高频次遥感观测影像迭代更新制图方法

1.本发明涉及遥感影像制图处理技术领域，尤其涉及一种高频次遥感观测影像迭代更新制图方法。


背景技术：

2.卫星遥感具有不受国境限制、高分辨率等优势，在军事侦察、国防建设、国土资源、生态环境、应急减灾、海洋监测等领域有重要应用，是各国重点发展的战略高技术之一。目前我国已发射多颗高分系列卫星，包括可见光、红外、多/高光谱、sar等载荷类型，最高分辨率达到亚米级，取得了重要应用成果。下一阶段，随着小成本卫星星座技术的逐渐成熟，利用多源卫星集群拍摄方式，可以在兼顾高分辨率对地观测的情况下，实现1~2天全球区域覆盖。对于重点关注区域，星群遥感数据的重访周期可能达到小时级。
3.相较于现有少量单星的对地观测模式，星群观测模式可以实现关注区域高频次重访，从而极大地提升遥感数据对地面动态信息的感知能力。但是，观测频次的提升将不可避免地增加遥感数据的冗余性，进一步加剧遥感处理应用系统一直以来面临的“数据量大而有效信息少”的矛盾。因此，为了有效发挥星群遥感对地观测的信息获取能力，在降低遥感星群重访周期的同时，需要针对性地提升区域底图生产效率，并高效分析发生变化的有效信息。
4.现有遥感影像制图方法大多针对单次覆盖遥感影像进行处理，为了保证测绘制图质量，需要经过严格的控制点匹配、连接点匹配、区域网平差、多图匀色以及镶嵌羽化等处理步骤，制图时间往往需要几天，甚至几周，而且无法快速给出发生变化的有效区域信息。因此，无法满足未来遥感星群高频次遥感观测影像高效获取地面动态信息的需求。同时，高频次遥感观测影像中包含丰富的动态信息，现有方法无法有效提取和记录变化信息。


技术实现要素：

5.有鉴于此，本发明提供了一种高频次遥感观测影像迭代更新制图方法，以解决现有遥感影像制图方法效率低下且无法有效提取和记录变化信息的技术问题。
6.本发明提供了一种高频次遥感观测影像迭代更新制图方法，包括：获取关注区域的待处理遥感影像，其中，待处理遥感影像是由遥感卫星星群获得的高频次遥感影像；对待处理遥感影像进行初步定位，获取空间位置；根据空间位置，获取已有底图数据，采用离散特征匹配算法提取待处理遥感影像与已有底图数据之间的同名点对；根据同名点对，对待处理遥感影像进行几何校正和辐射校正；采用密集特征匹配算法，度量待处理遥感影像与已有底图数据的特征相似性；对特征相似性进行阈值处理，标记待处理遥感影像与已有底图数据中的变化区域；根据待处理遥感影像，仅对标记为变化区域的已有底图数据进行局部更新。
7.进一步地，对待处理遥感影像进行初步定位，包括：使用待处理遥感影像附带的有理多项式系数文件进行初步定位。
8.进一步地，对待处理遥感影像进行初步定位，具体包括：地，对待处理遥感影像进行初步定位，具体包括：地，对待处理遥感影像进行初步定位，具体包括：地，对待处理遥感影像进行初步定位，具体包括：地，对待处理遥感影像进行初步定位，具体包括：地，对待处理遥感影像进行初步定位，具体包括：地，对待处理遥感影像进行初步定位，具体包括：其中，p、l、h为正则化的地面坐标；x、y表示正则化的像面坐标；lat_off、lat_scale、long_off、long_scale、height_off、heirght_scale分别为地面坐标的正则化参数；samp_off、samp_scale、line_off、line_scale分别为待处理遥感影像坐标的正则化参数；longitude、latitude、height分别表示地面三维坐标经度、纬度和高程；line、sample分别表示待处理遥感影像的像面坐标行和列；num
l
(p,l,h)、den
l
(p,l,h)、nums(p,l,h)、dens(p,l,h)均为一般多项式，分别由有理多项式系数来定义。
9.进一步地，对待处理遥感影像进行几何校正和辐射校正，具体包括：在待处理遥感影像的坐标值与已有底图数据的坐标值之间建立刚体变换模型，采用最小二乘拟合计算刚体变换系数；根据刚体变换系数，对待处理遥感影像进行刚体变换，来实现几何校正；在同名点对的辐射值与已有底图数据的辐射值之间建立线性变换模型，采用最小二乘拟合计算线性变换系数；根据线性变换系数，对待处理遥感影像进行线性变换，来实现辐射校正。
