顾及多相机拼接成像特征的高分一号卫星影像自适应匹配方法

韩 杰， 谢 勇， 吴国玺， 喻铮铮， 钱跃磊， 关小果

(1.许昌学院城乡规划与园林学院，许昌 461000； 2.南京信息工程大学地理与遥感学院，南京 210044)

顾及多相机拼接成像特征的高分一号卫星影像自适应匹配方法

韩 杰1， 谢 勇2， 吴国玺1， 喻铮铮1， 钱跃磊1， 关小果1

(1.许昌学院城乡规划与园林学院，许昌 461000； 2.南京信息工程大学地理与遥感学院，南京 210044)

卫星影像高精度匹配一直是备受关注的热点问题。以高分一号(GF-1)卫星PMS传感器双相机全色影像为研究对象，通过对其同名点间的几何偏移特性进行长时间序列统计分析后，提出了一种顾及多相机拼接成像特征的GF-1卫星影像自适应匹配方法。该方法是在传统影像匹配过程中加入自适应算法，利用迭代计算实现对目标搜索窗口、范围和方向的自适应选择。研究结果表明，该方法能够实现GF-1卫星同轨全色影像间的高精度自适应匹配，可以为其他类似卫星传感器影像匹配提供参考依据。

GF-1； 多相机拼接成像； 自适应匹配； 几何偏移统计

0 引言

自2009年以来，我国成功发射了多颗自主研发的高空间分辨率卫星，其获取的海量卫星数据已为我国资源详查、城市规划和地理测绘等领域提供了有效的信息服务[1]。然而由于受单台高空间分辨率相机幅宽限制，无法同时获取大范围高空间分辨率卫星影像。目前我国常采用多相机拼接成像技术，将多台高空间分辨率相机沿垂轨方向安置，实现高空间分辨率与宽覆盖范围相结合的研制目标[2]。但是，受多相机安装误差及外界环境的影响，影像重叠区域内同名点位置并不完全重合，并且会随着卫星在轨运行时间的变化而有所不同，这会对后续的数据处理带来极大不便。因此，如何实现多相机拼接成像传感器影像间的高精度匹配，已经成为衡量国产高空间分辨率卫星数据应用服务能力的一项重要指标。

目前，关于卫星影像匹配的算法很多，例如SIFT(scale invariant feature transform)算法[3]、基于物方几何约束的多影像相关法[4]、基于有理函数模型法[5]、CCD偏差模型法[6]、互信息法[7]、梯度结构法[8]和最小二乘法[9]等。这些方法已经被有效地应用于多种类型的卫星影像匹配处理中。但是利用上述算法对多相机拼接成像传感器影像进行匹配时，由于缺乏对影像重叠区域同名点几何偏移特性的分析，其匹配过程中对目标搜索范围和方向等参数的设置较为盲目，且不具备参数自适应设定功能，使匹配精度和效率较低。

GF-1卫星作为我国高分对地观测系统的首发星，该卫星平台搭载的PMS多光谱传感器采用双相机拼接成像技术进行对地观测。本文针对PMS传感器多相机拼接成像特征，首先通过对同轨全色影像重叠区域内同名点几何偏移特性进行长时间序列统计，分析其变化规律； 其次利用影像特征点提取方法获取PMS1全色影像中重叠区域的特征点集； 然后基于物方几何约束的匹配方法，预测该特征点集在PMS2全色影像上的位置，再根据上述统计分析结果，设置初始的搜索窗口大小和范围； 最后基于松弛影像匹配方法获取同名点，同时利用迭代计算实现对搜索窗口、范围和方向的自适应选择，进而实现GF-1卫星同轨全色影像间的高精度自适应匹配。

1 GF-1卫星PMS传感器介绍

2013年4月26日，GF-1卫星于甘肃酒泉卫星发射中心成功发射。该卫星搭载的PMS传感器是由2台垂轨安置的PMS相机拼接成像，其参数指标如表1所示[2,10]。

表1 GF-1卫星PMS传感器参数指标Tab.1 Parameters of GF-1 PMS sensor

2 原理与方法

2.1 同名点几何偏移特性分析

由于相机安装误差的存在，导致PMS传感器的2台相机影像重叠区域内同名点不能完全重合，这就是同名点几何偏移量的初始值。在卫星发射时及发射后受周围环境和运动状态等因素的影响，相机间相对位置关系会发生一定的变化，进而改变同名点几何偏移量的初始值。如何全面了解同名点间几何位置关系是研究的重点。

