基于有理函数模型多源遥感数据网络服务设计

方 辰

(武汉大学测绘遥感信息工程国家重点实验室，湖北武汉 430079)

在多源遥感卫星影像源的支持下，研究人员能进行大范围的土地利用的自动、半自动调查［1］，使用可靠性更高的影像自动分类算法，综合利用不同数据源优势获得准确的影像分类结果［2－5］。而将其集成为多源网络服务数据，建立网络信息服务系统，便是对这一优势的应用。

但多源数据来自不同渠道或服务商，其产品数字几何模型精度参差不齐［6］，校正方法不尽相同，且产品的平台数字模型、时相、分辨率均有不同。因此，要求有通用的方法来保证多源遥感数据精度的可靠性和一致性，论文针对这些问题设计了以下策略:首先使用基于小波变换的快速匹配方法来生成不同源数据相对同一参考数据的匹配点，在此基础上自动且可靠地建立不同比例尺遥感数据的精度一致的通用成像模型。与此同时，使用可缩放矢量数据(SVG)格式［7］和异步脚本语言(Ajax)在客户端对遥感数据进行加载，渲染和更新，并能在不同分辨率数据源间进行无缝缩放漫游。实验部分，本文将验证所提出的模型自动流程能在多种数据源上获得可靠且稳定的精度;同时矢量数据格式使得后台数据能基于开源协议分块异地存储在空间数据库或者缓存中，在实现客户端实时渲染的同时也简化了后台数据库的建立和维护。

1 多源遥感数据通用模型生成

1.1 基于小波变换的多尺度特征匹配

二维影像可看作二维信号的一种表示:令S(x，y)为二维空间的平滑函数，Ψ1(x，y)，Ψ2(x，y)分别为其在x，y方向上的偏导数

式(1)中，给出的平滑函数和小波变换是文献［8］给出的常见定义。在二维信号处理中令。则对信号f(x，y)，其二维小波变换可以分解到两个独立的方向

理论上，式(2)中的这两个分量等同于信号f(x，y)在尺度经平滑函数S(x，y)处理后在x，y方向上的梯度，则在对应尺度下梯度向量的模和幅角可分别表示为

根据式(4)和式(5)，按方向断面检测法，严格在梯度最大模值的垂直方向提取边缘特征，同时还需要避免影像噪声的影响，以往研究表明模值与幅角之间满足［8－11］

式(5)中T为Lipschits［7］指数，用以说明边缘的奇异程度，根据式(5)在3个尺度上对同一待确定边缘点模的极大值，即可估算出T。同时，式(5)表明，只有在T＞0时，才表明该特征连续。实际算法中，可设定一个经验阈值t，当T＞t时，认定该点为边缘点。

小波变换中低频部分能很好的保留影像原有信息［8］，因此其特征提取过程能够很好的应对目标影像与参考影像在比例尺上的差异。设计实际算法时，可先进行一次粗匹配过程，可对得到的特征使用相关系数度量得到像素级的匹配结果。再进行小波重建得到原始影像，建立合适的误差模型进行最小二乘匹配，最终得到可靠的高精度匹配点对结果。

1.2 建立精度一致的有理函数模型

建立传感器成像模型的目的是恢复成像瞬间像面坐标与三维空间点之间的函数关系。其中，有理函数模型因通用性强、替代精度高、鲁棒性强而得到广泛应用［6］。

数学意义上的有理函数模型是指两个普通多项式的商。对多源遥感数据的成像模型构建，这里特指将中心化后的像点坐标(r，c)分别用中心化后地面点的空间坐标(X，Y，Z)来表示，如式(7)所示。

式(7)aijk，bijk，cijk，dijk为多项式系数，也称为为有理函数模型，当(i+j+k)＞3 时，aijk，bijk，cijk，dijk均为 0，每个地面坐标分量的最高阶均不超过3次。

使用上述策略获得的一定数量的匹配控制点，即可进行线性展开的最小二乘解算［6］，在策略实际应用时，需先对流程中得到的匹配点进行筛选，保证特征明显且均匀分布。在最小二乘解算过程中，为了避免求解时法方程系数矩阵的稀疏引起病态解，可使用逐点法化法［12－13］，当且仅当控制信息条件较差时，可在法方程系数矩阵的主对角线上添加岭估计参数［6］进行有偏估计，得到RFM参数，再使用Ransac对匹配得到的控制点中的粗差进行剔除。

