QuickBird 遙感圖像校正模型

孫 軍，黎 琪，李和睿

( 貴州省畢節(jié)學(xué)院 建筑工程學(xué)院，貴州 畢節(jié) 551700)

近年來，伴隨SPOT5、IKONOS 和QuickBird 等高空間分辨率遙感圖像應(yīng)用的不斷深入和普及，如何經(jīng)濟(jì)、高效、高精度地糾正高空間分辨率遙感圖像的幾何變形，已成為實(shí)際工作中急需解決的生產(chǎn)難題。高空間分辨率遙感圖像的幾何變形，將嚴(yán)重影響以遙感圖像為基礎(chǔ)的不同地類面積量算、地面樣地在遙感圖像上的定位、遙感定量估測(cè)模型、遙感圖像融合、各種規(guī)劃設(shè)計(jì)等的精度，遙感圖像要有效應(yīng)用于實(shí)際生產(chǎn)，需先糾正其幾何變形。

對(duì)于分辨率在2.5 m 以下的中低分辨率遙感圖像，傳統(tǒng)校正方法一般是利用1∶1萬或1∶:5萬比例尺的地形圖，通過地形圖量測(cè)在遙感影像上易于識(shí)別的地面控制點(diǎn)平面坐標(biāo)，然后借助商用遙感圖像處理軟件進(jìn)行校正。隨著遙感圖像空間分辨率的提高，圖像變形受地形起伏和傳感器傾斜掃描的影響將增大，采用傳統(tǒng)基于地形圖量測(cè)控制點(diǎn)坐標(biāo)的方法已無法滿足校正精度的需要。為此，需借助差分GPS 定位高精度測(cè)定一定數(shù)量在遙感影像上能夠有效識(shí)別的地面控制點(diǎn)坐標(biāo)，采用適當(dāng)?shù)募m正模型來校正圖像變形。為有效校正圖像，盡量減少野外測(cè)定地面控制點(diǎn)的工作量，需要研究高空間分辨率遙感圖像的變形機(jī)理及定量描述模型和幾何糾正算法，以便探索適合實(shí)際生產(chǎn)應(yīng)用的校正模型和地面控制點(diǎn)配置方案。本文利用實(shí)測(cè)地面控制點(diǎn)坐標(biāo)，對(duì)QuickBird遙感圖像的變形機(jī)理進(jìn)行了初步研究。

1 遙感圖像校正模型

遙感圖像校正模型是遙感圖像校正的核心，決定著遙感圖像校正的成功與失敗。遙感圖像變形主要是受到地面起伏的影響，正確分析高程造成的遙感圖像變形機(jī)理，對(duì)于遙感圖像校正模型的研究，有重要作用。本文基于高程造成的遙感圖像變形機(jī)理，在一般二次多項(xiàng)式的基礎(chǔ)上，提出了本文多項(xiàng)式遙感圖像校正模型，并用實(shí)驗(yàn)對(duì)不同的遙感圖像校正模型進(jìn)行了精度比較。

對(duì)衛(wèi)星遙感圖像進(jìn)行幾何校正，可以消除圖像上的像元在圖像坐標(biāo)系中的坐標(biāo)與其在地圖投影等參考坐標(biāo)系中的坐標(biāo)之間的差異，獲得無幾何變形的數(shù)字糾正影像。由于嚴(yán)格幾何校正計(jì)算量較大、計(jì)算復(fù)雜，而且需要衛(wèi)星軌道和傳感器參數(shù)，在實(shí)際應(yīng)用中有時(shí)無法得到這些數(shù)據(jù)，因此在遙感圖像校正中一般都采用直接線性變換、多項(xiàng)式( 一般多項(xiàng)式，改進(jìn)多項(xiàng)式)等遙感圖像校正模型進(jìn)行近似幾何校正。

在傳統(tǒng)的校正模型中，一般多項(xiàng)式由于沒有考慮高程對(duì)遙感圖像造成的影響，因此校正精度較低。直接線性變換與改進(jìn)多項(xiàng)式在引入高程時(shí)，要求抽樣點(diǎn)和檢驗(yàn)點(diǎn)的距離必須相當(dāng)接近( 在實(shí)驗(yàn)中一般采用K -均值聚類方法提取抽樣點(diǎn))，不能在真正的遙感圖像校正中發(fā)揮實(shí)際作用。