为了获取大量随机样本用于自适应匹配模型的建模，在2013年6月—2014年11月期间，即卫星发射后600 d内每月随机选取不同轨道内的若干影像对，共计44对。影像对重叠区域覆盖地形包括平原、丘陵和山地，在每对影像中人工选取10个同名点，精度约为1个像素。采用物方几何约束的匹配方法，研究同名点之间的几何位置关系，分析人工选点坐标与投影预测坐标的行、列号差异[4]。具体过程如下：

1)在影像重叠区域人工选取一同名点，其像面坐标在PMS1和PMS2全色影像上分别为(x1，y1)和(m1，n1)。

2)利用PMS1全色影像的有理多项式参数(rational polynomial coefficients，RPCs)和ASTER G-DEM数据，获取像点(x1，y1)对应的地面三维坐标(X，Y，Z)。

图1 同名点预测过程示意图Fig.1 Prediction process of the conjugate points

选取4幅不同时相的影像，其预测结果分别如图2所示。图中箭头长度为偏移量大小，箭头指向为偏移方向。

(1) 20130614 (2) 20130928

图2-1同名点偏移量分布

Fig.2-1Offsetdistributionoftheconjugatepoints

(3) 20131229 (4) 20140430

图2-2同名点偏移量分布

Fig.2-2Offsetdistributionoftheconjugatepoints

从图2可以看出，同一景影像对内部偏移量大小和偏移方向较为一致，取各影像同名点偏移量的均值进行长时间序列分析，进一步获取真实点位与预测点位坐标差异随卫星在轨运行时间的变化情况，如图3所示。

图3 同名点投影偏移量时间序列统计Fig.3 Time-series statistics of the offsets of the conjugate points

从图3可以得出： ①对于垂轨方向偏移量而言，其在发射后第326天之前偏移量的绝对值先减小后增大，但绝对值稳定在2个像素以内,而在第327至第396天之间偏移量较大，约为3～10个像素，在第397天之后偏移量的绝对值又稳定在2个像素以内； ②对于沿轨方向偏移量而言，其在发射后第326天之前偏移量的绝对值逐渐增大，最大可达到5个像素，在第327至第396天之间的偏移量方向相反，其绝对值约为3个像素，在第397天之后偏移量绝对值稳定在2个像素以内； ③沿轨与垂轨偏移量的变化趋势一致； ④垂轨方向偏移量最大值约为10个像素，沿轨方向偏移量最大值约为5个像素。

产生该偏移量的原因主要包括匹配算法的误差、地面高程误差、相机安装误差及外界环境的影响等，但是由文献[11]可知，将ASTER G-DEM数据作为物方高程信息，采用物方几何约束的匹配方法进行同名点匹配时，由地面高程误差及匹配算法导致的误差是可以忽略的。出现上述现象可能是由于卫星在发射过程中以及卫星在轨运行初期阶段，受其外界环境的影响，导致2台相机安装角度和位置发生了一定的变化，进而使得影像重叠区域内同名点位置发生相应的偏移，其中空间分辨率较高的全色影像对其变化更为敏感，这也给地面数据处理部门提供了一个监测相机安装参数变化的参考指标。在2014年5月即发射后第397天左右时，推测可能是卫星地面系统对相机进行了检校，从而使影像重叠区域内同名点几何偏移量变小，具体原因还需进一步作调查分析。

2.2 顾及多相机拼接成像特征的GF-1卫星影像自适应匹配方法

基于上述同轨全色影像间同名点几何偏移特性，建立了顾及多相机拼接成像特征的GF-1卫星影像自适应匹配方法。该方法是在传统的影像匹配流程中加入了自适应算法，以实现GF-1卫星影像亚像元级的自适应匹配。具体流程如图4所示。

图4 自适应匹配流程Fig.4 Flow chart of the self-adaptive matching method

1)利用基于物方几何约束方法，获取同轨全色影像重叠区域，缩小特征点信息提取范围，降低误匹配概率。

2)利用Harris特征点提取算法，获取PMS1全色影像重叠区域的特征点集，共w个特征点。

3)对于PMS1全色影像重叠区域内的任意一特征点(xi，yi)，i=1，2，3，…，w，以其为中心选取3像元×3像元的临近窗口window1作为基准窗口。

(1)

