基于RFM的高分辨率衛(wèi)星遙感影像自動(dòng)匹配研究

季順平,袁修孝

武漢大學(xué)遙感信息工程學(xué)院,湖北武漢430079

基于RFM的高分辨率衛(wèi)星遙感影像自動(dòng)匹配研究

季順平,袁修孝

武漢大學(xué)遙感信息工程學(xué)院,湖北武漢430079

提出一種基于有理多項(xiàng)式模型(RFM)的高分辨率衛(wèi)星遙感影像自動(dòng)匹配方法。首先利用RFM進(jìn)行高分辨率衛(wèi)星影像直接定位和同名點(diǎn)預(yù)測(cè),并分析預(yù)測(cè)精度;然后基于投影軌跡建立近似核線方程,并分析核線精度;接著采用金字塔影像策略進(jìn)行核線約束的近似一維影像匹配,并經(jīng)最小二乘影像匹配精化匹配結(jié)果;最后采用RANSAC算法剔除誤匹配點(diǎn)以獲取最終的匹配結(jié)果。試驗(yàn)結(jié)果表明,該方法的匹配成功率和穩(wěn)定性高于傳統(tǒng)的二維灰度匹配方法和現(xiàn)流行的SIFT匹配方法,能夠很好地解決高分辨率衛(wèi)星遙感影像自動(dòng)匹配中不同成像模式、多時(shí)相、大姿態(tài)角等情況導(dǎo)致的匹配難題。

影像匹配;核線方程;RANSAC;RFM

1 引 言

由于高分辨率衛(wèi)星遙感影像物理成像模型的復(fù)雜性及多視角、多時(shí)相的問(wèn)題,其立體像對(duì)的自動(dòng)匹配一直是一個(gè)研究熱點(diǎn)和難點(diǎn)。近年來(lái),該項(xiàng)研究已取得一定的進(jìn)展。文獻(xiàn)[1]研究基于SIFT特征的遙感影像自動(dòng)配準(zhǔn),指出該方法在圖像具有較復(fù)雜變形的情況下,仍然可以準(zhǔn)確匹配到大量的穩(wěn)定特征,但該試驗(yàn)只采用較小的影像局部區(qū)域,因此應(yīng)用于大容量遙感影像的可行性和效率仍需進(jìn)一步研究。文獻(xiàn)[2]設(shè)計(jì)一種新的全局一致性度量準(zhǔn)則,實(shí)現(xiàn)了基于空間關(guān)系的遙感影像特征匹配,通過(guò)與幾種經(jīng)典度量準(zhǔn)則的比較分析,證實(shí)該方法的正確性和穩(wěn)健性,但仍克服不了基于空間關(guān)系的匹配方法一些固有的缺陷。文獻(xiàn)[3]針對(duì)多源遙感影像人工幾何糾正方法存在精度差、效率低等問(wèn)題,提出一套基于匹配技術(shù)的自動(dòng)糾正算法流程。首先通過(guò)手工選擇控制點(diǎn)進(jìn)行仿射變換實(shí)現(xiàn)粗配準(zhǔn),并采用小波影像金字塔的逐級(jí)匹配策略獲得控制點(diǎn)對(duì),再利用多項(xiàng)式擬合剔除錯(cuò)誤點(diǎn)對(duì),最后采用不規(guī)則三角網(wǎng)實(shí)現(xiàn)影像糾正。文獻(xiàn)[4]基于文獻(xiàn)[3]進(jìn)行進(jìn)一步研究,采用SIFT算法匹配出少量同名點(diǎn)用于粗配準(zhǔn),而無(wú)須再手工選擇控制點(diǎn)。文獻(xiàn)[5-6]采用幾何約束的相關(guān)算法實(shí)現(xiàn)基于多基線影像匹配的高分辨率遙感影像的DEM生成,自動(dòng)匹配生成的DEM保持較好的精度和可靠性,但該方法需以影像的精確外方位元素作為初始條件。Kornus等采用一種改進(jìn)的區(qū)域增長(zhǎng)算法[7]生成同軌SPOT5三立體像對(duì)(前視、后視、正視)的DEM[8],該方法也需要在匹配前手工選擇一定數(shù)量的種子點(diǎn)。

