光学遥感立体测绘技术综述及发展趋势

朱 红，刘维佳，张爱兵

(1.西安空间无线电技术研究所， 西安710100)

(2.西安电子科技大学综合业务网国家重点实验室， 西安710071)

0 引言

具备立体测图或高程测量能力的卫星称为测绘卫星，其任务是进行立体观测，获取地面目标的几何和物理属性。空间位置信息是地面目标的基本几何属性，在军事和民用领域有广泛的应用。测绘卫星系列包括高分辨率光学立体测绘卫星、干涉雷达卫星和重力卫星等，而采用光学传感器的高分辨率测绘卫星是当前测绘应用的主要数据来源，且光学遥感以其可视性好，技术实现性好而得以迅速发展，因此本文着重对传输型光学卫星测绘技术进行综述。

随着摄影测量技术的发展，传输型光学立体测绘卫星因其可长期在轨运行、快速获取三维地理信息的能力，克服了返回式卫星因受其携带的胶片数量限制而在轨寿命短、获取情报的时效性差和不能直接形成数字影像等不足，已逐渐成为摄影测量卫星发展的主流。传输型三线阵光学成像及摄影测量属于动态摄影，卫星从不同视角多次对同一目标摄像，通过后期影像处理可确定目标的三维空间位置信息。三线阵测绘卫星具有相机几何结构稳定、基高比高、立体影像时间一致、对卫星平台稳定度要求较低等优点，适用于卫星测绘领域。

测绘卫星几何定位精度是评价测绘性能的重要指标。影响卫星几何定位精度的因素涉及相机有效载荷系统、轨道和姿态测量精度，除与自身传感器参数(如分辨率)有关外，还与卫星摄影基线误差、姿态角误差、像点量测误差以及相机的内部参数误差等因素有关。

1 国内外测绘技术发展现状

1.1 国外测绘技术发展现状

随着地理空间信息产业的迅猛发展，测绘卫星获得了广阔的发展空间，国外光学遥感测绘卫星如雨后春笋般涌现出来。为便于观察其发展趋势，在表1中列出了不同时期国外主要的光学遥感测绘卫星的基本参数与性能指标［1］。

从表1可以看出，根据各国科技发展水平的不同，各国测绘卫星性能差异较大。但总体来说，光谱分辨率在不断提高，性能在不断改善。有地面控制点的测绘卫星的测量精度高于无控制点的，但随着技术的不断发展，这一差距在逐渐缩小。

表1 国外光学遥感测绘卫星的基本参数与性能指标

1.2 国内测绘技术发展现状

我国测绘卫星的研制起步较晚，在卫星性能以及星系运作体系上与国际先进水平尚存在一定差距。“北京一号”小卫星于2005年10月27日成功发射，星上载有4 m分辨率的全色相机和32 m分辨率的多光谱相机，具有侧摆成像能力。中国首颗传输型立体测绘卫星——天绘一号于2010年8月24日在酒泉卫星发射中心成功发射，实现了中国传输型立体测绘卫星零的突破。该星搭载了自主创新的线面混合三线阵CCD相机、多光谱相机和2 m分辨率全色相机，有效载荷比高达42%，能够提供地面分辨率5 m的全色影像。中国首颗民用高分辨率传输型立体测绘卫星——资源三号于2012年1月9日在太原卫星发射中心成功发射。资源三号集测绘和资源调查功能于一体，采用三线阵测绘方式，前后视相机的影像地面分辨率优于4 m，正视相机分辨率优于2.5 m，多光谱相机的影像地面分辨率优于8 m［1］。

2 卫星立体测绘技术

2.1 测绘相机与时间同步技术

三线阵测绘相机由具有特定交会角的前视、正视、后视三台独立的CCD扫描相机组成，安装在一体化测绘支架上。当卫星飞行时，在推扫区域内任一个地面点均有三个不同视角观测到的影像，即前视、正视和后视影像，且推扫条带影像相互重叠。前视和后视影像用于测量地面高程，正视影像用于生成地面高分辨率正射影像。采用摄影测量原理对测绘影像进行后期处理，计算目标到摄影时刻卫星所处位置之间的相对距离，结合高精度的轨道测量数据和高精度的时间数据，可以计算出目标地形的高度［2］。

