基于多源遥感数据的在轨卫星图像几何定位精度评价方法技术

本发明专利技术公开了一种基于多源遥感数据的在轨卫星图像几何定位精度评价方法，采用如下步骤：步骤1，将待评图像和参考图像调整为同一椭球体、基准面和分辨率下的两幅图像；步骤2，对以上两幅图像进行下采样，并进行辐射增强处理；步骤3，使用加速稳健特征Surf算法对以上两幅图像进行粗匹配，并用对极几何约束剔除误匹配点对；步骤4，根据粗匹配结果，对待评图像进行几何关系补偿，并对几何补偿后的待评图像和参考图像进行精确分块；步骤5，针对待评图像和参考图像块对，使用Surf算法进行精匹配，并用对极几何约束剔除误匹配点对；步骤6，计算外部几何定位精度，同时根据筛选出的各方向控制点对计算内部几何定位精度。本发明专利技术对来自不同传感器、不同光谱范围以及不同时相的多源、高精度遥感图像能够实现自动、快速和精确评价。

【技术实现步骤摘要】
基于多源遥感数据的在轨卫星图像几何定位精度评价方法
本专利技术涉及遥感图像评价领域，具体涉及一种基于多源遥感数据的在轨卫星图像几何定位精度评价方法。
技术介绍
随着国内遥感卫星的迅速发展，卫星图像的图幅越来越大。在对在轨图像进行几何定位精度评价时，需要将多景参考图像拼接成一景参考图像。然而，参考图像库是由来自不同时相、不同传感器和不同卫星所拍摄的遥感图像组成，使得拼接成的参考图像呈现多源化的特点。因此，在卫星图像和参考图像之间提取精确且分布均匀控制点信息成为几何定位精度评价的一个技术难点。在遥感图像成像过程中，由于成像投影方式、传感器外方位元素变化、传感介质不均匀以及地形起伏和地球旋转或曲率等变化因素的影响，采集的遥感图像相对于实际地表目标存在一定的几何形变，因此遥感图像在应用前必须进行几何校正。然而，遗憾的是几何校正的精确度往往非常有限，导致系统误差纠正后图像上还存在难以预测的剩余形变。所以，有必要对几何校正后图像的几何精度进行评价，并用以指导后续的几何精校正。评价遥感图像几何精度需要借助地面控制点(GroundControlPoint,GCP)，GCP的传统采集方式，是由人工对照在轨卫星图像和参考图像来完成的，GCP精度依赖于采集者个人的认识水平和技能。传统的人工采集方式不仅耗时长、精度低，而且严重影响几何精度评价效率。因此，如何采用自动化的方法提高获取控制点的数目和精度，是当前遥感图像评价有待解决的一个关键问题。近年来，国内外研究学者在自动提取控制点方面做了大量的研究工作，控制点提取技术主要分为基于像素的方法和基于特征的方法两大类。前者直接利用灰度值来进行相关性度量，该类方法直观且容易实现，但是计算量大，对光照和畸变比较敏感。后者提取图像中含有图像重要特征的特征点，并通过相似性度量进行匹配，该类方法操作简单、匹配速度快、精度高。近年来的研究热点主要包括Harris算子、Förstner算子、尺度不变特征变换特征点检测方法[6]和加速稳健特征（SpeededUpRobustFeatures,Surf）算法。由于目前遥感图像图幅越来越大，对遥感图像进行几何精度评价时，通常需将该图像所对应的多幅多源参考图像（包括不同光谱、时相、分辨率或传感器所拍摄的遥感图像）拼接成一幅参考图像。此类参考图像的灰度信息存在较大的差异，并且在轨图像存在定位精度误差和多种畸变（一般为旋转、拉伸和平移等），这些因素加大了控制点的提取难度，从而，基于像素的方法已经不适用，同时基于特征的方法也不能满足需求。
技术实现思路