綜上所述,雖然高分辨率衛(wèi)星遙感影像的匹配研究已經(jīng)取得一定的進(jìn)展,但大部分算法仍需手工給定初始條件或種子點(diǎn),目前仍沒(méi)有一種成熟的算法能夠穩(wěn)健可靠地實(shí)現(xiàn)各種條件下高分辨率衛(wèi)星遙感影像的全自動(dòng)匹配;同樣,無(wú)論是在數(shù)字?jǐn)z影測(cè)量工作站(如VirtuoZo、J X4)上進(jìn)行立體模型定向,還是采用遙感應(yīng)用軟件(如 ERDAS、PCI)進(jìn)行影像配準(zhǔn),亦首先要手工選定一定數(shù)量的控制點(diǎn)。

為解決高分辨率衛(wèi)星遙感影像匹配仍需人工干預(yù)的難題,減少多時(shí)相、大傾角立體像對(duì)對(duì)匹配結(jié)果的影響,本文研究一種基于RFM模型的影像匹配方法,以提高自動(dòng)匹配的可靠性和成功率,為后繼的模型定向、影像配準(zhǔn)、DEM生成等作業(yè)提供可靠的、高精度的同名特征點(diǎn)。

2 基于RFM的近似核線匹配原理

本文匹配方法的主要流程如圖1所示,首先采用RFM模型預(yù)測(cè)初始同名點(diǎn),然后根據(jù)投影軌跡法生成近似核線約束同名點(diǎn)搜索范圍,再進(jìn)行金字塔影像匹配和最小二乘匹配,并采用RANSAC算法剔除誤匹配點(diǎn),實(shí)現(xiàn)高分辨率衛(wèi)星遙感影像的自動(dòng)匹配。

圖1 基于RFM的近似核線匹配流程圖Fig.1 Flow chart of approximate epipolar matching method based on RFM

2.1 基于RFM的同名點(diǎn)預(yù)測(cè)

目前幾種常用的高分辨率衛(wèi)星遙感影像中,例如QuickBird、IKONOS等,都提供基于有理多項(xiàng)式的傳感器成像模型(RFM),SPOT 5提供的嚴(yán)格幾何模型也可非常方便地轉(zhuǎn)換為RFM模型。RFM對(duì)嚴(yán)格物理成像模型的擬合精度很高,一般在0.01像素?cái)?shù)量級(jí)[9-11]。因此,采用RFM進(jìn)行對(duì)地定位和采用嚴(yán)格物理模型進(jìn)行定位的精度幾乎完全一致。

RFM的反解公式(從地面到影像)為

其中,P、L、H為正則化地面坐標(biāo);X、Y為正則化影像坐標(biāo);N umS、N umL為多項(xiàng)式分子;DenS、DenL為多項(xiàng)式分母。具體含義詳見(jiàn)文獻(xiàn)[12]。由于廠商提供的RPC參數(shù)文件中只提供反解公式的系數(shù),為進(jìn)行正變換,需對(duì)式(1)進(jìn)行線性化

根據(jù)最小二乘原理,給定合適的 P、L初值,可求出地面點(diǎn)坐標(biāo)

采用特征提取算子在基準(zhǔn)影像上提取特征點(diǎn)后,根據(jù)式(3)可將特征點(diǎn)的影像坐標(biāo)投影至地面,再由式(1)反投到待匹配影像上,獲得同名點(diǎn)匹配初值。為確定搜索范圍和建立恰當(dāng)?shù)慕鹱炙訑?shù),需分析同名點(diǎn)的預(yù)測(cè)精度。

若已知地面高程,則匹配初值的精度僅由RPC參數(shù)的精度決定。筆者利用立體像對(duì)上的檢查點(diǎn)對(duì)2組SPOT立體像對(duì)、1組QuickBird立體像對(duì)(見(jiàn)3.1)進(jìn)行同名點(diǎn)位的預(yù)測(cè)精度分析。如表 1所示,x、y向的預(yù)測(cè)誤差分別從1像素到40像素不等,其中兩組SPOT異軌立體像對(duì)預(yù)測(cè)精度明顯高于QuickBird同軌立體像對(duì)的預(yù)測(cè)精度,且與Reinartz等的SPOT直接定位結(jié)果較為一致[13]。總而言之,3組立體像對(duì)的預(yù)測(cè)誤差都在40像素之內(nèi),這表明廠商提供的RPC參數(shù)具有一定的精度,同時(shí)為金字塔層數(shù)的確定提供了參考依據(jù)。

