类误差合并，获得最终的误差方程：

优选地，所述的步骤2具体为：

步骤2-1：进行颤振建模；

步骤2-2：进行图像重采样，进行图像重生成；

步骤2-3：基于多项式模型平滑姿态数据，然后基于与地形无关的方案进行RPC重生成；

步骤2-4：进行精度验证。

更加优选地，所述的步骤2-1具体为：

以行号为自变量，相对误差为变量，以傅里叶拟合函数为拟合模型，估计颤振的振幅频率相位，具体为：

Jitter_fit(t)＝a₀+a₁cos(wt)+b₁sin(wt)

其中，a₀为常量，a₁和b₁为谐波函数的幅值，w为频率。

更加优选地，所述的步骤2-2具体为：

由于获得的像素的坐标不一定落在像素的中心，因此使用双线性插值来获得像点的灰度值；

建立原始图像与无畸变影像点之间的对应关系，通过图像重采样消除影像的几何畸变，遍历每个像素，直至完成整幅影像的重采样，从而实现影像与模型的同步修正。

更加优选地，所述的步骤2-4具体为：

再次针对重新生成的影像使用基于密集虚拟控制点的区域网平差模型进行颤振探测，获得重新生成影像的反投影残差，用于验证修正结果。

与现有技术相比，本发明具有以下有益效果：

一、对成像模型和影像进行同步校正：本发明中的颤振探测修正方法首先基于三线阵影像原始RPC生成虚拟控制点，然后利用多视影像约束匹配获得密集匹配点，将这些虚拟控制点和密集匹配点加入区域网平差模型，由此计算平差后三线阵影像密集匹配点的反投影残差进行颤振探测分析；同时基于颤振探测结果对影像重采样生成没有畸变的影像，并且对姿态数据平滑处理重新生成高精度的RPC，从而实现了成像模型与影像的同步校正以及重构，提高了算法的效率。

二、有效消除颤振影响：本发明中的颤振探测修正方法在对成像模型和影像进行同步校正后反投影残差中不再含有周期性的颤振，实施例的实验中经过本发明中颤振探测修正方法进行修正的反投影残差分别提高了37％、14％和47％，证明本发明中的颤振探测修正方法有效地消除颤振对定位的影响。

附图说明

图1为本发明中颤振探测修正方法的流程示意图；

图2为本发明实施例中ZY-3影像缩略图；

图3为本发明实施例中原图像的反投影残差图；

图4为本发明实施例中重新生成图像的反投影残差图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

本发明提供了RPC(Rational Polynomial Coefficients)文件的预处理级辐射校正三线阵影像，提出了一种成像模型与影像同步重构的颤振几何影响修正方法。该方法首先基于密集虚拟控制点的区域网平差获取三线阵影像密集匹配点的反投影残差进行颤振探测分析，然后基于颤振建模结果对影像重采样生成没有畸变的影像，从而实现了成像模型与影像同步重构。

一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，其流程如图1所示，包括：

步骤1：进行基于密集虚拟控制点区域网平差的颤振探测；

步骤1-1：获取密集匹配点；

步骤1-1-1：进行相对定向，具体方法为：

根据SIFT匹配算法获取同名特征点，分别建立立体影像对的误差补偿RFM观测方程，解算误差补偿参数；

步骤1-1-2：匹配密集同名点，具体方法为：

利用RPC和相对定向的结果，使用几何约束互相关匹配算法在前后视影像上同时匹配大量的、均匀分布的同名点；然而，影像受到平台颤振会产生周期性的变形，导致搜索影像上同名点可能落在GC3匹配结果的邻域内，因此生成的同名点不是最优解，因此需要后续影像精密匹配；

步骤1-1-3：进行同名点精匹配，具体方法为：

将几何约束互相关匹配结果作为初值，在初值邻域内，采用归一化互相关插值算法，搜索相关系数更大的点，并基于双向匹配策略和相关系数阈值进一步剔除错误的匹配点，采用最小二乘算法获得亚像素的匹配精度；

步骤1-1-4：进行粗差剔除，具体方法为：

由于影像之间的几何与辐射差异，在利用相关技术获取多景影像之间的同名像点时，无论基于灰度匹配还是基于特征匹配，都不可避免误匹配，因此必须对误匹配点进行检测与剔除。；统计匹配误差平均值μ和标准差σ，根据三倍中误差原则统计[u-3σ,u+3σ]，匹配误差不在其中的即为误匹配，将误匹配剔除；