日本陆地观测卫星ALOS是三线阵测绘卫星的代表，星载立体测绘全色遥感器PRISM是目前世界上公开的较先进的三线阵测绘相机。其前(后)视相机与正视相机光轴间的交会角为24°，基高比为1，地面像元的分辨率为2.5 m，设计达到的地物高程测量精度达3 m～5 m。国内学者创造了国际首例的线面阵混合配置三线阵立体测绘相机(LMCCD)测绘体制，以三线阵三视角摄影为主，辅以小面阵成像，解决了三线阵测绘相机动态摄影测量中的航线立体模型扭曲、高程精度差的问题，也解决了传输型光学摄影测量卫星难以实现无地面控制点的高精度摄影测量的问题，使得传输型摄影测量卫星的测绘产品性能达到了参数相当的胶片型框幅式摄影测量卫星的测绘产品水平［3］。

为了实现高精度立体测图，要求测绘相机镜头具有优异的像质和稳定的内方位元素。采用透射式像方准远心光学系统，提高镜头传函、减小镜头畸变、抑制镜头杂光散射可以有效提高镜头成像品质。提高镜头的一阶频率、采用精密热控设计、相机和星敏感器利用一体化支架隔热安装组合形成一个整体，可以提高成像品质的稳定性和内方位元素的稳定性［4］。目前在测绘相机几何指标研究方面已开展了大量工作，建立了较完善的几何指标分析与量化方法［5-6］。

在测绘摄影测量处理中，影像匹配精度直接决定目标定位精度。影像匹配精度与匹配算法和影像质量密切相关。最小二乘影像匹配(LSIM)是摄影测量处理中常用的匹配方法，精度可达到亚像素级［7］。考虑测绘相机的辐射指标对影像匹配精度的影响，需对相机辐射指标如传递函数(MTF)、信噪比(SNR)与辐射畸变(RD)进行量化，建立辐射指标与影像匹配精度之间的关系，以满足测绘任务需求的匹配误差指标［8］。

立体测绘卫星在CCD线阵推扫成像时，因相差几毫秒就有可能产生几米的定位误差，从而降低测绘影像定位精度。因此，为满足测绘任务对相关信息的高时间精度要求，测绘卫星须增设高精度有效载荷时间系统，确保卫星在推扫成像时进行严格的时间同步。使用GPS接收机作为基准时钟源，提供高精度的硬件秒脉冲信号。利用GPS信号的整秒特性，可使接收机在正常工作时的每个整秒时刻都产生一个精度达1 μs的秒脉冲信号。同时，通过总线广播对应上述秒脉冲的GPS整秒时间。当相机进入成像模式时，与测绘任务相关的各信息源，包括三线阵测绘相机、星敏感器、陀螺等，均以此GPS秒脉冲信号作为计时基准，生成各自的高精度时标，最终确保各相关信息的时标和GPS时间之间精确同步(同步精度优于50 μs)［9］。测绘相机可由此精确计算出每一行的成像时刻，并在对应图像行的辅助数据里标出。

2.2 卫星定轨定姿技术

受卫星轨道测量精度和姿态确定精度的影响，利用航天遥感影像对地面目标进行精确定位一般需要地面控制点的参与。虽然利用地面控制点能够提高目标定位的精度，但在一些人员无法到达布设控制点的地区，进行无控制点摄影测量显得格外重要。为完成无控制点目标定位和立体测图的要求，三线阵测绘卫星须满足如下条件:(1)利用三线阵相机完成对地面的推扫成像，形成具有一定视角且相互重叠的三幅航带影像;(2)利用轨道测量设备完成轨道定位测量，为三线阵影像提供3个外方位位置元素;(3)利用星敏感器及其他姿态测量设备完成卫星姿态的测量，为三线阵影像提供3个外方位角元素。在卫星影像中，行积分时刻获取的轨道和姿态参数对应一组独立的外方位元素，可以从卫星影像的辅助数据中读取和计算。

卫星轨道常用的测量设备是GPS接收机，其定位精度优于10 m，速度精度优于0.05 m/s，GPS下传数据经过事后处理可使定位测量精度提高到5 m。当采用双频GPS接收机时，可以同时接收两个频段的微波，事后定位精度可进一步提高到0.2 m［10］。卫星还可安装激光角反射器，用于地面激光测距系统对卫星进行轨道精测，以验证双频GPS的轨道测量结果。

