一种基于精确点位预测模型的遥感影像密集匹配方法
【专利摘要】本发明涉及一种基于精确点位预测模型的遥感影像密集匹配方法，属于遥感测量【技术领域】。本发明首先提取影像特征点作为初始匹配同名点；提取待匹配影像的特征点Pi；利用仿射变换模型和初始匹配同名点对所提取的待匹配特征点Pi进行同名点预测，以及相关系数匹配，得到的Pi同名点，并将得到同名点作为下一层加密匹配的已知点，重复特征点提取、点位预测和相关系数匹配过程，进行逐层加密匹配，直至获取满足需要的匹配点数量。本发明所采用的逐层加密匹配以及精确点位预测机制能够有效解决火星表面影像密集匹配的问题，且随着加密匹配过程中同名点的逐渐增多，点位预测精度逐步提高，最终可达到1～3个像素的高精度点位预测结果。
【专利说明】一种基于精确点位预测模型的遥感影像密集匹配方法
【技术领域】
[0001] 本发明涉及一种基于精确点位预测模型的遥感影像密集匹配方法，属于遥感测量
【技术领域】。
【背景技术】
[0002] 火星地形测绘是开展火星科学研究的基础，火星探测任务实施以来，与地形测绘 相关的火星探测任务主要有海盗号火星探测器、火星全球勘测者轨道探测器、火星快车探 测器、火星侦察轨道器。相比其它火星探测器，火星快车携带的高分辨率立体测绘相机 (High Resolution Stereo Camera, HRSC)采用三线阵原理，可构成同轨立体，在影像分辨 率及全球覆盖性方面具有优势。
[0003] 目前国内行星测绘的研究对象主要集中在月球。王任享对月球三线阵C⑶影像 EFP光束法平差进行了研究与实践。李春来等人研究了嫦娥一号三线阵CCD数据摄影测量 处理及全月球数字地形图生成技术。周杨等人研究了大数据量月面形貌的三维可视化方 法。赵双明等人研究了立体影像与激光高度计数据的不一致性。赵葆常等人介绍了嫦娥二 号卫星CCD立体相机设计方法。崔平远等人在研究火星精确着陆制导问题的基础上，分析 了火星好奇号探测器的着陆精度及着陆区地形。
【发明内容】
[0004] 本发明的目的是提供一种基于精确点位预测模型的遥感影像密集匹配方法，以有 效解决火星表面影像密集匹配的问题。
[0005] 本发明为解决上述技术问题而提供一种基于精确点位预测模型的遥感影像密集 匹配方法，该密集匹配方法包括以下步骤：
[0006] 1)基于严密几何模型对HRSC影像进行近似核线重采样；
[0007] 2)对重采样后的HRSC影像利用SURF算法提取影像特征点作为初始匹配同名点；
[0008] 3)将得到的初始匹配同名点作为已知点进行第一次加密匹配，提取待匹配影像的 特征点Pi ;
[0009] 4)利用仿射变换模型对所提取的待匹配特征点Pi进行同名点预测，并确定搜索窗 口范围；
[0010] 5)以预测点为中心，在预测点搜索窗口范围内计算各点与待匹配特征点Pi的相关 系数，从而确定待匹配特征点Pi的同名点；
[0011] 6)将得到同名点作为下一层加密匹配的已知点，重复步骤3)至步骤5)的特征 点提取、点位预测和相关系数匹配过程，进行逐层加密匹配，直至获取满足需要的匹配点数 量，或者影像中已经不能再提取出特征点。
[0012] 所述步骤3)是采用用Shi-Tomasi算子进行特征点提取的。
[0013] 所述步骤4)中的仿射变换模型为：
[0014] X2 - 1
[0015] y2 = b〇+b1x1+b2y1
[0016] 其中（Xp yj为待匹配点坐标，（x2, y2)是同名点预测坐标,和b2为 模型参数。
[0017] 所述步骤4)中同名点的预测过程为：
[0018] a.对待匹配的特征点Pi以设定的搜索半径为步长从已知点中搜索与Pi邻近的η 个占.