在引入高程時(shí)，由于考慮到地球自轉(zhuǎn)，地面曲率，大氣折射等對(duì)遙感圖像變形的影響作用不大，因此只考慮地面起伏對(duì)遙感圖像造成的影響，如圖1 所示。

圖1 遙感圖像影響分析示意圖

由于本文實(shí)驗(yàn)用的QuickBird 遙感圖像為線陣CCD 逐行掃描圖像，所以這里只考慮行的情況，列的情況與此相同。在圖1 中，D 為遙感圖像的中心位置。遙感像片上的點(diǎn)F 所對(duì)應(yīng)的地面位置在B 處，由于受到地形起伏的影響，實(shí)際上的位置在A 點(diǎn)的投影點(diǎn)C 處。如果能夠把大地坐標(biāo)的C 點(diǎn)移動(dòng)到B 點(diǎn)，再利用一般多項(xiàng)式進(jìn)行校正，就可以得到實(shí)用的遙感圖像校正模型。

在圖1 中，令D 點(diǎn)處的圖像行列號(hào)為u0，v0，對(duì)應(yīng)的大地坐標(biāo)為X0，Y0，A 點(diǎn)處的圖像行列號(hào)為u，v，相應(yīng)的大地坐標(biāo)及高程為X，Y，Z。由于△ABC ～△EFD，所以|AC| =Z，|FD| =u-u0，|DE| =h，這里的h 為像片到凸透鏡的距離，這樣就得到再考慮一般多項(xiàng)式，得到新的遙感圖像校正模型為

這里的k，k'為相關(guān)系數(shù)，整理后得到本文遙感圖像校正的多項(xiàng)式

其中，u，v 為失真遙感圖像的行列號(hào)，X，Y，Z 為相應(yīng)的行列號(hào)所對(duì)應(yīng)的地面大地三維坐標(biāo)( Z 為高程)，其余為相關(guān)系數(shù)。

2 實(shí)驗(yàn)和證明

本文實(shí)驗(yàn)用QuickBird 遙感圖像研究區(qū)域位于深圳市區(qū)，所采用的遙感信息源是空間分辨率為0.6m 的QuickBird Pan 波段遙感圖像，試驗(yàn)區(qū)遙感圖像總行列數(shù)為26574 ×28606，對(duì)應(yīng)的實(shí)地范圍為15.944 km ×17.164 km。因深圳已建成GPS 虛擬參考網(wǎng)絡(luò)定位系統(tǒng)，可以厘米級(jí)精度測(cè)定地面控制點(diǎn)三維坐標(biāo)，采用市區(qū)的高空間分辨率遙感圖像，可有效保證采集一定數(shù)量的地面控制點(diǎn)，以便進(jìn)行研究分析。實(shí)驗(yàn)材料來自于西安科技大學(xué)測(cè)繪學(xué)院李崇貴教授研究的國(guó)家自然科學(xué)基金資助項(xiàng)目(30872023)。

在實(shí)驗(yàn)中，先從65 個(gè)控制點(diǎn)中提取一部分做為抽樣點(diǎn)，其余控制點(diǎn)作為檢驗(yàn)點(diǎn)。再用抽樣點(diǎn)計(jì)算出遙感圖像校正模型的系數(shù)，得到遙感圖像校正模型。然后在模型中代入檢驗(yàn)點(diǎn)的失真圖像行列號(hào)，計(jì)算出大地坐標(biāo)。最后把計(jì)算出的大地坐標(biāo)與實(shí)際大地坐標(biāo)相減，所得的差值的絕對(duì)值，就是精度( 也叫誤差)。