常用的卫星姿态测量设备有红外姿态测量仪、星敏感器、陀螺仪等。红外姿态测量仪主要用于粗定姿，星敏感器和陀螺仪用于精密定姿。在实际应用中，为充分发挥各种方法的优势，通常把多种方法组合起来进行联合定姿。星敏感器是目前卫星姿态测量精度最高的仪器，它能够输出卫星三轴姿态。陀螺仪能够直接测量卫星的角速度，通过时间积分可以输出连续的角度值。可采用星敏感器、陀螺仪数据进行实时相对定姿，还可依靠星敏感器、陀螺仪下传的测量数据进行事后高精度相对定姿。日本ALOS卫星使用星敏感器、陀螺仪和GPS数据共同解算卫星姿态，实时相对定姿精度达1.08″。通过下传星敏感器、陀螺仪和GPS数据，通过事后联合定姿算法将姿态测量精度提高到了0.5″。在高精度轨道和姿态测量的基础上，利用ALOS卫星的三线阵影像及辅助数据，在无控制点情况下的平面、高程定位精度分别达到了15 m和6 m，有控制点条件下的平面、高程定位精度分别达到了5 m和4 m，满足测制1∶2.5×104比例尺地形图的精度要求［11］。

2.3 几何定标与立体测图技术

立体测图对卫星影像数据的几何定位精度要求较高，测绘相机几何技术参数的高精度标定是保证卫星高精度定位的关键因素。因此，需要在地面通过平行光管和高精度二维转台对三线阵测绘相机的内方位元素、畸变，前视、正视和后视相机之间的交会角、视轴平行性等进行高精度几何标定。1∶5×104比例尺测图要求测绘相机内方位元素主点位置的标定精度优于0.2像元、主距标定精度优于20 μm、相机交会角标定精度优于2″。卫星在轨运行期间，受各种空间环境因素(如卫星发射产生的振动、失重、温度和湿度)的变化都会引起相机几何参数的变化［12］，产生影响定位的系统误差［13］，从而直接影响卫星的几何定位精度，因此需要进行在轨几何标定以校正系统误差。通过分析各种误差源对定位误差的影响，根据误差变化的规律分析由影像几何畸变引起的像点量测误差，制定相机在轨几何标定方案。相机在轨几何标定主要包括两部分:(1)对相机的内方位元素进行标定，包括相机的焦距和主点位置;(2)对星敏感器与相机光轴夹角进行标定。

大多数测绘卫星都利用地面高分辨率几何定标场进行在轨影像的辐射、几何定标以及高级产品精度验证［14-15］。卫星发射后，根据影像的地面控制点信息完成系统误差标定，然后利用星敏感器、陀螺仪原始数据以及星图数据开展姿态最优计算，实现卫星姿态的高精度测量。资源三号卫星在地面量测了18个外业控制点坐标，精度优于0.1 m，像点量测精度优于0.5像元。利用其中4个控制点，生成高精度数字正射影像，其余14个控制点作检查点，获得卫星外方位元素标定值，评测卫星有控制点平面精度和高程精度。测试结果表明，卫星无控制点定位精度达25 m，有控制点平面和高程精度分别优于2.28 m和1.6 m［16］。

利用卫星测绘影像进行地表三维信息的提取，首先需要建立传感器成像的数学模型。传感器成像模型的建立是进行摄影测量和立体定位的基础，包括严密模型和非严密模型两大类。严密模型以共线条件方程为基础，考虑成像的物理过程，结合相机的焦距、大气传输模型、卫星姿态变化、卫星的位置以及相机的畸变等物理因素模拟摄影成像的物理过程，然后利用这些物理条件建立成像几何模型。这种方法理论严密，具有较高的定位精度。严密模型依赖于星载轨道和姿态测量装置测得的数据，根据这些数据可改善立体影像外方位元素的测定精度，连同影像像点坐标进行立体影像解析，求解地面目标的三维坐标。