10.进一步地，采用密集特征匹配算法，度量待处理遥感影像与已有底图数据的特征相似性，具体包括：按照地理坐标信息，提取辐射校正后的待处理遥感影像与已有底图数据的共同区域，分别记为第一共同区域和第二共同区域；分别将第一共同区域和第二共同区域划分为相等大小的多个网格区域，在每个网格区域内提取一个特征描述子，其中，每个特征描述子由4个种子点进行描述，每个种子点包含8个梯度方向信息；分别对第一共同区域和第二共同区域中的对应网格区域的特征描述子进行相似性度量，得到每个网格区域的特征相似性。
11.进一步地，在每个网格区域内提取一个特征描述子，包括分别针对第一共同区域
和第二共同区域中的每个网格区域，执行以下操作：在每个网格区域，以中心点作为特征点，取8
×
8邻域像素区域生成特征描述子，其中，每个邻域像素包含梯度方向和梯度幅值信息；为每个邻域像素赋予相同的描述贡献权重；根据梯度方向、梯度幅值信息和描述贡献权重，以每4
×
4个像素为一个子区域，以形成4个子区域，统计每个子区域内的8个梯度方向的特征直方图，形成一个种子点，使特征描述子包含4个种子点，每个种子点包含8个梯度方向的特征信息，形成36维的特征向量。
12.进一步地，每个网格区域的特征相似性根据以下公式来计算：地，每个网格区域的特征相似性根据以下公式来计算：地，每个网格区域的特征相似性根据以下公式来计算：其中，si为辐射校正后的待处理遥感影像中的第i个网格区域的特征描述子；s
i, j
为si中的第j维特征向量，j=1,2,
…
,36；ri为辐射校正后的已有底图数据的第i个网格区域的特征描述子；r
i, j
为ri中的第j维特征向量，j=1,2,
…
,36；d(si, ri)表示待处理遥感影像与已有底图数据中的第i个网格区域的特征相似性。
13.进一步地，对特征相似性进行阈值处理，包括分别针对待处理遥感影像和已有底图数据中的每个网格区域的特征相似性，执行以下操作：预设固定阈值，判断特征相似性是否大于固定阈值，如果是，则将特征相似性对应的网格区域标记为1，否则标记为0，得到初始变化信息模板。
14.进一步地，得到初始变化信息模板之后，还包括：对初始变化信息模板进行形态学膨胀处理，得到变化信息模板，输出记录变化区域信息的面矢量文件。
15.进一步地，仅对标记为变化区域的已有底图数据进行局部更新，还包括：在已有底图数据中标记为变化区域的区域边沿，进行灰度值羽化过渡处理。
16.与现有技术相比，本发明提供的高频次遥感观测影像迭代更新制图方法，至少具有以下有益效果：（1）对待处理遥感影像与已有底图数据进行相似性度量，分析待处理遥感影像所包含的变化信息，仅对发生变化区域，利用待处理遥感影像更新底图数据，在保证底图数据包含信息实效性的同时，有效降低高时频影像的更新耗时；（2）在完成观测区域底图高效更新的同时，通过面矢量数据给出变化区域信息，形成一种新的适用于高频次遥感观测影像制图的产品形式，便于记录和分析观测区域的变化信息。
附图说明
17.通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和优点将更为清楚，在附图中：图1示意性示出了根据本发明实施例的高频次遥感观测影像迭代更新制图方法的流程图；
图2示意性示出了根据本发明实施例的高频次遥感观测影像迭代更新制图方法的操作流程图；图3示意性示出了根据本发明实施例的几何校正和辐射校正的操作流程图；图4示意性示出了根据本发明实施例的特征相似性计算的操作流程图；图5示意性示出了根据本发明实施例的特征描述子提取的操作流程图；图6示意性示出了根据本发明实施例的特征描述子提取过程的原理图。
具体实施方式
18.为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
19.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
