CN113393499B - 一种高分七号卫星全色影像和多光谱影像自动配准方法 - Google Patents
一种高分七号卫星全色影像和多光谱影像自动配准方法 Download PDFInfo
- Publication number
- CN113393499B CN113393499B CN202110785151.2A CN202110785151A CN113393499B CN 113393499 B CN113393499 B CN 113393499B CN 202110785151 A CN202110785151 A CN 202110785151A CN 113393499 B CN113393499 B CN 113393499B
- Authority
- CN
- China
- Prior art keywords
- image
- multispectral
- panchromatic
- imaging model
- geometric imaging
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003384 imaging method Methods 0.000 claims abstract description 153
- 230000009466 transformation Effects 0.000 claims description 29
- 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 27
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000009434 installation Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 11
- 238000012937 correction Methods 0.000 abstract description 5
- 239000000523 sample Substances 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/10024—Color image
-
- 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
-
- 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
- G06T2207/10052—Images from lightfield camera
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种高分七号卫星全色影像和多光谱影像自动配准方法,包括如下步骤,S1、获取全色影像和多光谱各波段影像的几何成像模型参数,构建全色影像和多光谱各波段影像的几何成像模型;S2、利用全色影像和多光谱各波段影像的几何成像模型参数,构建全色影像和多光谱各波段影像统一的虚拟CCD几何成像模型;S3、基于全色影像和多光谱各波段影像统一的虚拟CCD几何成像模型,生成严格配准的全色影像和多光谱影像。优点是:能够有效的处理高分七号卫星全色影像和多光谱影像配准问题,在进行传感器校正处理中通过构建虚拟的统一的CCD,实现了两种影像的自动配准。
Description
技术领域
本发明涉及航天遥感技术领域,尤其涉及一种高分七号卫星全色影像和多光谱影像自动配准方法。
背景技术
多光谱影像和全色影像配准就是根据一定的映射关系按照地理分布将两者排布在一起的过程,新的影像既保留了全色影像高空间分辨率的特点,同时又保留了多光谱特性。影像配准的精度对后续应用如影像融合、影像镶嵌、卫星震颤分析等有直接影响。因此高精度的、稳健性的影像配准是十分重要的研究方向。
现有的多光谱和全色影像配准方法主要有两种,分别为基于像方的配准和基于的物方的配准。基于像方的配准主要是通过影像匹配的方法,在全色和多光谱影像上获得一定数量的同名点,然后通过几何纠正模型(如仿射变换模型)建立多光谱和全色影像之间的映射关系。基于像方的配准方法是几何模型无关的,在没有严密模型的情况下是主要的处理方法;但是该方法的配准精度受到影像匹配精度和匹配点数及分布的影响,特别是那些影像灰度差异较大、地物特征不明显的地方,匹配精度往往非常差而且非常耗时。基于物方的影像配准是利用影像的严密传感器模型,无需影像匹配就可获得同名像元的对应关系;这种方法在理论上是严密的,精度是可靠的。但是,基于物方的配准方法多见于多光谱各波段的内部配准,在全色影像与多光谱影像之间的配准还没有较好的应用和分析。
