SPOT 影像的DEM 自动生成.docVIP

SPOT影像的DEM自动生成 黄玉琪(郑州测绘学院　450052) 　　【摘　要】　对SPOT影像进行全数字处理有两个难点：一是其外方位元素之间存在强相关性，无法用最小二乘法直接整体解求；二是它没有严格意义上的核线，所以传统的核线相关不能真正地实施。本文提出了这两个问题的解决方法：一是用岭估计法解求外方位元素；二是用所谓的“锚点法”进行影像匹配。实验表明这两种方法是有效的，令人满意的。 　　一、外方位元素的解求测绘信息网　　1. 解求外方位元素的误差方程式　　SPOT影像是行中心投影的，设其在竖直投影时，某扫描行的瞬时构像方程式为 式中，X，Y，Z为控制点的地面坐标，XS，YS，ZS为该扫描行的瞬时摄站坐标，x,y是控制点的相应像点坐标(瞬时像平面坐标系),f是主距。a1,a2，…，c3是以Y轴为主轴时旋转矩阵R中的各元素，分别是该扫描行外方位角元素φ，ω，κ的函数。　　由于SPOT卫星始终在高速飞行，所以外方位元素XS，YS，ZS，φ，ω，κ均是指某一时刻t下的瞬时值。因为SPOT卫星运行时姿态非常平稳，轨迹、速度控制非常严格，所以我们可以假定外方位元素随时间成线性变化。在像片上，y坐标值与时间t成线性对应关系，所以可认为外方位元素随像点的y坐标成线性变化。设 　　(2) 式中，XS′，YS′，ZS′，φ′,ω′,κ′为外方位元素的变率，XSO，YSO，ZSO，φO，ωO，κO为中心行的外方位元素，XS，YS，ZS，φ，ω，κ为y行的外方位元素。将式(2)代入式(1)并按泰劳级数展开，取一次项，得误差方程式：测绘信息网　　(3) 式中，a11,a12,…，a26′是偏导数；　　lx,ly是常数项： 其中：测绘信息网　　X1=a1(X-XS)+b1(Y-YS)+c1(Z-ZS)　　Y1=a2(X-XS)+b2(Y-YS)+c2(Z-ZS)　　Z1=a3(X-XS)+b3(Y-YS)+c3(Z-ZS)从式(3)中可知，共有12个未知参数，所以需要6个以上的控制点，才能整体解算外方位元素。　　大量的试验表明，SPOT图像的光束法解算中，未知参数之间存在很强的相关性，这主要表现在XSO与φO之间，YSO与ωO之间，这点与常规框幅图像是相似的，不过在SPOT图像中，这种相关表现得尤为突出。　　产生这种现象的原因是多方面的。首先，由于SPOT图像的主距很大(约为1 m)，因而造成光束很窄，这对求解外方位元素是极不利的。第二，由于航高很高，故误差方程式(3)的各未知参数的系数在数量级上相差很大，如当近似垂直投影时，式(3)中dXSO,dφO的系数a11,a14分别为a11=-f/H,a14=-f，因为H相对很大，所以a11和a14在数量级上相差很大，且成近似线性关系，数学上称作复共线性关系，这会导致法方程严重病态。第三，式(2)不能真实反映行扫描外方位元素之间的变化规律，因为大量试验表明：SPOT卫星的姿态变化很稳定，甚至可以视为常量，这样用式(2)计算外方位元素实际上是取用了过多的待求参数(并且这些参数不能真实反映变化规律)，因而造成求解中的相关。　　2. 基于岭估计的SPOT卫星影像外方位元素的解算方法　　岭回归(Raide Regression)是A.E.Hoerl于1962年提出的，并和R.W.Kennard在70年代发展的一种改进LS估计的方法，下面从我们比较熟悉的公式出发简单的阐述其原理。　　设参数平差的函数模型为：测绘信息网 L＝AX+Δ 式中，L是n维观测向量，其先验权阵为P，A为n×t阶系数矩阵(设计阵)；X为t维参数向量；Δ为n维误差向量。则其误差方程式为： V＝A-L 其中，为X的估值向量，按最小二乘原理求得的称为X的最小二乘估计(LS估计)：测绘信息网 ＝(ATPA)-1ATPL 若系数矩阵A列病态，则参数X的最小二乘估计易使解偏离，观测值的微小误差都易引起参数解的很大扰动，这时需要进行有偏估计。　　参数X的岭估计的定义为： K＝(ATPA+KI)-1ATPL 式中,K称为岭参数，一般为正值小数，I为单位矩阵，K为参数X的岭参数为K的岭估计。　　当0K2σ2/(X′X)时，可以证明MSE((K))MSE()［7］　　上面结果表明，对于一个线性回归模型，总存在K，使得岭估计(K)优于LS估计。那么如何适当地选择K，变成一个很重要的问题。　　选择K的方法很多，文献［8］提出了一种较实用的选择方法，即岭迹法。设未知参数的岭估计与真值之间距离的期望值为E（S2K），则可证明得到：测绘信息网式中，r1(K)是未知参数估值的方差总和，即岭估计值的全方差。r2(K)是引进岭估计所产生的偏度。当K＝0时，r2(K)＝0，岭估计变成LS估计。从上式中可以看出，当K增加时，未知参数岭估计方差减