多源異構遙感影像控制點自動採集方法

2023-06-12 20:19:26 2

專利名稱：多源異構遙感影像控制點自動採集方法
技術領域：
本發明涉及一種遙感影像控制點採集方法，更具體而言涉及一種多源異構遙感影像控制點自動採集方法。
背景技術：
隨 著遙感技術的發展，特別是遙感傳感器技術的不斷發展，通過遙感技術所獲得的遙感影像或數據的用途越來越廣。目前，遙感數據的應用範圍已經擴展到社會信息服務領域，例如，廣泛應用於測繪、農業、林業、地質礦產、水文與水資源、環境監測、自然災害、區域分析與規劃、軍事、土地利用等方面。具有精確地理編碼的遙感影像可以為土地、規劃、環保、農業、林業、海洋等不同的領域提供各自需要的地物特徵和信息。在通過衛星或航空平臺等飛行平臺獲取遙感圖像數據或其他數據時，會受到天氣、日光、遮擋等外在因素的影響，同時，在數據採集時飛行平臺的高度、姿態會發生變化，因此，在進行遙感圖像拍攝時往往會造成圖像平移、旋轉、縮放等問題。此外，根據光學成像原理，相機成像時是按照中心投影方式成像的，因此地面上的高低起伏在成像時就會導致投影差的存在。上述因素綜合，會造成遙感影像的誤差，例如傾斜誤差、投影誤差等。因此，在使用這些遙感影像/數據之前需要對所獲得的原始遙感影像進行正射糾正。傳統的遙感影像正射糾正一般包括:首先通過外業測量或者從已有的地形圖資料採集地面控制點(Ground Control Point, GCP)及數字高程模型(Digital ElevationModel, DEM)信息；然後將這些信息導入專業的遙感或者數字攝影測量系統；接下來由加載了 GCP和DEM信息的系統對遙感影像進行正射糾正。所謂正射糾正，就是基於GCP及DEM信息，對在進行航天、航空攝影時，由於無法保證攝影瞬間航攝像機的絕對水平，得到的影像是一個傾斜投影的像片，像片各個部分的比例尺不一致問題進行影像傾斜糾正，同時對光學成像相機中心投影成像的方式，由地面的高低起伏在像片上形成投影差的問題進行投影差的改正，消除各種變形的糾正過程。在遙感影像正射糾正系統的構建中，GCP的獲取是最關鍵的步驟，GCP的精度直接影響校正後結果的幾何精度。傳統的攝影測量中，GCP的獲取是很麻煩的:在像片上選擇明顯的地物點，再到野外通過三角測量或其它大地測量方法來獲取這些點的精確空間位置，由此得到一組控制點對。這種傳統的GCP採集方法，雖然精度較高，但是採集周期長，作業成本高。此外，目前，一些遙感圖像處理軟體，在滿足一定精度的應用要求下，可以從相應比例尺的地圖上量取控制點。但是，通過地形圖資料獲取的GCP存在地形圖現勢性、人工判讀誤差等問題。

發明內容
為了應對常規控制點獲取技術中周期長、應用效率低、可重複利用率低的缺點，本發明提供了一種多源異構遙感影像控制點自動採集方法，該方法包括:從經過幾何精糾正處理的多個數據源獲取遙感影像；對所述獲取的遙感影像進行分析歸納，統計並分析其屬性信息，該屬性信息包括影像格式、影像解析度、坐標系統、成圖比例尺、影像時相；對所述獲取的遙感影像進行優化格網設計，根據影像解析度、幅寬將影像分為不同尺寸的格網；利用Wallis變換對每一個格網內的影像進行預處理；對經Wallis變換處理後的影像進行增強，綜合運用Moravec算子、Harris算子、Forstner算子、SUSAN算子、尺度不變特徵及最穩定極值區域檢測算法提取特徵點；以控制點影像片採集窗口來遍歷統計特徵點的個數，選擇特徵點數量最大的窗口為採集區域；針對所述選擇的採集區域進行遙感控制點影像片的裁切保存，同時獲取其對應區域的數字高程模型數據。通過該方法能夠從多源異構影像自動提取遙感控制影像點，提高了控制數據獲取的效率和精度，為遙感影像的自動化、智能化處理提供了基礎資料。


為了更清楚地說明本發明實施例的技術方案，下面將對實施例的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅涉及本發明的一些實施例，而非對本發明的限制。圖1是根據本發明實施例的遙感影像控制點自動採集方法的流程圖；圖2a和圖2b分別示出了 Wallis變換前的影像和Wallis變換後的影像；圖3是Moravec算子的·示意圖；圖4是尺度空間生成的示意圖；圖5是空間極值點檢測的不意圖；圖6是特徵描述符生成的示意圖；圖7示意性地示出了在極值區域ε的MSER檢測中擬合的橢圓區域；圖8示出了對於示例性圖像的SIFT特徵點描述。