高分七号卫星是我国首颗民用亚米级光学立体测绘卫星,后视相机采用线阵推扫式成像模式,5个谱段(1个全色波段和4个多光谱波段)在焦平面上平行排布,并且每个谱段由3片CCD组成。因此,在预处理过程中将5个波段的严密配准即可实现高分七号卫星全色和多光谱影像的配准。但是,各个波段的CCD安装位置不同,而镜头畸变与影像位置相关,因而各个波段间CCD畸变不同,CCD间畸变不连续。因此,简单的平移或者仿射模型难以消除其畸变的差异。需要根据后视相机不同波段CCD的安装的特点,设计一种基于物方的全色影像和多光谱影像配准方法。
发明内容
本发明的目的在于提供一种高分七号卫星全色影像和多光谱影像自动配准方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种高分七号卫星全色影像和多光谱影像自动配准方法,包括如下步骤,
S1、获取全色影像和多光谱各波段影像的几何成像模型参数,构建全色影像和多光谱各波段影像的几何成像模型;
S2、利用全色影像和多光谱各波段影像的几何成像模型参数,构建全色影像和多光谱各波段影像统一的虚拟CCD几何成像模型;
S3、基于全色影像和多光谱各波段影像统一的虚拟CCD几何成像模型,生成严格配准的全色影像和多光谱影像。
优选的,全色影像和多光谱各波段影像的几何成像模型参数为已知的全色影像的几何成像模型内参数和外参数以及多光谱各波段影像的几何成像模型内参数;或者,所述全色影像和多光谱各波段影像的几何成像模型参数通过如下步骤获取,
S11、根据高分七号卫星的严密成像模型,并利用指向角模型和偏置矩阵补偿内部畸变和外部畸变,从而获取改正后的高分七号卫星的几何成像模型;所述内部畸变包括CCD畸变和镜头畸变;所述外部畸变包括星上姿态轨道测量误差和相机安装误差;
S12、分别在全色影像上通过高精度匹配算法获取分布均匀且数量足够的有效控制点,并以此计算全色影像的几何成像模型内参数和外参数;以全色影像为参考,将多光谱各波段影像与全色影像匹配,获取分布均匀且数量足够的有效控制点,并以此计算多光谱各波段影像的几何成像模型内参数。
优选的,步骤S11中,高分七号卫星的严密成像模型表述如下,
其中,(x,y)是像元像点坐标;是像元在WGS84坐标系下的物方坐标,是卫星GPS接收机相位中心在WGS84坐标系下的坐标;m是比例系数;是相机坐标系到卫星本体坐标系的转换矩阵;是卫星本体坐标系到J2000惯性坐标系的转换矩阵;是J2000惯性坐标系到WGS84坐标系的转换矩阵;f是相机焦距;(x0,y0)是像主点坐标;(Δx,Δy)是相机内部畸变;
所述偏置矩阵表述如下,
所述指向角模型表述为,
其中,(ψx,ψy)是像元指向角;s是像元的列坐标,ai,bj(i,j≤5)是需要求解的几何成像模型内参数;tan(ψx)=(x-x0-Δx)/f,tan(ψy)=(y-y0-Δy)/f;
则改正后的高分七号卫星的几何成像模型表述如下,
优选的,步骤S12具体包括如下内容,
S121、分别在全色影像上通过高精度匹配算法获得分布均匀、数量足够的有效控制点;
S122、对获取的每一个有效控制点,利用公式(4)对全色影像的几何成像模型内外参数求偏导,构建全色影像几何成像模型内外参数的误差方程;
S123、根据最小二乘原理,将步骤S122构建的误差方程法化,建立法方程并求解,得到全色影像的几何成像模型内外参数;
S124、将步骤S123中获取的全色影像的几何成像模型内外参数代入公式(4),构建全色影像的几何成像模型;
S125、以步骤S124中得到的具有改正后几何成像模型的全色影像为基础,分别在多光谱各波段影像上通过高精度匹配算法获得分布均匀、数量足够的有效控制点;
S126、对获取的每一个有效控制点,利用公式(4)对多光谱各波段影像的内参数求偏导,构建多光谱各波段影像几何成像模型内参数的误差方程;
S127、根据最小二乘原理,将步骤S126构建的误差方程法化,建立法方程并求解,得到多光谱各波段影像的几何成像模型的内参数。
优选的,全色影像上有效控制点的获取方式如下,
A、根据全色影像的几何成像模型内外参数,构建全色影像几何成像模型,在影像四角与对应检校场DOM进行匹配,获取四个控制点的平面坐标,其高程由对应的检校场DEM内插获取;
B、以步骤A中获取的四个控制点构建像平面与地面坐标的仿射变换模型;仿射变换模型如下,
其中,(ai,bi)(i=0,1,2)为仿射变换模型系数,(xm,ym)和(xs,ys)是控制点对的物方坐标和像方坐标;
C、使用仿射变换模型代替步骤A中的全色影像几何成像模型,再次与检校场进行匹配获取控制点;并将匹配获取的新的控制点随即加入仿射变换模型中以提高其精度;
D、获取全部控制点后,将每一个控制点代入剩余所有控制点构成的仿射变换模型中,当其残差大于两倍的仿射变换模型误差时即视为误匹配点,舍弃该控制点;否则,保留该点为有效控制点,重复所有控制点直到筛选出所有有效控制点。