20.在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
21.图1示意性示出了根据本发明实施例的高频次遥感观测影像迭代更新制图方法的流程图。图2示意性示出了根据本发明实施例的高频次遥感观测影像迭代更新制图方法的操作流程图。
22.结合图1和图2，根据该实施例的高频次遥感观测影像迭代更新制图方法，可以包括操作s110~操作s160。
23.在操作s110，获取关注区域的待处理遥感影像，其中，待处理遥感影像是由遥感卫星星群获得的高频次遥感影像。
24.在操作s120，对待处理遥感影像进行初步定位，获取空间位置。
25.本发明实施例中，可以利用遥感数据对应的姿态、轨道等信息通过严密几何模型进行初步定位，也可以使用待处理遥感影像附带的有理多项式系数（rational polynomial coefficient，rpc）文件，对待处理遥感影像进行初步定位。
26.以rpc文件进行初步定位为例，假设待处理遥感影像的尺寸为w
×
h，其中，w为影像数据的列数，h为影像数据的行数。
27.rpc文件包含的有理多项式系数用于确定待处理遥感影像的像面坐标(line, sample)与地面三维坐标(longitude, latitude, height)的关系。
28.其中，p、l、h为正则化的地面坐标；x、y表示正则化的像面坐标；num
l
(p,l,h)、den
l
(p,l,h)、nums(p,l,h)、dens(p,l,h)均为一般多项式，分别由有理多项式系数来定义，最高不超过3次。
29.具体地，num
l
(p,l,h)、den
l
(p,l,h)、nums(p,l,h)、dens(p,l,h)定义如下：(p,l,h)定义如下：(p,l,h)定义如下：(p,l,h)定义如下：式中，an,bn,cn,dn均为rpc文件参数，n=1,2,
…
,20。
30.进一步地，上述变量p、l、h、x、y定义如下：进一步地，上述变量p、l、h、x、y定义如下：进一步地，上述变量p、l、h、x、y定义如下：进一步地，上述变量p、l、h、x、y定义如下：进一步地，上述变量p、l、h、x、y定义如下：其中，lat_off、lat_scale、long_off、long_scale、height_off、heirght_scale分
别为地面坐标的正则化参数；samp_off、samp_scale、line_off、line_scale分别为待处理遥感影像坐标的正则化参数；longitude、latitude、height分别表示地面三维坐标经度、纬度和高程；line、sample分别表示待处理遥感影像的像面坐标行和列。
31.接着，利用待处理遥感影像四角点的像面坐标，即可获得该待处理遥感影像在地理空间的覆盖范围，从而得到对应的空间位置。
32.具体来说，待处理遥感影像四角点像面坐标分别为：左上角(line0=0，sample0=0)，左下角(line1=h，sample1=0)，右上角(line2=w，sample2=0)，右下角(line3=h，sample3=w)。通过rpc文件系数，计算得到待处理遥感影像四角点地理空间坐标分别为：左上角(p0，l0)，左下角(p1，l1)，右上角(p2，l2)，右下角(p3，l3)。
33.在操作s130，根据空间位置，获取已有底图数据，采用离散特征匹配算法，提取待处理遥感影像与已有底图数据之间的同名点对。
34.对于高频次更新遥感观测影像，待处理遥感影像与持续迭代更新的底图数据具有较强的一致性，可以采用高效的离散特征匹配算法，提取待处理遥感影像与已有底图数据之间的同名点对。
35.该离散特征匹配算法具体可以为尺度不变特征变换（scale invariant feature transform，sift）匹配算法。具体地，采用sift匹配算法分别在待处理遥感影像与已有底图数据上提取sift特征，然后比较这两处sift特征的相似性，得到待处理遥感影像与已有底图数据之间的同名点对。
36.在操作s140，根据同名点对，对待处理遥感影像进行几何校正和辐射校正。
