大面阵亚米级夜景遥感影像的快速拼接方法技术

本发明专利技术涉及一种大面阵亚米级夜景遥感影像的快速拼接方法，包括以下步骤：步骤一：相对辐射校正；步骤二：去除孤立噪点；步骤三：基于RPC的无控区域网平差；步骤四：匀光匀色处理；步骤五：基于RPC的正射纠正及影像重采样。本发明专利技术采用大面阵亚米级夜景遥感影像的快速拼接方法，通过对原始影像进行相对辐射校正、影像去噪、基于RPC的无控区域网平差、匀光匀色基于RPC的正射纠正，以及影像重采样等处理获得大范围的夜景遥感拼接影像，并且通过GPU加速实现了算法的快速处理，既保证了算法的准确性，又极大的提高了处理速度，算法简单易行，容易在工程处理中直接应用。

【技术实现步骤摘要】
大面阵亚米级夜景遥感影像的快速拼接方法
本专利技术涉及遥感图像处理领域，特别涉及一种大面阵亚米级夜景遥感影像的快速拼接方法。
技术介绍
影像拼接又称影像镶嵌，是将两幅或多幅具有一定重叠度的影像拼接在一起，构成一幅整体影像的技术过程。在遥感影像应用中，为获得更大范围的遥感影像，通常需要将幅面较小或者来源于不同传感器的影像经过处理并拼接在一起。只通过简单的拼接，会造成拼接处有明显的几何结构错位和辐射差异。几何结构错位是由于拼接影像的空间相对位置关系不正确或影像局部区域存在一定的几何畸变等原因造成，而辐射差异是由于获取影像的季节或传感器类型不同等原因造成。因此，在影像镶嵌中，应消除镶嵌影像间的几何结构错位和辐射差异才能更好地满足影像在实际中的应用。夜景影像是遥感卫星在夜间获取的地表数据，利用传感器低光扫描功能，能够有效地探测到城市灯光，甚至小规模的居民地、车流、渔船灯光、火点等等发出的低强度可见光辐射源，在黑暗的背景下捕捉人类生活的足迹。夜景遥感影像被广泛地应用于社会经济参数估算、区域发展研究、城市化监测、光污染等诸多研究领域，能够客观地反应社会经济的变化趋势。然而，夜景影像在获取时，受限于传感器制造工艺、卫星轨道高度等因素，单张影像覆盖面积有限，如长光卫星视频03星12K×5K的超大面阵0.92米分辨率的单张影像覆盖的地表面积约为50平方公里，可见单张大面阵亚米级影像无法一次性获得覆盖城市主要区域的大范围数据，因此需要通过卫星进行多点成像任务获取成像任务范围内的多张遥感影像，再根据邻近的成像间的影像重叠将多点成像模式获取的影像进行拼接得到最终的遥感影像，但是每个任务获取图像时卫星的姿态并不相同，这将使得每张影像具有不同的透视畸变；成像期间传感器需要采用较高的增益与较长的曝光时间，这将不可避免地在图像中引入高亮噪点和色度噪点等噪声，此外夜景影像整体较暗，不利于目视判读以及重叠区域拼接线的搜索。因此需要针对不同成像任务获取的夜景遥感影像进行畸变纠正，影像去噪，影像匀光匀色处理；单帧夜景影像的RPC系数存在着一定的误差，因此要进行基于RPC的无控区域网平差，区域网平差过程需要对重叠区域进行sift特征点提取与匹配，为了提高处理速度采用了基于GPU的sift匹配算法，影像由于是中心成像，且成像过程中存在着一定的拍摄角度，因此还需要对影像进行基于RPC的正射纠正，对纠正后的影像重采样便可以得到最终的无缝拼接影像。影像镶嵌时既要顾及图像灰度曲面的光滑度，又要兼顾图像的清晰度,针对遥感影像的拼接算法主要包括影像配准与合成等技术，2009年杨丽萍、林广发、陈友飞在《遥感技术与应用》上发表了《不同季相SPOT5影像镶嵌前色调处理方法研究》，其采用数值调整、栅格编辑填充和特征信息提取、分类等图像处理方法，对影像上色调差异很大的斑块地物和不规则零碎地物进行处理，达到了减小色调差异的目的，具有较强的适用性。2006年李德仁、王密、潘俊针在《武汉大学学报(信息科学版)》中发表了《光学遥感影像的自动匀光处理及应用》，论文针对光学遥感获取的影像存在一幅影像内部以及区域范围内多幅影像之间的色彩不平衡现象，提出了自动匀光处理方法和处理流程，通过影像匀光软件对原理和流程进行了实现，并结合实际工程应用取得了良好的效果。2001年刘晓龙在《遥感学报》上发表了《基于影像匹配接边纠正的数字正射影像的镶嵌技术》，论文介绍了一种数字正射影像的镶嵌技术，包括预处理技术、镶嵌技术、镶嵌流程以及应用前景，其中预处理技术包括色彩平衡、影像匹配与接边纠正技术，色彩平衡用于辐射度改正，影像匹配与接边纠正用于几何差异的改正。但现有方法很少有针对大面阵亚米级夜景遥感影像的拼接问题的处理方法。
