拼接式航測相機自適應輻射一致性校正方法

尚志鳴 姜灣 劉秀 文高進 鐘燦 陳捷

拼接式航測相機自適應輻射一致性校正方法

尚志鳴1姜灣2劉秀1文高進1鐘燦1陳捷3

（1 北京空間機電研究所，北京 100094）（2 國家博物館，北京 100079）（3 海軍潛艇學院，青島 266000）

國內外高端航測相機不斷追求擴展攝影幅面以提升作業效率，但探測器制造能力對相機單一幅面擴展形成了制約，多鏡頭、多探測器拼接技術成為大幅面高端航測相機的重要發展路線。文章針對拼接式航測相機虛擬拼接影像各子影像亮度不一致的問題，提出一種無需輸入先驗參數，自主選擇參考子影像，使用子影像間設計重疊區域亮度統計特征（均值、標準差）一致性約束，構建線性校正模型，通過最小二乘優化求解各個子影像的校正參數。文章方法針對虛擬拼接影像，可以無先驗、自適應地計算最優校正參數，有效抑制拼接式相機多鏡頭、多探測器間輻射不一致的現象，提升影像品質。經試驗驗證，提出方法與現有算法相比，校正后的虛擬拼接影像的均勻性在定量分析與視覺效果兩方面均有顯著提升。

輻射一致性校正 亮度特征一致性約束 最小二乘法 拼接式航攝相機

0 引言

以大幅面成像為主要特點的先進航攝相機能夠實現高精度、高效率、高品質的航空攝影，為大范圍的地理信息獲取提供了高效率保障。受制于探測器制造水平制約，使用單探測器成像的相機難以大幅提升成像幅面，通過多鏡頭、多探測器組合構造拼接式相機成為實現大幅面成像的重要技術路線[1-4]。然而，多鏡頭多探測器拼接式相機中，各探測器受制于不同鏡頭光照、差異化的工作環境、后背響應差異等因素影響，拼接后獲取的虛擬影像易出現以不同探測器對應的子影像為單元的明暗相間的輻射差異現象，影響了最終虛擬拼接影像的視覺效果。

使用實驗室或實驗場均勻場景定標[5-7]的方法可以抑制相機的輻射亮度不一致現象[8-10]。但是實驗室定標方法需要大口徑積分球等高端儀器設備，過程繁瑣，成本較高。同時，實驗室定標結果為固定的校正參數。僅在增益、積分時間等航測相機參數實驗室定標與實際航空攝影大體一致時，使用實驗室定標參數校正影像才能達到最優的效果。實際飛行作業中，地物目標亮度，航測相機參數多種多樣，有限的定標條件與多變的實際情況形成矛盾，制約了校正效果的提升。

基于影像場景進行后處理也可以實現影像的輻射一致性校正[11]，馬斯克（MASK）算法[12-14]通過去除影像低頻信息差異實現了影像輻射均勻效果。SWDC-4航測相機[15-16]虛擬拼接影像在對子影像使用MASK掩膜進行均勻化處理后，以任一子影像組為參考影像，計算其標準差、均值，通過直方圖匹配或曲線灰階映射表形式將其余子影像的統計指標與參考影像調整一致。李德仁等提出使用Wallis濾波實現多幅待拼接影像間的一致性輻射校正，并得到廣泛應用[12,17-18]。文獻[19-21]提出的矩匹配及相應改進方法被廣泛應用在衛星遙感影像輻射一致性校正方面。

其中，Wallis濾波方法與矩匹配方法均采用線性校正模型，具有計算量小、效率高、應用廣泛的優勢。經典的Wallis濾波與矩匹配方法假設待校正影像與參考影像具有相似的地物場景，從而利用參考影像的亮度特征指標計算待校正影像的變換參數[22]。然而拼接式航測相機為提升成像幅面，子影像間重疊面積小，成像場景差異大，不符合上述假設，制約了經典Wallis濾波或矩匹配方法的應用。