表1 基于RFM的同名點(diǎn)預(yù)測(cè)精度Tab.1 The accuracy of correspondence point prediction based on RFM

由于衛(wèi)星高度達(dá)到幾百公里,地面高程誤差影響不大。當(dāng)高程分別變化1 m、10 m、100 m、500 m時(shí),該預(yù)測(cè)點(diǎn)位與初始預(yù)測(cè)點(diǎn)位的平均誤差如表2所示。從表2中看出,對(duì)于SPOT異軌立體像對(duì)而言,高程的變化主要影響 x方向的誤差,對(duì) y方向即核線方向影響較小。當(dāng)高差達(dá)到500 m時(shí),x方向的預(yù)測(cè)誤差在100像素之內(nèi),對(duì)y方向幾乎沒(méi)有影響。對(duì)于同軌立體模式,預(yù)測(cè)誤差則大得多,當(dāng)高差達(dá)到500 m時(shí),x方向的預(yù)測(cè)誤差為166像素, y方向的預(yù)測(cè)誤差則接近700像素。因此,對(duì)于同軌立體像對(duì)而言,需要將掃描線旋轉(zhuǎn)90°后再建立近似核線,統(tǒng)計(jì)核線方向預(yù)測(cè)誤差。

表2 高程變化對(duì)預(yù)測(cè)位置的影響Tab.2 The prediction error due to height change

2.2 基于投影軌跡的近似核線

在推掃式衛(wèi)星遙感影像中,每一掃描行均有其自身的投影中心和方位元素,因此它并不存在嚴(yán)格的核線定義。常用的近似核線理論包括多項(xiàng)式擬合法[14]和基于光點(diǎn)升降的投影軌跡法[15]。多項(xiàng)式擬合法需要相當(dāng)數(shù)量的已知同名點(diǎn),該條件在影像匹配前是無(wú)法滿(mǎn)足的。而投影軌跡法則需要影像的外方位元素,因此在RPC參數(shù)已知并且精度較高的情況下,采用投影系數(shù)法生成近似核線作為匹配約束條件。

如圖2所示,當(dāng)?shù)孛娓叱虨?H時(shí),由式(3)計(jì)算出左像上任一點(diǎn)p在地面的坐標(biāo)為Q,由式(1)計(jì)算出右像的坐標(biāo)為q(x,y);當(dāng)?shù)孛娓叱虨?H′時(shí),p在右像的反投影坐標(biāo)為q′(x′,y′)。則 p點(diǎn)在右像上的核線是過(guò)q和q′的一條曲線。而在實(shí)際影像范圍內(nèi),該曲線可近似為一直線[16]。其斜率可用式(4)計(jì)算

圖2 基于投影軌跡的推掃式影像核線示意圖Fig.2 Epipolar line of push-broom imagery based on projection track

2.3 金字塔影像的近似核線匹配策略

由于SPOT異軌立體像對(duì)的近似核線精度較高,實(shí)際匹配中金字塔層數(shù)的選擇只由初始點(diǎn)位的預(yù)測(cè)誤差決定。從表1和表2看出,y方向的預(yù)測(cè)誤差一般在10像素以?xún)?nèi),高程預(yù)測(cè)誤差即使達(dá)到500 m也才引起 x方向最大88.5像素的誤差。因此,若建立2層金字塔,y方向搜索范圍設(shè)置為3像素,x方向設(shè)置為50像素,則實(shí)際在原始影像上的搜索范圍分別是 27像素和450像素,完全可滿(mǎn)足同名點(diǎn)搜索的需要。

而同軌立體像對(duì)由于側(cè)視角的巨大差異,左右影像間變形嚴(yán)重,也導(dǎo)致核線存在較大的傾角。雖然推掃式影像不再滿(mǎn)足中心投影關(guān)系,但在局部匹配窗口內(nèi),仍可近似為中心投影。因此,和航空影像類(lèi)似,可采用核線采樣來(lái)消除姿態(tài)角引起的影像變形,同時(shí)消除核線方向的預(yù)測(cè)誤差。

