CIPS空三加密技術(shù)與應(yīng)用

晏啟明， 程朋根

(東華理工大學(xué)測(cè)繪工程學(xué)院，江西南昌 330013)

地理信息是國(guó)家重要的戰(zhàn)略信息資源，在政府管理決策、信息資源共享、人民生活改善等方面發(fā)揮著越來(lái)越重要的作用。而航空攝影測(cè)量作為其中重要的一環(huán)，已經(jīng)進(jìn)入到它的第三階段——數(shù)字?jǐn)z影測(cè)量階段。在數(shù)字?jǐn)z影測(cè)量中高精度的數(shù)字產(chǎn)品主要取決于對(duì)原始影像的空三加密這道工序，空三加密的精度直接關(guān)系著后期數(shù)字正射影像等產(chǎn)品的質(zhì)量。由于提供的原始影像數(shù)據(jù)存在各種各樣的問(wèn)題，如何通過(guò)算法進(jìn)行解決處理的，對(duì)于算法解決不了的，實(shí)際生產(chǎn)中又是通過(guò)哪些生產(chǎn)方案來(lái)進(jìn)行解決的，這些都讓基于航空攝影測(cè)量的空三加密無(wú)論在理論上還是實(shí)際生產(chǎn)中都有一定的研究?jī)r(jià)值。

本文利用某地區(qū)的數(shù)字航攝相機(jī)(Digital Mapping Camera，DMC)影像數(shù)據(jù)為例，分析吉威公司的集群式影像處理系統(tǒng)(Cluster image processing system，CIPS)系統(tǒng)中的Geoway AAT空三軟件進(jìn)行空三加密的技術(shù)思路，并對(duì)實(shí)際生產(chǎn)過(guò)程中遇到的問(wèn)題提出了處理方法。

1 空中三角測(cè)量數(shù)據(jù)處理流程

航空攝影測(cè)量發(fā)展到今天，已經(jīng)全面進(jìn)入了數(shù)字?jǐn)z影測(cè)量階段，成為主流的作業(yè)方式，但是其數(shù)學(xué)模型仍然是沿用的解析空中三角測(cè)量。采用空中三角測(cè)量方式獲取加密成果比全野外布點(diǎn)大大節(jié)省了外業(yè)工作量，也提高了整體精度，因此它的應(yīng)用也越來(lái)越廣泛和普遍(林君建等，2005)。自1995年出現(xiàn)了自動(dòng)空中三角測(cè)量的攝影測(cè)量系統(tǒng)以來(lái)，各種不同自動(dòng)化程度的自動(dòng)空中三角測(cè)量軟件系統(tǒng)相繼問(wèn)世，有效解決了空三加密問(wèn)題。CIPS系統(tǒng)吉威公司開發(fā)的集群式影像處理系統(tǒng)，其進(jìn)行空三加密的流程如圖1所示。需要經(jīng)歷數(shù)據(jù)準(zhǔn)備、內(nèi)定向、相對(duì)定向、絕對(duì)定向、構(gòu)建區(qū)域網(wǎng)等(趙俊羽，2012)。

2 CIPS中空三關(guān)鍵技術(shù)分析

在數(shù)字?jǐn)z影測(cè)量中，是以影像自動(dòng)匹配代替?zhèn)鹘y(tǒng)人工觀測(cè)來(lái)獲取同名像點(diǎn)的。在實(shí)際生產(chǎn)中，得到精度最好、比較可靠的同名點(diǎn)，對(duì)于相對(duì)定向中的航帶初始構(gòu)網(wǎng)，建立整個(gè)測(cè)區(qū)里航片與航片之間，航帶與航帶之間的連接有著極大的作用。現(xiàn)有的匹配方法主要有特征匹配、灰度匹配以及相位匹配。實(shí)際生產(chǎn)中要求匹配算法對(duì)仿射變換，視角變化以及噪聲能保持一定的穩(wěn)定性。因此匹配算法可以通過(guò)結(jié)合灰度匹配與特征匹配來(lái)提高匹配精度及可靠性。

