QuickBird遥感图像校正模型

第３３卷第４期　四川兵工学报　２０１２年４月　【光学工程与电子技术】　ＱｕｉｃｋＢｉｒｄ　遥感图像校正模型　孙军，黎琪，李和睿　（贵州省毕节学院建筑工程学院，贵州毕节５５１７００）　摘要：本文以深圳市区一景ＱｕｉｃｋＢｉｒｄ　Ｐａｎ波段遥感图像（总行列数为２６５７４×２８６０６，对应１５．９４４　ｋｍ×１７．１６４　ｋｍ的　实地范围）为研究对象，利用深圳市区ＧＰＳ虚拟参考网络定位系统，以厘米级精度测定了６５个在图像上易于识别的　地面控制点三维坐标。通过６５个控制点，实现遥感图像校正模型的精度比较。　关键词：变形机理；图像校正模型；检验精度　中图分类号：ＴＰ７５１—１　文献标识码：Ａ　文章编号：１００６—０７０７（２０１２）０４—０１０７—０３　近年来，伴随ＳＰＯＴ５、ＩＫＯＮＯＳ和ＱｕｉｃｋＢｉｒｄ等高空间分　遥感图像变形机理，在一般二次多项式的基础上，提出了本　辨率遥感图像应用的不断深入和普及，如何经济、高效、高精　文多项式遥感图像校正模型，并用实验对不同的遥感图像校　度地纠正高空间分辨率遥感图像的几何变形，已成为实际工　正模型进行了精度比较。　作中急需解决的生产难题。高空间分辨率遥感图像的几何　对卫星遥感图像进行几何校正，可以消除图像上的像元　变形，将严重影响以遥感图像为基础的不同地类面积量算、　在图像坐标系中的坐标与其在地图投影等参考坐标系中的　地面样地在遥感图像上的定位、遥感定量估测模型、遥感图　坐标之间的差异，获得无几何变形的数字纠正影像。由于严　像融合、各种规划设计等的精度，遥感图像要有效应用于实　格几何校正计算量较大、计算复杂，而且需要卫星轨道和传　际生产，需先纠正其几何变形。　感器参数，在实际应用中有时无法得到这些数据，因此在遥　对于分辨率在２．５　ｍ以下的中低分辨率遥感图像，传统　感图像校正中一般都采用直接线性变换、多项式（一般多项　校正方法一般是利用１：１万或１：：５万比例尺的地形图，通　式，改进多项式）等遥感图像校正模型进行近似几何校正。　过地形图量测在遥感影像上易于识别的地面控制点平面坐　在传统的校正模型中，一般多项式由于没有考虑高程对　标，然后借助商用遥感图像处理软件进行校正。随着遥感图　遥感图像造成的影响，因此校正精度较低。直接线性变换与　像空间分辨率的提高，图像变形受地形起伏和传感器倾斜扫　改进多项式在引入高程时，要求抽样点和检验点的距离必须　描的影响将增大，采用传统基于地形图量测控制点坐标的方　相当接近（在实验中一般采用Ｋ一均值聚类方法提取抽样　法已无法满足校正精度的需要。为此，需借助差分ＧＰＳ定位　点），不能在真正的遥感图像校正中发挥实际作用。　高精度测定一定数量在遥感影像上能够有效识别的地面控　在引入高程时，由于考虑到地球自转，地面曲率，大气折　制点坐标，采用适当的纠正模型来校正图像变形。为有效校　射等对遥感图像变形的影响作用不大，因此只考虑地面起伏　正图像，尽量减少野外测定地面控制点的工作量，需要研究　对遥感图像造成的影响，如图１所示。　高空问分辨率遥感图像的变形机理及定量描述模型和几何　纠正算法，以便探索适合实际生产应用的校正模型和地面控　制点配置方案。本文利用实测地面控制点坐标，对ＱｕｉｃｋＢｉｒｄ　遥感图像的变形机理进行了初步研究。　