令高程變化引起的預(yù)測(cè)同名點(diǎn)位到近似核線的偏差Δy為

其中,(x,y)為同名點(diǎn)預(yù)測(cè)坐標(biāo);k為核線斜率。

表3示意將QuickBird立體像對(duì)旋轉(zhuǎn)90°后,高程變化時(shí)引起的預(yù)測(cè)點(diǎn)位到核線的預(yù)測(cè)偏差。由此可見(jiàn),對(duì)搜索窗口重采樣后,即使高差達(dá)到500 m,利用投影軌跡法獲得的核線預(yù)測(cè)精度也高于3像素。

表3 高程變化引起的核線偏差Tab.3 Epipolar bias by height changes

綜合考慮同軌和異軌立體像對(duì)RFM的預(yù)測(cè)誤差和投影軌跡法的核線誤差,在建立2層金字塔的情況下,若將核線方向搜索區(qū)間設(shè)置為3像素,x向搜索區(qū)間設(shè)為100像素,則原始影像上的搜索范圍分別是27像素和900像素,可同時(shí)滿(mǎn)足同軌和異軌立體像對(duì)匹配的需要。

在采用式(4)計(jì)算所有特征點(diǎn)的對(duì)應(yīng)核線后,根據(jù)核線斜率決定是否進(jìn)行局部匹配影像塊重采樣。為保證灰度相關(guān)算法的通用性和有效性,本文設(shè)定當(dāng)k大于8°進(jìn)行核線重采

其中,(X0,Y0)為匹配影像塊中心坐標(biāo);(x,y)為原始影像坐標(biāo);(X,Y)為采樣后影像坐標(biāo)。

金字塔影像生成后,就可從頂層金字塔開(kāi)始,逐層進(jìn)行近似一維核線匹配,并傳遞到原始影像上進(jìn)行最小二乘相關(guān)。

2.4 基于RANSAC算法的誤匹配點(diǎn)剔除

在框幅式航空影像匹配中,一般采用核線約束或帶模型連接條件的相對(duì)定向作為嚴(yán)格幾何模型剔除誤匹配點(diǎn),保證匹配精度和可靠性。然而,高分辨率推掃式衛(wèi)星影像每一掃描行各為中心投影,且外方位元素非精確已知,因而不存在嚴(yán)格的幾何約束關(guān)系。因此,在高分辨率衛(wèi)星影像的匹配或配準(zhǔn)研究中,一般采用多項(xiàng)式擬合、透視變換等模擬公式作為幾何約束模型,其中又以仿射變換應(yīng)用最廣[3-4,17]。衛(wèi)星遙感影像飛行高度很高,若視地面水平,則透視變換模型可嚴(yán)格表達(dá)兩幅影像間的投影關(guān)系,因此更為嚴(yán)格。本文采用透視變換方程作為誤差模型,如下式所示

其中,(x,y)為基準(zhǔn)影像上的特征點(diǎn)坐標(biāo);X、Y為待匹配片上的同名像點(diǎn)坐標(biāo);a1、a2、a3、b1、b2、b3、c1、c2為變換系數(shù)。

建立幾何約束模型后,需選擇粗差檢測(cè)算法剔除誤匹配點(diǎn)。傳統(tǒng)的粗差探測(cè)算法包括Data Snooping、選權(quán)迭代法等,新興算法則以隨機(jī)采樣一致性算法(RANSAC)為代表[18]。筆者通過(guò)大量試驗(yàn),發(fā)現(xiàn)當(dāng)大量粗差參與整體平差時(shí),Data Snooping方法和選權(quán)迭代法都存在計(jì)算結(jié)果發(fā)散而剔除所有的同名點(diǎn)或只能剔除部分粗差的情形。而RANSAC算法采用隨機(jī)抽樣,從局部到整體的搜索策略進(jìn)行粗差剔除,在高誤匹配率情況下,表現(xiàn)更加穩(wěn)定。因此本文采用RANSAC方法剔除誤匹配點(diǎn)。

3 試驗(yàn)及其結(jié)果分析

3.1 試驗(yàn)設(shè)計(jì)

