[發明專利]一種基于云掩膜的靜止軌道衛星序列影像高精度配準方法

有效

• 申請號: 202011340239.5
• 申請日: 2020-11-25
• 公開（公告）號: CN112419380B
• 公開（公告）日: 2023-08-15
• 發明（設計）人: 常學立;鄧博;葉志偉;王春枝;靳華中
• 申請（專利權）人: 湖北工業大學
• 主分類號: G06T7/38
• 分類號: G06T7/38;G06T7/37;G06T7/33
• 代理公司: 棗莊小度智慧知識產權代理事務所(普通合伙) 37282
• 代理人: 鄭素娟

1.一種基于云掩膜的靜止軌道衛星序列影像高精度配準方法，其特征在于，包括以下步驟：

步驟1，基于虛擬大面陣的單幀無畸變影像生成；

步驟2，序列影像二次自適應閾值云檢測；

步驟3，基于分塊幾何約束的序列影像間同名點匹配；

步驟4，顧及云區的誤匹配點剔除；

步驟5，基于整體仿射變換的序列影像配準；

步驟1所述的基于虛擬大面陣的單幀無畸變影像生成方法如下：

靜止軌道衛星采用面陣傳感器成像，通過在焦面設計一個無畸變的虛擬面陣，基于真實面陣和虛擬面陣在物方空間的一致性來建立兩者之間的坐標對應關系，將真實面陣影像重采樣成無畸變虛擬面陣影像，以消除每一幀影像的內部畸變，步驟如下：

2.1根據成像時的姿態、軌道參數以及高精度的內外方位元素檢校結果，基于影像內部的二維指向角模型構建嚴格幾何成像模型，如下式所示：

其中，

其中，λ為系數尺度因子；是幾何檢校的外方位元素，表示相機的安裝矩陣，(pitch,roll,yaw)為相機安裝角；為J2000坐標系到ADS坐標系的旋轉矩陣，可根據成像時間由姿態數據插值得到；為WGS-84坐標系到J2000坐標系的旋轉矩陣；[X_g?Y_gZ_g]^T表示WGS-84坐標系下的物方點坐標；[X_body?Y_body?Z_body]^T表示投影中心在J2000坐標系下的坐標，可根據成像時間由軌道數據插值得到；(ψ_x,ψ_y)為二維指向角，是用來描述相機內部各個面陣探元的影像內部畸變模型；(s,l)是像平面坐標系下的探元坐標；ax₀,ax₁,…,ax₉和ay₀,ay₁,…,ay₉是幾何檢校內方位參數；

2.2基于幾何檢校后內方位元素，計算出虛擬面陣的最佳位置和范圍，并在焦面上等間隔分布像元，計算虛擬面陣的內方位元素，如下式：

其中為虛擬面陣的二維指向角；(s,l)是像平面坐標系下的探元坐標；Ax₀,Ax₁,Ay₀,Ay₁是虛擬面陣的內方位元素；

2.3基于虛擬面陣內方位元素、真實成像姿軌參數建立虛擬面陣的嚴密成像幾何模型，利用嚴密幾何模型計算得到虛擬控制點，通過地形獨立法將嚴密幾何成像模型轉化為RPC模型，如下式：

其中，

Num_L(U,V,W)＝a₁+a₂V+a₃U+a₄W+a₅VU+a₆VW+a₇UW+a₈V²+a₉U²+a₁₀W²+a₁₁UVW+a₁₂V³+a₁₃VU²+a₁₄VW²+a₁₅V²U+a₁₆U³+a₁₇UW²+a₁₈V²W+a₁₉U²W+a₂₀W³

Den_L(U,V,W)＝b₁+b₂V+b₃U+b₄W+b₅VU+b₆VW+b₇UW+b₈V²+b₉U²+b₁₀W²+b₁₁UVWb₁₂V³+b₁₃VU²+b₁₄VW²+b₁₅V²U+b₁₆U³+b₁₇UW²+b₁₈V²W+b₁₉U²W+b₂₀W³

Num_S(U,V,W)＝c₁+c₂V+c₃U+c₄W+c₅VU+c₆VW+c₇UW+c₈V²+c₉U²+c₁₀W²+c₁₁UVW+c₁₂V³+c₁₃VU²+c₁₄VW²+c₁₅V²U+c₁₆U³+c₁₇UW²+c₁₈V²W+c₁₉U²W+c₂₀W³

Den_S(U,V,W)＝d₁+d₂V+d₃U+d₄W+d₅VU+d₆VW+d₇UW+d₈V²+d₉U²+d₁₀W²+d₁₁UVW+d₁₂V³+d₁₃VU²+d₁₄VW²+d₁₅V²U+d₁₆U³+d₁₇UW²+d₁₈V²W+d₁₉U²W+d₂₀W³

其中，(l,s)為像點圖像坐標，(l_n,s_n)為像點圖像坐標(l,s)對應的像方歸一化坐標，LineOff和SampleOff分別為像點圖像坐標(l,s)的平移值，LineScale和SampleScale分別為像點圖像坐標(l,s)的縮放值；(B,L)為物方點的經緯度坐標，H為物方點橢球高，(U,V,W)為物方坐標(B,L,H)對應的物方歸一化坐標，LonOff、LatOff和HeiOff分別為物方坐標(B,L,H)的平移值，LonScale、LatScale和HeiScale分別為物方坐標(B,L,H)的縮放值；a_i,b_i,c_i,d_i(i＝1,2...20)為有理多項式系數；

2.4對于虛擬面陣影像上的任一像素(x,y)，利用2.3中建立的虛擬面陣RPC模型及某一高程參考面，SRTM-DEM或平均高程，將其投影到地面坐標(lan,lon)，將(lan,lon)利用真實面陣成像幾何模型投影到真實影像的像素位置(x',y')；

2.5利用真實影像上(x',y')臨近像元灰度內插即可得到虛擬影像上(x,y)對應的灰度值；

2.6對虛擬面陣上每個像元重復以上步驟直到生成整幅影像；

步驟2所述的序列影像二次自適應閾值云檢測方法如下：

利用云在可見光和近紅外波段的強反射特征，采用基于光譜特征的閾值判斷方法實現影像中云與地面背景的類別分離；遙感影像中的云區域存在從云邊界薄云區域向云中心厚云區域過渡的特征，使用不同的光譜閾值分別實現影像中厚云區域與薄云區域的提取，可以獲得更為準確的影像云區域提取結果；步驟如下：

3.1設序列影像灰度量化級別為n，即影像灰度范圍為[0，2ⁿ-1]，在[0，2ⁿ-1]灰度范圍內，通過最大類間方差法(OSTU)求取第一個光譜閾值T₁，光譜閾值T₁可有效的區分出影像中的高亮地物與低亮地物，高亮地物在[T₁，2ⁿ-1]灰度范圍內，包括云、冰雪、沙漠、鏡面反射物體；

3.2在T₁～2ⁿ-1灰度范圍內，通過OSTU算法求得第二個光譜閾值T₂，作為云檢測光譜閾值，提取影像中的厚云區域；

3.3根據厚云與薄云在空間上的鄰接關系，以影像中厚云區域的提取結果作為種子點，以光譜閾值T₁作為區域增長閾值，對厚云區域進行區域增長，進而提取云區域的薄云邊界。