基于快速匹配与线性橡皮拉伸的HJ-1CCD影像几何精校正.docVIP

基于快速匹配与线性橡皮拉伸的HJ-1CCD影像几何精校正-农学论文 基于快速匹配与线性橡皮拉伸的HJ-1CCD影像几何精校正 胡九超１，２，周忠发１，２ （１．贵州师范大学中国南方喀斯特研究院，贵阳５５０００１；２．贵州省喀斯特山地生态环境国家重点实验室培育基地，贵阳 ５５０００１） 摘要：提出了一种快速获取大量地面控制点的方法，以ＴＭ影像为基准图像选择初始同名点，经过自动计算误差、调整、平移误差消除、删除等步骤获取稳定的其他同名点，并采用线性橡皮拉伸进行几何精校正。试验证明，利用该方法进行几何精校正后的ＨＪ－１ＣＣＤ影像不但加快了选点速度而且能保证精度，可以用于遥感信息的提取以及为地理信息系统等提供可用的数据。 关键词 ：贵州高原山区；ＨＪ－１ＣＣＤ影像；地面控制点；几何精校正 中图分类号：Ｐ２３１文献标识码：A文章编号：0439－８114（２０15）03－0703-02 进入新世纪以来，遥感事业蓬勃发展，当然中国也不例外。２００８年９月６日，中国新一代民用光学对地遥感小卫星——环境减灾卫星成功发射升空。卫星在轨组网，具有严格的成像视场匹配要求，可以在４８ ｈ内对中国国境及周边地区实现无缝覆盖观测［１］。随着科学技术和社会需求的迅猛发展，遥感技术作为高新技术领域中的一个重要分支逐步迈向产业化、实用化，对遥感图像产品的处理精度要求也越来越高［２］。然而，由于地球自转、地面曲率的变化以及卫星本身等方面的原因，遥感图像存在无法避免的几何畸变，而仅仅经过系统粗校正的遥感图像还无法满足精度需求，所以，需要进一步进行遥感影像的几何精校正。 遥感影像的传统几何精校正一般都通过地形图手动采集地面控制点（Ｇｒｏｕｎｄ Ｃｏｎｔｒｏｌ Ｐｏｉｎｔｓ，ＧＣＰｓ）来进行，但地形图的测绘年代相对来说比较久远，信息量少，因而对地面控制点的采集具有很大的限制；其次，ＨＪ－１ＣＣＤ影像幅宽大，畸变复杂，误差不一，采用全局校正模型就会有一定的局限性。综合考虑上述问题，提出利用ＥＲＤＡＳ ＩＭＡＧＩＮＥ ９．２中的ＡｕｔｏＳｙｎｃ模块快速获取地面控制点，并采用线性橡皮拉伸校正模型对ＨＪ－１ＣＣＤ影像进行几何精校正，不但加快了选点速度而且有效提高了环境卫星影像的定位精度。 １试验区概况及数据情况 贵州地处中国西南部，介于北纬２４°３７′—２９°１３′，东经１０３°３６′—１０９°３５′，东毗湖南，南邻广西，西连云南，北接四川和重庆。气候温暖湿润，属亚热带湿润季风气候区，气温变化小，冬暖夏凉，气候宜人，贵州省大部分地区年平均气温１５ ℃左右。贵州地处云贵高原东部，境内地势复杂多样，地势西高东低，自中部向北、东、南三面倾斜，平均海拔１ １００ ｍ左右。贵州省地貌可概括分为高原山地、丘陵和盆地三种基本类型，境内山脉众多，重峦叠峰，绵延纵横，山高谷深，其中９２．５％的面积为山地和丘陵，复杂的地形条件给影像的校正造成了干扰。 研究采用的遥感数据为ＨＪ－１ＣＣＤ影像，环境与灾害监测预报小卫星星座由两颗光学小卫星（ＨＪ－１Ａ，ＨＪ－１Ｂ）和一颗合成孔径雷达小卫星（ＨＪ－１Ｃ）构成。其中ＨＪ－１Ａ和ＨＪ－１Ｂ均采用准太阳同步圆轨道，轨道高度为６４９．０９３ｋｍ，相位为１８０ ｂ。这两颗光学小卫星上均装有两台宽覆盖多光谱可见光相机（简称ＣＣＤ相机），单台ＣＣＤ相机幅宽为３６０ ｋｍ（两台为７１０ ｋｍ），共４个波段，波谱范围为０．４３～０．９０ μｍ［３］。研究采用的数据是２０１１年５月２８日采集的ＨＪ－１卫星影像以及同时相的ＴＭ影像。 ２影像的几何校正 ２．１控制点的采集 研究采用线性橡皮拉伸模型进行拟合，按原理而言，该方法需要大量的控制点，但传统的选点方法显然无法满足要求，因此试验借助分辨率为３０ ｍ的ＴＭ影像，在ＥＲＤＡＳ ＩＭＡＧＩＮＥ ９．２的ＡｕｔｏＳｙｎｃ模块下进行控制点的采集，因为该方法可以在短暂的时间内生成大量同名控制点、且高于纯手动配准的精度，同时能够处理各种各样的数据等优点。利用此方法采集控制点程序简单，首先手动选取几个明显的地面特征点，譬如道路交叉口、河流交汇处等，且尽量分布均匀；然后利用软件自动生成大量的同名点；紧接着对误差大的控制点进行调整、剔除、重选，直至符合精度要求，至于控制点稀疏区域要手动加一些控制点，尽量做到控制点在整个试验区均匀地分布，否则，控制点分布密集的区域影像几何校正精度高，而在稀疏区域拟合不好使得图像产生变形。流程图如图１所示。 ２．２遥感影像重采样 重新定位后的像元在原图像中的分布是不均匀的，即输出图像像元点在输入图像中的行列号不是或不全是整数关系。因此需要根据输出图像上的各像元在输入图像中的位置，对原始图像按一定规则重新采样，进行亮度值的插值计算，建立新的图像矩