1.3 统一模型建立实现算法流程

根据以上分析，针对多源遥感数据，为使其成为网络服务的可靠数据来源，其自动的优化处理算法流程为(1)获取数据源，并在某一来源影像辐射质量较差，对其进行相对辐射校正，选择数据库中精度最高的作为参考数据。(2)多尺度小波变换，获取特征后基于相关系数进行粗匹配。(3)在粗匹配基础上，建立误差模型进行最小二乘匹配。(4)解算有理函数成像模型，并计算匹配点残差，剔除粗差，若控制点残差大于阈值，对模型进行修正。(5)获取通用成像模型。实际处理流程如图1所示。

2 基于矢量格式的Web服务实现

2.1 后台多源遥感影像数据层设计

在建立了多源数据的成像模型后，这些数据成为合格的网络服务数据来源。由于多源遥感数据数据体量量大，细节重现要求高的特殊性，就其需要在服务器上保留原始影像的栅格数据，还要将其转换成方便在客户端进行展示的矢量数据信息，同时还必须能支持基本的空间索引操作。常用数据库产品难以满足这些要求。Oracle Spatial是Oracle数据库的选件，提供高级空间功能用于支持地理空间应用程序及Web服务［10］，是一个优秀的基础框架。因此，借助Oracle Spatial的优势，给出专门的空间数据库设计方案。空间数据库的基本设计需要包括:(1)元数据视图。元数据表存储空间数据的数据表名称，空间字段名称，空间数据坐标范围、坐标参考信息及坐标维数说明。用户通过其可进行查询、添加、删改操作。(2)空间字段解析规则。基于Oracle Spatial的空间数据都存储在空间字段 SDO_GEOMETRY，基于其可编写 Oracle Sptial接口程序。SDO_GEOMETRY是一个参照Open-GIS规范定义的一个对象。(3)空间索引(Space Indexing)。Oracle Spatial提供了R树索引和四叉树索引来提高空间查询的效率。

图1 多源遥感数据空间几何模型自动解算流程

针对多源遥感数据对象，可按照如下的流程设计数据库结构:

(1)创建MyRSMapTile表。

create table MyRSMapTile {centerlocation mdsys.sdo_geometry，basemapID varchar2(42)，geotransform varchrar2(60)，rpcstring varchar2(600)，pop90 number，rank90 number}.

(2)向系统空间配置表user_sdo_geom_metadata中新增MyRSMapTile的centerlocation的字段空间描述信息。

insert into user_sdo_geom_metadata(TABLE_NAME_COLUMN_NAME，DIMINFO，SRID)values(‘MyRSMapTile’，centerlocation，mdsys.sdo_dim_array(mdsys.sdo_dim_element(‘LONG’，－180.0，180.0，0.0000005)，mdsys.sdo_dim_element(‘LAT’，－90.0，90.0，0.0000005))，8307)//8307代表 WGS84 坐标系

(3)创建索引。

Create index data_SX on MyRSMapTile(centerlocation)indextype is MDSYS.SPATIAL_INDEX

在完成以上操作后，便可按照常用的Oracle数据操作方法对多源遥感数据实体进行CRUD(创建，读取，更新，删除)操作，根据Oracle提供的接口，可作为Web服务的数据层。由于在MyMapTile实体属性同时包括了空间信息、栅格数据信息，svg格式矢量数据。充分利用Oracle Spatial优势的同时还能大幅简化后台控制层的编码工作。

2.2 Web前端实时加载与无缝漫游

MyMapTile实体将原始栅格影像进行分块，保留分开的空间信息并将分块对应的影像信息以矢量数据格式存储在了实体属性中。与栅格数据相比，svg格式的矢量数据体积只有对应的1/8，且被所有的主流浏览器支持。

另一方面，在Web客户端，svg数据加载支持Java Script。因此基于如下设计便能在前端方便地完成以下功能需求:(1)根据当前比例尺选择适宜的遥感影像数据源进行显示。(2)将不同数据源进行叠加，对比显示。(3)显示地理坐标。(4)根据用户当前选择的区域查找所有在此地理空间范围内的遥感数据源，并将对应的影像分块进行下载。