与传感器成像几何无关的、非严密的数学模型用于遥感测绘影像的地面目标定位和摄影测量处理。非严密模型是严密几何成像模型的高精度拟合，用广义函数表示影像坐标和地面坐标之间的变换关系，并不考虑物理成像过程，数学模型形式简单，具有传感器参数保密、辐射模型易用、成像几何模型通用以及影像处理快速等特点。非严密模型主要包括有理多项式函数模型(RFM)［17］和三维仿射变换模型［18］等。通过这些模型对获取的影像数据进行处理，可以重建摄影时的物像关系，进行正射影像纠正、立体测图、数字高程模型(DEM)提取等摄影测量处理。RFM模型在解算RPC时分为与地形有关和与地形无关两种算法。美国的Grodecki用IKONOS影像研究了RFM方法，提出了RFM区域网平差方法，在有地面控制点条件下，能够获得子像元的目标定位精度;在无地面控制点条件下，目标定位精度在10 m之内［19］。

2.4 影像压缩及其质量评价技术

2.4.1 影像压缩技术

测绘卫星成像能力的提高与成像方式的转变导致相应的遥感影像数据规模迅猛增长，当前的传输信道容量远远不能与数据获取的速率相匹配，不得不使用数据压缩的方法来减少数据量。遥感图像具有纹理信息丰富、相关性弱、熵值高和冗余度低的特点，本身就难以压缩。因此，遥感影像压缩的研究主要集中在两个方面:(1)针对遥感影像数据的特点提出一些更为有效的专门压缩算法;(2)通过研究压缩后的重建影像质量的衰减程度探讨现有的压缩方法在遥感领域中的应用潜力。

目前的立体图像压缩技术［20］还远没有达到像一般框幅式图像压缩那样成熟。根据三线阵测绘相机的特点，在同一摄像时刻，前视、正视、后视摄像对应的地物之间相差几百千米，因此获取的立体像对之间只有在特大的影像区域内才存在相关性，不便于使用像间去相关的视差补偿压缩方法。综合压缩算法的复杂度和鲁棒性，目前的卫星立体成像系统仍然使用独立压缩算法压缩各个线阵影像。

按信息的保真度区分，影像压缩包括有损压缩和无损压缩。无损压缩不会对影像造成任何影响，但压缩倍率较低，一般在2倍左右。有损压缩可以提高压缩比，但图像失真会给后续处理带来误差。按去相关方法来分，压缩编码包括预测编码和变换编码。预测编码主要用于无损压缩，一般用因果邻域值来预测当前值，去除数据的空间冗余。典型的预测编码方法是DPCM算法，美国 IKONOS-2卫星就使用了自适应DPCM算法(ADPCM)。根据上下文环境选用固定预测的无损预测编码，比较有代表性是基于中值边缘检测(MED)的 LOCO-I算法［21］。由于 MED简单高效，LOCO-I算法被确定为无损图像压缩标准JPEGLS［22］。另一种是基于梯度自适应预测(GAP)和方向制导预测(EDP)的CALIC算法［23］，以可接受的时间复杂度为代价，获得更好的预测性能和更高的压缩倍率。变换编码是将原始数据变换到另一个更为紧凑的表示空间，将图像信号的能量集中于较少的变换系数上。应用于有损压缩时，变换编码能够获得很高的编码增益，而无损压缩性能却低于较流行的预测编码。应用于压缩的变换方法有Karhunen-Leovey变换(KLT)、基于块离散余弦变换(DCT)以及离散小波变换(DWT)等。虽然KLT具有均方误差意义下的最佳性能，但需预先知道信源的协方差矩阵求解特征值，不利于实际工程应用。DCT具有近似于KLT的正交基底，具有相对于KLT的次优特性和快速算法，从而获得广泛应用，被图像压缩标准JPEG采用。小波图像压缩技术主要体现在有损/无损压缩算法的统一以及自适应的非线性提升分解等。最新的图像压缩标准JPEG2000［24］就采用了小波变换，可以提供从有损到无损的渐进码流。具有代表性的小波图像压缩算法主要 有 EZW［25］、SPIHT［26］和 EBCOT［27］等。 由 于JPEG2000的巨大成功，当前图像压缩编码的研究主要集中于自适应图像特征的小波变换编码方法、非线性逼近方法和一些实用算法［28-29］。近年来，国内测绘卫星则使用了更为高效的基于小波的压缩编码算法，如JPEG-LS和 SPIHT压缩算法［30］。文献［31］提出了一种基于SPIHT编码的混合码率分配三线阵影像压缩方法，对三幅立体测绘影像独立进行SPIHT编码，再统一对三幅影像的内嵌比特平面编码码流进行优化截取，该方法根据三幅影像的实际复杂度，自适应地为每幅影像分配合适的码率，使得三幅影像的整体重建影像质量达到最优。