6)在利用步骤5缩小搜索窗口后，采用交叉相关法确定特征点集中的其他真实同名点位置。

7)采用样条插值方法对上一步获取的相关系数矩阵(5×5)进行插值计算，形成30×30的插值矩阵以提高曲面拟合精度。基于此矩阵，再采用二次曲面函数拟合方法获取PMS2影像亚像元级匹配位置[6]。

8)利用经典的RANSAC算法、距离约束、斜率约束和双向匹配法剔除误匹配点，最终得到高精度的同名点信息[13]。

2.3 匹配精度评价

采用参考文献[14]的精度评价方法进行匹配精度评价。首先，从匹配结果中人工选取均匀分布的匹配点作为控制点； 然后，基于控制点信息计算二次多项式变换模型参数； 最后，计算所有匹配点的均方根误差(root mean square error,RMSE)，其表达式为

RMSE=

(2)

3 实验结果与分析

为了验证本文方法的可行性和鲁棒性，在实验硬件环境为Intel Pentium CPU G3240 @3.10 GHz，2 G内存的计算机上，选取同名点偏移量较大的影像(2014年5月21日山东省临沂地区)进行实验，影像覆盖范围如图5所示。

图5 测试影像覆盖范围Fig.5 Coverage range of the test images

3.1 重叠区域范围提取

采用基于物方几何约束的方法，获取研究区同轨全色影像间重叠区域范围。在对不同时相的影像进行综合统计分析后发现，影像间重叠区域范围较为稳定。

虽然卫星在轨运行1 a时(与同名点偏移特性统计结果中偏移量较大的时段相近)，重叠区域范围有所变化，从初始的574个像素变为583个像素，据推测可能也是由于地面数据处理部门对相机参数进行检校所导致的。为了使得本文提出的算法有较强的适用性，本研究选取了574个像素作为影像重叠区域。

3.2 特征点信息提取

采用经典的Harris特征点提取方法进行特征点提取。由于原始全色影像较大，截取重叠区域周边典型地区影像进行算法测试(影像大小为2 500像素×1 500像素)，这将大大提高特征点提取速度，同时降低后续误匹配概率。

3.3 初始搜索位置预测

选取该地区ASTER G-DEM数据作为辅助数据，利用基于物方几何约束的方法获取特征点初始搜索位置。随机选取2个特征点的预测结果如图6所示。

(a) PMS1特征点1 (b) PMS2特征点1 (c) PMS1特征点2 (d) PMS2特征点2

图6特征点初始搜索预测结果

Fig.6Initialsearchresultsoffeaturepoints

图6中红色十字为PMS1影像中提取的特征点位置，黄色十字为PMS1影像特征点在PMS2影像中的初始搜索位置。从图6中可以看出，预测结果与真实同名点之间发生了较为明显的偏移，且偏移方向较为一致。

3.4 自适应优化

针对该测试影像，利用步骤5获取5个特征点偏移量均值后可以发现，同名点在垂轨方向上向东偏移约为8个像元，在沿轨方向上向南方向偏移约为3个像元，从而利用公式(1)对初始预测位置进行更新。最后采用步骤6—8完成影像匹配处理。

3.5 匹配结果

为了比较本文方法的优点，同时利用传统的遥感图像处理软件ENVI5.0中的基于特征的影像匹配方法和经典的SIFT匹配方法对同一数据进行匹配处理，并采用RANSAC算法、距离约束、斜率约束和双向匹配算法剔除误匹配点。匹配结果如图7所示。为了综合对比上述匹配方法的优缺点，分别从正确匹配比例、匹配精度和正确匹配点每点平均耗时3个方面进行方法定量评价(表2)。

