高精度遙感影像配準(zhǔn)融合方法

《高精度遙感影像配準(zhǔn)融合方法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、高精度遙感影像配準(zhǔn)融合方法提要：本文介紹一種實用的高精度遙感影像配準(zhǔn)、糾正、融合方法和高效處理軟件─erLand。該系統(tǒng)是由張祖勛教授等提出算法，由適普公司研制開發(fā)的。這是將先進(jìn)的數(shù)字?jǐn)z影測量技術(shù)應(yīng)用于遙感影像定量化處理的新突破。它不僅解決了長期困惑遙感信息定量化處理的理論問題和實際應(yīng)用問題，而且提供了大規(guī)模生產(chǎn)實用的先進(jìn)手段，使遙感信息定量化處理進(jìn)入了實際應(yīng)用的新階段。1.前言隨著信息技術(shù)和傳感器技術(shù)的飛速發(fā)展，衛(wèi)星遙感影像分辨率有了很大提高，包括空間分辨率、光譜分辨率和時間分辨率?？臻g分辨率已從30米，10米，

2、提高到今天的2米，1米，軍用甚至達(dá)到0.1米。光譜分辨率已達(dá)到5~6nm(納米)，包括高光譜在內(nèi)已超過400個波段。時間分辨率，即重訪周期也在不斷縮短。每天都有數(shù)量龐大的不同分辨率的遙感信息，從各種傳感器上接收下來?！　『Ａ窟b感信息的分析處理，尤其是遙感信息的定量化處理，是遙感領(lǐng)域當(dāng)前面臨的重要研究發(fā)展方向之一。鑒于遙感信息的定量化處理，可以在現(xiàn)有遙感數(shù)據(jù)的基礎(chǔ)上，獲取質(zhì)量更高、位置更精確的信息，從而擴(kuò)大遙感信息的應(yīng)用深度和廣度。遙感信息的定量化研究，主要是集中在遙感數(shù)據(jù)的星上校準(zhǔn)、幾何糾正、大氣校正、數(shù)據(jù)預(yù)處理等

3、方面。這些研究涉及傳感器　　　影像成像系統(tǒng)的誤差，運載工具軌道參數(shù)的影響，影像途徑大氣層因輻射、散射、吸收等產(chǎn)生的變形。遙感信息的定量化的另一個值得重視的發(fā)展方向，是利用高分辨率的經(jīng)過糾正的影像（包括更高分辨率的航空影像），對低分辨率的影像進(jìn)行配準(zhǔn)、糾正及融合處理，即遙感影像的相互校正。本文介紹一種高精度、高效的相互糾正的新方法，基于數(shù)字?jǐn)z影測量影像匹配的獨特算法。由于該方法影像糾正的精度高、處理過程自動化程度高、應(yīng)用范圍廣和實用性強(qiáng)，引起了國內(nèi)遙感應(yīng)用領(lǐng)域和國外遙感圖像處理軟件廠商的極大關(guān)注和興趣。2.遙感信息定

4、量化研究現(xiàn)狀　　目前，大部分遙感信息的分類和提取，主要是利用數(shù)理統(tǒng)計與人工解譯相結(jié)合的方法。這種方法不僅精度相對較低，效率不高，勞動強(qiáng)度大，而且依賴參與解譯分析的人，在很大程度上不具備重復(fù)性。尤其對多時相、多傳感器、多平臺、多光譜波段遙感數(shù)據(jù)的復(fù)合處理，問題更為突出。在遙感信息定量化研究方面，已經(jīng)建立了各種分析模型及相應(yīng)的計算改正公式[1][2][3][4]，如大氣輻射傳輸簡化模型，大氣成份的吸收與散射影響模型，以及傳感器的定標(biāo)改正模型等。雖然在上述各項研究中已達(dá)到了較高水平，但尚未有重大的突破。在遙感影像相互校正

5、方面，一些商業(yè)化的遙感圖像處理軟件，雖然提供了簡單的影像相互校正和融合功能，但均是基于純交互式的人工識別選取同名點，不僅效率非常低，而且精度也難于達(dá)到實用要求，尤其是對于山區(qū)的遙感影像的校正。遙感影像的精糾正，即遙感影像的高精度正射糾正[5]，是遙感影像定量化最直接的重要途徑。但是由于獲取必要數(shù)量的高精度的控制點（已知地面坐標(biāo)）非常困難，使得實際應(yīng)用受到很大的局限。通常做法是在1：50000地形圖上，人工選取少數(shù)幾個控制點，由于遙感影像比例尺很小，很難在圖上找到同名位置點，加上地圖變形和人為的辨認(rèn)誤差，這樣讀取的控

6、制點不僅精度很低，而且效率也非常低。用這種方法只能作簡單的多項式曲面擬合，而不能進(jìn)行高精度的糾正處理。利用傳統(tǒng)的航測方法獲取所覆蓋地區(qū)的數(shù)字地形模型（DEM），作為正射糾正的基礎(chǔ)數(shù)據(jù)，往往受既有航攝資料的限制，以及費用較高、工期較長等因素制約，應(yīng)用也很局限。3.高精度遙感影像糾正融合新方法　　國際著名的數(shù)字?jǐn)z影測量學(xué)者張祖勛教授等，提出了一種先進(jìn)的遙感影像相互校準(zhǔn)的大面元微分糾正算法[6]，在其基礎(chǔ)上又提出了小面元微分糾正算法[7]。該算法利用了數(shù)字?jǐn)z影測量中影像匹配的研究成果，即影像特征提取與基于松弛法的整體影像

7、匹配，全自動地獲取密集同名點對作為控制點，由密集同名點對構(gòu)成密集三角網(wǎng)（小面元），利用小三角形面元進(jìn)行微分糾正，實現(xiàn)影像精確配準(zhǔn)。然后進(jìn)行影的像糾正融合處理，這使遙感影像的配準(zhǔn)、糾正與融合技術(shù)提高到了新的階段。該小面元微分糾正算法的要點如下：1）影像特征點的提取　　將主影像中的明顯點，提取出來作為配準(zhǔn)的控制點。這些點特征的提取是利用所謂興趣算子提取的，例如Forstner算子[8]。2）預(yù)處理　　不同的遙感影像間存在平面位置、方位與比例的差異，因而需要對其進(jìn)行平移、旋轉(zhuǎn)與縮放等預(yù)處理，以便影像匹配較容易進(jìn)行。當(dāng)影像

8、的差異較大時，需人工選取一至三對同名點的概略位置，根據(jù)這些同名點解算影像間概略的平移、旋轉(zhuǎn)與縮放等預(yù)處理參數(shù)。若點數(shù)不小于三，可利用仿射變換。預(yù)處理可以使低分辨率影像的比例尺和方位與主影像基本接近，使影像匹配較容易進(jìn)行。解算出變換參數(shù)后，既可對整個影像進(jìn)行重采樣，也可在后續(xù)的匹配處理中進(jìn)行局部影像重采樣。3）粗匹配　　以特征點（通常是從主影像上提取出來的）為