优选的,步骤S2具体包括如下内容,
S21、利用全色影像和多光谱各波段影像的几何成像模型内参数,确定虚拟CCD在焦平面上的安装位置;所述虚拟CCD在焦平面上的安装位置表示为,
tan(ψx)=a tan(ψy)+b (6)
其中,a,b是虚拟CCD拟合参数;(ψx,ψy)是全色影像和多光谱各波段影像像元指向角;
S22、对星上测量的姿态、轨道数据进行滤波优化,对全色影像和多光谱各波段影像的成像时间进行归一化处理;
S23、根据全色影像和多光谱各波段影像的几何成像模型内外参数,结合S22中优化后的星上测量的姿态、轨道数据以及成像时间,构建新的全色影像和多光谱各波段影像的几何成像模型;
S24、基于全色影像和多光谱各波段影像几何模型内参数的范围,将虚拟CCD各像元在焦平面上等间隔分布,并利用公式(6)计算每个像元的指向角,利用全色影像的几何成像模型外参数并结合S22中优化后的星上测量的姿态、轨道数据以及成像时间,构建全色影像和多光谱各波段影像统一的虚拟CCD几何成像模型。
优选的,步骤S3具体为,根据统一的虚拟CCD几何成像模型以及新的全色影像和多光谱各波段影像的几何成像模型,确定虚拟CCD影像上每一个像元在全色影像和多光谱各波段影像上的位置,并将该位置临近像元的灰度值内插赋值给虚拟CCD影像,即可获取配准后的全色影像和多光谱影像。
本发明的有益效果是:1、能够有效的处理高分七号卫星全色影像和多光谱影像配准问题,在进行传感器校正处理中通过构建虚拟的统一的CCD,实现了两种影像的自动配准。2、考虑了影像成像过程中的不同畸变类型以及不同几何误差源,构建了虚拟CCD,使全色影像和多光谱影像各波段均在同一虚拟CCD成像,其CCD上的同一位置对应了相同的地理位置,因此重成像后全色影像和多光谱影像直接实现了波段配准。3、实现简单、理论严密、无需后期影像匹配等复杂耗时的工作,仅在影像拼接过程中即可完成,方便快捷。
附图说明
图1是本发明实施例中自动配准方法的流程示意图;
图2是本发明实施例中真实CCD(2a)与虚拟CCD(2b)探元分布及影像获取示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本实施例中提供了一种高分七号卫星全色影像和多光谱影像自动配准方法,包括如下步骤,
S1、获取全色影像和多光谱各波段影像的几何成像模型参数,构建全色影像和多光谱各波段影像的几何成像模型;
S2、利用全色影像和多光谱各波段影像的几何成像模型参数,构建全色影像和多光谱各波段影像统一的虚拟CCD几何成像模型;
S3、基于全色影像和多光谱各波段影像统一的虚拟CCD几何成像模型,生成严格配准的全色影像和多光谱影像。
步骤S3之前提到的全色影像以及多光谱各波段影像都是指星上下传的原始数据经过物理分景裁切、并经过辐射校正后但未开展任何几何处理的分片CCD影像。
本实施例中,所述自动配准方法主要包括三部分内容,分别为,几何成像模型参数的获取、虚拟CCD几何成像模型的建立、严格配准的全色影像和多光谱影像的生成。下面分别针对这三部分内容进行描述。
一、几何成像模型参数的获取
全色影像和多光谱各波段影像共用一个外参数,因此,全色影像要求内外参数,而多光谱各波段影像只求内参数即可。内外参数并非每一次配准的时候都需要求解,内外参数具有稳定性,也就是说在一段时间内不需要求解,直接使用已知的内外参数即可。也就是说步骤S1中的全色影像和多光谱各波段影像的几何成像模型参数可以是已知的全色影像的几何成像模型内参数和外参数以及多光谱各波段影像的几何成像模型内参数;或者,所述全色影像和多光谱各波段影像的几何成像模型参数也可以通过如下步骤获取,
S11、根据高分七号卫星的严密成像模型,并利用指向角模型和偏置矩阵补偿内部畸变和外部畸变,从而获取改正后的高分七号卫星的几何成像模型;所述内部畸变包括CCD畸变和镜头畸变;所述外部畸变包括星上姿态轨道测量误差和相机安装误差;
精确确定全色影像和多光谱各波段影像的几何成像模型相对关系,是实现影像配准的关键,因此必须先确定两者的几何成像模型。严密成像模型表示的是影像点、投影中心和地面点之间的投影关系。高分七号卫星的严密成像模型表述如下,
其中,(x,y)是像元像点坐标;是像元在WGS84坐标系下的物方坐标,是卫星GPS接收机相位中心在WGS84坐标系下的坐标;m是比例系数;是相机坐标系到卫星本体坐标系的转换矩阵;是卫星本体坐标系到J2000惯性坐标系的转换矩阵;是J2000惯性坐标系到WGS84坐标系的转换矩阵;f是相机焦距;(x0,y0)是像主点坐标;(Δx,Δy)是相机内部畸变。
从严密成像模型中可以看出,影响几何定位精度的因素主要有姿态、轨道测量误差、相机安装误差等构成的外部误差以及相机内部畸变等。由于高轨道、窄视场的成像特点,外部误差中的线元素和角元素往往是相关的,因此可以统一使用一个偏置矩阵来进行补偿;
所述偏置矩阵表述如下,