步骤1-2：构建基于虚拟控制点的区域网平差模型，具体为：

在控制点数量较少或者无控制点条件下，通过充分利用作业区中相邻影像间的同名像点连接关系，按照一定的平差模型实现作业区中所有影像的几何定向参数、加密点物方坐标修正等，为后续测绘作品生产提供高精度几何模型。为了改善平差模型的状态，提高平差内部的稳定性，在模型中引入虚拟控制点，构造基于密集虚拟控制点的区域网平差。

基于原始RPC，将影像划分格网，计算虚拟控制点；同时为了消除系统误差影响，将虚拟控制点和密集匹配点加入像方偏差改正的区域网平差模型以构建基于虚拟控制点的区域网平差模型，然后使用基于虚拟控制点的区域网平差模型对卫星颤振进行探测；

在有理函数模型区域网平差模型中，为了消除RPC中的系统误差，是用少量控制点和待求地面点像点坐标，同时解算像方偏差系数和地面点坐标，这就是基于像方偏差改正的区域网平差模型，像方偏差改正的区域网平差模型具体为：

误差方程为：

r+e₀+e₁r+e₂c＝F_r(B,L,H)r_s+r₀

c+f₀+f₁r+f₂c＝F_c(B,L,H)c_s+c₀

将其写为一般误差方程式的形式：

v_r＝a₁₁de₀+a₁₂de₁+a₁₃de₂+a₁₄dB+a₁₅dL+a₁₆dH-l_r

v_c＝a₂₁df₀+a₂₂df₁+a₂₃df₂+a₂₄dB+a₂₅dL+a₂₆dH-l_c

获得误差方程式的矩阵形式：

其中，

表示像点坐标改正量；

表示待求物点坐标改正量；

和

表示模型像方偏差模型系数的改正量；

和

为系数矩阵；

为常数项；

相应的法方程为：

对上述模型，逐像点观测值建立误差方程式并法化，可得未知数t的解为：

t＝N^-1W

N＝(B^TB-B^TA(A^TA)^-1(B^TA)^T)

W＝B^Tl-B^TA(A^TA)^-1(A^Tl)

X的求解方法为：

X＝N^-1W

N＝(A^TA-A^TB(B^TB)^-1(A^TB)^T)

W＝A^Tl-A^TB(B^TB)^-1(B^Tl)

设置阈值或者迭代次数，直到迭代结果满足要求，从而完成区域网平差的结算，然后利用各景影像的有理函数模型和已求得的附加模型参数，前方交会计算出对应的物方坐标；

于虚拟控制点的区域网平差模型具体为：

首先在各景待平差像平面上按照一定间隔均匀划分格网，格网的点坐标为p(sample,line)，基于该景影像初始RPC参数，在物方任意高程基准面，前方交会获得虚拟地面控制点坐标P(B,L,H)；

将虚拟控制点视为具有一定精度的真实控制点，构建误差方程：

V_vc＝A_vcx-l_vc,P_vc

V_tp＝A_tpx+B_tpt-l_vc,P_tp

其中，t和x分别有理函数模型的附加参数向量和连接点物方坐标改正量；V_vc和V_tp分别代表虚拟控制点和连接点坐标的改正数；A和B分别为相应的系数；l和p分别为相应的常向量和权矩阵；

最后将两类误差合并，获得最终的误差方程：

步骤1-3：计算平差后三线阵影像密集匹配点的反投影残进行颤振探测分析，完成颤振探测；

步骤2：基于图像重采样进行颤振补偿与精度验证，具体为：

步骤2-1：进行颤振建模：

基于原始RPC，将影像划分格网，计算虚拟控制点，为了消除系统误差影响，将虚拟控制点和密集匹配点加入像方偏差改正的区域网平差模型，由此计算平差后三线阵影像密集匹配点的反投影残差进行颤振探测分析。因为立体影像匹配点的密集程度不如多光谱影像，因此无法统计每一扫描行的平均误差，故直接以行号为自变量，相对误差为变量，以傅里叶拟合函数为拟合模型，估计颤振的振幅频率相位，具体为：

Jitter_fit(t)＝a₀+a₁cos(wt)+b₁sin(wt)