技术实现思路
本专利技术要解决现有技术中的技术问题，提供一种大面阵亚米级夜景遥感影像的快速拼接方法。为了解决上述技术问题，本专利技术的技术方案具体如下：一种大面阵亚米级夜景遥感影像的快速拼接方法，包括以下步骤：步骤一：相对辐射校正对原始夜景遥感影像各个像元辐亮度信息响应的量化值进行归一化校正的处理，降低或消除传感器各个探测元件响应差异，使探测元件对辐亮度的响应均匀一致；利用相对辐射定标的结果进行相对辐射校正；步骤二：去除孤立噪点首先，将原始数据分离出R、G、B三个波段的信息，对各个波段进行中值滤波，即Imed(R,G,B)＝medfilt(Iori)(1)其中，Iori为原始数据，Imed为中值滤波的影像；其后，将滤除孤立噪点中值滤波图像进行二值化处理，即Ibw(R,G,B)＝im2bw(Imed(R,G,B),thre)(2)其中，Ibw为二值化图像，thre为二值化处理的阈值；将二值化图像与原始数据进行逐点相乘，即Idenoise(i,j)＝Ibw(i,j)×Iori(i,j)(3)其中，Idenoise为去噪后的图像，Idenoise(i,j)为图像第i行第j列的灰度值；步骤三：基于RPC的无控区域网平差对多点成像任务邻近景影像的重叠区域进行基于GPU的sift特征点提取及匹配，利用匹配结果对多帧夜景数据进行基于RPC的无控区域网平差，消除RPC中存在的误差；步骤四：匀光匀色处理对夜景影像进行Mask匀光和基于Wallis变换的匀色处理；采用Mask差值法匀光，利用高斯低通滤波法得到原始影像的背景影像后利用原始影像与背景影像进行相减操作，得到亮度分布均匀的影像，其相减操作采用式6所示的公式；Iout(x,y)＝Iin(x,y)-Iback(x,y)+offset(6)式6中offset是灰度偏移量；根据原始影像灰度级的最大值fmax、最小值fmin、平均值以及结果影像灰度最大值gmax、最小值gmin、平均值进行分段线性拉伸；拉伸公式由式7给出：式7中g(x,y)为匀光结果影像，g'(x,y)为对匀光结果影像拉伸处理后的影像；Wallis变换可以表示为：式8中g(x,y)和f(x,y)分别为原始影像和Wallis变换结果影像的灰度值；mg和mf分别为原始影像的局部灰度均值与标准偏差；sg和sf分别为结果影像局部灰度均值和标准偏差的目标值；c∈[0,1]为影像方差的扩展常数；b∈[0,1]为影像的亮度系数，当b→1时，影像均值被强制到mf，当b→0时，影像均值被强制到mg；步骤五：基于RPC的正射纠正及影像重采样对多点成像获取的夜景影像进行基于RPC的正射纠正，并对纠正后的影像进行重采样获取最终的拼接影像。在上述技术方案中，步骤五中，基于RPC的正射纠正步骤如下：1)计算角点物方坐标根据影像四角点像方坐标及正则化系数给出的对应初始物方坐标分别用RPC正算得到地面坐标，并求解初始的仿射变换系数，再基于RPC计算像点坐标对应的物方点坐标；2)构建结果影像根据多点成像对应的地面范围物方平面坐标中经纬度最小、最大值得到影像覆盖范围(lat0～lat1,lon0～lon1)，设定正射影像分辨率gsd，即可计算影像尺寸(W,H)：3)逐像素遍历映射到原始影像正射影像每个像素(s,l)可以通过投影公式计算到物方平面坐标初值(lat,lon)，公式如下：根据DEM数据获取(lat,lon)位置的高程H，代入RPC模型公式计算得到像点坐标(x,y)；4)内插灰度值并赋值由3)中反算得到的像点坐标本文档来自技高网...