[0019] b.利用得到的η个点按照最小二乘原理解算仿射变换模型中模型参数；
[0020] c.根据解算后的模型参数计算仿射变换模型中的同名点预测坐标，从而确定同名 点预测值。
[0021] 所述步骤4)中搜索窗口的范围由邻近已知点与待匹配特征点Pi的距离以及核 线、地形约束条件设定。
[0022] 所述步骤a是采用KD树算法对邻近已知点进行搜索。
[0023] 所述步骤1)中基于严密几何模型构建过程如下：
[0024] A.利用GDAL开源图像处理库将HRSC Level2级PDS格式影像数据转换为TIFF格 式；
[0025] B.利用SPICE库获取HRSC相机的焦距、像元大小、像元位置参数；
[0026] C.将HRSC原始PDS格式数据导入ISIS系统，导出扫描行时间文件；
[0027] D.利用SPICE库及卫星影像扫描行时文件获取每一扫描行的位置、姿态数据；
[0028] E.利用获取的相机几何参数、位置、姿态等信息构建HRSC影像严密几何模型。
[0029] 所述步骤6)中当影像中已经不能在提取出特征点时，可在待匹配影像上按照一 定的格网间距选择一个特征相对明显的像点作为待匹配点，并对获取的待匹配点进行点位 预测、相关系数匹配以获取密集匹配点。
[0030] 本发明的有益效果是：本发明根据火星表面影像匹配纹理稀疏和地形连续的特点 提出了一种基于精确点位预测模型的密集匹配方法，该方法首先HRSC影像利用SURF算法 提取影像特征点作为初始匹配同名点；将得到的初始匹配同名点作为已知点进行第一次加 密匹配，提取待匹配影像的特征点Pi ;利用仿射变换模型对所提取的待匹配特征点Pi进行 同名点预测，以及相关系数匹配，并将得到同名点作为下一层加密匹配的已知点，重复特征 点提取、点位预测和相关系数匹配过程，进行逐层加密匹配，直至获取满足需要的匹配点数 量，或者影像中已经不能再提取出特征点。并以火星快车HRSC影像对本发明进行了验证， 结果表明本发明所采用的逐层加密匹配以及精确点位预测机制能够有效解决火星表面影 像密集匹配的问题，且随着加密匹配过程中同名点的逐渐增多，点位预测精度逐步提高，最 终可达到1?3个像素的高精度点位预测结果，在此基础上利用相关系数沿核线匹配可快 速、精确命中同名点。
【专利附图】
【附图说明】
[0031] 图1是HRSC相机(XD排列示意图；
[0032] 图2是利用SPICE库获取HRSC外方位元素示意图；
[0033] 图3是同名点位精确预测示意图；
[0034] 图4是本发明基于精确点位预测模型的遥感影像密集匹配方法的流程图；
[0035] 图5是基于KD数的邻近已知点搜索及点位预测效率变化示意图；
[0036] 图6-a是H3304轨影像匹配示意图；
[0037] 图6-b是H3304轨影像DEM结果示意图；
[0038] 图6-c是H8433轨影像匹配示意图；
[0039] 图6-d是H8433轨影像DEM结果示意图；
[0040] 图7-a是H9465轨影像匹配示意图；
[0041] 图7-b是H9465轨影像DEM结果示意图；
[0042] 图8-a是H5273轨影像采用本发明匹配方法后提取DEM结果示意图；
[0043] 图8-b是H5273轨影像欧空局提取DEM结果示意图；
[0044] 图8-c是本发明D0M与DEM叠加效果示意图；
[0045] 图9-a是D0M量测点示意图；
[0046] 图9-b是DEM量测点示意图；
[0047] 图9-c是本发明与欧空局的D0M结果对比图；
[0048] 图9-d是本发明与欧空局的DEM结果对比图。
【具体实施方式】
[0049] 下面结合附图对本发明的【具体实施方式】作进一步的说明。
[0050] 火星快车是欧洲的首个火星探测任务，搭载的HRSC相机影像分辨率达10m，且影 像数据已经基本覆盖火星全球。HRSC相机C⑶像素数为5184,焦距为175mm，影像辐射分辨 率为12位，可同时获取9个波段线阵影像，即5个全色波段和4个多光谱波段，其全色影像 分辨率高于多光谱影像，通过融合处理可以获取高分辨率多光谱影像，相机焦平面排列如 图1所示。
[0051] 卫星影像严密几何模型构建是后序摄影测量处理的基础，火星快车HRSC影像严 密几何模型构建方法如下：