内部畸变主要由主点、主距误差以及光学镜头畸变等组成,内部畸变的校正就是精确恢复每个像元成像光线的过程。为避免过参数化以及相关性影响,则内参数可以用指向角模型表示,
所述指向角模型表述为,
其中,(ψx,ψy)是像元指向角;s是像元的列坐标,ai,bj(i,j≤5)是需要求解的几何成像模型内参数;tan(ψx)=(x-x0-Δx)/f,tan(ψy)=(y-y0-Δy)/f;
则改正后的高分七号卫星的几何成像模型表述如下,
偏置矩阵3个旋转角和内参数需要精确求得,特别是内参数,其精度直接决定了影像配准的精度,只有精确恢复影像各探元的指向以及各CCD相对位置关系,才能确保全色影像以及多光谱各波段之间准确对齐。
S12、分别在全色影像上通过高精度匹配算法获取分布均匀且数量足够的有效控制点,并以此计算全色影像的几何成像模型内参数和外参数(恢复CCD各探元的真实指向,消除影像几何定位误差);以全色影像为参考,将多光谱各波段影像与全色影像匹配,获取分布均匀且数量足够的有效控制点,并以此计算多光谱各波段影像的几何成像模型内参数(精确恢复多光谱各波段探元的指向)。
全色影像和多光谱各波段影像共用一个焦面,因此,两者的几何成像模型外参数是相同的,多光谱各波段影像只需要求内参数即可。理论上讲,多光谱也可以直接与检校场匹配控制点,但是,多光谱各波段影像与全色影像同步获取,影像差异不大,所以为了便于获取控制点,才让多光谱各波段影像与全色影像去匹配获取控制点。两者的几何成像模型参数都是相对物方空间(如检校场)的绝对参数,一旦确定就确定了全色影像和多光谱各波段影像的绝对位置,因而两者的相对关系也就自动确定了。
步骤S12具体包括如下内容,
S121、分别在全色影像上通过高精度匹配算法获得分布均匀、数量足够的有效控制点;
S122、对获取的每一个有效控制点,利用公式(4)对全色影像的几何成像模型内外参数求偏导,构建全色影像几何成像模型内外参数的误差方程;
S123、根据最小二乘原理,将步骤S122构建的误差方程法化,建立法方程并求解,得到全色影像的几何成像模型内外参数;
S124、将步骤S123中获取的全色影像的几何成像模型内外参数代入公式(4),构建全色影像的几何成像模型;
S125、以步骤S124中得到的具有改正后几何成像模型的全色影像为基础,分别在多光谱各波段影像上通过高精度匹配算法获得分布均匀、数量足够的有效控制点;
S126、对获取的每一个有效控制点,利用公式(4)对多光谱各波段影像的内参数求偏导,构建多光谱各波段影像几何成像模型内参数的误差方程;
S127、根据最小二乘原理,将步骤S126构建的误差方程法化,建立法方程并求解,得到多光谱各波段影像的几何成像模型的内参数。
从上述步骤可以看出,多光谱各波段影像的几何成像模型的内参数的获取过程与全色影像的几何成像模型内外参数的获取过程基本相同。为了提高精度,先获取全色影像的几何成像模型内外参数,并以此构建全色影像的几何成像模型,然后以全色影像为基础,获取多光谱各波段影像的几何成像模型的内参数。
步骤S121中,全色影像上有效控制点的获取方式如下,
A、根据全色影像的几何成像模型内外参数,构建全色影像几何成像模型,在影像四角与对应检校场DOM进行匹配,获取四个控制点的平面坐标,其高程由对应的检校场DEM内插获取;
B、以步骤A中获取的四个控制点构建像平面与地面坐标的仿射变换模型;仿射变换模型如下,
其中,(ai,bi)(i=0,1,2)为仿射变换模型系数,(xm,ym)和(xs,ys)是控制点对的物方坐标和像方坐标;
C、使用仿射变换模型代替步骤A中的全色影像几何成像模型,再次与检校场进行匹配获取控制点;并将匹配获取的新的控制点随即加入仿射变换模型中以提高其精度;
D、获取全部控制点后,将每一个控制点代入剩余所有控制点构成的仿射变换模型中,当其残差大于两倍的仿射变换模型误差时即视为误匹配点,舍弃该控制点;否则,保留该点为有效控制点,重复所有控制点直到筛选出所有有效控制点。
步骤A中使用的全色影像的几何成像模型内外参数可以是实验室中获取的全色影像的几何成像模型内外参数;也可以是通过步骤S11-S12计算获取的全色影像的几何成像模型内外参数。
当步骤A中使用的是实验室中获取的全色影像的几何成像模型的内外参数,由于实验室获取的内外参数精度低,则在进行控制点匹配时,应当适当放宽搜索半径。
步骤C中,随着大量高精度的控制点的加入,仿射变换模型的精度不断提高,控制点匹配的初始定位精度也在提高,此时可适当缩小搜索半径,以提高匹配精度和匹配效率。
实验室获取的全色影像的几何成像模型内外参数精度低的原因是,卫星发射时存在震动,导致实验室获得的内参数不再适用卫星,精度变低;也可能是卫星在轨运行期间空间环境变化导致内外参数不再适用卫星,精度变低。因此,在卫星发射初期,只能使用实验室获取的全色影像的几何成像模型内外参数;而卫星正常在轨运行期间,则可以使用通过步骤S11-S12计算获取的全色影像的几何成像模型内外参数。