2.4.2 影像压缩质量评价技术

遥感影像判读与测量工作希望尽量保留星上图像已经获取到的信息。特别是测量领域，立体像对的失真会直接影响到数字地面模型的精度。有损压缩的失真大小与压缩倍率永远是一对矛盾的共同体，如何选取一个折中的有损压缩方案需要经过影像压缩质量评价，以确保立体影像辐射精度和几何精度。遥感影像压缩性能的质量评价不同于对压缩算法的评价(如算法复杂度、压缩速率等)，而是以应用为驱动、以压缩后的影像为评价对象，从主观感知、构像质量和几何质量等方面进行评价［32］，内容涵盖影像特征分析、对比分析、影像综合性评价指标计算、影像匹配精度评价等［33］。影像压缩质量评价的结论是制定测绘卫星星上压缩算法及其压缩比指标的重要参考和理论依据。

影像压缩质量评价主要包括构像质量评价和几何质量评价。其中，构像质量评价又可分为主观评价和客观评价两类。主观评价通过组织一批不同知识背景的观察者，对重构图像按照损伤的程度进行打分，最后对得分进行平均，获得评价结果。主观评价的结果具有相当的不确定性，因此，仅仅依赖主观评价对遥感测绘影像进行质量评价还远远不够［34］。而客观评价方法具有方便的计算模型，可以给出重构图像和原始图像之间相似性的度量，因此获得了广泛应用，已形成了较为完整有效的算法体系。从现有文献看，根据对原始图像的参考程度，图像质量的客观评价可分为三种:全参考型(FR)、部分参考型(RR)和无参考型(NR)三种。全参考模型是指原始图像是已知的，并且认为是没有任何失真的，被用来作为评价失真图像质量的参照。目前大多数图像质量评价算法都属于全参考型，针对影像压缩的质量评价是一种典型的具有全参考模型的质量评价方法，未经压缩的影像可以认为是原始影像。最简单和最常用的全参考模型客观评价方法有均方误差(MSE)和峰值信噪比(PSNR)，它们用重构图像偏离原始图像的误差来衡量图像重构的质量［35］。部分参考模型是介于全参考型和无参考型之间的一种图像质量评价方法。这种方法只利用部分的原始图像的信息来估计失真图像的视觉感知质量。目前视频质量专家组(VQEG)已将其作为未来发展的一个方向。在某些应用领域，部分参考模型图像质量评价方法十分有用。例如，在实时视频通讯系统中，可以通过监控图像质量来控制码流资源，从而满足不同的需要。

伴随着传感器技术和数字图像处理技术的发展，有的卫星遥感测绘应用还提出了对多光谱影像数据的需求，利用多光谱影像有利于提高地形图测制中地物识别的准确度。由于压缩产生的低通滤波作用，可能会对光谱影像的分类细节造成损失。可以利用监督或非监督分类方法评价影像压缩对于分类精度的影响，即在原始影像上进行训练，在压缩影像上进行分类试验，检查并统计压缩后影像的分类结果与原始影像分类结果的差异［36-37］。

从立体测图、定位角度看，更关注的是压缩对于几何精度的影响，因此遥感影像压缩的几何质量评价更为重要。几何质量评价主要包括影像匹配精度评价、自动生成数字表面模型(DSM)/DEM的精度评价和摄影测量点定位精度评价等。主要研究内容包括压缩对于包括内定向、相对定向、影像匹配、DEM等摄影测量应用链路的影响，以及设计最小二乘匹配方法、特征提取、DEM提取以及人工点定位等几何评测试验。利用影像像对匹配算法评价重建影像几何畸变程度，随着压缩比的提高，影像的几何畸变越大，可量测性也随之下降［38-40］。