１遥感图像校正模型　遥感图像校正模型是遥感图像校正的核心，决定着遥感　图像校正的成功与失败。遥感图像变形主要是受到地面起　伏的影响，正确分析高程造成的遥感图像变形机理，对于遥　感图像校正模型的研究，有重要作用。本文基于高程造成的　图１　遥感图像影响分析示意图　收稿日期：２０１２—０３—１５　基金项目：毕节学院重点科研项目（２０１１２００９）资助　作者简介：孙军（１９７９一），硕士，讲师，主要从事遥感图像处理等研究。　１０８　四川兵工学报　ｈｔｔｐ：／／ｓｃｂｇ．ｊＯＵＹＳｅＩ＇Ｖ．ｃｏｍ／　由于本文实验用的ＱｕｉｃｋＢｉｒｄ遥感图像为线阵ＣＣＤ逐　行扫描图像，所以这里只考虑行的情况，列的情况与此相同。　２８６０６，对应的实地范围为１５．９４４　ｋｍ×１７．１６４　ｋｍ。因深圳　已建成ＧＰＳ虚拟参考网络定位系统，可以厘米级精度测定地　面控制点三维坐标，采用市区的高空间分辨率遥感图像，可　有效保证采集一定数量的地面控制点，以便进行研究分析。　实验材料来自于西安科技大学测绘学院李崇贵教授研究的　在图１中，Ｄ为遥感图像的中心位置。遥感像片上的点Ｆ所　对应的地面位置在Ｂ处，由于受到地形起伏的影响，实际上　的位置在Ａ点的投影点Ｃ处。如果能够把大地坐标的Ｃ点　移动到Ｂ点，再利用一般多项式进行校正，就可以得到实用　的遥感图像校正模型。　国家自然科学基金资助项目（３０８７２０２３）。　在实验中，先从６５个控制点中提取一部分做为抽样点，　在图１中，令Ｄ点处的图像行列号为ｕ。，　。，对应的大地　其余控制点作为检验点。再用抽样点计算出遥感图像校正　模型的系数，得到遥感图像校正模型。然后在模型中代人检　坐标为　，　，Ａ点处的图像行列号为“，　，相应的大地坐标　及高程为　，Ｙ　Ｚ。　￣ＡＡＢＣ一△　肋，所以　＝　，　验点的失真图像行列号，计算出大地坐标。最后把计算出的　大地坐标与实际大地坐标相减，所得的差值的绝对值，就是　精度（也叫误差）。　ＩＡＣｌ：Ｚ，ＩＦＤＩ＝　一ｕ　，ＩＤＥＩ＝ｈ，这里的ｈ为像片到凸透镜　的距离，这样就得到Ｉ　ｃＩ＝÷（ｕ一‰）Ｚ。再考虑一般多项　式，得到新的遥感图像校正模型为　ｒ　＋ｋ（　—ｕｏ）ｚ＝００＋Ⅱ１ｕ＋０２　＋口３　＋０４　＋０５　＋…　Ｌｌ，＋ｋ　（　—Ｍ０）Ｚ＝ｂｏ＋ｂ１　＋６２　＋ｂ３　＋ｂ４　＋６５　＋…　精度分为拟合精度和检验精度两种，拟合精度就是把已　经计算出的校正模型代入抽样点的失真图像行列号，计算出　大地坐标，再与实际大地坐标相减，所得差值的绝对值，就是　拟合精度。检验精度就是把已经计算出的校正模型代入检　验点的失真图像行列号，计算出大地坐标，再与实际大地坐　标相减，所得差值的绝对值，就是检验精度。　本文先用Ｋ一均值聚类法把６５个控制点聚成３０类，取　每个类的接近中心点为抽样点，其余点为检验点，所得的各　种精度如表１所示。　然后再用随机抽取的方法提取３０个抽样点，其余点作　这里的ｋ，　为相关系数，整理后得到本文遥感图像校正的多　项式　ｒＸ＝　０＋口ｌＨ＋０２　＋０３“　＋ａ４１．Ｉ，Ｖ＋口５　＋…＋ｋ（　一ｕ０）ｚ　ＬＹ＝ｂ０＋ｂｌｕ＋６２　＋６３Ｈ　＋ｂ４　＋６５　＋…＋ｋ　（ｕ—ｕ０）Ｚ　其中，“，　为失真遥感图像的行列号，　，ｙ，ｚ为相应的行列号　所对应的地面大地三维坐标（Ｚ为高程），其余为相关系数。　为检验点，所得的各种精度如表２所示。　