具體實施例方式為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例的附圖，對本發明實施例的技術方案進行清楚、完整地描述。顯然，所描述的實施例是本發明的一部分實施例，而不是全部的實施例。基於所描述的本發明的實施例，本領域普通技術人員在無需創造性勞動的前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。除非另作定義，此處使用的技術術語或者科學術語應當為本發明所屬領域內具有一般技能的人士所理解的通常意義。本發明專利申請說明書以及權利要求書中使用的「第一」、「第二」以及類似的詞語並不表示任何順序、數量或者重要性，而只是用來區分不同的組成部分。同樣，「一個」或者「一」等類似詞語也不表示數量限制，而是表示存在至少一個。根據本發明的實施例，提供了一種多源異構遙感控制點影像片自動採集方法。通過多源異構遙感影像的數據源分析，綜合影像格式、影像解析度、坐標系統、成圖比例尺等屬性信息，構建遙感影像特徵點自動提取和描述算法，利用關鍵點的鄰域像素的梯度模值和方向分布特性，自動採集遙感影像控制點，以解決遙感影像控制點人工採集費時費力、特徵不適合機器匹配且實時性差的問題。根據本發明的技術方案，多源指數據來源於不同的飛行平臺和傳感器；異構指不同的成像方式，如框幅式單中心投影、推掃式多中心投影、雷達成像等；控制點影像片，是指為了滿足多源遙感影像的幾何糾正處理，通過機器自動匹配或者輔之以人工選擇，按照相應的規範要求，從已經經過精確幾何糾正處理的正射影像上裁剪的具有地理坐標信息、紋理信息的影像塊，該影像塊的每個像素都具有地理坐標，都可以作為控制點使用。圖1示出了根據本發明實施例的遙感圖像控制點採集方法的流程。如圖1所示，在 步驟SOI，獲取遙感圖像採集數據，該數據來自於經過幾何精糾正處理的多個數據源，這些數據源例如，航空影像、資源系列衛星影像、SPOT系列衛星影像、雷達衛星影像等。在步驟S02，對在步驟SOl獲取的遙感影像進行分析歸納，統計其影像格式、影像解析度、坐標系統、成圖比例尺、影像時相等屬性信息，從而對原始採集數據(原始影像)進行綜合信息分析具體而言，儘管如前所述用於遙感影像控制點採集的經糾正影像是具有地理坐標的影像，但是，由於生產單位不同、數據源不同(傳感器不同)、時相不同、坐標系信息不同，需要對這些屬性信息進行歸納，並在採集的過程中將這些信息與所採集的控制點影像片相關聯，以便於輸入和更新控制點影像資料庫。在步驟S03，進行優化格網設計，根據影像的解析度、幅寬等信息將影像分為不同尺寸的格網，例如，3X3、5X5或7X7等,從而可以提聞所提取的遙感影像控制點的空間分布的合理性。網格的設計尺寸主要是由具體應用的需求所確定的，一般按照理論要求一般選擇3X3的既可以滿足需求，但是根據測繪數據處理的要求一般會選擇冗餘條件，以便於檢核，如有相關要求即需要選擇大的格網；同時航空影像和航天影像也有不同的要求，一般航空影像處理需要的控制點較多。在步驟S04，利用Wallis變換對每一個格網內的影像進行預處理。Wallis濾波器在計算影像的局部灰度方差和均值時使用平滑算子，所以其可以在增強影像有用信息的同時抑制噪聲，提高影像的信噪比，使影像中存在的模糊的紋理模式得到增強，有利於特徵提取。Wallis變換可以表示為:
權利要求
1.一種多源異構遙感影像控制點自動採集方法，其特徵在於，包括: 從經過幾何精糾正處理的多個數據源獲取遙感影像； 對所述獲取的遙感影像進行分析歸納，統計並分析其屬性信息，該屬性信息包括影像格式、影像解析度、坐標系統、成圖比例尺、影像時相； 對所述獲取的遙感影像進行優化格網設計，根據影像解析度、幅寬將影像分為不同尺寸的格網； 利用Wallis變換對每一個格網內的影像進行預處理； 對經Wallis變換處理後的影像進行增強，綜合運用Moravec算子、Harris算子、Forstner算子、SUSAN算子、尺度不變特徵及最穩定極值區域檢測算法提取特徵點； 以控制點影像片採集窗口來遍歷統計所述特徵點的個數，選擇特徵點數量最大的窗口為採集區域； 針對所述選擇的採集區域進行遙感控制點影像片的裁切保存，同時獲取其對應區域的數字高程模型數據。
2.根據權利要求1所述的影像控制點自動採集方法，其特徵在於，所述數據源包括航空影像、資源系列衛星影像、SPOT系列衛星影像、雷達衛星影像中的一個或多個。
