一种制作区域星载光学和制造技术

本发明专利技术提出一种制作区域星载光学和

【技术实现步骤摘要】
一种制作区域星载光学和SAR影像DOM的方法和系统


[0001]本专利技术属于地理信息数字领域，尤其涉及一种制作区域星载光学和
SAR
影像
DOM
的方法和系统
。

技术介绍

[0002]数字正射影像图
(Digital Orthorectified Map,DOM)
是我国基础地理信息数字成果的重要组成部分，其主要生产过程是通过对卫星影像进行数字微分纠正
、
融合和镶嵌，并按一定图幅范围进行裁切，生成兼具地图几何精度和影像特征的数字正射影像集
。
由于
DOM
同时具备地图几何精度和影像特征，具有精度高
、
信息丰富
、
直观真实
、
制作周期短的优势，既可作为背景控制信息，用于评价其他数据的精度
、
现势性和完整性，也可从中提取自然资源和社会经济发展信息，为基础数据动态更新
、
防灾治害和公共设施建设规划等应用提供可靠依据
。
[0003]近年来，随着国产光学和合成孔径雷达
(Synthetic Aperture Radar,SAR)
卫星及相关测绘技术的飞速发展，我国具备自主可控
1:5
万
SAR
和光学
DOM
建设能力
。
当前国内外对数字正射影像图生产的研究主要集中在单独处理光学或
SAR
卫星数据方面，既没有对两个载荷进行综合考量，更在生产中控制点选取方面过分依赖人工
。
[0004]①
基于卫星控制点库和
DEM
的
SAR
影像正射纠正方法
(CN 107341778A)
：本专利技术公开了一种基于卫星控制点库和
DEM
的
SAR
影像正射纠正方法，其利用外部已有
DEM
数据和资源三号控制点数据，通过
SAR
影像模拟技术和影像精确匹配，得到资源三号控制点在
SAR
影像中的像点坐标，随后通过高精度的资源三号控制点参与
SAR
正射纠正，得到
SAR
正射纠正后的
DOM
影像
。
本专利技术可以自动地利用资源三号控制点库参与
SAR
影像正射纠正，减少人工干预带来的效率低下问题，降低获取控制点的成本
。
但此专利技术仅对
SAR
单一载荷进行处理，未综合考虑光学和
SAR
两个载荷的处理需求
。
[0005]②
一种城市低空无人机系统生成数字正射影像图的方法
(CN 102506824A)
：本专利技术公开了一种城市低空无人机系统生成数字正射影像图的方法，包括以下步骤：数据资料准备
、
数据资料包括控制点资料
、
相机检校文件
、
姿态资料；影像的空中三角测量，生成核线影像；影像匹配，生成数字表面模型
(DSM)
；基于城市建筑物特征构建不规则三角网
(TIN)
和数字高程模型
(DEM)
内插；数字微分纠正生成数字正射影像图
(DOM)
；城市低空数字正射影像图镶嵌，包括拼接线选择
、
匀光匀色
、
边界裁切
。
本专利技术能够充分利用城市低空获取影像的高分辨率优势，高效准确地生产
DOM。
但此专利技术主要是针对低空无人机系统，未考虑卫片的处理需求
。
[0006]③
一种
SAR
和可见光波段影像的自动配准技术
(CN108038873A)
：本专利技术公开一种
SAR
和可见光波段影像的自动配准技术，包括如下步骤，开始数据预处理，边缘提取，边缘连接，目标提取，区域分割：目标属性计算，目标匹配，从参考影像上提取目前，得到控制点，目标提取仿射变换，最后重采样得到结果，本专利技术不受时间和空间的影像，正常将采集到的数据进行分析和处理，得到准确的数值，结果精确度准确
。
但此专利技术主要是针对
SAR
和可见光
自动配准步骤，未考虑配准相关策略