本实施例中,多光谱各波段影像上的有效控制点的获取方式与全色影像上的有效控制点的获取方式相同。
二、虚拟CCD几何成像模型的建立
该部分对应步骤S2。步骤S2具体包括如下内容,
S21、利用全色影像和多光谱各波段影像的几何成像模型内参数,确定虚拟CCD在焦平面上的安装位置;所述虚拟CCD在焦平面上的安装位置表示为,
tan(ψx)=a tan(ψy)+b (6)
其中,a,b是虚拟CCD拟合参数;(ψx,ψy)是全色影像和多光谱各波段影像像元指向角;
S22、对星上测量的姿态、轨道数据进行滤波优化,对全色影像和多光谱各波段影像的成像时间进行归一化处理;
S23、根据全色影像和多光谱各波段影像的几何成像模型内外参数,结合S22中优化后的星上测量的姿态、轨道数据以及成像时间,构建新的全色影像和多光谱各波段影像的几何成像模型;
S24、基于全色影像和多光谱各波段影像几何模型内参数的范围,将虚拟CCD各像元在焦平面上等间隔分布,并利用公式(6)计算每个像元的指向角,利用全色影像的几何成像模型外参数并结合S22中优化后的星上测量的姿态、轨道数据以及成像时间,构建全色影像和多光谱各波段影像统一的虚拟CCD几何成像模型。
高分七号卫星后视相机全色和多光谱各波段采用多CCD拼接的方式以保证影像幅宽。由于拼接方式以及拼接技术等原因,CCD之间以及波段之间存在错位、不平行等现象,这导致了各波段在成像时间和视角方向有所差异,另外,CCD探元位置的不同也导致了不同波段影像畸变也有所不同,如图2a所示。只有消除CCD间以及波段间的各种畸变才能实现影像配准。因此,全色影像和多光谱影像的配准实质也是星上各波段之间的配准。
当通过同一CCD对多光谱各个谱段和全色波段进行成像,可消除上述差异,生成几何一致的多光谱影像和全色影像,达到影像配准的目的。
图2b中,在各波段CCD之间构建了一条无畸变的理想的CCD,该CCD消除了真实CCD的拼接误差和镜头畸变,同时通过归一化积分时间,可以消除时间跳变对影像分辨率的影响。通过内插真实CCD的轨道姿态数据,即可建立虚拟CCD的几何成像模型。
全色和多光谱在虚拟重成像时只是共用了同一位置,他们的探元大小和积分时间应当保持独立,以确保各自的影像分辨率稳定。
通过上述分析可知,由于全色波段和多光谱各波段均在同一虚拟CCD成像,其CCD上的同一位置对应了相同的地理位置,因此重成像后全色影像和多光谱影像直接实现了波段配准。
三、严格配准的全色影像和多光谱影像的生成
该部分对应步骤S3。步骤S3具体为,根据统一的虚拟CCD几何成像模型以及新的全色影像和多光谱各波段影像的几何成像模型,确定虚拟CCD影像上每一个像元在全色影像和多光谱各波段影像上的位置,并将该位置临近像元的灰度值内插赋值给虚拟CCD影像,即可获取配准后的全色影像和多光谱影像。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:
本发明提供了一种高分七号卫星全色影像和多光谱影像自动配准方法,能够有效的处理高分七号卫星全色影像和多光谱影像配准问题,在进行传感器校正处理中通过构建虚拟的统一的CCD,实现了两种影像的自动配准。考虑了影像成像过程中的不同畸变类型以及不同几何误差源,构建了虚拟CCD,使全色影像和多光谱影像各波段均在同一虚拟CCD成像,其CCD上的同一位置对应了相同的地理位置,因此重成像后全色影像和多光谱影像直接实现了波段配准。实现简单、理论严密、无需后期影像匹配等复杂耗时的工作,仅在影像拼接过程中即可完成,方便快捷。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (3)
1.一种高分七号卫星全色影像和多光谱影像自动配准方法,其特征在于:包括如下步骤,
S1、获取全色影像和多光谱各波段影像的几何成像模型参数,构建全色影像和多光谱各波段影像的几何成像模型;
S2、利用全色影像和多光谱各波段影像的几何成像模型参数,构建全色影像和多光谱各波段影像统一的虚拟CCD几何成像模型;
S3、基于全色影像和多光谱各波段影像统一的虚拟CCD几何成像模型,生成严格配准的全色影像和多光谱影像;
全色影像和多光谱各波段影像的几何成像模型参数为已知的全色影像的几何成像模型内参数和外参数以及多光谱各波段影像的几何成像模型内参数;或者,所述全色影像和多光谱各波段影像的几何成像模型参数通过如下步骤获取,
S11、根据高分七号卫星的严密成像模型,并利用指向角模型和偏置矩阵补偿内部畸变和外部畸变,从而获取改正后的高分七号卫星的几何成像模型;所述内部畸变包括CCD畸变和镜头畸变;所述外部畸变包括星上姿态轨道测量误差和相机安装误差;