【技术保护点】
一种大面阵亚米级夜景遥感影像的快速拼接方法，其特征在于，包括以下步骤：步骤一：相对辐射校正对原始夜景遥感影像各个像元辐亮度信息响应的量化值进行归一化校正的处理，降低或消除传感器各个探测元件响应差异，使探测元件对辐亮度的响应均匀一致；利用相对辐射定标的结果进行相对辐射校正；步骤二：去除孤立噪点首先，将原始数据分离出R、G、B三个波段的信息，对各个波段进行中值滤波，即Imed(R,G,B)＝medfilt(Iori)  (1)其中，Iori为原始数据，Imed为中值滤波的影像；其后，将滤除孤立噪点中值滤波图像进行二值化处理，即Ibw(R,G,B)＝im2bw(Imed(R,G,B),thre)  (2)其中，Ibw为二值化图像，thre为二值化处理的阈值；将二值化图像与原始数据进行逐点相乘，即Idenoise(i,j)＝Ibw(i,j)×Iori(i,j)  (3)其中，Idenoise为去噪后的图像，Idenoise(i,j)为图像第i行第j列的灰度值；步骤三：基于RPC的无控区域网平差对多点成像任务邻近景影像的重叠区域进行基于GPU的sift特征点提取及匹配，利用匹配结果对多帧夜景数据进行基于RPC的无控区域网平差，消除RPC中存在的误差；步骤四：匀光匀色处理对夜景影像进行Mask匀光和基于Wallis变换的匀色处理；采用Mask差值法匀光，利用高斯低通滤波法得到原始影像的背景影像后利用原始影像与背景影像进行相减操作，得到亮度分布均匀的影像，其相减操作采用式6所示的公式；Iout(x,y)＝Iin(x,y)‑Iback(x,y)+offset  (6)式6中offset是灰度偏移量；根据原始影像灰度级的最大值fmax、最小值fmin、平均值...

【技术特征摘要】
1.一种大面阵亚米级夜景遥感影像的快速拼接方法，其特征在于，包括以下步骤：步骤一：相对辐射校正对原始夜景遥感影像各个像元辐亮度信息响应的量化值进行归一化校正的处理，降低或消除传感器各个探测元件响应差异，使探测元件对辐亮度的响应均匀一致；利用相对辐射定标的结果进行相对辐射校正；步骤二：去除孤立噪点首先，将原始数据分离出R、G、B三个波段的信息，对各个波段进行中值滤波，即Imed(R,G,B)＝medfilt(Iori)(1)其中，Iori为原始数据，Imed为中值滤波的影像；其后，将滤除孤立噪点中值滤波图像进行二值化处理，即Ibw(R,G,B)＝im2bw(Imed(R,G,B),thre)(2)其中，Ibw为二值化图像，thre为二值化处理的阈值；将二值化图像与原始数据进行逐点相乘，即Idenoise(i,j)＝Ibw(i,j)×Iori(i,j)(3)其中，Idenoise为去噪后的图像，Idenoise(i,j)为图像第i行第j列的灰度值；步骤三：基于RPC的无控区域网平差对多点成像任务邻近景影像的重叠区域进行基于GPU的sift特征点提取及匹配，利用匹配结果对多帧夜景数据进行基于RPC的无控区域网平差，消除RPC中存在的误差；步骤四：匀光匀色处理对夜景影像进行Mask匀光和基于Wallis变换的匀色处理；采用Mask差值法匀光，利用高斯低通滤波法得到原始影像的背景影像后利用原始影像与背景影像进行相减操作，得到亮度分布均匀的影像，其相减操作采用式6所示的公式；Iout(x,y)＝Iin(x,y)-Iback(x,y)+offset(6)式6中offset是灰度偏移量；根据原始影像灰度级的最大值fmax、最小值fmin、平均值以及结果影像灰度最大值gmax、最小值gmin、平均值进行分段线性拉伸；拉伸公式由式7给出：式7中g(x,y)为匀光结果影像，g'(x,y)为对匀光结果影像拉伸处理后的影像；Wallis变换可以表示为：

【专利技术属性】
技术研发人员：武红宇，白杨，王灵丽，谷文双，潘征，陆晗，钟兴，
申请(专利权)人：长光卫星技术有限公司，
类型：发明
国别省市：吉林,22