3 卫星立体测绘技术发展趋势

高分辨率卫星测绘影像少控制点或无控制点的高精度目标定位、立体测图和变化监测已成为国内外的研究热点，发展趋势主要体现在如下方面:(1)发展高空间分辨率、高精度、短重访周期的测绘卫星，保持对地观测数据的持续性和稳定性;(2)发展智能、实时星载数据处理关键技术;(3)发展卫星轨道和姿态的精密测定技术，推动立体测绘的高精度无地面控制点摄影测量能力;(4)研究高精度测绘相机的设计、制造和测试技术;(5)研究实时和事后的高精度几何标定技术;(6)进行测绘卫星数据的应用研究等［1］。

立体测绘影像压缩的研究远未达到成熟的阶段，发展趋势是针对测绘影像特点，研究不同视角影像之间视差估计与补偿的方法，设计专用的测绘影像高效压缩算法，实现联合像间和像内去相关的自适应压缩编码;从实用角度出发，研究实时性好、保真度高的压缩算法;从立体匹配角度出发，研究能更好保证匹配精度和码率分配的高效压缩算法［41］。

全参考模型和部分参考模型评价的共同点是，它们都全部或部分地依靠一个原始的且无失真的图像作为参考。然而在许多情况下，这种原始的无失真的图像很难获得，但即使没有参考图像，人通过观察降质图像仍能评估图像的质量。由于对人类视觉系统(HVS)了解的有限性，大多数现有的无参考模型图像质量评价算法主要集中在度量图像的失真上。由于无参考模型图像质量评价是真正意义上模拟人眼来评价图像质量的方法，它的应用范围也将会非常广，因而是一个是非常有意义的研究方向。

多源遥感影像复合式立体测图和定位［42-43］也是发展趋势之一，利用不同传感器获取的影像构成复合式立体像对进行定位，来代替传统的单类型传感器立体定位技术，同样具有重要意义。

4 结束语

高精度卫星立体测绘拥有广阔的发展前景和应用价值。卫星测绘领域涉及多方面关键技术，国内技术水平与国际技术前沿相比依然有较大的差距，主要体现在传感器研制技术方面存在代差，技术手段相对落后，缺乏对辐射、几何精度的定量化分析和评价能力，还未构建规模化、高可靠性、高处理精度的业务系统。因此，需要加紧攻关卫星测绘关键技术，以逐步形成独立自主的天地一体化测绘遥感技术体系。

［1］ 唐新明，谢俊峰，张 过.测绘卫星技术总体发展和现状［J］.航天返回与遥感，2012，33(2):17-24.Tang Xinming，Xie Junfeng，Zhang Guo.Development and status of mapping satellite technology［J］.Spacecraft Recovery＆ Remote Sensing，2012，33(2):17-24.

［2］ 王任享.三线阵CCD影像卫星摄影测量原理［M］.北京:测绘出版社，2006.Wang Renxiang.Satellite photogrammetric principle for three-line-array CCD imagery［M］.Beijing:Surveying and Mapping Press，2006.

［3］ 王任享.我国无地面控制点摄影测量卫星相机［J］.航天返回与遥感，2008，29(3):6-9.Wang Renxiang.Photogrammetric satellite camera without ground control point in China［J］.Spacecraft Recovery ＆Remote Sensing，2008，29(3):6-9.

［4］ Subrahmanyam D，Kuriakose S，et al.Design and development of the cartosat payload for IRS P5 mission［J］.SPIE，2006，6405(17):1-7.

［5］ 王 智，张立平，李朝辉.三线阵立体测绘相机构像及误差模型的建立［J］.光电工程，2010，37(1):95-100.Wang Zhi，Zhang Liping，Li Zhaohui.Imaging and error model of three-linear tridimensional mapping camera［J］.Opto-Electronic Engineering，2010，37(1):95-100.

［6］ 余俊鹏，孙世君.测绘相机内方位元素在对地定位中的误差传播［J］.航天返回与遥感，2010，31(2):16-22.Yu Junpeng，Sun Shijun.Error propagation of interior orientation elements of surveying camera in ground positioning［J］.Spacecraft Recovery ＆ Remote Sensing，2010，31(2):16-22.

［7］ 张祖勋，张剑清.数字摄影测量学［M］.武汉:武汉大学出版社，2002.Zhang Zuxun，ZhangJianqing. Digitalphotogrammetry［M］.Wuhan:Wuhan University Press，2002.

