SinovineSIS平台遥感影像生产试验研究

2016-12-15王铁军赵礼剑

测绘通报 2016年9期

关键词：全色控制点曲面

王铁军，何静，赵礼剑

(国家测绘地理信息局重庆测绘院，重庆 400015)

SinovineSIS平台遥感影像生产试验研究

王铁军，何静，赵礼剑

(国家测绘地理信息局重庆测绘院，重庆 400015)

介绍了SinovineSIS的影像匹配算法，利用该系统进行了稀少控制和无控制条件下的高分辨率卫星影像区域网平差、DOM纠正、匀光匀色等生产试验，探讨了该系统的生产效率和产品精度情况。

稀少控制；卫星影像；正射纠正；匀光匀色；SinovineSIS

随着计算机和航天技术的发展，遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，卫星遥感技术已经成为现代获取地理空间信息数据的主要手段[1]。目前，国际上已拥有十几种不同用途的地球观测卫星系统，遥感平台和传感器已从过去的单一型向多样化发展，遥感影像的空间分辨率、时间分辨率、光谱分辨率和辐射分辨率不断提高，获取影像数据的能力得到空前发展[2]。而这些宝贵的数据能否发挥价值，发挥多大价值,则取决于从原始数据到可利用信息的转换过程；即随着遥感卫星影像获取能力和应用需求的提升，对卫星遥感影像数据处理能力也提出了更高的要求。

本文利用华浩超算平台SinovineSIS对高分辨率卫星影像处理的几个关键环节进行生产试验，对产品精度进行检验，对生产效率进行分析。

一、Sinovine几何精校正算法

曲面样条函数可看成是无限大平板在多个受力点的作用下发生的弯曲变形。作为平板而言，有其物理特性如挠度等。在不同的物理特性情况下，即便是相同的受力情况，也会产生不同的曲面变形。因此，通过不同拟合参数模拟其物理特性可灵活地实现满足不同要求的曲面拟合。

与距离平方倒数、趋势面方法等插值算法相比，曲面样条函数具有以下优点：就用于曲面样条函数拟合的原始数据点而言，它们不必按规则排列；采取自然边界条件而不需边界导数的信息，就可以得到任意阶可微的光滑曲面，拟合后的光滑曲面通过每个已知原始数据点；用于曲面拟合的原始数据点数≥3即可。

挠度和作用在该板上的负载(,)之间的微分方程为[5]

(1)

式中，D为该板的抗弯刚度。曲面样条函数的表达式为[6]

(2)

ε为调节曲面曲率大小的经验参数，视实际情况适当选取。当曲面曲率变化较大时，要取得小些，反之则取大。一般情况下，ε=1～10-2，对具有奇性形变的曲面取ε=10-5～10-6较好。待定系数a0、a1、a2、Fi(i=1,2,n)可以通过下列方程组求得

(3)

式中，cj=16πD/kj，kj是关于j点的弹性系数，kj=∞，cj=0。一般在曲面的插值中cj都取为零,以使得求出的曲面样条函数在已知点吻合原始数据，即曲面通过原始数据点。式(3)给出的方程组的矩阵形式为

AX=B

X=(F1,F2,Λ,Fn,a0,a1,a2)T

B=(w1,w2,Λ,wn,0,0,0)T

这是一个对称方程组,并且一般而言主对角线元素全为零。为保证解的稳定性，可用对称方程组的Householder变换法求解。

二、遥感影像正射纠正生产试验

1. 试验资料

选取25景WorldView2影像进行正射影像纠正生产试验，试验范围地形类别为高山地。WorldView2数据包含全色和多光谱影像，全色影像分辨率为0.5 m；多光谱影像4个通道(N/R/G/B)，分辨率为2 m。WorldView2带有RPC模型参数。

生产试验所用的控制点有两种获取方式：野外实测或从已有DEM、DOM等资料上读取。依据以往的经验，高分辨率卫星影像刚性较强，只需要少量控制点即可，甚至无控制也可以[7]；而在少量或无控制点的条件下区域网平差是提高影像几何精度的有效方法[8]，因此本文采用稀少(无)控制的区域网平差方案进行生产试验。影像范围与控制点分布如图1所示。

图1 影像范围与控制点分布

此外，利用的其他资料包括1∶50 000历史DLG、DOM和DEM：DLG为全要素地形图；DOM的主要数据源为SPOT-5影像，分辨率为2.5 m；DEM格网间距为25 m。