精度分為擬合精度和檢驗(yàn)精度兩種，擬合精度就是把已經(jīng)計(jì)算出的校正模型代入抽樣點(diǎn)的失真圖像行列號(hào)，計(jì)算出大地坐標(biāo)，再與實(shí)際大地坐標(biāo)相減，所得差值的絕對(duì)值，就是擬合精度。檢驗(yàn)精度就是把已經(jīng)計(jì)算出的校正模型代入檢驗(yàn)點(diǎn)的失真圖像行列號(hào)，計(jì)算出大地坐標(biāo)，再與實(shí)際大地坐標(biāo)相減，所得差值的絕對(duì)值，就是檢驗(yàn)精度。

本文先用K-均值聚類法把65 個(gè)控制點(diǎn)聚成30 類，取每個(gè)類的接近中心點(diǎn)為抽樣點(diǎn)，其余點(diǎn)為檢驗(yàn)點(diǎn)，所得的各種精度如表1 所示。

然后再用隨機(jī)抽取的方法提取30 個(gè)抽樣點(diǎn)，其余點(diǎn)作為檢驗(yàn)點(diǎn)，所得的各種精度如表2 所示。

實(shí)驗(yàn)表明，在使用K -均值聚類提取抽樣點(diǎn)的情況下，本文二次多項(xiàng)式校正模型的檢驗(yàn)精度明顯優(yōu)于其它各種多項(xiàng)式校正模型。在隨機(jī)抽取抽樣點(diǎn)的情況下，本文二次多項(xiàng)式校正模型的擬合精度明顯優(yōu)于其它各種多項(xiàng)式校正模型，檢驗(yàn)精度優(yōu)于改進(jìn)二次多項(xiàng)式。

表1 K-均值聚類抽樣檢驗(yàn)精度表

表2 隨機(jī)抽樣檢驗(yàn)精度表

3 結(jié)束語

QuickBird Pan 波段遙感圖像變形主要受地形起伏的影響，地形起伏變化越大，圖像變形也就越大。圖像變形受地形起伏、傾斜掃描、傳感器姿態(tài)角變化等諸多因素的影響，很難對(duì)每個(gè)因素的影響進(jìn)行定量表達(dá)?？刂泣c(diǎn)的數(shù)量和分布，對(duì)主要影響因子的篩選有一定影響，但當(dāng)盡可能考慮多的影響時(shí)，所建模型就能取得良好的效果。在遙感圖像校正中，高程的引入可以讓遙感圖像的校正變得更加精確。由于在實(shí)際應(yīng)用中能夠用于計(jì)算遙感圖像校正模型的控制點(diǎn)數(shù)量稀少，使得大量的像素點(diǎn)都遠(yuǎn)離已知控制點(diǎn)，因此在實(shí)際應(yīng)用中多項(xiàng)式的校正效果要比改進(jìn)多項(xiàng)式好得多。

［1］A Goshtasby.Piecewise linear mapping functions for image registration［J］. Pattern Recognition，1986，19 ( 6): 459-466.

［2］Smith M，Park G. Absolute and exterior orientation using linear features［J］. International Archives of Photogrammetry and Remote sensing，2003，28(5):505-509.

［3］J A Noble.Finding corners［J］. Image Computing，1988，6(2):121-128.

［4］J S Lee，Y N Sun，C H Chen，C T Tsai.Wavelet based corner detection［J］. Pattem Recognition，1993，26( 6): 853-865.

［5］章孝燦，黃智才，趙元洪.遙感數(shù)字圖像處理［M］.杭州:浙江大學(xué)出版社，1997.

［6］朱述龍，張占睦.遙感圖像獲取與分析［M］.北京:科學(xué)出版社，2000.

［7］徐青，張艷.遙感影像融合與分辨率增強(qiáng)技術(shù)［M］.北京:科學(xué)出版社，2007.

［10］孫家抦. 遙感原理與應(yīng)用［M］. 武漢: 武漢大學(xué)出版社，2006.

［11］陳建勝.少控制點(diǎn)的推掃式衛(wèi)星姿態(tài)參數(shù)外推方法研究［J］.中國(guó)圖像圖形學(xué)報(bào)，2009，8(8):1469-1474.

［12］張翼.獲取均勻控制點(diǎn)的遙感影像自動(dòng)空間匹配方法［J］.中國(guó)圖像圖形學(xué)報(bào)，2009，8(8):1475-1479.