论文部分内容阅读
近年来，随着新型传感器的不断出现，人们获取遥感影像的能力迅速提高，不同传感器、不同分辨率、不同成像特点的影像不断增多，极大的促进了遥感影像在土地利用、土地覆盖、环境监测、资源调查、军事等方面的应用。但是，由于不同的成像方式、卫星平台以及不同精度的成像参数等因素的影响，导致多源遥感影像在空间上不完全一致。因此，在这些应用中，影像配准是一个非常关键的步骤，配准精度会直接影响这些应用的精度。随着配准技术的不断发展，尤其是以SIFT(Scale-invariant feature transform)为代表的具有尺度、旋转不变性的配准算法，极大的提高了遥感影像配准的精度。但是由于不同传感器获取的影像在几何、成像条件、成像时间、空间分辨率和地物变化等多个方面存在明显的差异性，无论采用何种配准算法，总会产生误匹配点。因此，遥感影像配准中，如何判定误匹配点并有效剔除误匹配点也是一个非常关键的步骤，一个高精度的判定方法，会极大的提高影像配准的精度和鲁棒性。 目前，通常用于误匹配点的判定方法包括RANSAC(Random Sample Consensus)方法和多项式拟合的方法。多项式拟合的方法容易受误差较大匹配点的影响，从而导致精度不高。RANSAC方法具有很强的鲁棒性，在遥感影像中得到了广泛的应用。以上两种方法都是假设所有正确匹配点满足同一个模型。但是对于部分具有宽覆盖、几何变形复杂或者地形复杂的遥感影像，由于地球曲率、复杂几何变形、复杂地形的影响，所有正确匹配点无法满足同一个模型，因此，RANSAC和多项式拟合等单模型方法已经无法适用于该类匹配点。 因此，本文针对2级中高分辨率多源遥感影像产品的特点，首先进行影像配准技术研究，获得大量高精度的匹配点，在此基础上，提出了多种误匹配点判定方法，极大的提高了遥感影像配准中误匹配点的判定精度，尤其是几何变形复杂、地形复杂或者宽覆盖范围的遥感影像。 具体的主要研究内容包括以下四个方面: （一）多源遥感影像自动配准技术 为了获得大量高精度的匹配点，在分析现有配准方法的基础上，结合特征点提取算法和灰度模板匹配算法，提出一个分层配准方法，该方法速度快，精度高，可以适用于中高分辨率的多源遥感影像; （二）多模型局部RANSAC方法 为了提高几何变形复杂、地形复杂或者宽覆盖的遥感影像的误匹配点判定精度，提出多模型局部RANSAC方法(Multi-Mode Locally Sample Consensus，MLSAC)。该方法具有两个特点:只在影像的局部空间平面上或局部空间高度上判定误匹配点;使用多个模型同时判定误匹配点。MLSAC首先通过匹配点分组、匹配点分层或者分层和分组相结合的方法，将所有匹配点分为若干组，使每一组内的正确匹配点都能满足同一个模型，然后使用多个模型分别进行误匹配点判定。 （三）基于图的误匹配点判定方法 在分析和总结已有基于图的方法的基础上，提出基于单K最近邻图(K-NN图)的误匹配点判定方法(Single Graph Transformation Matching，SGTM)。SGTM首先在原始影像上构建K-NN图，然后使用领域匹配点构建局部变换模型，最后计算匹配点和局部变换模型的误差，误差最大若干对的匹配点被判定为误匹配点。该过程不断迭代，直到所有匹配点的误差都小于设定阈值。SGTM方法还可以和其它误匹配点判定方法比如RANSAC、MLSAC方法相结合，从整体和局部进行误匹配点判定。 （四）分层影像配准和误匹配点判定方法应用 在本文分层影像配准和误匹配点判定方法的基础上，研发基于影像配准技术的几何精校正系统，并使用几何精校正系统完成大量HJ-1 CCD影像、HJ-1 IRS影像、ZY-3多光谱影像的几何精校正，验证本文方法的精度和效率。