37.本发明实施例中，利用同名点对信息进行几何和辐射校正。图3示意性示出了根据本发明实施例的几何校正和辐射校正的操作流程图。
38.如图3所示，进一步地，对待处理遥感影像进行几何校正和辐射校正，可以包括操作s141~操作s144。
39.在操作s141，在待处理遥感影像的坐标值与已有底图数据的坐标值之间建立刚体变换模型，采用最小二乘拟合计算刚体变换系数。
40.基于提取的同名点对信息，可以采用刚体变换模型进行待处理遥感影像的几何校正。具体地，在待处理遥感影像的坐标(xs, ys)与已有底图数据的坐标(xr, yr)之间建立刚体变换模型如下：体变换模型如下：其中，a1、b1、a2、b2为刚体变换系数。将同名点对的坐标值代入上述刚体变换模型公式，通过最小二乘拟合得到这些刚体变换系数。
41.在操作s142，根据刚体变换系数，对待处理遥感影像进行刚体变换，来实现几何校正。
42.利用得到的刚体变换系数，对待处理遥感影像的坐标值进行刚体变换，即可实现其几何校正。
43.在操作s143，在同名点对的辐射值与已有底图数据的辐射值之间建立线性变换模型，采用最小二乘拟合计算线性变换系数。
44.基于提取的同名点对信息可以采用线性校正法进行待处理遥感影像辐射校正。具体地，在待处理遥感影像的辐射值dns与已有底图数据的辐射值dnr之间建立线性变换模型如下：其中，m和n为线性变换系数。将同名点对的辐射值代入上述线性变换模型公式，通过最小二乘拟合得到这些线性变换系数。
45.在操作s144，根据线性变换系数，对待处理遥感影像进行线性变换，来实现辐射校正。
46.利用得到的线性变换系数，对待处理遥感影像的辐射值进行线性变换，即可实现其辐射校正。
47.在操作s150，采用密集特征匹配算法，度量待处理遥感影像与已有底图数据的特征相似性。
48.本发明实施例中，密集特征匹配算法具体可以为改进的sift匹配算法，以下具体说明该改进的sift匹配算法的操作流程。
49.图4示意性示出了根据本发明实施例的特征相似性计算的操作流程图。
50.如图4所示，进一步地，采用密集特征匹配算法，度量待处理遥感影像与已有底图数据的特征相似性，可以包括操作s151~操作s153。
51.在操作s151，按照地理坐标信息，提取辐射校正后的待处理遥感影像与已有底图数据的共同区域，分别记为第一共同区域和第二共同区域。
52.在操作s152，分别将第一共同区域和第二共同区域划分为相等大小的多个网格区域，在每个网格区域内提取一个特征描述子，其中，每个特征描述子由4个种子点进行描述，每个种子点包含8个梯度方向信息。
53.本发明实施例基于改进的sift匹配算法，提出了一种改进的sift特征描述子。
54.图5示意性示出了根据本发明实施例的特征描述子提取的操作流程图。图6示意性示出了根据本发明实施例的特征描述子提取过程的原理图。
55.具体来说，如图5和图6所示，在每个网格区域内提取一个特征描述子，可以包括分别针对第一共同区域和第二共同区域中的每个网格区域，执行以下操作s1521~操作s1523。
56.在操作s1521，在每个网格区域，以中心点作为特征点，取8
×
8邻域像素区域生成特征描述子，其中，每个邻域像素包含梯度方向和梯度幅值信息。
57.请参阅图6，左图中每个小格代表了特征点邻域内的一个像素，格中的箭头方向代表了该邻域像素的梯度方向，长度代表邻域像素的梯度幅值。
58.在操作s1522，为每个邻域像素赋予相同的描述贡献权重。
59.需要说明的是，经典的sift特征描述子会突出中心特征点权重，对梯度幅值进行高斯加权，距离特征点越近的采样点加权系数越高，对特征向量的贡献越大。而在本发明实施例中，每个网格区域内的各个邻域像素对特征描述子的描述贡献权重是相同的，可以更好地体现各个邻域像素区域的变化信息。
60.在操作s1523，根据梯度方向、梯度幅值信息和描述贡献权重，以每4
×
4个像素为一个子区域，以形成4个子区域，统计每个子区域内的8个梯度方向的特征直方图，形成一个
种子点，使该特征描述子包含4个种子点，每个种子点包含8个梯度方向的特征信息，形成36维的特征向量。