針對上述問題，在Wallis濾波與矩匹配思想基礎上，本文提出一種拼接式航攝相機自適應輻射一致性校正方法，該方法不使用先驗參數，對每一幅拼接影像，依據其子影像間設計重疊區域內的亮度特征進行優化目標函數構建，使用最小二乘方法進行校正參數的優化計算。該方法既避免了實驗室測量的固定輻射校正參數難以適應所有航攝應用場景的問題，又避免了基于影像場景校正常見方法中基準圖像與待校正影像場景差異引入的誤差。不同場景的影像以各自重疊區域影像為基準，按照提出的約束條件和優化目標方程計算出適合當前影像的線性校正參數，從而實現航攝相機的無先驗、自適應輻射一致性校正。

1 基于Wallis濾波與矩匹配的線性校正模型

Wallis濾波與矩匹配均廣泛應用于輻射校正中，都將待校正影像的灰度均值和標準差映射到給定的灰度均值和標準差值，而上述均值、標準差通常由參考影像計算得到。Wallis濾波的具體表示如下

此時濾波公式變為

由（2）～（4）式可知，矩匹配與典型Wallis濾波計算方法一致，均可表達為

由式（5）可見，Wallis濾波與矩匹配都采用影像的標準差和均值作為影像亮度的特征指標，按照待校正影像校正后的均值、標準差與參考影像一致的原則構造線性校正方程。均值和標準差作為影像亮度特征指標計算簡便；線性模型僅有增益、偏置兩個參數，求解計算量少，速度快。因此本文借鑒Wallis濾波或矩匹配思想，采用影像亮度特征一致性約束和線性校正模型，在此基礎上，針對多鏡頭多探測器拼接式航測相機各個子影像間具有多重疊區域約束、小重疊面積、場景差異大的問題，采用多區域約束、最小二乘自適應求解的方法實現拼接式航攝相機自適應輻射一致性校正。

2 拼接式航測相機自適應輻射一致性校正

拼接式航測相機自適應輻射一致性校正的流程如圖2所示，包括選擇參考影像、一致性約束模型構建、校正參數自適應優化和對各個子影像進行輻射校正四個步驟，具體步驟如下。

圖1 3×3拼接式航測相機等效影像示意

圖2 拼接式航測相機輻射一致性校正流程圖

2.1 選擇參考子影像

2.2 一致性約束模型構建與最小二乘求解

對于拼接式航攝相機拍攝的一景影像，首先遍歷其中每個探測器獲取的子影像，將相鄰子影像設計重疊區域作為相鄰子影像間的約束區域，使用中值濾波、均值濾波等去噪算法，對其進行濾波去噪，去噪后，計算各個重疊約束區域的均值與標準差統計指標。

然后構建線性輻射校正模型，如式（6）所示。

遍歷一景影像中各子影像，構建全圖約束模型。根據每個子影像與其它子影像間重疊相鄰關系，將每一組相鄰約束按照公式（13）、（14）構建校正參數約束模型，圖1所示的子影像間存在12組約束關系，可構建24個方程，聯立方程，即可獲取包括所有子影像的校正參數的約束模型方程組。

由于誤差的存在，上述方程不能夠精確相等，因此，將其改寫為

式（16）為線性約束方程組，v（=1, 2, ···, 24）為每個約束方程的殘差。9組子影像間形成12組重疊區域約束關系，構成了24個獨立的線性約束方程，超過未知數數量，滿足求解條件。

令

2.3 輻射校正

3 數據與試驗

使用自主研發拼接式測繪相機數據開展試驗。相機采取多鏡頭多探測器拼接成像的技術體制。由于相機采取鏡頭垂直下視的總體設計，且探測器本身具有較為良好的均勻性，在陸地等紋理復雜區域子影像間輻射差異視覺上不明顯。但是在水體等對影像輻射差異敏感的均勻場景，探測器間的輻射不一致制約了影像品質和視覺效果。

選取長江江面場景數據作為試驗數據，如圖3所示，原始拼接影像由3行×3列明暗不一的子影像構成。由于原始拼接影像較大，將其重采樣至2 252像素×1 643像素大小展示、分析。