[0052] 步骤1利用GDAL (开源图像处理库）将HRSC Level2级PDS格式影像数据转换为 TIFF格式；
[0053] 步骤2利用SPICE库获取HRSC相机的焦距、像元大小、像元位置等参数；
[0054] 步骤3将HRSC原始PDS格式数据导入ISIS系统，导出扫描行时间文件；
[0055] 步骤4利用SPICE库及卫星影像扫描行时文件获取每一扫描行的位置、姿态数 据；
[0056] 步骤5利用获取的相机几何参数、位置、姿态等信息构建HRSC影像严密几何模型。
[0057] 图2是利用SPICE库获取HRSC影像外方位元素的示意图，时间转换为J2000历书 时，摄影测量物方坐标系转换至火星地固坐标系，HRSC影像严密几何模型公式如下 ：
[0058]
【权利要求】
1. 一种基于精确点位预测模型的遥感影像密集匹配方法，其特征在于，该密集匹配方 法包括以下步骤： 1) 基于严密几何模型对HRSC影像进行近似核线重采样； 2) 对重采样后的HRSC影像利用SURF算法提取影像特征点作为初始匹配同名点； 3) 将得到的初始匹配同名点作为已知点进行第一次加密匹配，提取待匹配影像的特征 点Pi ; 4) 利用仿射变换模型对所提取的待匹配特征点Pi进行同名点预测，并确定搜索窗口范 围； 5) 以预测点为中心，在预测点搜索窗口范围内计算各点与待匹配特征点Pi的相关系 数，从而确定待匹配特征点Pi的同名点； 6) 将得到同名点作为下一层加密匹配的已知点，重复步骤3)至步骤5)的特征点提取、 点位预测和相关系数匹配过程，进行逐层加密匹配，直至获取满足需要的匹配点数量，或者 影像中已经不能再提取出特征点。
2. 根据权利要求1所述的基于精确点位预测模型的遥感影像密集匹配方法，其特征在 于，所述步骤3)是采用用Shi-Tomasi算子进行特征点提取的。
3. 根据权利要求2所述的基于精确点位预测模型的遥感影像密集匹配方法，其特征在 于，所述步骤4)中的仿射变换模型为： Χ2 一 a0~*~aiXl~*~a2y 1 y2 = bo+biXi+b^! 其中（Xi，yj为待匹配点坐标，（x2, y2)是同名点预测坐标，aQ、&1、a2、b。、h和b 2为模 型参数。
4. 根据权利要求3所述的基于精确点位预测模型的遥感影像密集匹配方法，其特征在 于，所述步骤4)中同名点的预测过程为： a. 对待匹配的特征点Pi以设定的搜索半径为步长从已知点中搜索与？1邻近的η个点； b. 利用得到的η个点按照最小二乘原理解算仿射变换模型中模型参数； c. 根据解算后的模型参数计算仿射变换模型中的同名点预测坐标，从而确定同名点预 测值。
5. 根据权利要求4所述的基于精确点位预测模型的遥感影像密集匹配方法，其特征在 于，所述步骤4)中搜索窗口的范围由邻近已知点与待匹配特征点Pi的距离以及核线、地形 约束条件设定。
6. 根据权利要求4所述的基于精确点位预测模型的遥感影像密集匹配方法，其特征在 于，所述步骤a是采用KD树算法对邻近已知点进行搜索。
7. 根据权利要求1所述的基于精确点位预测模型的遥感影像密集匹配方法，其特征在 于，所述步骤1)中基于严密几何模型构建过程如下： A. 利用GDAL开源图像处理库将HRSC Level2级PDS格式影像数据转换为TIFF格式； B. 利用SPICE库获取HRSC相机的焦距、像元大小、像元位置参数； C. 将HRSC原始PDS格式数据导入ISIS系统，导出扫描行时间文件； D. 利用SPICE库及卫星影像扫描行时文件获取每一扫描行的位置、姿态数据； E. 利用获取的相机几何参数、位置、姿态等信息构建HRSC影像严密几何模型。
8.根据权利要求1-7中任一项所述的基于精确点位预测模型的遥感影像密集匹配方 法，其特征在于，所述步骤6)中当影像中已经不能在提取出特征点时，可在待匹配影像上 按照一定的格网间距选择一个特征相对明显的像点作为待匹配点，并对获取的待匹配点进 行点位预测、相关系数匹配以获取密集匹配点。
【文档编号】G06T7/00GK104299228SQ201410489873
【公开日】2015年1月21日 申请日期:2014年9月23日 优先权日:2014年9月23日
【发明者】耿迅, 徐青, 邢帅, 李鹏程, 王栋, 侯晓芬, 葛忠孝, 蓝朝桢, 张军军, 候一凡, 夏琴 申请人:中国人民解放军信息工程大学