線陣CCD衛星影像DSM自動生成技術

宋　冰，林　卉，丁　翠，王李娟，孫華生

(1. 中國礦業大學環境與測繪學院，江蘇 徐州 221116； 2. 江蘇師范大學測繪學院，江蘇 徐州 221116； 3. 山東城市建設職業學院，山東 濟南 250103； 4. 遼寧工程技術大學測繪與地理科學學院，遼寧 阜新 123000)

?

線陣CCD衛星影像DSM自動生成技術

宋冰1，林卉2，丁翠3，王李娟2，孫華生4

(1. 中國礦業大學環境與測繪學院，江蘇 徐州 221116； 2. 江蘇師范大學測繪學院，江蘇 徐州 221116； 3. 山東城市建設職業學院，山東 濟南 250103； 4. 遼寧工程技術大學測繪與地理科學學院，遼寧 阜新 123000)

摘要：線陣CCD傳感器成為了對地觀測最有效的方式之一，本文研究了線陣CCD影像構成的立體像對密集匹配自動生成DSM的方法與關鍵技術，提出了基于核線影像的金字塔逐層匹配方法及基于相關系數的動態窗口變換的雙向匹配方法來實現格網點的匹配。通過資源三號衛星影像等數據試驗驗證了上述理論與方法的適用性和正確性。

關鍵詞：衛星影像；影像金字塔；密集匹配；數字表面模型；有理函數模型

隨著遙感技術和相機技術的發展，框幅式相機的壟斷地位已被打破，線陣CCD傳感器成為了對地觀測最有效的方式之一。此外，數字表面模型(DSM)是數字高程模型(DEM)提取、等高線生成、建筑物提取和重建、真正射影像制作和地理信息更新等工作的重要前期數據源。因此，如何基于CCD衛星影像自動提取DSM是當前研究的難點和熱點[1-4]。

TAO等開發出世界上第一個能快速從遙感影像上進行三維重建的軟件SilverEye，它根據影像自帶的RPC文件重建像素坐標和三維大地坐標的幾何關系。除此之外，TAO等還研究了基于RPC參數的最小二乘解的求法，根據與地形是否有關提出了兩種解算方法，并提出了根據有理函數模型RFM(rational function model)進行地形表面三維重建的具體方法[1]。ZHANG等針對立體影像數據源依據RFM的三維重建方法開發了SAT-PP軟件[2]。隨著RFM在遙感影像三維重建中日益凸顯出重要作用，許多學者進行了相應的RFM的精度分析[3-6]?？傮w而言，上述研究多集中在三維坐標的解算方法和模型上，對其中的關鍵技術如影像匹配等方面的研究不夠深入。鑒于此，本文研究線陣CCD影像構成的立體像對密集匹配自動生成DSM的方法與關鍵技術，提出基于核線影像的金字塔逐層匹配方法及基于相關系數的動態窗口變換的雙向匹配方法來實現格網點的匹配；并通過資源三號衛星影像等數據試驗驗證上述理論與方法的適用性和正確性。

一、密集匹配與DSM自動提取

1. 總體技術流程

總體技術流程如圖1所示，主要包括影像預處理、密集匹配、三維重建和DSM渲染等步驟，其中最核心的步驟是密集匹配，其準確率直接影響后續三維重建和DSM的渲染。

圖1　總體技術流程

2. 預處理

(1) 影像位深度轉換

位深度用于指定圖像中的每個像素可以使用的顏色信息數量，每個像素使用的信息位數越多，可用的顏色就越多，顏色表現就更逼真。資源三號的全色原始影像為16位，在PC機里如果不用專業軟件進行位度拉伸就顯示為全黑色。為了更直觀地顯示及后期算法的處理，需對原始影像進行位深度轉換，針對全色(單波段)的立體像對，其處理方法是轉換為8位的灰度圖像。以資源三號全色影像為例，其灰度像素值范圍為：0～65 535，據統計其前2%的像素值臨界點為45，后2%的像素臨界點為457，像素值R按照R×255/(457-45)進行拉伸即可。