圖3 水體場景虛擬拼接影像

圖3（a）為校正前的原始虛擬拼接影像，其各個子影像輻射信息不一致，具有明顯明暗不一的“馬賽克”現象，不僅直接降低了視覺效果，也對圖像中水流等跨子影像邊界地物的解譯、分析帶來了困難。圖3（b）為各個子影像進行了經典Wallis濾波校正后的虛擬拼接影像。Wallis濾波校正時，選擇中心子影像作為基準，對其它子影像進行校正。校正后，純水體子影像由于其與基準子影像語義信息基本一致，輻射一致性有一定改善。但包含橋梁、陸地和船只的子影像與水體子影像，由于與基準子影像的場景差異，其校正后子影像交界處接縫明顯，有顯著的視覺差異，且上述子影像校正后的標準差被抑制，對比度下降，水體細節損失大。圖3（c）虛擬拼接影像進行了MASK濾波[1]處理，可以改善輻射一致性效果，但MASK 濾波時減去影像的低頻信息再補償其均值，造成了影像細節損失和失真。圖3（d）各子影像經過文章突出的一致性校正，各子影像交界處的水面平滑均勻，無明顯接縫。同時影像細節信息被很好保留，如大橋支柱引起的水流波紋痕跡等清晰完整，輪廓分明。

使用影像均勻性指標ICV[12-14]定量評價本文算法的輻射一致性校正效果。ICV指標計算方法如下

因此選取虛擬拼接影像中不含地物的4個子影像交界區域100像素×100像素影像（圖3（a）紅框所示區域，次序按照順時針排布）評價子影像間均勻性校正效果，對原始影像、Wallis濾波、MASK濾波與本文提出算法，分別計算其ICV均勻性指標，結果如下。

表1 ICV參數結果對比

Tab.1 Comparison of ICV parameter results

如表1所示，提出算法在四個采樣區域均具有最好的數值表現。通過視覺對比與指標計算可知，本文算法與常規算法相比顯著提升了校正后影像的視覺效果與地物解譯能力。

4 結束語

本文提出了一種拼接式航測相機自適應輻射一致性校正方法，該方法使用任意相鄰子影像重疊區域的標準差、均值一致作為約束條件，構建線性校正模型，并使用最小二乘方法對校正參數優化求解。本文方法不需實驗室測量先驗參數，可以獨立對影像進行輻射一致性校正，也可以在實驗室校正后對影像進行二次校正。經試驗驗證，校正后虛擬拼接影像各子影像均勻性較已有算法顯著提升，且保留了各子影像內部細節。校正后影像視覺效果好，有較強的實際應用價值。

[1] 林宗堅, 宣文玲, 孫杰, 等. 由小面陣CCD組合構成寬角航空相機[J]. 測繪科學, 2005, 30(1): 94-98. LIN Zongjian, XUAN Wenling, SUN Jie, et al. Wide-angled Aerial Camera Made by Combining Small-Sized Areal Array CCD Sensors[J]. Science of Surveying and Mapping, 2005, 30(1): 94-98. (in Chinese)

[2] 李健, 劉先林, 萬幼川, 等. SWDC-4數碼航空相機虛擬影像生成[J]. 武漢大學學報(信息科學版), 2008, 33(5): 450-453. LI Jian, LIU Xianlin, WANG Youchuan, et al. Generation of SWDC-4 Aerial Digital Camera Virtual Images[J]. Geomatics and Information Science of Wuhan University, 2008, 33(5): 450-453. (in Chinese)

[3] ZHOU Qi, DUAN Yansong, LIU Xiu, et al. AFC-900 Large-Format Aerial Frame Camera: Design Principles and Photogrammetric Processing[C]//12th International Conference on Information Optics and Photonics (CIOP 2021), July 23-26, 2021, Xi?an, China. SPIE, 2021: 1205713-1-1205713-8.

[4] FANG Y, HU H, GAO L, et al. A Geometric Calibration Model for the New Ultra-Large Frame Aerial Mapping Camera DMZ II[J]. The Photogrammetric Record, 2020, 35(170): 289-312.