2. 野外实测稀少控制点正射纠正

试验步骤主要包括数据预处理、创建工程、全色多光谱配对、影像匹配、控制点选取、区域网平差、正射纠正、影像融合等，生产流程如图2所示。

图2 正射影像生产流程

1) 数据预处理：创建DEM及DOM对应的索引库，目的在于建立控制资料与原始影像数据的空间对应关系。

2) 创建工程：设置原始影像数据的传感器类型、存放路径、数据格式、全色及多光谱分辨率，成果影像投影信息、采样方式等内容。工程创建后，查看待纠正的影像与DEM、DOM索引关系是否正确。

3) 将多光谱与全色影像进行配对。

4) 连接点自动匹配，匹配出的连接点分布如图1所示。

5) 控制点量测：在待纠正的区域网内手工量测控制点。控制点的数量取决于区域网的网形及大小、控制方案、控制点的质量及分布等因素，本试验数据分布范围是较规整的四边形，采用稀少控制方案[7]，因此在区域网四角量测4个控制点，在中心再量测1个控制点用于增强。同时量测多余控制点用于检查。

6) 区域网平差：进行区域网平差，查看控制点、连接点残差报告，判断定向精度是否满足要求；实时预览正射纠正的效果以直观判断是否需要进行手工调整控制点及连接点。区域网平差精度见表1。

7) 正射纠正：利用区域网平差结果和DEM数据对原始影像进行正射纠正。

8) 利用Pansplit算法将纠正后的全色与多光谱影像进行融合，形成彩色DOM。

纠正后，在DOM上量测53个检查点与外业实测坐标比较进行精度检测，结果见表1。

表1 精度统计 m

3. 已有资料读取少量控制点正射纠正

利用同样的WorldView2数据，从已有1∶50 000 DOM和DEM上读取控制点进行稀少控制区域网平差和DOM纠正试验，试验流程如图2所示；纠正完成后利用同样的53个检查点对DOM进行精度检测。区域网平差结果和DOM成果精度检测结果见表1。

4. 无控制区域网正射纠正

利用同样的WorldView2数据进行无控制DOM纠正试验，试验流程如图2所示，只是不进行控制点选取，而是直接利用RPC模型进行区域网平差及正射纠正；纠正完成后利用同样的53个检查点对DOM进行精度检测。区域网平差结果和DOM成果精度检测结果见表1。

5. 结果统计分析

以上试验精度统计分析结果汇总见表1。

三、基于16位影像的色彩处理

匀光匀色一直是正射影像生成后进行镶嵌前的一个关键步骤，试验数据采用的是25景经过了正射纠正和影像融合后的16位4通道的WorldView2影像，融合影像分辨率为0.5 m。生产流程如下：

1) 数据准备：将融合后的正射影像进行建立金字塔等预处理。

另外，有些行政机关出于部门利益或者个人利益的需要，往往将已受理的案件在构成犯罪的情况下，并不移送相关部门，而只是将其作为一般的违法案件处理，此做法不仅浪费了宝贵的案件线索，而且放纵了商业贿赂犯罪。因此在治理商业贿赂的过程中，提供线索的材料少、质量差，是亟需解决的问题。

2) 将涉及的影像尽量按照轨道进行区分以方便应用模板。

3) 每一个轨道选择一个地物丰富、纹理清晰的整景影像的缩略图进行调色后作为这一轨道的颜色模板，各轨道的模板间色彩尽量一致。

4) 将同一轨道的其他影像按照颜色模板自动进行匀色。

5) 对色调差异明显的缩略图进行手工调色。

6) 在调好颜色的缩略图上进行镶嵌线编辑，同时将调色结果应用到整景，完成镶嵌、裁切，得到标准分幅的DOM成果。

这25景数据的右上角有积雪覆盖，左侧的两轨有薄云，试验测区被大面积植被覆盖，且植被类型丰富。利用之前的匀色软件对该试验区的影像进行匀色，结果色调、明暗差异过大，且在积雪覆盖周围地物纹理丢失或局部地物色彩异常，无法直接用于镶嵌，必须用PhotoShop进行处理，需要耗费大量的时间和人力。现利用SinovineSIS对该问题进行试验，调色前后的效果如图3所示。从图中可见积雪覆盖区域周围纹理清晰、色彩自然；整个试验区明暗一致、色调均匀、反差明显且无色彩失真。因此匀色成果可以直接用于镶嵌成图。