(2) 核線影像生成

核線影像是沿著核線方向進行重采樣生成的沒有上下視差的影像。同名核線對上的點在核線影像上的Y值是相等的，根據這一特點，可將影像匹配中同名點的搜索范圍由二維簡化為在核線方向的一維，這種做法不僅可以降低匹配搜索的空間和時間，同時又可以提高匹配的準確率。

由于線陣CCD推掃式影像的每一掃描行均有一個中心投影點，遵循“多中心”動態投影的成像方式，很難完全建立像點和物點之間的對應關系，故不能像框幅式單中心投影影像一樣具有十分嚴密的核線幾何關系。目前，對線陣CCD影像的各種近似核線幾何關系的近似描述中，投影軌跡法的核線理論最為嚴密，更適合獲取線陣CCD衛星影像的核線影像[7]。按此方法生成的核線影像如圖2所示。

圖2　核線影像

(3) 金字塔影像生成

金字塔影像是在原始影像的基礎上通過不斷產生較下層影像分辨率小(影像尺寸較小)的影像作為上層影像而構成的形似金字塔狀的多個影像的組合。金字塔影像的多層匹配策略在密集匹配中有許多優勢，在生成金字塔影像時，上層影像較下層影像在保留整體紋理結構的基礎上濾掉了噪聲和極值點，從而在金字塔頂層上減少了匹配的不確定性。另外，由于金字塔上層影像的尺寸較下層影像小，其相同窗口的影像匹配拉入范圍變大，窗口影像內紋理結構明顯，更易于灰度匹配。以上一層匹配的結果作為下一層匹配的初始值，從而減少了下層影像匹配的搜索時間，對影像匹配的效率和可靠性都有很大提高[2]。

3. 密集匹配

為研究試驗因素交互作用對羊肚菌SDF提取效果的影響，可以通過響應面分析實現。通過Design-Expert 8.0.6軟件分析，所得的響應面圖見圖5～圖10。

(1) 特征點提取及匹配

采用基于尺度不變特征變換(scale invariant feature transformation,SIFT)算法進行特征點提取，進而生成特征描述子，然后通過最/次近鄰距離比值法NNDR(nearest neighbor distance ratio)進行特征點匹配[8]。最后通過隨機抽樣一致性(random sample consensus,RANSAC)算法進行誤配點剔除，其目的是獲取兩景影像之間的幾何變換模型參數，可用于DSM制作區域在立體像對上重疊區域的獲取及后期格網點的預測。

(2) 格網點預測

根據DSM制作區域和DSM的提取精度可確定格網點的范圍和間隔，假設格網點間隔為N，則在左影像上的DSM制作區域范圍內，以等間隔像素數N在影像的x和y方向上劃分格網，其中每個十字交叉點均為格網點?；谏鲜龈窬W點進行格網點的預測。格網點的預測指的是在右影像上找出左影像上每個格網點的粗略位置用于后期格網點匹配搜索范圍的約束。本文中格網點的預測分為兩種：一種是金字塔頂層的格網點預測，另一種是金字塔其他層格網點的預測。

金字塔頂層格網點的預測是通過特征點提取與匹配獲得兩景影像之間的仿射幾何變換模型(式(1))，進而以此幾何變換模型映射左影像格網點在右影像的位置。

(1)

式中，(x,y)和(x′,y′)為一對同名點，(x′,y′)為經過多項式求解(x,y)對應左影像的匹配點坐標；n為同名點對數量；a、b、c、d、s、t為系數。式中包含了平移、旋轉、縮放等變換，不共線的3對對應點決定了唯一一組多項式擬合參數。

由于金字塔頂層影像的分辨率較低，影像尺寸較小，幾何畸變也同樣很小，只要能保證匹配點的均勻性和正確性即可保證頂層格網點預測的準確性。金字塔其他層格網點的預測是通過金字塔逐層匹配中上層匹配結果向下傳遞獲得，上層匹配點坐標還原至下層坐標后作為本層匹配結果的初值。為了保證每一層格網點密度的同一性，上層匹配點坐標還原至下層時需根據周圍匹配點計算出增加的格網點在右影像上同名點的初始值，其在格網點匹配時的搜索步長也相應地放大。圖3表示金字塔頂層影像(尺寸為原始影像大小的1/16)DSM制作區域均勻分布點的獲取，其中矩形區域為DSM制作區域在立體像對上的對應的區域范圍，圓內的十字交叉點為均勻分布的匹配點。圖4為立體像對金字塔頂層影像格網點的預測。其中格網間隔為13像素，基于SIFT匹配的結果采用多項式擬合兩影像之間的對應關系并映射格網點的匹配初始值。

