單景衛(wèi)星遙感影像目標運動信息提取技術(shù)

趙世湖，尹 丹，竇顯輝，郭 莉

1.國家測繪地理信息局衛(wèi)星測繪應(yīng)用中心，北京101300；2.北京大學地球與空間科學學院，北京100871

1 引 言

近年來，高分辨率衛(wèi)星遙感成像與應(yīng)用技術(shù)飛速發(fā)展。自20世紀70年代美國發(fā)射80m空間分辨率的地球觀測衛(wèi)星Landsat－1以來，衛(wèi)星遙感影像的空間分辨率一直不斷提高，如今，WorldView、GeoEye等衛(wèi)星已實現(xiàn)亞米級空間分辨率遙感影像獲取。2012年1月，我國成功發(fā)射資源三號測繪衛(wèi)星，空間分辨率達到2.1m，實現(xiàn)了我國高分辨率民用立體測繪衛(wèi)星零的突破。高分辨率衛(wèi)星遙感成像為遙感影像應(yīng)用與信息提取提供了更豐富的數(shù)據(jù)源。遙感成像模型的不斷完善也為衛(wèi)星遙感影像處理和地理空間信息的提取奠定了理論基礎(chǔ)；基于高分辨率衛(wèi)星遙感影像的運動目標的檢測與運動信息提取是衛(wèi)星遙感應(yīng)用的重要方面［1－2］。

傳統(tǒng)的航空航天遙感成像都被視為靜止成像，即一景影像近似是同一時刻拍攝，在一景遙感影像內(nèi)目標地物的空間、時間、光譜等屬性保持不變［3］。大量研究利用高分辨率衛(wèi)星遙感影像開展運動目標識別與運動信息檢測，并廣泛應(yīng)用于民用和軍事領(lǐng)域［4－10］。利用光學遙感成像方法檢測運動目標速度的方法主要有以下兩種基本方式：一是利用兩臺或多臺遙感器在兩個或多個攝站點、在一定時間內(nèi)獲取運動目標影像；二是利用一臺遙感器在兩個或多個攝站點、在一定時間內(nèi)獲得兩次或多次運動目標影像，進而提取目標運動信息。上述方法都是利用兩景或多景遙感影像中運動目標的差異，通過復(fù)雜的特征匹配和變化檢測方法，來提取目標運動信息。一方面增加了遙感影像數(shù)據(jù)獲取的難度和所需遙感影像的數(shù)據(jù)量，另一方面增加了目標運動信息提取的復(fù)雜性［11－15］。

隨著衛(wèi)星遙感影像的分辨率不斷提高，運動目標在極短的成像時間（例如資源三號衛(wèi)星多光譜影像行積分成像時間約為0.000 8s）發(fā)生的微小空間位移將導致影像空間、光譜屬性的變化，即動態(tài)遙感成像的時空移變成像［14－16］。相關(guān)研究表明，利用兩景或多景成像時間間隔很短的航空航天遙感影像，不僅可實現(xiàn)對運動目標的提取，而且可以提取目標的運動信息［17］。相關(guān)文獻利用QuickBird衛(wèi)星同一景的全色和多光譜影像，提取運動目標的速度信息，而不是利用多景遙感影像或者立體像對［4］。該方法雖減少了提取運動目標所需的遙感影像數(shù)量及獲取難度，但其思路仍是采用精化的幾何成像模型，在地面控制點輔助條件下，經(jīng)過復(fù)雜坐標系轉(zhuǎn)換，計算得到運動目標在地心坐標系下的地理坐標，進而求解目標運動的絕對距離與運動速度。

2 基于單景衛(wèi)星影像的目標運動信息提取原理

2.1 多波段線陣推掃成像影像數(shù)據(jù)

衛(wèi)星遙感成像普遍采用線陣CCD推掃成像方式。以資源三號測繪衛(wèi)星多光譜成像傳感為例，藍（band1）、綠（band2）、紅（band3）、近紅外（band4）。四波段成像傳感器相互平行布設(shè)在成像焦平面內(nèi)，間距分別是152個像素、128個像素和128個像素，如圖1所示。在衛(wèi)星推掃成像過程中，每個波段對同一目標地物的成像存在微小的時間間隔，為目標運動信息提取提供了可能。