[5] 何靈莉, 胡秀清, 王玲, 等. 基于自動化方法的光學載荷定標跟蹤[J]. 航天返回與遙感, 2020, 41(6): 103-113. HE Lingli, HU Xiuqing, WANG Ling, et al. Calibration Tracking of the Optical Payload Based on Automatic Methods[J]. Spacecraft Recovery & Remote Sensing, 2020, 41(6): 103-113. (in Chinese)

[6] 劉莉, 陳林, 徐寒列, 等. “委遙二號”衛星長波紅外通道在軌輻射定標[J]. 航天返回與遙感, 2019, 40(3): 94-102. LIU Li, CHEN Lin, XU Hanlie, et al. On-Orbit Radiometric Calibration in Long Wave Infrared Band of VRSS-2 Satellite[J]. Spacecraft Recovery & Remote Sensing, 2019, 40(3): 94-102. (in Chinese)

[7] 李巖, 陳洪耀, 方舟, 等. “巴遙一號”衛星雙相機在軌絕對輻射定標及精度分析[J]. 航天返回與遙感, 2019, 40(6): 77-88.LI Yan, CHEN Hongyao, FANG Zhou, et al. On-Orbit Absolute Radiometric Calibration and Accuracy Analysis for Dual Camera of PRSS-1 Satellite[J]. Spacecraft Recovery & Remote Sensing, 2019, 40(6): 77-88. (in Chinese)

[8] 陳彥紅. 新型航測相機DMZII影像相對輻射校正方法研究[D]. 西安: 長安大學, 2017. CHEN Yanhong. Research on Relative Radiation Correction Method of DMZ II Image for New Aerial Camera[D]. Xi’an: Chang’an University, 2017. (in Chinese)

[9] 修吉宏, 黃浦, 李軍, 等. 大面陣彩色CCD航測相機的輻射定標[J]. 光學精密工程, 2012, 20(6): 1365-1373.XIU Jihong, HUANG Pu, LI Jun, et al. Radiometric Calibration of Large Area Array Color CCD Aerial Mapping Camera[J]. Optics and Precision Engineering, 2012, 20(6): 1365-1373. (in Chinese)

[10] 馬遠征. 國產大面陣航測相機DMZ II攝影數據快速處理技術[D]. 西安: 長安大學, 2018. MA Yuanzheng. The Fast Processing Technology of the Photogrammetric Data Captured by Domestic Large-Array Digital Aerial Camera DMZII[D]. Xi’an: Chang’an University, 2018. (in Chinese)

[11] 韓宇韜. 數字正射影像鑲嵌中色彩一致性處理的若干問題研究[D]. 武漢: 武漢大學, 2014. HAN Yutao. Research on Key Technology of Color Consistency Processing for Digtial Ortho Map Mosaicing[D]. Wuhan: Wuhan University, 2014. (in Chinese)

[12] 李德仁,王密,潘俊.光學遙感影像的自動勻光處理及應用[J].武漢大學學報(信息科學版),2006,31(9):753-756. LI Deren, WANG Mi,PAN Jun. Auto-Dodging Processing and Its Application for Optical RS Images[J]. Geomatics and Information Science of Wuhan University,2006,31(9):753-756. (in Chinese)

[13] 王密, 潘俊. 一種數字航空影像的勻光方法[J]. 中國圖象圖形學報A輯, 2004, 9(6): 744-748.WANG Mi, PAN Jun. A Method of Removing the Uneven Illumination for Digital Aerial Image[J]. Journal of Image and Graphics(A), 2004, 9(6): 744-748. (in Chinese)

[14] 張振, 朱寶山, 朱述龍, 等. 小波變換改進的MASK勻光算法[J]. 遙感學報, 2009, 13(6): 1074-1081.ZHANG Zhen, ZHU Baoshan, ZHU Shulong, et al. Improved MASK Dodging Method Based on Wavelet[J]. Journal of Remote Sensing, 2009, 13(6): 1074-1081. (in Chinese)

[15] 段福洲. 近地輕型數碼航空攝影測量系統研究[D]. 北京: 首都師范大學, 2007.DUAN Fuzhou. Research on Near Ground Digital Aerial Photogrammetry System[D]. Beijing: Capital Normal University, 2007. (in Chinese)

[16] 吳文靜. SWDC航空數碼相機的影像拼接與處理技術研究[D]. 焦作: 河南理工大學, 2011.WU Wenjing. Image Joining and Processing Technology Study of SWDC Aerial Digital Camera[D]. Jiaozuo: Henan Polytechnic University, 2011. (in Chinese)