本文選用圖3所示的三組高分辨率衛(wèi)星遙感影像進(jìn)行匹配試驗(yàn)。圖3(a)、圖3(b)為兩組SPOT5異軌立體像對(duì),像元地面分辨率約為5 m。其中圖3(a)拍攝時(shí)間間隔一年,變化差異明顯,為典型多時(shí)相影像,圖3(b)拍攝時(shí)間間隔3 d。圖3(c)為地面分辨率約1 m的 QuickBird同軌立體像對(duì),拍攝時(shí)間間隔65 s,由于是同軌立體模式,俯仰角分別為-27.12°和26.46°,影像間存在較大的變形。三組立體像對(duì)大小皆為12 000像素×12 000像素。

圖3 試驗(yàn)影像Fig.3 Test images

3.2 影像匹配結(jié)果

對(duì)于每一組立體像對(duì),首先以3個(gè)像素為采樣間隔,生成2層金字塔影像。采用F?rstner算子提取特征點(diǎn)后,根據(jù)式(3)和式(1)預(yù)測(cè)初始同名點(diǎn)位,并根據(jù)式(4)計(jì)算核線斜率。然后進(jìn)行近似核線的逐層金字塔影像相關(guān),并在原始影像上進(jìn)行最小二乘相關(guān)。頂層金字塔的搜索范圍為 x方向100像素,y方向3像素。

為評(píng)價(jià)基于RFM和投影軌跡法的匹配方法的性能,這里同時(shí)采用傳統(tǒng)的灰度相關(guān)算法和SIFT特征匹配算法[19]進(jìn)行對(duì)比試驗(yàn),兩種方法皆采用C++語(yǔ)言編寫(xiě),已集成到WuCAPS[20]自動(dòng)量測(cè)程序中。其中,灰度相關(guān)算法采用先金字塔影像相關(guān),再進(jìn)行最小二乘影像匹配的方法,影像搜索區(qū)間設(shè)為15%像幅寬,金字塔影像設(shè)定為4層。SIFT特征匹配算法采用直接在原始影像上進(jìn)行SIFT特征提取和匹配的方案,為提高匹配效率,采用瓦片分塊的方法。三種方法的影像匹配結(jié)果一并列于表4。其中“匹配點(diǎn)”表示三種匹配方法未剔粗差前的匹配結(jié)果,“正確點(diǎn)”表示剔粗差后剩余的正確匹配點(diǎn)。

表4 三種匹配方法比較Tab.4 Comparison with three matching methods

3.3 結(jié)果分析

分析表4試驗(yàn)結(jié)果可以發(fā)現(xiàn):

1.當(dāng)采用傳統(tǒng)灰度相關(guān)方法進(jìn)行影像匹配時(shí),三組立體像對(duì)平均正確匹配68對(duì)同名點(diǎn)。除了時(shí)差僅3天的SPOT異軌立體像對(duì)匹配166對(duì)同名點(diǎn)外,其他兩組影像只匹配20對(duì)左右的同名點(diǎn),正確匹配率是相當(dāng)?shù)偷?采用SIFT匹配方法,三組立體像對(duì)的平均正確匹配92對(duì)同名點(diǎn),略好于灰度相關(guān)算法,但匹配率仍然較低;而采用本文的方法,平均正確匹配197對(duì)同名點(diǎn),三組立體像對(duì)的匹配成功率都得到明顯提高。

從匹配殘差來(lái)看,三種匹配方法的 y方向的中誤差幾乎都在0.5像素之下,精度很高;而x方向的中誤差一般在1像素～1.5像素之間,雖然比y方向大,但 x方向的殘差反映地面的起伏,這與三組立體像對(duì)均位于地勢(shì)起伏較小的平原、丘陵地區(qū)的實(shí)際情況是一致的。

2.第一組試驗(yàn)影像為多時(shí)相立體像對(duì),由于地物、光照的變化,多時(shí)相影像的匹配一般比同期立體像對(duì)的匹配成功率低得多?；叶认嚓P(guān)方法和SIFT匹配方法,都大約只匹配出15對(duì)同名點(diǎn),而本文的方法則匹配了96對(duì)同名點(diǎn)。圖4為影像局部三種方法比較結(jié)果?？梢?jiàn)本文方法獲取的同名點(diǎn)非常密集,灰度相關(guān)方法只正確匹配2個(gè)同名點(diǎn),而SIFT特征匹配方法未能在該區(qū)域匹配出任何同名點(diǎn)。這也從一個(gè)側(cè)面表明,雖然SIFT匹配方法可處理影像旋轉(zhuǎn)、縮放、視角變換等一系列變形,但當(dāng)影像已發(fā)生實(shí)質(zhì)變化時(shí),經(jīng)典的影像相關(guān)策略仍表現(xiàn)出更高的穩(wěn)健性。