2.2 運動目標成像的時空移變特性

光學遙感數(shù)字成像是對地物時間和空間信息的動態(tài)記錄，其信息記錄能力有限，且包含了復(fù)雜的時間和空間信息轉(zhuǎn)換問題［18］。數(shù)字遙感成像系統(tǒng)是嚴格意義的時空移變系統(tǒng)，由光電積分過程中的物像移動、多CCD拼接的多中心投影以及多傳感器曝光時間不同步等都導致時空移變效應(yīng)的信息混淆［19－22］。

圖1 資源三號衛(wèi)星多光譜傳感器布設(shè)示意圖Fig.1 ZY－3multi－spectral sensor’s arrangement

以一維運動情況為例，如圖2所示。S0、S1、S2為3個攝站點，成像時刻分別為t0、t1、t2。band1和band2兩個波段間距為d，遙感器平臺運動速度為Vs，目標運動速度為Va。

圖2 運動目標遙感成像的時空移變特性原理Fig.2 Moving target’s space variant principle in remote sensing imaging

在t0時刻，band1傳感器對地物目標成像，若地物目標靜止，則在t1時刻，band2傳感器對同一地物目標成像，兩波段成像時間間隔為t1－t0；若地物目標運動速度為Va，則在t2時刻，band2傳感器對同一地物目標成像，兩波段成像時間間隔為t2－t0。因此，目標與遙感器平臺的相對運動，引起同一運動目標在兩波段影像上微小位置差異S。在精確獲取微小位置差異S和微小成像時間間隔t2－t0的情況下，可以計算得到目標的運動速度Va＝S／（t2－t0）。

3 時空移變成像模型與目標運動信息求解

基于單景衛(wèi)星遙感影像的目標運動信息提取，要解決兩個方面的問題：一是對運動目標的精確識別；二是遙感成像對運動目標成像的時間－空間移變成像模型的建立與微小位置、時間間隔的精確計算。本文研究重點在于第2個方面。

3.1 衛(wèi)星成像時空移變參數(shù)

3.1.1 衛(wèi)星遙感成像涉及的坐標系

圖3表示衛(wèi)星線陣推掃成像示意圖。在WGS－84地球固定參考坐標系O－XearthYearthZearth下，線陣CCD影像像主點M的星下點為M′，成像點為N；衛(wèi)星平臺的側(cè)擺角為φ；衛(wèi)星平臺的俯仰角為θ；運動目標點（例如飛機）的高程為h；衛(wèi)星距橢球面距離為H；橢球面點與地心的距離為R；衛(wèi)星遙感器攝站點坐標為（Xs，Ys，Zs），運行速度為Vs；運動目標點坐標為（Xa，Ya，Za），運行速度為Va。

圖3 衛(wèi)星線陣CCD推掃成像幾何關(guān)系示意圖Fig.3 Geometric schematic of satellite linear scanning imaging

3.1.2 衛(wèi)星成像傳感器與成像積分時間參數(shù)

衛(wèi)星成像傳感器一般采用多線陣CCD推掃成像方式，線陣CCD傳感器的基本參數(shù)包括像元尺寸δ以及像元數(shù)N。多線陣CCD推掃成像嚴格記錄了起始行的成像時間，成像傳感器具有固定的掃描頻率f。由此可推知CCD線陣推掃成像每行影像的成像時間ti。

3.1.3 衛(wèi)星運行位置、速度與姿態(tài)參數(shù)

衛(wèi)星平臺的位置、速度與姿態(tài)參數(shù)在衛(wèi)星數(shù)據(jù)的輔助文件中進行周期性記錄，可以通過適當?shù)牟逯捣椒ㄓ嬎愕玫紺CD線陣傳感器每行影像成像時刻的衛(wèi)星平臺位置、速度和姿態(tài)信息。