本专利技术的目的在于针对现有几何定位精度评价技术的不足，针对多源遥感图像，提出基于整体最优的两级匹配策略（粗匹配与精匹配相结合）提取在轨图像与多源参考图之间的控制点信息。实现本专利技术目的的技术方案为：一种基于多源遥感数据的在轨卫星图像几何定位精度评价方法，步骤如下：1.针对待评图像，在参考图像库中搜索对应的参考图像集，然后，将参考图像集投影到同一地球椭球体、同一大地基准面以及同一地面分辨率下，最后对参考图像集进行拼接得到参考图像1；2.将待评图像和参考图像1按照同比率进行下采样，然后对两幅图像进行辐射增强，得到待评图像1和参考图像2；3.针对待评图像1和参考图像2，使用Surf算法提取同名控制点对，并采用対极几何约束剔除误匹配的控制点，得到控制点对集合A；4.根据步骤3提取出来的控制点对集合A，建立待评图像和参考图像1两幅图像的整体几何关系，并按照该几何关系对待评图像进行几何关系补偿，得到待评图像2；5.针对待评图像2和参考图像2，首先对两幅图像进行辐射增强，然后使用Surf算法提取同名控制点对，最后采用対极几何约束剔除误匹配的控制点，得到最终的控制点对集合B；6.根据控制点对集合B，计算待评图像的外部几何定位精度，同时筛选该图像各个方向的控制点对计算其内部几何定位精度。步骤1中所述的图像投影转换过程和基于参考图像集的图像拼接过程，具体步骤如下：1.1根据待评图像覆盖区域的地理经纬度范围，搜索该图像在参考图像库中所所对应的参考图像集合，主要步骤如下：(1)选择参考图像库类型；(2)根据待评图像各像素点的地理经纬度以及参考图像库类型计算参考图库中所对应的参考图像集的文件名；(3)根据参考图像的文件名搜索参考图像；1.2参考图像集投影转换，主要步骤如下：(1)根据待评图像左上角纬度，计算该图像的投影带标号，公式如下：其中，lat为待评图像左上角纬度；(2)根据投影转换参数，采用最近邻方法对参考图像集进行重采样，投影转换参数包括目标地球椭球体、目标大地基准面和地面分辨率；1.3参考图像集拼接：导入参考图像集，设定拼接最佳参数，即拼接模式、忽略像素值和羽化参数。步骤2中所述的下采样和图像辐射增强，其步骤如下：2.1采用三次卷积内插模型，将待评图像和参考图像1进行同比率下采样；2.2采用wallis滤波，对待评图像和参考图像1进行图像纹理增强，得到待评图像1和参考图像2，Wallis滤波器表示为：其中，，，参数，分别为乘性系数和加性系数，为图像中某一像素的邻域均值；为图像中某一像素的邻域方差；为目标均值，它为图像动态范围的中值；为目标方差；c为图像反差扩展常数；b为图像亮度系数。所述步骤3中使用Surf算法选取同名控制点，并根据对极几何约束剔除误匹配的控制点；所述Surf算法主要包括提取特征点、确定特征点主方向、生成描述符和特征点匹配四个步骤,其步骤如下：3.1使用Surf算法选取同名控制点：3.1.1提取特征点，其步骤如下：(1)针对待评图像1和参考图像2，分别构建Surf算法的尺度空间，并计算每层图像的Hessian矩阵行列式近似值；(2)计算邻域窗口内的抑制值，选取最大或者最小点作为候选特征点；3.1.2确定特征点主方向，其步骤如下：(1)以特征点为中心，计算在x和y方向的Haar小波滤波器响应值；(2)对Haar响应值赋以高斯权重系数；(3)根据设定的量化步长，计算特征点所在圆形区域的每个角度范围内所包含的Haar小波响应值之和，将具有最大分布响应的角度作为当前特征点主方向；3.1.3生成描述符，其步骤如下：(1)以特征点为中心，将坐标轴旋转到该特征点主方向上；(2)选取矩形区域，将该区域划分为相同大小的子区域，计算每一个子区域内Haar小波响应值，得到一个4维的特征描述向量；(3)将所有子区域的特征向量串接成一个高维的特征向量，并进行归一化处理，得到Surf算法的特征描述符；3.1.4采用最近邻比率匹配方法对Surf算法的特征描述符进行特征匹配，其步骤如下：(1)计算待评图像1上的Surf算法描述符特征向量与参考图像2上的Surf算法描述符特征向量之间的欧氏距离；(2)如果两特征点的欧式距离最短，则认为两特征点为对应的同名控制点对，否则认为该特征点没有匹配点；3.2使用对极几何约束关系剔除误匹配控制点信息，先后使用改进的M-估计算法和随机抽样一致性模型，其步骤如下：3.2.1采用改进的M-估计算法，剔除误匹配控制点信息，其步骤如下：(1)根据7点法计算基础矩阵初始值，计算特征点到基础矩阵的对极距离平方和，并进行排序；(2)计算所有值到中值的差值的平均值；(3)随机进行数次迭代，通过比较所有平均值选择最小平均值所本文档来自技高网...