其中，a₀为常量，a₁和b₁为谐波函数的幅值，w为频率；

步骤2-2：进行图像重采样，进行图像重生成；

由于获得的像素的坐标不一定落在像素的中心，因此使用双线性插值来获得像点的灰度值；

建立原始图像与无畸变影像点之间的对应关系，通过图像重采样消除影像的几何畸变，遍历每个像素，直至完成整幅影像的重采样，从而实现影像与模型的同步修正；

步骤2-3：基于多项式模型平滑姿态数据，然后基于与地形无关的方案进行RPC重生成：即利用星载GPS和恒星相机测算出外方位元素的前提下，利用外方位元素建立的严格物理模型生成虚拟三维物方格网点，并将这些密集、均匀的格网点作为虚拟的地面控制点，用以解算RPCs,其实质就是利用有理函数模型拟合严格物理模型。

当存在姿态颤振时RFM拟合误差存在明显的周期性，而姿态平滑时RFM拟合误差小很多，且无周期性。因此基于多项式模型平滑姿态数据，然后基于与地形无关的方案重新生成高精度的RPC；

步骤2-4：进行精度验证；

再次针对重新生成的影像使用基于密集虚拟控制点的区域网平差模型进行颤振探测，获得重新生成影像的反投影残差，用于验证修正结果。

下面提供一个具体的应用案例：

案例所使用的ZY-3影像数据是L1A级预处理辐射校正三线阵影像和多光谱产品，成像时间为2012年2月3日，ZY-3影像缩略图如图2所示。

在381轨两轨影像获取7446个同名点，同时每幅影像构建3行3列的虚拟格网，即每一轨六幅影像包括54个虚拟控制点。基于虚拟密集控制点区域网平差模型计算反投影残差。然后分别将381轨同轨影像区域网平差的反投影残差归化到每一行，结果如图3所示，a,b,c分别表示前视，后视以及下视影像的结果，其中横轴代表行号，纵轴代表反投影残差，黑色直线表示匹配点在每一行上的反投影残差，实心点表示将同一行的同名点取平均值得到的反投影残差。同时对于重新生成的影像再次开展基于密集虚拟控制点的区域网平差，重新计算反投影残差，结果如图4所示，最终的反投影残差结果如表1所示。

表1反投影残差结果统计

从图3、图4以及表1中可以得到以下结论：

(1)如图3所示，补偿前影像存在明显的周期性反投影残差，结合频谱分析可知其值为0.6～0.7hz。三视影像反投影残差的幅度和波形初始相位不同。这主要是因为前后视影像的采集时间不同，它们之间有大约30秒的延迟，导致姿态抖动特性的变化。

(2)补偿后的反投影残差不再含有周期性的颤振，结合表1可知补偿后的反投影残差分别提高了37％,、14％和47％，验证了算法的有效性。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，其特征在于，所述的颤振探测修正方法包括：

步骤1：进行基于密集虚拟控制点区域网平差的颤振探测；

步骤2：基于图像重采样进行颤振补偿与精度验证。

2.根据权利要求1所述的一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，其特征在于，所述的步骤1包括：

步骤1-1：获取密集匹配点；

步骤1-2：构建基于虚拟控制点的区域网平差模型；

步骤1-3：计算平差后三线阵影像密集匹配点的反投影残差以进行颤振探测分析，完成颤振探测。

3.根据权利要求2所述的一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，其特征在于，所述的步骤1-1具体为：

步骤1-1-1：进行相对定向，具体方法为：

根据SIFT匹配算法获取同名特征点，分别建立立体影像对的误差补偿RFM观测方程，解算误差补偿参数；

步骤1-1-2：匹配密集同名点，具体方法为：

利用RPC和相对定向的结果，使用几何约束互相关匹配算法在前后视影像上同时匹配大量的、均匀分布的同名点；

步骤1-1-3：进行同名点精匹配，具体方法为：

将几何约束互相关匹配结果作为初值，在初值邻域内，采用归一化互相关插值算法，搜索相关系数更大的点，并基于双向匹配策略和相关系数阈值进一步剔除错误的匹配点，采用最小二乘算法获得亚像素的匹配精度；

步骤1-1-4：进行粗差剔除，具体方法为：

统计匹配误差平均值μ和标准差σ，根据三倍中误差原则统计[u-3σ,u+3σ]，匹配误差不在其中的即为误匹配，将误匹配剔除。

4.根据权利要求2所述的一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，其特征在于，所述的步骤1-2具体为：