(a) 基于特征的影像匹配方法 (b) SIFT 方法

表2 影像匹配结果精度评价Tab.2 Comparison of image matching results using different methods

从图7和表2中可以看出： ①与基于特征的匹配结果相比，本文方法获取的正确匹配点分布更加均匀； ②本文方法获取的正确匹配比例明显高于其他2种方法； ③利用本文方法和基于特征的匹配方法精度相当，均高于SIFT的匹配精度； ④虽然本文方法获得的同名点数比SIFT方法少，但是其平均每点耗时明显低于其他2种方法。本文提出的自适应匹配方法更加适用于多相机拼接成像传感器影像间的匹配处理。

4 结论

1)通过对GF-1卫星同轨全色影像重叠区域内同名点几何偏移特性进行长时间序列统计分析，明确其变化规律。该过程既可为自适应匹配方法提供理论依据，也可用于监测卫星在轨运行期间相机安装参数变化情况。

2)提出了一种自适应匹配方法，该方法在传统匹配方法的基础上，利用迭代计算完成了对搜索窗口、范围及方向的自适应设置，实现了GF-1卫星PMS传感器同轨全色影像间的高精度匹配。

3)由于本文提出的自适应匹配算法是针对多相机拼接成像传感器特点建立的，该算法对于跨平台、不同时相和不同空间分辨率影像间的几何匹配效果还需进一步验证，这也将是下一步研究工作的重点。

志谢： 感谢中国资源卫星应用中心为本文研究提供GF-1卫星影像数据。

[1] 韩 杰.GF-1卫星影像高精度几何处理方法研究[D].北京:中国科学院遥感与数字地球研究所,2015.

Han J.Study on the High Precision Geometric Processing of GF-1 Satellite Images[D].Beijing:Institute of Remote Sensing and Digital Earth Chinese Academy of Sciences,2015.

[2] 陆春玲,王 瑞,尹 欢.“高分一号”卫星遥感成像特性[J].航天返回与遥感,2014,35(4):67-73.

Lu C L,Wang R,Yin H.GF-1 satellite remote sensing characters[J].Spacecraft Recovery and Remote Sensing,2014,35(4):67-73.

[3] Lowe D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,60(2):91-110.

[4] 张 力,张继贤.基于多基线影像匹配的高分辨率遥感影像DEM的自动生成[J].武汉大学学报(信息科学版),2008,33(9):943-946.

Zhang L,Zhang J X.Automatic DEM generation from high-resolution satellite imagery based on multiple-baseline image matching[J].Geomatics and Information Science of Wuhan University,2008,33(9):943-946.

[5] 戴激光,宋伟东,贾永红,等.一种新的异源高分辨率光学卫星遥感影像自动匹配算法[J].测绘学报,2013,42(1):80-86.

Dai J G,Song W D,Jia Y H,et al.A new automatically matching algorithm for multi-source high resolution optical satellite images[J].Acta Geodaetica et Cartographica Sinica,2013,42(1):80-86.

[6] 严 明,王智勇,伍 菲,等.CCD几何偏差模型的多波段遥感影像配准[J].遥感学报,2012,16(6):1145-1156.

Yan M,Wang Z Y,Wu F,et al.Multi-spectral image registration method based on CCD geometric bias model[J].Journal of Remote Sensing,2012,16(6):1145-1156.

[7] 马广彬,章文毅,刘定生,等.一种新的卫星多光谱图像自动配准算法[J].遥感技术与应用,2007,22(1):95-100.

Ma G B,Zhang W Y,Liu D S,et al.A new automatic band registration algorithm for satellite multispectral remote sensing images[J].Remote Sensing Technology and Application,2007,22(1):95-100.

[8] 张翰墨,尤红建.基于梯度结构的星载红外图像和全色图像配准方法[J].红外与毫米波学报,2013,32(3):270-276.

Zhang H M,You H J.A gradient structure based registration method for space-borne infrared image and panchromatic image[J].Journal of Infrared and Millimeter Waves,2013,32(3):270-276.

[9] 张剑清.基于特征的最小二乘匹配理论精度[J].武汉测绘科技大学学报,1988,13(4):82-90.

Zhang J Q.On the theoretic precision of least squares matching based on features[J].Journal of Wuhan Technical University of Surveying and Mapping,1988,13(4):82-90.

[10] 黄世存,吴海平,王 奇,等.“高分一号”卫星PMS图像几何定位精度验证[J].航天返回与遥感,2014,35(5):81-87.