【技术保护点】
一种基于多源遥感数据的在轨卫星图像几何定位精度评价方法，其特征在于步骤如下：1.针对待评图像，在参考图像库中搜索对应的参考图像集，然后，将参考图像集投影到同一地球椭球体、同一大地基准面以及同一地面分辨率下，最后对参考图像集进行拼接得到参考图像1；2.将待评图像和参考图像1按照同比率进行下采样，然后对两幅图像进行辐射增强，得到待评图像1和参考图像2；3.针对待评图像1和参考图像2，使用Surf算法提取同名控制点对，并采用対极几何约束剔除误匹配的控制点，得到控制点对集合A；4.根据步骤3提取出来的控制点对集合A，建立待评图像和参考图像1两幅图像的整体几何关系，并按照该几何关系对待评图像进行几何关系补偿，得到待评图像2；5.针对待评图像2和参考图像2，首先对两幅图像进行辐射增强，然后使用Surf算法提取同名控制点对，最后采用対极几何约束剔除误匹配的控制点，得到最终的控制点对集合B；6.根据控制点对集合B，计算待评图像的外部几何定位精度，同时筛选该图像各个方向的控制点对计算其内部几何定位精度。

【技术特征摘要】
1.一种基于多源遥感数据的在轨卫星图像几何定位精度评价方法，其特征在于步骤如下：1).针对待评图像，在参考图像库中搜索对应的参考图像集，然后，将参考图像集投影到同一地球椭球体、同一大地基准面以及同一地面分辨率下，最后对参考图像集进行拼接得到参考图像1；2).将待评图像和参考图像1按照同比率进行下采样，然后对两幅图像进行辐射增强，得到待评图像1和参考图像2；3).针对待评图像1和参考图像2，使用Surf算法提取同名控制点对，并采用对极几何约束剔除误匹配的控制点，得到控制点对集合A；4).根据步骤3提取出来的控制点对集合A，建立待评图像和参考图像1两幅图像的整体几何关系，并按照该几何关系对待评图像进行几何关系补偿，得到待评图像2；5).针对待评图像2和参考图像2，首先对两幅图像进行辐射增强，然后使用Surf算法提取同名控制点对，最后采用对极几何约束剔除误匹配的控制点，得到最终的控制点对集合B；6).根据控制点对集合B，计算待评图像的外部几何定位精度，同时筛选该图像各个方向的控制点对计算其内部几何定位精度；步骤1)中的具体步骤如下：1.1根据待评图像覆盖区域的地理经纬度范围，搜索该图像在参考图像库中所对应的参考图像集合，步骤如下：(1)选择参考图像库类型；(2)根据待评图像各像素点的地理经纬度以及参考图像库类型计算参考图库中所对应的参考图像集的文件名；(3)根据参考图像的文件名搜索参考图像；1.2参考图像集投影转换，步骤如下：(1)根据待评图像左上角纬度，计算该图像的投影带标号，公式如下：其中，lat为待评图像左上角纬度；(2)根据投影转换参数，采用最近邻方法对参考图像集进行重采样，投影转换参数包括目标地球椭球体、目标大地基准面和地面分辨率；1.3参考图像集拼接：导入参考图像集，设定拼接最佳参数，即拼接模式、忽略像素值和羽化参数；步骤6)中所述的筛选各个方向上的控制点对，其步骤如下：6.1将经过图像中心的并且平行于所求方向的直线设定为基线方向，计算各个控制点到基线的距离作为各个控制点的特征描述；6.2使用聚类算法对各个方向的控制点特征进行聚类，以减少控制点选择时的计算量，步骤如下：(1)对所有控制点，根据它们的特征值进行从小到大的排序；(2)计算排序后相邻控制点的特征值之差的绝对值，求出最大差值MAX_V和最小差值MIN_V；(3)定义一个窗口阈值W＝(MAX_V+MIN_V)/2,然后利用这个阈值对排序后的控制点进行分类；分类的方法如下：假设排序后的控制点特征值的序列为V＝{x1,x2,x3,…,xn},n为控制点的个数；定义目前的类别序号为L＝1，计算D1＝|x1-x2|，若D1<W,则认为x1和x2属于同一个类别，定义类别C1＝{x1,x2}，然后计算D2＝|x2-x3|，若D2<W,则归并到C1类别当中去，否则L＝L+1，创建一个新的类别C2＝{x3}，如此类推，将所有控制点加以分类；(4)若分类得到的类别数L大于预期的类别数时，加大窗口W＝W+step，step是窗口增加的步长，重复第(3)步，直到类别数满足需求为止；6.3在各个分类集合中，根据角度和长度对已有的控制点对进行筛选：(1)角度筛选首先计算两两控制点间的向量，然后计算各向量与基线的夹角αi，最后按照夹角对候选控制点进行排序；当αi小于给定的角度阈值α0时，该控制点对是符合选取要求的；(2)长度筛选计算控制点对间的像素点数目ni，当ni大于给定的长度阈值n0时，该控制点对是符合选取要求的。2.根据权利要求1所述的基于多源遥感数据的在轨卫星图像几何定位精度评价方法，其特征在于步骤2)中所述的下采样和图像辐射增强，其步骤如下：2.1采用三次卷积内插模型，将待评图像和参考图像1进行同比率下采样；2.2采用Wallis滤波，对待评图像和参考图像1进行图像纹理增强，得到待评图像1和参考图像2，Wallis滤波器表示为：go(x，y)＝g(x，y)|r1+r0其中，r0＝bmf+(1-b)mg，参数r1，r0分别为乘性系数和加性系数，mg为图像中某一像素的邻域均值；sg为图像中某一像素的邻域方差；mf为目标均值，它为图像动态范围的中值；sf为目标方差；c为图像反差扩展常数；b为图像亮度系数。3.根据权利要求1所述的基于多源遥感数据的在轨卫星图像几何定位精度评价方法，其特征在于所述步骤3)中使用...

【专利技术属性】
技术研发人员：孙权森，耿蕾蕾，宋艳涛，王思文，陈艺虾，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32