实验表明，在使用　一均值聚类提取抽样点的情况下，　本文二次多项式校正模型的检验精度明显优于其它各种多　２实验和证明　本文实验用ＱｕｉｃｋＢｉｒｄ遥感图像研究区域位于深圳市　区，所采用的遥感信息源是空间分辨率为０．６ｍ的ＱｕｉｃｋＢｉｒｄ　Ｐａｎ波段遥感图像，试验区遥感图像总行列数为２６５７４×　项式校正模型。在随机抽取抽样点的情况下，本文二次多项　式校正模型的拟合精度明显优于其它各种多项式校正模型，　检验精度优于改进二次多项式。　表１　Ｋ一均值聚类抽样检验精度表　孙军，等：ＱｕｉｃｋＢｉｒｄ遥感图像校正模型　１０９　表２随机抽样检验精度表　、ｔｒｙ　ａｎｄ　Ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ，２００３，２８（５）：５０５－５０９．　３结束语　［３］Ｊ　Ａ　Ｎｏｂｌｅ．Ｆｉｎｄｉｎｇ　ｃｏｒｎｅｒｓ［Ｊ］．Ｉｍａｇｅ　Ｃｏｍｐｕｔｉｎｇ，１９８８，６　（２）：１２１—１２８．　ＱｕｉｃｋＢｉｒｄ　Ｐａｎ波段遥感图像变形主要受地形起伏的影　［４］Ｊ　Ｓ　Ｌｅｅ，Ｙ　Ｎ　Ｓｕｎ，Ｃ　Ｈ　Ｃｈｅｎ，Ｃ　Ｔ　Ｔｓａｉ．Ｗａｖｅｌｅｔ　ｂａｓｅｄ　ｃｏｒ－　响，地形起伏变化越大，图像变形也就越大。图像变形受地　ｎｅｒ　ｄｅｔｅｃｔｉｏｎ［Ｊ］．Ｐａｔｔｅｍ　Ｒｅｃｏｇｎｉｔｉｏｎ，１９９３，２６（６）：８５３　形起伏、倾斜扫描、传感器姿态角变化等诸多因素的影响，很　—８６５．　难对每个因素的影响进行定量表达。控制点的数量和分布，　［５］章孝灿，黄智才，赵元洪．遥感数字图像处理［Ｍ］．杭州：　对主要影响因子的筛选有一定影响，但当尽可能考虑多的影　浙江大学出版社，１９９７．　响时，所建模型就能取得良好的效果。在遥感图像校正中，　［６］　朱述龙，张占睦．遥感图像获取与分析［Ｍ］．北京：科学　高程的引入可以让遥感图像的校正变得更加精确。由于在　出版社，２０００．　实际应用中能够用于计算遥感图像校正模型的控制点数量　［７］　徐青，张艳．遥感影像融合与分辨率增强技术［Ｍ］．北　稀少，使得大量的像素点都远离已知控制点，因此在实际应　京：科学出版社，２００７．　用中多项式的校正效果要比改进多项式好得多。　［１０］孙家柄．遥感原理与应用［Ｍ］．武汉：武汉大学出版　社，２００６．　参考文献：　［１１］陈建胜．少控制点的推扫式卫星姿态参数外推方法研究　［Ｊ］．中国图像图形学报，２００９，８（８）：１４６９—１４７４．　［１］Ａ　Ｇｏｓｈｔａｓｂｙ．Ｐｉｅｃｅｗｉｓｅ　ｌｉｎｅａｒ　ｍａｐｐｉｎｇ　ｆｕｎｃｔｉｏｎｓ　ｆｏｒ　ｉｍａｇｅ　［１２］张翼．获取均匀控制点的遥感影像自动空间匹配方法　ｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，１９８６，１９（６）：４５９　［Ｊ］．中国图像图形学报，２００９，８（８）：１４７５—１４７９．　—４６６．　［２］　Ｓｍｉｔｈ　Ｍ，Ｐａｒｋ　Ｇ．Ａｂｓｏｌｕｔｅ　ａｎｄ　ｅｘｔｅｒｉｏｒ　ｏｒｉｅｎｔａｔｉｏｎ　ｕｓｉｎｇ　（责任编辑周江川）　ｌｉｎｅａｒ　ｆｅａｔｕｒｅｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ａｒｃｈｉｖｅｓ　ｏｆ　Ｐｈｏｔｏｇｒａｒａｍｅ．