61.请继续参阅图6，以每4
×
4个像素组成一个子区域，由于原始的8
×
8邻域像素区域包含4个这样的子区域，也即形成4个子区域，每个子区域包含16个像素。
62.接着，统计每个子区域内的8个梯度方向的特征直方图，形成一个种子点，形成一个种子点。由此，该特征描述子包含4个种子点，每个种子点包含8个梯度方向的特征信息，进而形成的特征描述子是一个36维的特征向量，即可获得每个网格区域的完整结构描述。
63.在操作s153，分别对第一共同区域和第二共同区域中的对应网格区域的特征描述子进行相似性度量，得到每个网格区域的特征相似性。
64.具体地，将辐射校正后的待处理遥感影像和已有底图数据中提取的中的第i个网格区域的特征描述子分别记为si和ri，则si和ri均为36维的特征向量，则有：均为36维的特征向量，则有：均为36维的特征向量，则有：其中，s
i, j
为si中的第j维特征向量，j=1,2,
…
,36；r
i, j
为ri中的第j维特征向量，j=1,2,
…
,36；d(si, ri)表示待处理遥感影像与已有底图数据中的第i个网格区域的特征相似性。
65.对于无变化区域，对应的网格区域的特征相似性为0，而变化强度越大，其对应的网格区域的特征相似性越大。
66.在操作s160，对特征相似性进行阈值处理，标记待处理遥感影像与已有底图数据中的变化区域。
67.本发明实施例中，对特征相似性进行阈值处理，包括分别针对待处理遥感影像和已有底图数据中的每个网格区域的特征相似性，执行以下操作：预设固定阈值td，判断特征相似性是否大于固定阈值td，如果是，则将特征相似性对应的网格区域标记为1，否则标记为0，得到初始变化信息模板m0。
68.在得到初始变化信息模板之后，为了保证变化区域更新的完整性，还可以包括：对初始变化信息模板m0进行形态学膨胀处理，得到变化信息模板m1，输出记录变化区域信息的面矢量文件。
69.通过面矢量文件记录变化区域（即对应的已有底图数据中应更新数据区域），并记录待处理遥感影像的获取时间、更新遥感影像对应标准产品编号等相关信息。
70.在操作s170，根据待处理遥感影像，仅对标记为变化区域的已有底图数据进行局部更新。
71.最后，利用变化信息模板m1，仅对标记为变化区域的已有底图数据使用待处理遥感影像进行局部更新，得到包含最新遥感观测数据的区域底图数据。
72.进一步地，根据处理需求，可以选择在已有底图数据中标记为变化区域的区域边沿，进行灰度值羽化过渡处理。
73.通过本发明的实施例，面对未来遥感卫星星群对地观测频次不断提升的发展趋势，提出一种高频次遥感观测影像迭代更新制图方法，通过离散特征匹配算法获得同名点对，进行待处理遥感影像的几何校正和辐射校正；利用改进的sift匹配算法度量待处理遥感影像与已有底图数据的相似性；通过面矢量文件记录变化区域的相关信息，并仅针对已有底图数据的变化区域进行局部更新处理，实现变化信息的迭代更新，提升遥感星座高频次观测数据制图效率。
74.从以上的描述中，可以看出，本发明上述的实施例至少实现了以下技术效果：（1）对待处理遥感影像与已有底图数据进行相似性度量，分析待处理遥感影像所包含的变化信息，仅对发生变化区域，利用待处理遥感影像更新底图数据，在保证底图数据包含信息实效性的同时，有效降低高时频影像的更新耗时；（2）在完成观测区域底图高效更新的同时，通过面矢量数据给出变化区域信息，形成一种新的适用于高频次遥感观测影像制图的产品形式，便于记录和分析观测区域的变化信息。
75.附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
76.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个、三个等，除非另有明确具体的限定。此外，位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。
77.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。