圖3　DSM制作區域均勻分布點的獲取

圖4　立體像對金字塔頂層影像格網點的預測

格網點的匹配采用基于相關系數的動態窗口變換的雙向匹配策略，其中用到相關系數的模板匹配，動態窗口變換和雙向匹配。相關系數的模板匹配是以相關系數最大為篩選條件進行的奇數窗口影像灰度匹配。動態窗口變換是在一維匹配的基礎上利用影像重采樣來減弱幾何畸變對灰度匹配影響的一種方法。雙向匹配是以左影像為基準影像匹配右影像之后，再以右影像為基準影像對左影像進行搜索匹配下方法，具體過程如下：

1) 以左影像的格網點為基準，取以格網點為中心的奇數窗口影像w×w與以右影像上相應格網點預測值為中心，核線方向上r(像素)范圍內，對以其為中心的奇數窗口影像逐個計算相關系數，如其中最大的相關系數大于設定的閾值δ1，則認為這兩個點是匹配點。

2) 如果最大相關系數小于閾值δ1而大于設定的閾值δ2，其中δ1>δ2且其值均較大，如δ1=0.8，δ2=0.7，則將右影像上與之相關系數最大的那個點暫定為匹配點，然后以左影像的那個格網點為中心，核線方向上r(像素)范圍內，對以其為中心的奇數窗口影像逐個計算相關系數，如果相關系數最大的點仍為最初的那個格網點則認為這兩個點是匹配點。

3) 經過上述兩個步驟仍沒有匹配的點，以右影像匹配點的預測值為中心，垂直于核線方向窗口大小仍為w，核線方向為w+Δ或w-Δ范圍內逐次重采樣成w×w的窗口影像，然后再重復上述兩個步驟進行相關系數的雙向匹配來計算左影像格網點的匹配點。

4. 基于有理函數模型的三維重建

經過金字塔的逐層匹配后可獲得立體像對的同名點坐標，而最終DSM的渲染是通過格網點的大地三維坐標來進行的，故需要進行類似于傳統攝影測量中的立體空間前方交會過程。在利用不同來源的遙感影像進行三維重建時不會受到傳感器物理模型和坐標系統的限制，而且RFM模型構建的空間前方交會模型更具一般性，能夠廣泛地應用于各種遙感影像中[9-10]。本文采用的是RFM+RFM模型，即對左右影像均選用RFM模型作為相應的定位模型，其前提條件是需要立體像對的RPC文件和同名點坐標文件。RPC文件中共有90個參數，其中5個標準化的平移坐標、5個標準化的比例參數和80個有理函數系數。

二、試驗

試驗選取2012年11月29日獲取的陜西銅川地區的資源三號衛星前后視影像數據，經度范圍約為：108.43°—109.11°，緯度范圍約為：37.43°—35.34°，高程范圍約為：495～1800 m。該立體像對的構像方式是同軌的，地面分辨率為3.6 m，其影像大小為16 306×16 306像素，該影像覆蓋面積為50 km×50 km。

根據投影軌跡法生成核線影像，采用SIFT算法對兩核線影像進行分塊提取特征點并匹配，最終獲得16個均勻分布的匹配點，把匹配點的Y坐標對應相減求取視差，所有點的視差均在1像素以內，故認為該核線影像對有效，可在此基礎上進行密集匹配。