［8］ 智喜洋，张 伟，侯晴宇，等.影响测绘相机匹配精度的辐射指标量化［J］.光学精密工程，2012，20(2):387-394.Zhi Xiyang，Zhang Wei，Hou Qingyu，et al.Quantification for radiometric specifications impacting on matching accuracy of mapping camera［J］.Optics and Precision Engineering，2012，20(2):387-394.

［9］ 曹海翊，刘希刚，李少辉，等.“资源三号”卫星遥感技术［J］.航天返回与遥感，2012，33(3):7-16.Cao Haiyi，Liu Xigang，Li Shaohui，et al.ZY-3 satellite remote sensing technology［J］.Spacecraft Recovery ＆ Remote Sensing，2012，33(3):7-16.

［10］ 胡 莘，曹喜滨.三线阵立体测绘卫星的测绘精度分析［J］.哈尔滨工业大学学报，2008，40(5):695-699.Hu Xin，Cao Xibin.Analysis on precision of stereo mapping microsatellite using three-line array CCD images［J］.Journal of Harbin Institute of Technology，2008，40(5):695-699.

［11］ Iwata T.Precision attitude and position determination for the advanced Land observing satellite［C］//Proceeding of SPIE on Enabling Sensor and Platform Technologies for Space-borne Remote Sensing，Bellingham:SPIE Press，2005:34-50.

［12］ Mulawa D.On-orbit geometric calibration of the Orbview-3 high resolution imaging satellite［J］.Remote Sensing and Spatial Information Sciences，2004，35(B1):1-6.

［13］ 王新义，高连义，尹 明，等.传输型立体测绘卫星定位误差分析与评估［J］.测绘科学技术学报，2012，29(6):427-429.Wang Xinyi，Gao Lianyi，Yin Ming，et al.Analysis and evaluation of position error of transmission stereo mapping satellite［J］.Journal of Geomatics Science and Technology，2012，29(6):427-429.

［14］ Jacobsen K.Comparison of image orientation by Ikonos，quickbird and orbview-3［C］//Proceedings of European Association of Remote Sensing Laboratories.Rotterdam:EARSel，2007:667-676.

［15］ Kocaman S，Gruen A.Geometric modeling and validation of ALOS/PRISM imagery and products［C/CD］//International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences.Beijing，2008:483-491.

［16］ 李德仁，王 密.“资源三号”卫星在轨几何定标及精度评估［J］.航天返回与遥感，2012，33(3):1-6.Li Deren，Wang Mi.On-orbit geometric calibration and accuracy assessment of ZY-3［J］.Spacecraft Recovery ＆ Remote Sensing，2012，33(3):1-6.

［17］ Kim H，Lee J，Kim Y.RPC model generation from the physical sensor model［C］//Proceedings of SPIE on Sensors，Systems，and Next-qeneration Satellites.［S.l.］:SPIE Press，2004:659-667.

［18］ Fraser C，Yamakawa T.Insights into the affine model for highresolution satellite sensor orientation［J］.Journal of Photogrammetry and Remote Sensing，2004，58(5):275-288.

［19］ Grodecki J，Dial G.Block adjustment of high-resolution satellite images described by rational polynomials［J］.Photogrammetric Engineering and Remote Sensing，2003(69):59-68.

［20］ Kaaniche M，Benazza-benyahia A，Pesquet-popescu B，et al.Vector lifting schemes for stereo image coding［J］.IEEE Transactions on Image Proeessing，2009，18(11):2463-2475.

［21］ Weinberger M，Seroussin G，Sapiro G，et al.The LOCO-I lossless image compression algorithm:principles and standardization into JPEG-LS［J］.IEEE Transactions on Image Processing，2000，9(8):1309-1324.

［22］ JPEG-LS:Lossless and near-lossless coding of continuous tone still images［S］.ISO/IEC JTC1/SC 29/WG 1 FCD 14495，1997.

［23］ Memon N，Wu X.Context-based，adaptive，lossless image coding.IEEE Transactions on Communication，1997，45(4):437-444.

［24］ Taubman D，Marcellin M.JPEG2000:Image compression fundamentals，practice and standards［M］.Massachusetts，USA:Kluwer Academic Publishers，2002.