基于原始RPC，将影像划分格网，计算虚拟控制点；将虚拟控制点和密集匹配点加入像方偏差改正的区域网平差模型以构建基于虚拟控制点的区域网平差模型，然后使用基于虚拟控制点的区域网平差模型对卫星颤振进行探测。

5.根据权利要求4所述的一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，其特征在于，所述的像方偏差改正的区域网平差模型具体为；

误差方程为：

r+e₀+e₁r+e₂c＝F_r(B,L,H)r_s+r₀

c+f₀+f₁r+f₂c＝F_c(B,L,H)c_s+c₀

将其写为一般误差方程式的形式：

v_r＝a₁₁de₀+a₁₂de₁+a₁₃de₂+a₁₄dB+a₁₅dL+a₁₆dH-l_r

v_c＝a₂₁df₀+a₂₂df₁+a₂₃df₂+a₂₄dB+a₂₅dL+a₂₆dH-l_c

获得误差方程式的矩阵形式：

其中，

表示像点坐标改正量；

表示待求物点坐标改正量；

和

表示模型像方偏差模型系数的改正量；

和

为系数矩阵；

为常数项；

相应的法方程为：

对上述模型，逐像点观测值建立误差方程式并法化，可得未知数t的解为：

t＝N^-1W

N＝(B^TB-B^TA(A^TA)^-1(B^TA)^T)

W＝B^Tl-B^TA(A^TA)^-1(A^Tl)

X的求解方法为：

X＝N^-1W

N＝(A^TA-A^TB(B^TB)^-1(A^TB)^T)

W＝A^Tl-A^TB(B^TB)^-1(B^Tl)

设置阈值或者迭代次数，直到迭代结果满足要求，从而完成区域网平差的结算，然后利用各景影像的有理函数模型和已求得的附加模型参数，前方交会计算出对应的物方坐标。

6.根据权利要求4所述的一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，其特征在于，所述的基于虚拟控制点的区域网平差模型具体为：

首先在各景待平差像平面上按照一定间隔均匀划分格网，格网的点坐标为p(sample,line)，基于该景影像初始RPC参数，在物方任意高程基准面，前方交会获得虚拟地面控制点坐标P(B,L,H)；

将虚拟控制点视为具有一定精度的真实控制点，构建误差方程：

V_vc＝A_vcx-l_vc,P_vc

V_tp＝A_tpx+B_tpt-l_vc,P_tp

其中，t和x分别有理函数模型的附加参数向量和连接点物方坐标改正量；V_vc和V_tp分别代表虚拟控制点和连接点坐标的改正数；A和B分别为相应的系数；l和p分别为相应的常向量和权矩阵；

最后将两类误差合并，获得最终的误差方程：

7.根据权利要求1所述的一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，其特征在于，所述的步骤2具体为：

步骤2-1：进行颤振建模；

步骤2-2：进行图像重采样，进行图像重生成；

步骤2-3：基于多项式模型平滑姿态数据，然后基于与地形无关的方案进行RPC重生成；

步骤2-4：进行精度验证。

8.根据权利要求7所述的一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，其特征在于，所述的步骤2-1具体为：

以行号为自变量，相对误差为变量，以傅里叶拟合函数为拟合模型，估计颤振的振幅频率相位，具体为：

Jitter_fit(t)＝a₀+a₁cos(wt)+b₁sin(wt)

其中，a₀为常量，a₁和b₁为谐波函数的幅值，w为频率。

9.根据权利要求7所述的一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，其特征在于，所述的步骤2-2具体为：

由于获得的像素的坐标不一定落在像素的中心，因此使用双线性插值来获得像点的灰度值；

建立原始图像与无畸变影像点之间的对应关系，通过图像重采样消除影像的几何畸变，遍历每个像素，直至完成整幅影像的重采样，从而实现影像与模型的同步修正。

10.根据权利要求7所述的一种基于RFM模型光束法平差和影像重采样的颤振探测修正方法，其特征在于，所述的步骤2-4具体为：

再次针对重新生成的影像使用基于密集虚拟控制点的区域网平差模型进行颤振探测，获得重新生成影像的反投影残差，用于验证修正结果。

Images