S12、分别在全色影像上通过高精度匹配算法获取分布均匀且数量足够的有效控制点,并以此计算全色影像的几何成像模型内参数和外参数;以全色影像为参考,将多光谱各波段影像与全色影像匹配,获取分布均匀且数量足够的有效控制点,并以此计算多光谱各波段影像的几何成像模型内参数;
步骤S11中,高分七号卫星的严密成像模型表述如下,
其中,(x,y)是像元像点坐标;是像元在WGS84坐标系下的物方坐标,是卫星GPS接收机相位中心在WGS84坐标系下的坐标;m是比例系数;是相机坐标系到卫星本体坐标系的转换矩阵;是卫星本体坐标系到J2000惯性坐标系的转换矩阵;是J2000惯性坐标系到WGS84坐标系的转换矩阵;f是相机焦距;(x0,y0)是像主点坐标;(△x,△y)是相机内部畸变;
所述偏置矩阵表述如下,
所述指向角模型表述为,
其中,(ψx,ψy)是像元指向角;s是像元的列坐标,ai,bj(i,j≤5)是需要求解的几何成像模型内参数;tan(ψx)=(x-x0-△x)/f,tan(ψy)=(y-y0-△y)/f;
则改正后的高分七号卫星的几何成像模型表述如下,
步骤S12具体包括如下内容,
S121、分别在全色影像上通过高精度匹配算法获得分布均匀、数量足够的有效控制点;
S122、对获取的每一个有效控制点,利用公式(4)对全色影像的几何成像模型内外参数求偏导,构建全色影像几何成像模型内外参数的误差方程;
S123、根据最小二乘原理,将步骤S122构建的误差方程法化,建立法方程并求解,得到全色影像的几何成像模型内外参数;
S124、将步骤S123中获取的全色影像的几何成像模型内外参数代入公式(4),构建全色影像的几何成像模型;
S125、以步骤S124中得到的具有改正后几何成像模型的全色影像为基础,分别在多光谱各波段影像上通过高精度匹配算法获得分布均匀、数量足够的有效控制点;
S126、对获取的每一个有效控制点,利用公式(4)对多光谱各波段影像的内参数求偏导,构建多光谱各波段影像几何成像模型内参数的误差方程;
S127、根据最小二乘原理,将步骤S126构建的误差方程法化,建立法方程并求解,得到多光谱各波段影像的几何成像模型的内参数;
全色影像上有效控制点的获取方式如下,
A、根据全色影像的几何成像模型内外参数,构建全色影像几何成像模型,在影像四角与对应检校场DOM进行匹配,获取四个控制点的平面坐标,其高程由对应的检校场DEM内插获取;
B、以步骤A中获取的四个控制点构建像平面与地面坐标的仿射变换模型;仿射变换模型如下,
其中,(ai,bi)(i=0,1,2)为仿射变换模型系数,(xm,ym)和(xs,ys)是控制点对的物方坐标和像方坐标;
C、使用仿射变换模型代替步骤A中的全色影像几何成像模型,再次与检校场进行匹配获取控制点;并将匹配获取的新的控制点随即加入仿射变换模型中以提高其精度;
D、获取全部控制点后,将每一个控制点代入剩余所有控制点构成的仿射变换模型中,当其残差大于两倍的仿射变换模型误差时即视为误匹配点,舍弃该控制点;否则,保留该点为有效控制点,重复所有控制点直到筛选出所有有效控制点。
2.根据权利要求1所述的高分七号卫星全色影像和多光谱影像自动配准方法,其特征在于:步骤S2具体包括如下内容,
S21、利用全色影像和多光谱各波段影像的几何成像模型内参数,确定虚拟CCD在焦平面上的安装位置;所述虚拟CCD在焦平面上的安装位置表示为,
tan(ψx)=a tan(ψy)+b (6)
其中,a,b是虚拟CCD拟合参数;(ψx,ψy)是全色影像和多光谱各波段影像像元指向角;
S22、对星上测量的姿态、轨道数据进行滤波优化,对全色影像和多光谱各波段影像的成像时间进行归一化处理;
S23、根据全色影像和多光谱各波段影像的几何成像模型内外参数,结合S22中优化后的星上测量的姿态、轨道数据以及成像时间,构建新的全色影像和多光谱各波段影像的几何成像模型;
S24、基于全色影像和多光谱各波段影像几何模型内参数的范围,将虚拟CCD各像元在焦平面上等间隔分布,并利用公式(6)计算每个像元的指向角,利用全色影像的几何成像模型外参数并结合S22中优化后的星上测量的姿态、轨道数据以及成像时间,构建全色影像和多光谱各波段影像统一的虚拟CCD几何成像模型。
3.根据权利要求1所述的高分七号卫星全色影像和多光谱影像自动配准方法,其特征在于:步骤S3具体为,根据统一的虚拟CCD几何成像模型以及新的全色影像和多光谱各波段影像的几何成像模型,确定虚拟CCD影像上每一个像元在全色影像和多光谱各波段影像上的位置,并将该位置临近像元的灰度值内插赋值给虚拟CCD影像,即可获取配准后的全色影像和多光谱影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110785151.2A CN113393499B (zh) | 2021-07-12 | 2021-07-12 | 一种高分七号卫星全色影像和多光谱影像自动配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110785151.2A CN113393499B (zh) | 2021-07-12 | 2021-07-12 | 一种高分七号卫星全色影像和多光谱影像自动配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113393499A CN113393499A (zh) | 2021-09-14 |