3.2 時空移變成像模型與精確解算

3.2.1 線陣推掃成像時變參數(shù)精確求解

線陣推掃成像的時變參數(shù)是建立線陣CCD時空移變成像模型的基礎(chǔ)，必須準確獲取線陣CCD傳感器對目標地物的掃描成像時間。根據(jù)線陣CCD推掃式成像原理，第i行影像成像時間可表示為

式中，t0是起始行的成像時間；T是每一行的積分時間。

以資源三號衛(wèi)星為例，多光譜各波段傳感器對同一目標地物成像時間差可表示為

式中，t0＿band1為band1影像的起始成像時間；t0＿band2是band2影像的起始成像時間；i為目標物在band1影像中的所在行；j為目標物在band2影像中的所在行。

3.2.2 線陣推掃成像空變參數(shù)精確求解

線陣推掃成像的空變參數(shù)主要表現(xiàn)為遙感影像空間采樣距離（ground sample distance，GSD）。衛(wèi)星平臺的內(nèi)外方位元素極大的影響遙感器對地觀測的地面分辨率Gsd，必須精確求解衛(wèi)星遙感器在沿軌和垂軌方向上Gsd。

在沿軌方向上，如圖4所示，Si和Si＋1分別代表第i行和第i＋1行成像時的攝站點位置；Ve是衛(wèi)星平臺飛行速度Vs在成像面上投影的速度；He是衛(wèi)星遙感器攝站點與成像面的垂直距離；θ是第i行成像時遙感器在沿軌方向的俯仰角（pitch）；θ＋dθ是第i＋1行成像時遙感器在沿軌方向的俯仰角；Δt是第i行和第i＋1行成像的時間間隔。衛(wèi)星線陣推掃成像方式的每行影像掃描成像時間很短，例如資源三號測繪衛(wèi)星多光譜傳感器每行掃描成像時間一般為0.000 8s。因此，衛(wèi)星平臺可視為勻速直線運動且衛(wèi)星姿態(tài)dθ變化很小。

根據(jù)圖3衛(wèi)星成像示意圖，衛(wèi)星遙感器攝站點與成像面的垂直距離He可表示為

由此，推掃成像在沿軌方向上的分辨率Gsdy可表示為

圖4 沿軌向GSD幾何關(guān)系Fig.4 GSD geometry in along－track direction

在dθ很小的情況下，上式可化簡為

式中

線陣CCD傳感器在垂軌方向上的分辨率，如圖5所示。CCD像元尺寸為δ；φ是成像時的衛(wèi)星遙感器的側(cè)視角；Φ是成像方向與主光軸的夾角；光學系統(tǒng)成像焦距為f。焦距f在S－YZ平面的投影SM′為fcosθcosφ。

圖5 垂軌向GSD幾何關(guān)系Fig.5 GSD geometry in across－track direction

垂軌方向上的分辨率Gsdx可表示為

在dΦm很小的情況下，式（7）可化簡為

3.2.3 目標運動速度與方向解算

在不同波段兩幅影像精確配準后，如圖6所示。目標物點在不同波段影像上的坐標分別為（x＿band1，y＿band1）、（x＿band2，y＿band2），可以計算得到運動目標在不同波段影像上像平面位置差異sx和sy，通過線陣推掃成像地面分辨率參數(shù)，計算實際地面距離。可表示為

圖6 運動目標像面距離示意圖Fig.6 Moving target’s geometric schematic in image plane

運動目標在掃描成像時間差內(nèi)運動的距離為

根據(jù)不同波段影像上同一目標成像時間差Δt，獲得目標的運動速度Va和方向α。

4 目標運動信息提取試驗與分析

4.1 資源三號衛(wèi)星多光譜影像數(shù)據(jù)與輔助參數(shù)信息

本文采用資源三號測繪衛(wèi)星一景多光譜影像數(shù)據(jù)，在該景影像內(nèi)有兩架高速飛行的飛機經(jīng)過，在多光譜影像中的成像效果如圖7所示，兩架飛機分別命名為airplane＿A和airplane＿B。其中，3個飛機影像分別是該景影像紅、綠、藍波段掃描成像時間內(nèi)所獲取的飛機影像。