图2 多源遥感数据Web服务前端设计

3 实验验证

3.1 实验数据

选择中心经纬度C(95.31235，45.622)的100 km×300 km的实验区域，使用成像时间为2013年9月分辨率为2.1 m的资源三号测绘卫星传感器校正产品作为最佳数据源，使用同一区域的，不同时相(分布于1999年～2013年)，实际分辨率为15 m的 LandSat卫星ETM+(PAN)影像，分辨率为30 m的环境－1A卫星(HJ－1A)影像，分辨率为30 m的环境1－B卫星(HJ－1B)影像，分辨率为30 m的LandSat－8卫星的影像作为多尺度、多时相、多传感器平台的多源遥感数据集合的初始数据来源。实验方案将使用图1中的自动处理策略来进行这些多源遥感数据的集成，以验证该方法的可靠性和精度。

3.2 实验结果

表1中第5列代表了多源模型之间的一致性，可见针对多时相多载荷遥感数据，策略得到的一致性达到了两个像素以内。在影像来源有时间久远(ETM+)或者重叠率较小(HJ－1A)的情况时，使用多尺度金字塔进行小波变换保证了有效匹配点的个数，同时在这种情况下，解算有理函数模型时进行岭估计，在不引入误差的前提下保证了各种数据条件下模型的一致性。在这一可靠结果的基础上，在实验区域上，基于框架设计的浏览器端Web服务能够获得数据源重叠度稳定＞4的处理结果，因此能够实现同一地点不同数据源间、不同分辨率间的无缝切换和缩放。在数据库中，由于在生成栅格影像金字塔的同时将数据转换成svg矢量格式进行保存，在服务器2 Mbit·s－1带宽条件下时，外网用户在发起请求时，客户端显示分辨率为30 m/像素时，更新响应时间为实时;客户端设定显示分辨率提高到10 m/像素时，首次加载响应时间优于2 s，显示分辨率设置为最高的3 m时，首次加载平均响应时间为4 s。

表1 多源遥感数据模型信息自动解算实验结果

4 结束语

本文根据以往研究的基础，对多源遥感数据在网络服务中的集成与使用这一目标，针对不同平台、不同时相、不同尺度的遥感影像由于在精度、处理方面的差异造成的不通用乃至数据失配，以及遥感作为网络服务数据源的高精度、服务实时性等实际问题和需求。设计了基于小波变换快速匹配，建立各尺度各传感器稳定且精度统一并且使用方式通用的成像模型的自动策略，在此基础上使用Orcle Spatial空间数据库进行多源遥感数据管理，实现了可靠的Web服务的设计。

［1］ 李昭阳．多源遥感数据支持下的松嫩平原生态环境变化研究［D］．长春:吉林大学，2006．

［2］ 周梦维，柳钦火，刘强．全波形激光雷达和航空影像联合的地物分类［J］．遥感技术与应用，2010，25(6):821－827．

［3］ 陈启浩．面向对象的多源遥感数据分类技术研究与实现［D］．武汉:中国地质大学，2007．

［4］ 张宝霄，张淑敏，周万村．基于多源数据的若尔盖湿地土地利用遥感自动调查［J］．土壤，2008，40(2):283－287．

［5］ 杨永恬．基于多源遥感数据的森林蓄积量估测方法研究［D］．北京:中国林业科学研究院，2010．

［6］ 张过．缺少控制点的高分辨率卫星遥感影像几何纠正［D］．武汉:武汉大学，2005．

［7］ 谢智颖，李清泉，左小清．基于SVG的开放式LBS系统设计与实现［J］．武汉大学学报:信息科学版，2003，28(1):74－79．

［8］ Mallat S．Zero － crossings of a wavelet transform［J］．IEEE Transactions on Information Theory，1991，37(4):1019 －1033．

［9］ Tang Y Y，Yang L，Liu J．Characterization of dirac － structure edges with wavelet transform［J］．IEEE Transactions on Systems，Man and Cybernetics，Part B:Cybernetics，2000，30(1):93－109．

［10］ Kothuri R，Godfrind A，Beinat E．Pro oracle spatial for oracle database 11g［M］．Berkeley:Apress，2007．

［11］ Grinsted A，Moore J C，Jevrejeva S．Application of the cross wavelet transform and wavelet coherence to geophysical time series［J］．Nonlinear Processes in Geophysics，2004，11(6):561－566．

［12］郭琼琳．数字近景工业摄影测量关键技术研究与应用［J］．硅谷，2014，7(8):44 －45．

［13］张剑清，潘励，王树根．摄影测量学［M］．武汉:武汉大学出版社，2009．