。
[0007]④
基于
Gamma
‑
Lee
滤波的
SAR
影像斑点噪声抑制方法
(CN111861905B)
：本专利技术公开了一种基于
Gamma Lee
滤波的
SAR
影像斑点噪声抑制方法，通过对原始图像进行
Gamma
变换以提升其暗部细节，解决滤波后的
SAR
图像边缘细节部分保留效果不佳的问题；采用平移不变的局部窗口遍历被测图像每个像素点，通过统计所覆盖像素点均值和方差以及中心像素值的方式实现
Lee
滤波；结合负反馈调节
Gamma
系数和
Gamma
指数的思想，逐步调整加强对
SAR
图像斑点噪声的抑制；最后，仿真实验结果表明，本专利技术解决了现有
SAR
图像滤波方法图像边缘细节部分保留效果不佳的问题，同时斑点噪声的抑制效果得到一定的提升；在抑制噪声和边缘细节的保护效果上都要优于原始的
Lee
滤波方法，可用于
SAR
图像的图像处理领域
。
但此专利技术主要针对抑制噪声和边缘细节，未考虑
SAR
整体影像质量
。
[0008]现有技术的缺陷：
[0009]1)
人工干预会造成效率低下，人工选点会带来刺点误差等问题，本专利技术充分利用已有资源三号光学基准底图自动匹配光学和
SAR
影像获取区域网平差所需的控制点，实现了区域星载光学和
SAR
影像自动和高精度纠正处理
。
[0010]2)
受卫星影像载荷类型
、
成像时间和入射角的不同，同一区域不同时间成像影像间存在较大的色彩和色调差异，加上光学和
SAR
传感器之间的差异，目前的研究缺少将光学和
SAR
传感器进行综合考量，使得处理方法缺乏全面性
。
因此，建立一种自动且全面的区域星载光学和
SAR
影像
DOM
处理方法，能够从控制点提取
、
匀光匀色
、
镶嵌线编辑等方面实现星载光学和
SAR
异源
DOM
影像的联合处理，对指导区域星载光学和
SAR
影像数字正射影像图生产具有重要的意义
。
发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种制作区域星载光学和
SAR
影像
DOM
的方法，其特征在于，所述方法包括：步骤
S1、
选取测区内原始星载光学影像及
RPC
模型
、
原始星载
SAR
影像及
RD
模型
、
数字正射影像库和外部参考
DEM
数据；步骤
S2、
对所述原始
SAR
影像的
RD
模型进行
RPC
建模，得到
SAR
影像的
RPC
定位模型，并通过滤波抑制
SAR
影像斑点噪声，得到抑制斑点噪声后的
SAR
影像；步骤
S3、
基于光学影像特征一致性原则，开展所述原始星载光学影像和数字正射影像间像控点的匹配，得到原始星载光学影像控制点；步骤
S4、
利用异源影像在深度卷积神经网络空间的相似性，开展所述抑制斑点噪声后的
SAR
影像和数字正射影像间的像控点匹配，得到滤波处理后的
SAR
影像控制点；步骤
S5、
分别利用所述原始星载光学影像控制点和滤波处理后的
SAR
影像控制点，基于所述抑制斑点噪声后的
SAR
影像和原始星载光学影像及
RPC
定位模型开展联合区域网平差和正射纠正处理，得到正射纠正后光学和
SAR
影像；步骤
S6、
对所述正射纠正后光学和
SAR
影像开展自动匀光和匀色处理，得到匀光匀色处理后光学和
SAR
影像；步骤
S7、
对所述匀光匀色处理后光学和
SAR
影像进行镶嵌处理，得到镶嵌后光学和
SAR
正射纠正产品；步骤
S8、
对所述镶嵌后光学和
SAR
正射纠正产品按标准分幅进行裁切处理，得到标准分幅光学和
SAR
影像
DOM
产品
。2.
根据权利要求1所述的一种制作区域星载光学和