[17] 潘俊. 立體正射影像無縫鑲嵌技術研究[D]. 武漢: 武漢大學, 2005.PAN Jun. The Research on Seamless Mosaic Approach of Stereo Orthophoto[D]. Wuhan: Wuhan University, 2005. (in Chinese)

[18] 張力, 張祖勛, 張劍清. Wallis濾波在影像匹配中的應用[J]. 武漢測繪科技大學學報, 1999, 24(1): 24-27. ZHANG Li, ZHANG Zuxun, ZHANG jianqing. The Image Matching Based on Wallis Filtering[J]. Journal of Wuhan Technical University of Surveying and Mapping, 1999, 24(1): 24-27. (in Chinese)

[19] SHEN Huanfeng, JIANG Wan, ZHANG Hongyan. A Piecewise Approach to Removing the Nonlinear and Irregular Stripes in Modis Data[J]. International Journal of Remote Sensing, 2014, 35(1): 44-53.

[20] 姜灣, 沈煥鋒, 曾超, 等. Terra MODIS數據28波段影像條帶噪聲去除方法[J]. 武漢大學學報(信息科學版), 2014, 39(5): 526-530.JIANG Wan, SHEN Huanfeng, ZENG Chao, et al. Destriping Method for Band 28 of Terra MODIS Images[J]. Geomatics and Information Science of Wuhan University, 2014, 39(5): 526-530. (in Chinese)

[21] SHANG Z, JIANG W, WEN G, et al. A Striping Removal Method Based on Spectral Correlation in MODIS Data[C]// Proceedings of Image and Graphics Technologies and Applications, IGTA 2020: 1314. Singapore: Springer, 2020: 17-28.

[22] 任中杰. 遙感瓦片影像色彩一致性研究[D]. 贛州: 江西理工大學, 2019.REN Zhongjie. Study on Color Consistency of Remote Sensing Tile Images[D]. Ganzhou: Jiangxi University of Science and Technology, 2019. (in Chinese)

[23] 陳佳妮. 最小二乘估計的性質[J]. 哈爾濱師范大學自然科學學報, 2016, 32(5): 7-8. CHEN Jiani. The Nature of the Least Squares Estimate[J]. Natural Science Journal of Harbin Normal University, 2016, 32(5): 7-8. (in Chinese)

Self-Adaptive Radiation Consistency Correction Method for Spliced Aerial Mapping Camera

SHANG Zhiming1JIANG Wan2LIU Xiu1WEN Gaojin1ZHONG Can1CHEN Jie3

（1 Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China）（2 National Museum, Beijing 100079, China）（3 Navy Submarine Academy, Qingdao 266000, China）

Advanced aerial mapping cameras at home and abroad are constantly pursuing the expansion of the photographic format to improve operational efficiency. However, the manufacturing capacity of detectors restricts the expansion of the single format of the camera. Multi-lens and multi-detector splicing technology has become an important development route for large-format advanced aerial mapping cameras. A method without priori parameters is proposed, which independently selects the reference sub-images, uses the consistency constraints of the brightness statistical features (image mean, variance) in the overlapping regions to build a linear correction model, and solves the problem of each sub-image through least squares optimization correction parameters. For different virtual spliced images, the method has no prior and self-adaptive calculation of optimal correction parameters, and the calculation amount is small, which can quickly and effectively suppress the phenomenon of radiation inconsistency among multiple lenses and multiple detectors of spliced cameras, and improve image quality. Experiment shows that compared with the existing algorithm, the uniformity of the corrected virtual stitched image is significantly improved in both quantitative analysis and visual effect.

radiation consistency correction; luminance feature consistency constraints; least squares optimization; splicing aerial mapping camera

V445

A

1009-8518(2023)05-0083-08

10.3969/j.issn.1009-8518.2023.05.010

2023-02-05

尚志鳴, 姜灣, 劉秀, 等. 拼接式航測相機自適應輻射一致性校正方法[J]. 航天返回與遙感, 2023, 44(5): 83-90.

SHANG Zhiming, JIANG Wan, LIU Xiu, et al. Self-Adaptive Radiation Consistency Correction Method for Spliced Aerial Mapping Camera[J]. Spacecraft Recovery & Remote Sensing, 2023, 44(5): 83-90. (in Chinese)

（編輯：龐冰）