資源三號衛(wèi)星多光譜成像傳感器參數(shù)如表1所示。

根據(jù)該景遙感影像的輔助參數(shù)，經(jīng)插值后得到在該景影像中目標飛機所在掃描行成像時刻的衛(wèi)星平臺在 WGS－84坐標下的位置（Xs，Ys，Zs）、速度（Vsx，Vsx，Vsx）以及在本體坐標系坐標下的姿態(tài)（俯仰角pitch、橫滾角roll、旋偏角yaw）數(shù)據(jù)如表2所列。

兩架飛機airplane＿A和airplane＿B經(jīng)人工精確選取飛機機頭特征點在各波段影像中的位置行列數(shù)如表3所示。

表1 資源三號衛(wèi)星多光譜成像傳感器基本參數(shù)Tab.1 Multi－spectral sensor’s parameters

圖7 資源三號測繪衛(wèi)星多光譜影像數(shù)據(jù)Fig.7 ZY3’s multi－spectral remote sensing image

表2 衛(wèi)星平臺的位置、速度和姿態(tài)數(shù)據(jù)Tab.2 ZY3platform’s position，velocity and attitude

表3 運動目標（飛機）點在各譜段影像中的影像坐標Tab.3 Target’s coordinates in different spectral images

4.2 運動信息提取試驗與結(jié)果分析

充分利用airplane＿A和airplane＿B的飛機機型、飛行高度、飛行速度等不同的特點，本文分別開展了兩架飛機的運動信息提取的試驗，從兩個方面驗證了所建立的時空移變成像模型的有效性以及運動信息提取算法的穩(wěn)定性。一是分別將所提取的airplane＿A和airplane＿B運動信息與相應(yīng)機型的飛行技術(shù)指標相比較，計算所提取的飛行速度與理論飛行速度的誤差，驗證本文所提出模型及算法的有效性；二是通過衛(wèi)星影像不同波段之間所提取的airplane＿A和airplane＿B運動信息進行相互比較，計算所提取各個飛行速度結(jié)果的均方根誤差，驗證本文所提出模型及算法的穩(wěn)定性。具體試驗結(jié)果如下：

由于飛機的準確飛行高度未知，根據(jù)規(guī)定民航飛機巡航高度在8000m至12 000m之間，與遙感衛(wèi)星的軌道高度（約480km）相比甚小，因此，不妨假設(shè)airplane＿A和airplane＿B的飛行高度分別為12 000m和9000m。依據(jù)衛(wèi)星成像時空移變成像模型，由band1與band2、band2與band3、band3與band4分別計算得到airplane＿A和airplane＿B的飛行速度平均值為1210km／h和770km／h，如表4所示。

從影像上估算，airplane＿A和airplane＿B機型長度約為60m和40m。根據(jù)飛機機型尺寸參數(shù)判斷［23］，airplane＿A和airplane＿B可能為空客A330和空客A320。根據(jù)空客飛機技術(shù)指標參數(shù)可知，空客A330和A320機型的巡航速度（相對于風速）約為920km／h和850km／h。由于無法獲取該景影像獲取時刻飛機所在位置風速的準確數(shù)值，因此，由本文提取的飛機速度結(jié)果無法進行準確衡量。但與上述飛機的巡航速度相比，通過本方法提取的airplane＿A和airplane＿B飛機速度平均值（見表4）的誤差分別約為30%和90%。在不考慮飛機飛行狀態(tài)瞬時風速環(huán)境影響條件下，所提取的飛機運動信息與飛機額定巡航速度基本吻合。

表4 飛機運動信息提取結(jié)果Tab.4 Results of airplanes’moving information extraction

通過對衛(wèi)星影像band1與band2、band2與band3、band3與band4等4個譜段間時空移變特性差異所提取的飛行運動信息結(jié)果（見表4）進行相互比較驗證，所提取的airplane＿A和airplane＿B飛行速度的均方根誤差分別為49.805 1km／h和43.099 0km／h，約為airplane＿A和airplane＿B飛機飛行速度平均值的4%和5%，證明本文所建立的時空移變成像模型與運動信息提取算法的穩(wěn)定性。