SAR
影像
DOM
的方法，其特征在于，在所述步骤
S2
中，对所述原始
SAR
影像的
RD
模型进行
RPC
建模，得到
SAR
影像的
RPC
定位模型，并通过滤波抑制
SAR
影像斑点噪声，得到抑制斑点噪声后的
SAR
影像的方法包括：步骤
S21、
结合光学影像
RPC
模型的特性，利用所述原始
SAR
影像严格成像几何模型建立地面点的立体空间格网和影像面之间的对应关系作为控制点求解
RPC
参数，得到拟合后的
RPC
模型即得到
SAR
影像的
RPC
定位模型；步骤
S22、
根据输出
DOM
以及参与数据处理的光学影像的分辨率，对原始星载
SAR
影像单视斜距复数据
(SLC)
进行方位或距离向多视处理，初步抑制斑点噪声，得到初步抑制斑点噪声后的
SAR
影像；在多视处理的基础上，使用
SAR
影像斑点噪声抑制网络对初步抑制斑点噪声后的
SAR
影像进行滤波处理，得到抑制斑点噪声后的
SAR
影像
。3.
根据权利要求2所述的一种制作区域星载光学和
SAR
影像
DOM
的方法，其特征在于，在所述步骤
S2
中，使用
SAR
影像斑点噪声抑制网络对初步抑制斑点噪声后的
SAR
影像进行滤波处理，得到抑制斑点噪声后的
SAR
影像的具体方法包括：
1)
所述
SAR
影像斑点噪声抑制网络的主干网络为
UNet
，所述主干网络由
encoder
和
decoder
两个部分组成，其中所述
encoder
使用
18
层的
ResNet
替代四次下采样
CBR
模块堆叠
(Conv+BN+ReLU)
，所述
decoder
使用四次上采样
CBR
模块堆叠；
2)
对样本与待滤波
SAR
影像求取强度，并通过对数
(log)
运算将乘性斑点噪声转换为加性；得到加性噪声影像即样本加性噪声影像和
SAR
影像加性噪声影像；其中，待滤波
SAR
影像为初步抑制斑点噪声后的
SAR
影像；样本为叠加合成的斑点噪声的
SAR
影像，同时也为噪声抑制网络训练使用的输入数据；通过待估模型参数的真实值
θ
与映射关系
f
θ
的公式计算，获得无噪声影像强度的估值
无噪声影像强度
x
与带有噪声的影像观测值
y
之间的关系如下：其中：
x:
无噪声影像强度；无噪声影像强度的估值；
y
：
x
的观测值，含有加性噪声；对
x
的两个观测值
y1和
y2，使用下式建立去噪的目标函数：，使用下式建立去噪的目标函数：待估模型参数的估值
E:
数学期望
f
θ
(
·
):
观测值
y
经过滤波去噪获取无噪声影像强度估值的映射关系获得
θ
的估值，使
E[
·
]
取最小值；其中，
l
为损失函数，其形式如下：其中，
y1和
y2分别为
x
的两次独立观测量值，
k
为像素序号；
3)
将叠加合成的斑点噪声的
SAR
影像作为样本，模型训练在所述样本上进行；每次迭代均生成两套独立合成的斑点噪声的
SAR
影像，分别用于输入和计算损失函数；所述样本以
32
为步进，分割成
256
×
256
大小的切片后构成训练集，训练的
epoch
数不少于
50
，其中训练网络使用
Adam
优化器，初始学习率为
0.001
，在
10
个
epoch
后下降为初始的
1/10
；对所述训练网络进行预训练和二次训练，所述预训练的过程是将生成降采样的去噪
SAR
影像用于补偿不同时期
SAR
影像的变化，降采样用于降...

【专利技术属性】
技术研发人员：郭莉，王霞，唐新明，付冬暇，刘书含，岳明宇，刘佳星，董立停，黄鹏飞，赵小满，
申请(专利权)人：自然资源部国土卫星遥感应用中心，
类型：发明
国别省市：