3.根據權利要 求1所述的影像控制點自動採集方法，其特徵在於，所述Wallis變換包括:將數字圖像分為互不重疊矩形區域，每區域的尺度對應於要增強的紋理模式的尺度； 計算每一塊區域的灰度均值和方差； 將灰度均值和方差的目標值分別設定為127和40-70之間的數值； 計算出每一塊所述區域的Wallis變換的乘性常數和加性常數； 由雙線性內插計算所述數字圖像的任一像素的係數，並計算變換後的灰度值。
4.根據權利要求1所述的影像控制點自動採集方法，其特徵在於，所述對經Wallis變換處理後的影像進行增強包括:先利用Moravec算子、Harris算子、Forstner算子、SUSAN算子提取特徵點，然後利用尺度不變特徵變換及最穩定極值區域算法來檢測所提取到的特徵點，記錄特徵點個數，並且利用描述算法對提取出的特徵點進行具體描述。
5.根據權利要求4所述的影像控制點自動採集方法，其特徵在於，所述Moravec算子的計算包括: 計算各格網區域影像的興趣值； 給定一個閾值，將所述計算的興趣值大於該閾值的點作為候選點； 選取所述候選點中的極值點作為特徵點。
6.根據權利要求4所述的影像控制點自動採集方法，其特徵在於，所述Harris算子的計算包括: 求出影像上所有像素點的梯度，即對每個像素點的灰度值進行一階差分運算； 確定一個nXn大小的窗口，生成nXn大小的高斯卷積模板,其中，高斯模板的σ取.0.3-0.9之間的值； 利用生成的高斯模板對所述梯度值進行高斯濾波，並計算強度值； 選取所述強度值的局部極值點為特徵點，如果所述強度值大於閾值0.6，則將該點取為特徵點，並且進行排序保存。
7.根據權利要求4所述的影像控制點自動採集方法，其特徵在於，所述Forstner算子的計算包括: 計算各像素的Robert梯度； 根據所計算的Robert梯度值來計算I X I窗口中灰度的協方差矩陣； 利用所計算的協方差矩陣來計算興趣值； 確定特徵點，其中，如果興趣值大於給定的閾值，則該像素為特徵點。
8.根據權利要求4所述的影像控制點自動採集方法，其特徵在於，所述SUSAN算子的計算包括: 用SUSAN模板在圖像上滑動，將模板內部每個圖像像素點的灰度值分別與模板中心像素的灰度值作比較，計算模板中各點的相似度； 基於所計算的相似度來計算圖像中每一點的USAN區域大小； 基於所計算的USAN區域大小，用角點響應函數來計算角點初始響應； 通過所述USAN區域的質心與所述模板中心的距離去除偽角點； 在去除偽角點後，在通過非極大值抑制來尋找角點。
9.根據權利要求4所述的影像控制點自動採集方法，其特徵在於，所述尺度不變特徵變換包括: 建立尺度空間； 檢測空間極值點作為候選點； 確定關鍵點位置； 去除邊緣響應，刪除不穩定點； 計算所述關鍵點的梯度模及方向；以及 生成特徵描述符來描述所述關鍵點。
10.根據權利要求4所述的影像控制點自動採集方法，其特徵在於，所述最穩定極值區域檢測包括: 檢測圖像中所有的極值區域ε，其中，將所有的像素點按照灰度值進行排列，在將所有像素點排序以後，按照升序或者降序將這些像素點在圖像中標記出來，在標記的過程中，使用union-find算法將一系列不斷增大或者出現的連通區域和它們的面積保存下來，這樣的一系列連通區域就是所述極值區域ε ； 檢測出所述極值區域後，進行擬合將其擬合為一個近似的橢圓區域，然後確定擬合的橢圓區域的重心； 以所述重心的坐標作為虛擬特徵點，利用尺度不變特徵變換算法中的描述方法進行特徵點描述。
全文摘要
一種多源異構遙感影像控制點自動採集方法，包括從經過幾何精糾正處理的多個數據源獲取遙感影像；對所述獲取的遙感影像進行分析歸納，統計並分析其屬性信息；對所述獲取的遙感影像進行優化格網設計，根據影像解析度、幅寬將影像分為不同尺寸的格網；利用Wallis變換對每一個格網內的影像進行預處理；對經Wallis變換處理後的影像進行增強，綜合運用Moravec算子、Harris算子、Forstner算子、SUSAN算子、尺度不變特徵及最穩定極值區域檢測算法提取特徵點；以控制點影像片採集窗口來遍歷統計特徵點的個數，選擇特徵點數量最大的窗口為採集區域；針對所述選擇的採集區域進行遙感控制點影像片的裁切保存，同時獲取其對應區域的數字高程模型數據。
文檔編號G06T5/00GK103218787SQ201310143369
公開日2013年7月24日 申請日期2013年4月23日 優先權日2013年4月23日
發明者唐新明, 王光輝, 王伶俐, 王華斌, 李參海, 樊文峰 申請人:國家測繪地理信息局衛星測繪應用中心