5 結(jié) 論

本文建立了高分辨率衛(wèi)星遙感成像時空移變成像模型，提出了一種基于單景衛(wèi)星影像的目標運動信息提取方法，并在資源三號多光譜成像中開展了飛機運動信息提取驗證試驗。所提取的兩架飛機飛行速度分別為1210km／h和770km／h，與相應(yīng)飛機機型的巡航速度相比，所提取的airplane＿A飛機速度誤差約為30%，airplane＿B飛機速度誤差約為9%；通過各譜段間影像時空移變特性差異提取的airplane＿A和airplane＿B飛行速度的均方根誤差分別為49.805 1km／h和43.099 0km／h，約為airplane＿A和airplane＿B飛機飛行速度平均值的4%和5%。在無法準確獲知飛機飛行時的飛行高度、風速等參數(shù)情況下，上述試驗結(jié)果基本驗證了基于單景衛(wèi)星影像提取速度信息的有效性和穩(wěn)定性。隨著衛(wèi)星影像地面分辨率的不斷提高，本研究成果將可進一步用于更小尺度的運動目標（例如汽車、火車等）的檢測與運動信息提取。

［1］ LI Deren，LI Qingquan，YANG Bisheng.Techniques of GIS，GPS and RS for the Development of Intelligent Transportation［J］.Geomatics and Information Science of Wuhan University，2008，33（4）：331－336.（李德仁，李清泉，楊必勝.3S技術(shù)與智能交通［J］.武漢大學學報：信息科學版，2008，33（4）：331－336.）

［2］ GONG Peng，LI Xia，XU Bing.Interpretation Theory and Application Method Development for Information Extraction from High Resolution Remotely Sensed Data［J］.Journal of Remote Sensing，2006，10（1）：1－5.（宮鵬，黎夏，徐冰.高分辨率影像解譯理論與應(yīng)用方法中的一些研究問題［J］.遙感學報，2006，10（1）：1－5.）

［3］ CHENG Liang，GONG Jianya，SONG Xiaogang，et al.A Method for Affine Invariant Feature Extraction with High Quality for Wide Baseline Stero Image Matching［J］.Acta Geodaetica et Cartographica Sinica，2008，37（1）：77－82.（程亮，龔健雅，宋小剛，等.面向?qū)捇€立體影像匹配的高質(zhì)量仿射變換不變特征提取方法［J］.測繪學報，2008，37（1）：77－82.）

［4］ EASSON G，DELOZIER S，MOMM H G.Estimating Speed and Direction of Small Dynamic Targets through Optical Satellite Imaging［J］.Remote Sensing，2010，2（5）：1331－1347.

［5］ ZHANG Y，HONG G.A Wavelet Integrated Image Fusion Approach for Target Detection in Very High Resolution Satellite Imagery［C］∥Proceedings of SPIE Signal Processing，Sensor Fusion and Target Recognition.［S.l.］：SPIE，2005.

［6］ YAMAZAKI F，LIU Wen，VU T T.Speed Detection for Moving Objects from Digital Aerial Camera and Quickbird Sensors［C］∥Proceedings of the 5th International Workshop on Remote Sensing Applications to Natural Hazards.Washington DC：［s.n.］，2007.

［7］ GERHARDINGER A，EHRLICH D，PESARESI M.Vehicle Detection from Very High Resolution Satellite Imagery［J］.The International Archives of Photogrammetric ＆Remote Sensing Spatial Information Science，2005，36（3）：83－88.

［8］ JIN X，DAVIS C H.Vehicle Detection from High－resolution Satellite Imagery Using Morphological Shared－weight Neural Networks［J］.Image and Vision Computing，2007，25（9）：1422－1431.

［9］ LEITLOFF J，HINZ S，STILLA U.Vehicle Detection in Very High Resolution Satellite Images of City Areas［J］.IEEE Transactions on Geoscience and Remote Sensing，2010，48（7）：2795－2806.