Huang S C,Wu H P,Wang Q,et al.Validation of positioning accuracy of GF-1 PMS images[J].Spacecraft Recovery and Remote Sensing,2014,35(5):81-87.

[11] 王 密,杨 博,金淑英.一种利用物方定位一致性的多光谱卫星影像自动精确配准方法[J].武汉大学学报(信息科学版),2013,38(7):765-769.

Wang M,Yang B,Jin S Y.A registration method based on object-space positioning consistency for satellite multi-spectral image[J].Geomatics and information science of Wuhan University,2013,38(7):765-769.

[12] 简剑锋,林 怡,周利华,等.一种优化的多源遥感影像高精度配准方法[J].同济大学学报(自然科学版),2008,36(10):1427-1432.

Jian J F,Lin Y,Zhou L H,et al.Optimized high-precision registration method of multi-source remote sensing images[J].Journal of Tongji University(Natural Science),2008,36(10):1427-1432.

[13] 孙义威,刘 斌,邸凯昌,等.基于参考图像的行星遥感图像自动几何精纠正[J].国土资源遥感,2015,27(1):23-28.doi:10.6046/gtzyyg.2015.01.04.

Sun Y W,Liu B,Di K C,et al.Automatic accurate geo-rectification of planetary remote sensing image based on reference image[J].Remote Sensing for Land and Resources,2015,27(1):23-28.doi:10.6046/gtzyyg.2015.01.04.

[14] 张 谦,贾永红,胡忠文.多源遥感影像配准中的SIFT特征匹配改进[J].武汉大学学报(信息科学版),2013,38(4):455-459.

Zhang Q,Jia Y H,Hu Z W.An improved SIFT algorithm for multi-source remote sensing image registration[J].Geomatics and information science of Wuhan University,2013,38(4):455-459.

Researchontheself-adaptivematchingmethodofGF-1satelliteimageryconsideringthefeaturesofmulti-cameramosaicimaging

HAN Jie1， XIE Yong2， WU Guoxi1， YU Zhengzheng1， QIAN Yuelei1， GUAN Xiaoguo1

(1.SchoolofUrban-ruralPlanningandArchitecture,XuchangUniversity,Xuchang461000,China; 2.SchoolofGeographyandRemoteSensing，NanjingUniversityofInformationScienceandTechnology，Nanjing210044，China)

The high precision matching of satellite images has been a problem of much concern. In this paper, the panchromatic images in the same track of GF-1 satellite PMS sensor are treated as investigated subjects. Based on the time-series statistical results of the offset property of the conjugate points, a self-adaptive image matching method is proposed considering mosaic imaging characteristics. In this method, the self-adaptive algorithm is added in the traditional image matching process. It can realize the self-adaptive selection of the target search window, search range and search direction using the iterative computation. The experiment results prove that the proposed method can achieve high precision self-adaptive matching of the GF-1 panchromatic images in the same track, which is useful for other similar satellites in future.

GF-1; multi-camera mosaic imaging; self-adaptive matching; geometric offset statistics

10.6046/gtzyyg.2017.04.03

韩杰,谢勇,吴国玺,等.顾及多相机拼接成像特征的高分一号卫星影像自适应匹配方法[J].国土资源遥感,2017,29(4):13-19.(Han J,Xie Y,Wu G X,et al.Research on the self-adaptive matching method of GF-1 satellite imagery considering the features of multi-camera mosaic imaging[J].Remote Sensing for Land and Resources,2017,29(4):13-19.)

TP 79

A

1001-070X(2017)04-0013-07

2016-03-21；

2016-06-26

河南省科技攻关项目“基于交叉辐射定标的GF-1卫星WFV影像无损匀色方法研究”(编号： 172102210463)、国家自然科学基金项目“高分辨率光学遥感器辐射定标与归一化技术研究” (编号： 41671345)和高分辨率对地观测系统共性指南项目“GF-4卫星图像质量评价与产品真实性检验技术”(编号： 50-Y20A07-0508-15/16)共同资助。

韩 杰(1987-)，男，博士，讲师，主要从事高空间分辨率卫星传感器定标、真实性检验和影像匹配等方面的研究。Email： hanjie@radi.ac.cn。

谢 勇(1977-)，男，博士，主要从事定标和真实性检验研究。Email： xieyong@nuist.edu.cn。

(责任编辑：陈理)