CN113393499B true CN113393499B (zh) | 2022-02-01 |
Family
ID=77625844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110785151.2A Active CN113393499B (zh) | 2021-07-12 | 2021-07-12 | 一种高分七号卫星全色影像和多光谱影像自动配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393499B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311363B (zh) * | 2022-10-08 | 2022-12-23 | 中南大学 | 一种基于高分卫星影像辅助的足印相机定向方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914808A (zh) * | 2014-03-14 | 2014-07-09 | 国家测绘地理信息局卫星测绘应用中心 | 一种资源三号卫星三线阵影像和多光谱影像的拼接方法 |
CN105160647A (zh) * | 2015-10-28 | 2015-12-16 | 中国地质大学(武汉) | 一种全色多光谱影像融合方法 |
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 |
CN107958450A (zh) * | 2017-12-15 | 2018-04-24 | 武汉大学 | 基于自适应高斯滤波的全色多光谱影像融合方法及系统 |
CN109118462A (zh) * | 2018-07-16 | 2019-01-01 | 中国科学院东北地理与农业生态研究所 | 一种遥感影像融合方法 |
CN112598608A (zh) * | 2020-11-25 | 2021-04-02 | 湖北工业大学 | 一种基于目标区域的光学卫星快速融合产品制作方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105091906B (zh) * | 2015-06-30 | 2018-03-02 | 武汉大学 | 高分辨率光学推扫卫星稳态重成像传感器校正方法及系统 |
CN110211054B (zh) * | 2019-04-28 | 2021-01-15 | 张过 | 一种星载推扫式光学传感器无畸变影像制作方法 |
CN110660089A (zh) * | 2019-09-25 | 2020-01-07 | 云南电网有限责任公司电力科学研究院 | 一种卫星图像的配准方法及装置 |
CN111521197B (zh) * | 2020-04-30 | 2022-02-15 | 中国科学院微小卫星创新研究院 | 一种摆扫大幅宽光学卫星传感器校正方法 |
-
2021
- 2021-07-12 CN CN202110785151.2A patent/CN113393499B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914808A (zh) * | 2014-03-14 | 2014-07-09 | 国家测绘地理信息局卫星测绘应用中心 | 一种资源三号卫星三线阵影像和多光谱影像的拼接方法 |
CN105160647A (zh) * | 2015-10-28 | 2015-12-16 | 中国地质大学(武汉) | 一种全色多光谱影像融合方法 |
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 |
CN107958450A (zh) * | 2017-12-15 | 2018-04-24 | 武汉大学 | 基于自适应高斯滤波的全色多光谱影像融合方法及系统 |
CN109118462A (zh) * | 2018-07-16 | 2019-01-01 | 中国科学院东北地理与农业生态研究所 | 一种遥感影像融合方法 |