［10］ LIU W，YAMAZAKI F，VU T M.Automated Vehicle Extraction and Speed Determination from Quickbird Satellite Images［J］.Selected Topics in Appliced Earth Observations and Remote Sensing，2011，4（1）：75－82.

［11］ VOLLMERHAUSEN R H，DRIGGERS R G，WILSON D L.Predicting Range Performance of Sampled Imagers by Treating Aliased Signal as Target－dependent Noise［J］.Journal of the Optical Society of America A，2008，25（8）：2055－2065.

［12］ GONG Peng.Some Frontiers of Remote Sensing Science and Technology［J］.Journal of Remote Sensing，2009，13（1）：13－24.（宮鵬.遙感科學與技術(shù)中的一些前沿問題［J］.遙感學報，2009，13（1）：13－24.）

［13］ TAO Xiaoping，F(xiàn)ENG Huajun，LEI Hua，et al.A Splicing Method of Sectioned Restoration Algorithm for Images with Space－variant Point Spread Function［J］.Acta Optica Sinica，2009，29（3）：648－654.（陶小平，馮華君，雷華，等.一種空間變化PSF圖像分塊復(fù)原的拼接方法［J］.光學學報，2009，29（3）：648－654.）

［14］ ZHANG Chunsen.3DMotion Object Location Tracking Based on Binocular Sequence Images［J］.Acta Geodaetica et.Cartographica Sinica.2006，35（4）：347－354.（張春森.雙目序列影像3維運動物體定位跟蹤［J］.測繪學報，2006，35（4）：347－352.）

［15］ ZHANG Ka，SHENG Yehua，YE Chun.Digital Closerange Stereo Image Matching Based on Digital Parallax Model and Improved SIFT Feature［J］.Acta Geodaetica et Cartographica Sinica，2010，39（6）：624－630.（張卡，盛業(yè)華，葉春.基于數(shù)字視差模型和改進SIFT特征的數(shù)字近景立 體影像 匹 配 ［J］.測 繪 學 報，2010，39（6）：624－630.）

［16］ VOLLERHAUSEN R H.Representing the Observer in Electro－optical Target Acquisition Models［J］.Optics Express，2009，17（20）：17253－17268.

［17］ ZHANG Y，XIONG Z.Moving Vehicle Detection Using a Single Set of Quickbird Imaging［C］∥Proceedings of ISPRS Commission VII Mid－term Symposium：Remote Sensing：From Pixels to Processes.Enschede：ISPRS，2006.

［18］ ZHAO Shihu，YIN Dan.Simulation and Analysis of Digital Remote Sensing Camera’s Space Variant Effect［J］.Geography and Geo－Information Science.2013，29（4）：122－129.（趙世湖，尹丹.光學遙感數(shù)字成像系統(tǒng)空間移變效應(yīng)仿真與分析［J］.地理與地理信息科學，2013，29（4）：122－129.）

［19］ VOLLERHAUSEN R H，REAGO J D A，DRIGGERS R G.Analysis and Evaluation of Sampled Imaging Systems［M］.Washington：SPIE Press，2010.

［20］ BHAKTA V R，SOMAYAJI M J，CHRISTENSEN M P.Applications of the Phase Transfer Function of Digital Incoherent Imaging Systems［J］.Applied Optics，2012，51（4）：17－26.

［21］ ZHANG Y Y，WANG X W，WANG C X.Restoration of Space－variant Blurred Image Based on Motion－blurred Target Segmentation［J］.Journal of Systems Engineering and Electronics，2010，21（2）：191－196.

［22］ QI Huaichuan，HUANG Qiaolin，HU Yongli.The Study about the Means of Simulation for the Motion Blurred of Space Optical Remote Sensing［J］.Spacecraft Recovery ＆Remote Sensing，2010，31（2）：51－57.（齊懷川，黃巧林，胡永力.空間光學遙感運動模糊仿真方法研究［J］.航天返回與遙感，2010，31（2）：51－57.）

［23］ WIKIPEDIA.Airbus A330and Airbus A320［EB／OL］.2012－10－20［2012－10－12］.http：∥en.wikipedia.org／wiki／Airbus＿A330.