［25］ Shapiro J M.Embedded image coding using zerotrees of wavelet coefficients［J］.IEEE Transactions on Signal Processing.1993，41(12):3445-3462.

［26］ Said A，Pearlman W A.A new，fast and efficient image codec based on set partitioning in hierarchical trees［J］.IEEE Transactions on Circuits and Systems for Video Technology，1996，6(3):243-250.

［27］ Taubman D.High performance scalable image compression with EBCOT［J］.IEEE Transactions on Image Processing，2000，9(7):1158-1170.

［28］ Pennec E，Mallat S.Image compression with geometrical wavelets［C］//Proceedings of the IEEE International Conference on Image Processing.Vancouver，Canada:IEEE Press，2000:661-664.

［29］ Chuo L，BerndG.Direction adaptive discrete wavelet transform for image compression［J］.IEEE Transactions on Image Processing，2007，16(5):1289-1302.

［30］ 李松明，李 岩，李劲东.“天绘一号”传输型摄影测量与遥感卫星［J］.遥感学报，2012，16(增刊):10-16.Li Songming，Li Yan，Li Jindong.Mapping satellite-1 transmission type photogrammetric and remote sensing satellite［J］.Journal of Remote Sensing，2012，16(supplement):10-16.

［31］ 王 芳.基于SPIHT编码的混合码率分配压缩算法研究与实现［D］.西安:西安电子科技大学，2010.Wang Fang.Study and implementation of mixed bit-rate allocation compression algorithm based on SPIHT［D］.Xi＇an:Xidian University，2010.

［32］ Eskicioglu A M，Fisher P S.Image quality measures and their performance［J］.IEEE Transactions on communications，1995，43(12):2959-2965.

［33］ 翟 亮，唐新明，张 过，等.遥感影像压缩质量评价的研究及应用［J］.武汉大学学报:信息科学版，2009，34(3):289-292.Zhai Liang，Tang Xinming，Zhang Guo，et al.Remote sensing image compression quality assessment and its application［J］.Geomatics and Information Science of Wuhan University，2009，34(3):289-292.

［34］ Eskicioglu A M.Quality measurement for monochrome compressed images in the past 25 years［C］//IEEE International Conference on Acoustics，Speech，and Signal Processing.Istanbul，Turkey:IEEE Press，2000:1907-1910.

［35］ Shi W Z，Zhu C Q，Tian Y，et al.Wavelet based image fusion and quality assessment［J］.International Journal of Applied Earth Observation and Geoinformation，2005，6(3-4):241-251.

［36］ Lau W L，Li Z L，Lam K W K.Effects of JPEG compression on image classification［J］.International Journal of Remote Sensing，2003，24(7):1535-1544.

［37］ Shin F B，Kil D H，Dobeck G J.The impact of lossy image compression on automatic targetrecognition performance［C］//IEEE Conference on Prospects for the 21st Century.Fort Lauderdale，FL:IEEE Press，1996:943-948.

［38］ Shin T Y，Liu J K.Effects of JPEG 2000 compression on automated DSM extraction:evidence from aerial photographs［J］.The Photogrammetric Record，2005，20(112):351-365.

［39］ Maeder A J.Lossy compression effects on digital image matching［C］//14th International Conference on Pattern Recognition，Brisbane，Australia:IEEE Press，1998:1626-1629.

［40］ Robinson C，Fraser C.The effects of image compression on automated DTM generation［C］//Photogrammetric Week.Wichmann Verlag，Heidelberg，Germany:［s.n.］，1995:255-262.

［41］ 李诗高.立体影像压缩方法研究［D］.武汉:武汉大学，2010.Li Shigao.Research on methods of stereo image compression［D］.Wuhan:Wuhan Unibersity，2010.

［42］ Almer A，Strobl D，Raggam J.A combination of SAR and optical line scanner imagery for stereoscopic extraction of 3D data［J］.Journal of Photogrammetry and Remote Sensing，1994，49(4):11-21.

［43］ 邢 帅，徐 青，何 钰，等.多源遥感影像复合式立体定位的研究［J］.武汉大学学报:信息科学版，2009，34(5):522-526.Xing Shuai，Xu Qing，He Yu，et al.Combined stereo location among multisensor remote sensing images［J］.Geomatics and Information Science of Wuhan University，2009，34(5):522-526.