CN112598608A (zh) * | 2020-11-25 | 2021-04-02 | 湖北工业大学 | 一种基于目标区域的光学卫星快速融合产品制作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113393499A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Understanding the rational function model: methods and applications | |
CN110388898B (zh) | 构建虚拟控制点约束的多源多重覆盖遥感影像平差方法 | |
Anderson et al. | Ground-based CCD astrometry with wide field imagers-I. Observations just a few years apart allow decontamination of field objects from members in two globular clusters | |
CN113900125B (zh) | 星地联合的线阵成像遥感卫星全自主几何定标方法及系统 | |
Doerstel et al. | Geometric calibration of the DMC: method and results | |
CN110006452B (zh) | 高分六号宽视场相机相对几何定标方法及系统 | |
CN111612693B (zh) | 一种旋转大幅宽光学卫星传感器校正方法 | |
CN109696182A (zh) | 一种星载推扫式光学传感器内方位元素定标方法 | |
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 | |
CN110211054A (zh) | 一种星载推扫式光学传感器无畸变影像制作方法 | |
Jiang et al. | Detection and correction of relative attitude errors for ZY1-02C | |
Wang et al. | Parameters determination and sensor correction method based on virtual CMOS with distortion for the GaoFen6 WFV camera | |
CN113393499B (zh) | 一种高分七号卫星全色影像和多光谱影像自动配准方法 | |
CN108447100B (zh) | 一种机载三线阵ccd相机的偏心矢量和视轴偏心角标定方法 | |
CN110853140A (zh) | 一种dem辅助的光学视频卫星影像稳像方法 | |
Pi et al. | Robust camera distortion calibration via unified RPC model for optical remote sensing satellites | |
CN111508028A (zh) | 光学立体测绘卫星相机的自主在轨几何定标方法及系统 | |
Jacobsen | Orientation of high resolution optical space images | |
Jacobsen | Calibration of optical satellite sensors | |
Jacobsen | Calibration of imaging satellite sensors | |
Jiang et al. | Correction of distortions in YG-12 high-resolution panchromatic images | |
Jacobsen | Geometry of satellite images–calibration and mathematical models | |
Wang et al. | On-orbit calibration approach based on partial calibration-field coverage for the GF-1/WFV camera | |
Müller et al. | Ortho image production within an automatic processing chain for hyperspectral airborne scanner ARES | |
Gruber et al. | Calibrating the digital large format aerial camera UltraCamX |
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 |