圖1 CIPS空三流程圖Fig.1 The aerial triangulation in CIPS

在CIPS的空三處理軟件Geoway AAT中，重點(diǎn)步驟在于對(duì)數(shù)據(jù)進(jìn)行初始構(gòu)網(wǎng)(即建立航帶及航帶間相片的位置關(guān)系)，初始構(gòu)網(wǎng)的主要步驟如圖2所示。

圖2 初始構(gòu)網(wǎng)主要步驟Fig.2 Main steps of initial network configuration

(1)建立影像金字塔。將所有的航片數(shù)據(jù)生成為金字塔影像，其基本思想是將原始圖像分解成許多不同空間分辨率的子圖像，高分辨率(尺寸較大)的圖像放在下層，低分辨率(尺寸較小)的圖像放在上層，形成一個(gè)金字塔形狀的影像圖序列(Atallah，2001)。

(2)影像特征點(diǎn)提取。影像特征點(diǎn)提取是使用計(jì)算機(jī)進(jìn)行視覺(jué)和圖像處理中的一個(gè)概念。它指的是使用計(jì)算機(jī)及相關(guān)軟件提取圖像中所包含的信息，決定每個(gè)圖像的點(diǎn)是否屬于同一個(gè)特征。已有的影像特征點(diǎn)提取算法有Moravec算子、Forstner算子、SUSAN算子、Harris算子和SIFT算子等，運(yùn)用較多的有Harris算子和SIFT算子。SIFT匹配算法得出的算子對(duì)影像平移、旋轉(zhuǎn)、縮放、亮度變化等保持不變性，但存在特征點(diǎn)精度不高、特征點(diǎn)分布不均勻、運(yùn)算時(shí)間長(zhǎng)、特征點(diǎn)不明顯的角點(diǎn)等問(wèn)題，而Harris算子對(duì)影像的平移、旋轉(zhuǎn)以噪聲都具有較強(qiáng)的穩(wěn)定性，但不足之處是不具有尺度不變性，其閾值取決于影像的紋理尺寸等信息。因此，在特征點(diǎn)提取過(guò)程中利用Harris角點(diǎn)和SIFT特征點(diǎn)之間互補(bǔ)性提高了其對(duì)旋轉(zhuǎn)，尺度等變化的穩(wěn)定性(Harris et al.，1988;謝萍等，2012)。

(3)影像匹配。影像匹配分為兩個(gè)方面，一是灰度匹配，一般在影像上搜索同名點(diǎn)是一個(gè)二維搜索的過(guò)程，但當(dāng)完成相對(duì)定向后就可以利用同名核線，將二維搜索轉(zhuǎn)化為一維搜索，從而極大地提高運(yùn)算速度?；叶绕ヅ湟话惴譃槎S相關(guān)和一維相關(guān)(江萬(wàn)壽等，2003)。

二維影像相關(guān)時(shí)，先在左影像上確定一個(gè)目標(biāo)點(diǎn)，以此目標(biāo)點(diǎn)為中心選取m×n個(gè)像素的灰度陣列作為一個(gè)目標(biāo)區(qū)，為了在右影像進(jìn)行搜索同名點(diǎn)，需要估算出該同名點(diǎn)可能存在的范圍。建立一個(gè)k×l(k＞m，l＞n)個(gè)像素的灰度陣列作為搜索區(qū)，依次在搜索區(qū)的不同位置選出m×n個(gè)像素灰度陣列作為搜索窗口，計(jì)算其與目標(biāo)區(qū)的相似性測(cè)度(Shamir，2007)。

值得注意的是灰度匹配存在一定的局限性。當(dāng)兩幅影像旋偏角過(guò)大時(shí)，灰度匹配將失去相關(guān)性，不能正確得到兩幅影像的匹配點(diǎn)位置。

第二個(gè)是特征匹配，運(yùn)用第一步生成的金字塔影像進(jìn)行相關(guān)匹配，先通過(guò)降低了分辨率的數(shù)字影像，在大圖像范圍內(nèi)進(jìn)行初相關(guān)匹配，找到同名點(diǎn)的粗略范圍，然后作為預(yù)測(cè)值，逐漸采用生成的較高分辨率影像，在逐漸變小的的搜索區(qū)中進(jìn)行相關(guān)匹配，最后用原始分辨率影像進(jìn)行點(diǎn)相關(guān)匹配。