在核線影像的基礎上生成金字塔影像并確定DSM制作區域，試驗所選區域為：x方向為1000～16 000像素，y方向為1000～16 000像素，然后采用前述金字塔逐層匹配方法進行密集匹配，其中格網點間隔為13像素。對于金字塔分解層數的選擇，考慮格網點預測中兩影像之間多項式擬合精度問題，一般以金字塔的頂層影像長寬尺寸大小為1000像素左右或更小來確定金字塔匹配層數，本試驗程序影像尺寸為16 384×16 306像素，5層金字塔影像的頂層影像尺寸為1024×1019像素，故金字塔匹配層數定為5層。其密集匹配的同名點展點如圖5所示。

圖5　同名點展點

求取兩影像的密集匹配點坐標后，按照前述方法轉換為原始影像的坐標后，采用正解有理函數模型進行三維坐標解算。圖6為對應DSM的暈渲圖。

圖6　DSM的暈渲圖

三、結束語

本文研究了資源三號線陣CCD影像密集匹配自動提取DSM的主要關鍵技術和流程。試驗結果表明,應用投影軌跡法進行核線約束和核線影像生

成，并在試驗的基礎上通過影像匹配的方法進行核線影像自檢核及RPC補償(無控制點的情況下)是可行的，可以達到一維匹配的目的；此外，采用金字塔分層匹配并綜合利用基于相關系數的動態窗口變換的雙向匹配方法進行格網點的匹配可以獲取密集匹配點云。但由于前后視的交會角較大，以后可采用多視匹配來加以改進，也可借助于SRTM(shuttle radar topography mission)數據進行輔助自動匹配。

參考文獻：

[1]VINCENT C, TAO Y, WANG J. Photogrammetric Exploitation of IKONOS Imagery for Mapping Applications[J]. Remote Sensing, 2004, 25(14): 2833-2853.

[2]ZHANG L, GRUEN A. Multi-image Matching for DSM Generation from IKONOS Imagery [J]. ISPRS Journal of Photogrammetry & Remote Sensing, 2006, 60: 195-211.

[3]鞏丹超. 有理函數模型的解算與應用[J]. 測繪學院學報, 2003, 20(1): 39-46.

[4]劉軍. 基于RPC模型的IKONOS衛星影像高精度立體定位[J]. 測繪通報, 2004(9): 1-4.

[5]張永生. 高分辨率遙感衛星立體影像RPC模型定位的算法及其優化[J]. 測繪工程, 2004, 13(1): 1-4.

[6]王偉璽. 基于廣義立體像對的三維重建方法研究[D]. 阜新：遼寧工程技術大學, 2006.

[7]胡芬. 基于投影基準面的線陣推掃式衛星立體像對近似核線影像生成方法[J]. 測繪學報, 2008, 38(5): 428-436.

[8]LOWE D G. Distinctive Image Features from Scale-Invariant Keypoint[J]. Internation Journal of Computer Vision, 2004, 60(2): 91-110.

[9]秦緒文. 無需初值的RPC模型參數求解算法研究[J]. 國土資源遙感, 2005(4): 7-15.

[10]劉軍. 有理函數模型在航空航天傳感器攝影測量重建中的應用及分析[J]. 信息工程大學學報, 2002, 3(4): 66-69.

[11]李德仁. 我國第一顆民用三線陣立體測圖衛星-資源三號測繪衛星[J]. 測繪學報, 2012, 41(3)：317-322.

[12]卲茜. 線陣CCD衛星遙感影像成像處理模型[D]. 鄭州：信息工程大學, 2006.

Research on Automatic Generation Technology of DSM for Line Array CCD Satellite Images

SONG Bing，LIN Hui，DING Cui，WANG Lijuan，SUN Huasheng

收稿日期：2015-08-14； 修回日期： 2015-09-27

基金項目：國家自然科學基金(41371438；41401397；41201454)；江蘇省自然基金青年項目(BK20140237)

作者簡介：宋冰(1977—)，男，博士生，研究方向為測量數據處理。E-mail：songbing@cumt.edu.cn

通信作者：林卉

中圖分類號：P237

文獻標識碼：B

文章編號：0494-0911(2016)06-0022-04

引文格式： 宋冰，林卉，丁翠,等. 線陣CCD衛星影像DSM自動生成技術[J].測繪通報，2016(6)：22-25.DOI:10.13474/j.cnki.11-2246.2016.0182.