高精度遥感影像配准融合方法.docVIP

高精度遥感影像配准融合方法 提要：本文介绍一种实用的高精度遥感影像配准、纠正、融合方法和高效处理软件─erLand。 该系统是由张祖勋教授等提出算法，由适普公司研制开发的。这是将先进的数字摄影测量技术应用于遥感影像定量化处理的新突破。它不仅解决了长期困惑遥感信息定量化处理的理论问题和实际应用问题，而且提供了大规模生产实用的先进手段，使遥感信息定量化处理进入了实际应用的新阶段。 1. 前言 随着信息技术和传感器技术的飞速发展，卫星遥感影像分辨率有了很大提高，包括空间分辨率、光谱分辨率和时间分辨率。空间分辨率已从30米，10米，提高到今天的2米，1米，军用甚至达到0.1米。光谱分辨率已达到5~6nm(纳米)，包括高光谱在内已超过400个波段。时间分辨率，即重访周期也在不断缩短。每天都有数量庞大的不同分辨率的遥感信息，从各种传感器上接收下来。 　　海量遥感信息的分析处理，尤其是遥感信息的定量化处理，是遥感领域当前面临的重要研究发展方向之一。鉴于遥感信息的定量化处理，可以在现有遥感数据的基础上，获取质量更高、位置更精确的信息，从而扩大遥感信息的应用深度和广度。遥感信息的定量化研究，主要是集中在遥感数据的星上校准、几何纠正、大气校正、数据预处理等方面。这些研究涉及传感器　 　　影像成像系统的误差，运载工具轨道参数的影响，影像途径大气层因辐射、散射、吸收等产生的变形。遥感信息的定量化的另一个值得重视的发展方向，是利用高分辨率的经过纠正的影像（包括更高分辨率的航空影像），对低分辨率的影像进行配准、纠正及融合处理，即遥感影像的相互校正。本文介绍一种高精度、高效的相互纠正的新方法，基于数字摄影测量影像匹配的独特算法。由于该方法影像纠正的精度高、处理过程自动化程度高、应用范围广和实用性强，引起了国内遥感应用领域和国外遥感图像处理软件厂商的极大关注和兴趣。 2. 遥感信息定量化研究现状 　　目前，大部分遥感信息的分类和提取，主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低，效率不高，劳动强度大，而且依赖参与解译分析的人，在很大程度上不具备重复性。尤其对多时相、多传感器、多平台、多光谱波段遥感数据的复合处理，问题更为突出。在遥感信息定量化研究方面，已经建立了各种分析模型及相应的计算改正公式[1] [2] [3] [4]，如大气辐射传输简化模型，大气成份的吸收与散射影响模型，以及传感器的定标改正模型等。虽然在上述各项研究中已达到了较高水平，但尚未有重大的突破。在遥感影像相互校正方面，一些商业化的遥感图像处理软件，虽然提供了简单的影像相互校正和融合功能，但均是基于纯交互式的人工识别选取同名点，不仅效率非常低，而且精度也难于达到实用要求，尤其是对于山区的遥感影像的校正。遥感影像的精纠正，即遥感影像的高精度正射纠正[5]，是遥感影像定量化最直接的重要途径。但是由于获取必要数量的高精度的控制点（已知地面坐标）非常困难，使得实际应用受到很大的局限。通常做法是在1：50000地形图上，人工选取少数几个控制点，由于遥感影像比例尺很小，很难在图上找到同名位置点，加上地图变形和人为的辨认误差，这样读取的控制点不仅精度很低，而且效率也非常低。用这种方法只能作简单的多项式曲面拟合，而不能进行高精度的纠正处理。利用传统的航测方法获取所覆盖地区的数字地形模型（DEM），作为正射纠正的基础数据，往往受既有航摄资料的限制，以及费用较高、工期较长等因素制约，应用也很局限。 3. 高精度遥感影像纠正融合新方法 　　国际著名的数字摄影测量学者张祖勋教授等，提出了一种先进的遥感影像相互校准的大面元微分纠正算法[6] ，在其基础上又提出了小面元微分纠正算法[7]。该算法利用了数字摄影测量中影像匹配的研究成果，即影像特征提取与基于松弛法的整体影像匹配，全自动地获取密集同名点对作为控制点，由密集同名点对构成密集三角网（小面元），利用小三角形面元進行微分纠正，实现影像精确配准。然后进行影的像纠正融合处理，这使遥感影像的配准、纠正与融合技术提高到了新的阶段。该小面元微分纠正算法的要点如下： 1）影像特征点的提取 　　将主影像中的明显点，提取出來作为配准的控制点。這些点特征的提取是利用所谓兴趣算子提取的，例如Forstner算子[8]。 2）預處理 　　不同的遥感影像間存在平面位置、方位与比例的差異，因而需要对其进行平移、旋转与缩放等预处理，以便影像匹配较容易进行。当影像的差異较大時，需人工选取一至三对同名点的概略位置，根据这些同名点解算影像间概略的平移、旋转与缩放等预处理参数。若点数不小于三，可利用仿射变换。预处理可以使低分辨率影像的比例尺和方位与主影像基本接近，使影像匹配较容易进行。解算出变换参数后，既可对整个影像进行重采样，也可在后续的匹配处理中进行局部影像重采样。