該匹配方法無(wú)需對(duì)原圖像進(jìn)行復(fù)雜的分析，只需要通過(guò)該算法的多次迭代，就能生成任意大小且與目標(biāo)圖像基本相似的圖像，保存了原始影像的主要結(jié)構(gòu)信息，過(guò)濾了細(xì)節(jié)和噪聲信息，匹配的可靠性較高。這在攝影測(cè)量中對(duì)于匹配的精度、正確率、速度、魯棒性和抗干擾性起到很大的關(guān)鍵作用(全斌等，2010)。

CIPS同時(shí)采用了這兩種匹配方式，提高了匹配的準(zhǔn)確性。

(4)連接點(diǎn)構(gòu)網(wǎng)。影像匹配完畢得到的同名點(diǎn)集合進(jìn)行合并，構(gòu)建同名三角網(wǎng)，建立航帶及航帶間相片的位置關(guān)系，完成初始構(gòu)網(wǎng)。

初始構(gòu)網(wǎng)完成后，所得到的測(cè)區(qū)網(wǎng)型正確與否直接關(guān)系下一步操作流程還是否需要進(jìn)行下去，如果構(gòu)網(wǎng)完成的網(wǎng)型出現(xiàn)問(wèn)題，那么必須要返回初始構(gòu)網(wǎng)這個(gè)環(huán)節(jié)進(jìn)行相關(guān)操作，然后重新構(gòu)網(wǎng)。因?yàn)橄鄬?duì)定向中的初始構(gòu)網(wǎng)，已經(jīng)決定了相片的位置，如果在構(gòu)網(wǎng)時(shí)航帶與航帶或者航片與航片之間匹配錯(cuò)誤，位置關(guān)系出現(xiàn)了嚴(yán)重的偏差，那么后面一系列步驟的將會(huì)在一個(gè)錯(cuò)誤的測(cè)區(qū)航帶網(wǎng)型上進(jìn)行處理操作，那將毫無(wú)意義。

3 試驗(yàn)與處理

使用某地區(qū)的DMC影像數(shù)據(jù)基于吉威公司CIPS系統(tǒng)中的Geoway AAT軟件進(jìn)行空三處理。影像數(shù)據(jù)所含地形比較復(fù)雜，包括海域、高山，為多時(shí)相數(shù)據(jù)(時(shí)相差異較大:數(shù)據(jù)拍攝時(shí)間跨越大，地物變化較大，季節(jié)狀況變化明顯);飛行航向?yàn)闁|西向，且只有GPS數(shù)據(jù)而沒(méi)有IMU數(shù)據(jù)。

對(duì)試驗(yàn)數(shù)據(jù)經(jīng)過(guò)初始構(gòu)網(wǎng)匹配后，一些航帶或者航帶內(nèi)部分照片無(wú)法通過(guò)匹配正確構(gòu)網(wǎng)。圖3為匹配完成后測(cè)區(qū)的點(diǎn)云成果，結(jié)果發(fā)現(xiàn)部分航帶存在網(wǎng)形下陷，上浮或者傾斜的情況，此時(shí)中誤差為 78.1 μ。

針對(duì)航片未入網(wǎng)和網(wǎng)型錯(cuò)亂的情況，必須通過(guò)在與相鄰航片(既已入網(wǎng)航帶航片)之間進(jìn)行刺同名點(diǎn)，使未入網(wǎng)相片入網(wǎng)或者使錯(cuò)亂的網(wǎng)型調(diào)整至正常。經(jīng)過(guò)分析和試驗(yàn)，發(fā)現(xiàn)在航帶首尾刺點(diǎn)只能保證被刺點(diǎn)航片及其周圍部分航片能與周圍航帶進(jìn)行較好的連接匹配，但不能使所有出現(xiàn)錯(cuò)誤匹配的航片調(diào)整至正常網(wǎng)型。通過(guò)反復(fù)試驗(yàn)發(fā)現(xiàn)，只有通過(guò)隔片刺點(diǎn)(10～20張航片視具體情況確定)，特別是該測(cè)區(qū)中有水域、高山或者兩條航帶間時(shí)相相差比較大的航片，需要注意所刺點(diǎn)的準(zhǔn)確性和數(shù)量(5～6個(gè))。再進(jìn)行初始構(gòu)網(wǎng)匹配(匹配時(shí)會(huì)根據(jù)航片上刺上的相關(guān)同名點(diǎn)重新進(jìn)行匹配)，通過(guò)光束法平差剔除一些大的粗差點(diǎn)，進(jìn)行反復(fù)迭代平差計(jì)算調(diào)整網(wǎng)型直到網(wǎng)型平整(圖4，圖5)，測(cè)區(qū)網(wǎng)型整體已經(jīng)在一個(gè)水平面上，上浮下陷或者傾斜的情況已經(jīng)被解決，此時(shí)的中差為3.78 μ。

根據(jù)該生產(chǎn)項(xiàng)目要求，對(duì)試驗(yàn)區(qū)平差中匹配出的像點(diǎn)要求最大殘差不超過(guò)一個(gè)像素(12 μ)，中誤差控制在1/3個(gè)像素(4 μ)左右，本項(xiàng)目的最終處理結(jié)果符合要求。

平差解算達(dá)到該要求后，使用解算出的空三成果進(jìn)行后續(xù)生產(chǎn)操作，最終生成DOM成果圖，與提供的DLG道路線劃畫進(jìn)行套合對(duì)比，成果精度符合要求，圖6為部分截圖效果。

4 結(jié)語(yǔ)

空中三角測(cè)量是生產(chǎn)國(guó)家應(yīng)急救災(zāi)、國(guó)土資源監(jiān)察、數(shù)字城市建設(shè)和新農(nóng)村測(cè)繪等方面所需要的數(shù)字產(chǎn)品之前不可或缺的一道工序。采用數(shù)字化測(cè)繪技術(shù)進(jìn)行測(cè)量工作，能在較短的時(shí)間內(nèi)完成地籍圖測(cè)繪任務(wù)，與傳統(tǒng)的方法相比，具有工作效率高、人力物力消耗少、精度高、便于修改等優(yōu)點(diǎn)。

試驗(yàn)中發(fā)現(xiàn)，文中提及的影像匹配算法對(duì)于影像中多為平坦區(qū)域(無(wú)明顯特征地物)的話，例如水域和田地，匹配出的連接點(diǎn)較少、甚至沒(méi)有，不利于航帶間連接，導(dǎo)致部分航片無(wú)法匹配構(gòu)網(wǎng)，影響測(cè)區(qū)外方位元素和加密點(diǎn)的解算。本文提出的隔片刺點(diǎn)思路有效解決了此類問(wèn)題，同時(shí)節(jié)省了時(shí)間。

江萬(wàn)壽，鄭順義，張祖勛等.2003.航空影像特征匹配研究［J］.武漢大學(xué)學(xué)報(bào):信息科學(xué)版，28(5):510-513.

林君建，蒼桂華.2005.攝影測(cè)量學(xué)［M］.北京:國(guó)防工業(yè)出版社.

全斌，劉仁洋.2010.金字塔影像結(jié)構(gòu)在影像匹配中的應(yīng)用［J］.測(cè)繪通報(bào)，(3):10-12.

謝萍，鄒崢嶸，肖奇.2012.基于Harris角點(diǎn)和SIFT特征的近景影像匹配［J］.測(cè)繪科學(xué)，(4):1009-2307.

趙俊羽.2012.解析空中三角測(cè)量的作業(yè)流程研究［J］.東華理工大學(xué)學(xué)報(bào):自然科學(xué)版，33(2):178-182.

Atallah M J.2001.Faster Image Template Matching in the Sum of the Absolute Value of Differences Measure［J］.IEEE Transactions on Image Processing，10(4):659-663.

Harris C J，StePhens M.1988.A combined Corner and Edge Detector［C］.Proceedings of the Fourth Alvey Vision Conference:147-151.

Shamir L.2007.A Proposed Stereo Matching Algorithm for Noisy Sets of Color Images［J］.Computers ＆ Geosciences，33(8):1052-1063.