3.第二組立體像對(duì)視差僅為3天,且光照條件較為一致,因此在3組試驗(yàn)影像中匹配成功率最高?；叶认嚓P(guān)方法和SIFT匹配方法的正確匹配點(diǎn)數(shù)在200個(gè)左右,而本文的方法正確匹配點(diǎn)數(shù)為333個(gè)。圖5為第二組SPOT影像局部區(qū)域三種匹配方法的比較。除了匹配點(diǎn)較多外,本文方法匹配的同名點(diǎn)分布較均勻。SIFT匹配方法雖然特征點(diǎn)也較多,但分布不夠均勻。

圖4 第一組立體影像匹配點(diǎn)的局部放大圖Fig.4 Image matching results in part of stereo image S1

圖5 第二組立體影像匹配點(diǎn)的局部放大圖Fig.5 Image matching results in part of stereo image S2

4.第三組為QuickBird同軌立體像對(duì),將影像旋轉(zhuǎn)90°后構(gòu)建近似核線方程再進(jìn)行匹配。由于核線斜率約為15°,嚴(yán)重影響相關(guān)系數(shù)計(jì)算的有效性,故傳統(tǒng)灰度相關(guān)算法的匹配成功率是最低的。SIFT算子由于不受影像旋轉(zhuǎn)的影響,因此匹配點(diǎn)數(shù)明顯高于灰度相關(guān)算法。而本文的方法是將匹配窗口進(jìn)行核線重采樣后再進(jìn)行匹配,保證相關(guān)系數(shù)計(jì)算的有效性,取得了最好的匹配效果。圖6為靠近影像中心的某局部區(qū)域,可明顯看出同軌立體像對(duì)存在較大的幾何變形。圖6(a)為本文方法的匹配結(jié)果,該區(qū)域共正確匹配出18對(duì)同名點(diǎn),圖6(b)為SIFT匹配方法的匹配結(jié)果,共匹配出13對(duì)同名點(diǎn)。而傳統(tǒng)的灰度相關(guān)算法未能匹配出任何同名點(diǎn)。

4 結(jié)束語(yǔ)

由于拍攝時(shí)間變化、姿態(tài)角差異、成像機(jī)理復(fù)雜等問(wèn)題,高分辨率衛(wèi)星遙感影像匹配一直存在著匹配率低、可靠性差等問(wèn)題,實(shí)際生產(chǎn)中仍需采用人工選定控制點(diǎn)的方法進(jìn)行影像配準(zhǔn)、模型定向等作業(yè)。本文通過(guò)引入RPC參數(shù)建立基于投影軌跡的近似核線方程,分析同名點(diǎn)預(yù)測(cè)誤差和核線精度,以此為初始條件,進(jìn)行近似一維影像匹配,并采用RANSAC算法剔除誤匹配點(diǎn),取得了較好的匹配效果。本文針對(duì)同、異軌立體成像模式、多時(shí)相、大姿態(tài)角等情況下拍攝的高分辨率衛(wèi)星遙感影像,與傳統(tǒng)的灰度相關(guān)方法和現(xiàn)流行的SIFT匹配算法作比較試驗(yàn),證明本文的方法具有可靠性好,匹配成功率高的優(yōu)點(diǎn)。無(wú)論是多時(shí)相或者大姿態(tài)角影像,都可正確匹配出相當(dāng)數(shù)量的同名特征點(diǎn),用于后繼的影像配準(zhǔn)、定向、變化檢測(cè)等作業(yè),而無(wú)需再手工測(cè)點(diǎn)。

[1] LI Xiaoming,ZHENGLian,HU Zhanyi.SIFT Based Automatic Registration ofRemotely-sensed Imagery [J]. Journal of Remote Sensing,2006,10(6):885-892.(李曉明,鄭鏈,胡占義.基于SIFT特征的遙感影像自動(dòng)配準(zhǔn)[J].遙感學(xué)報(bào),2006,10(6):885-892.)

[2] LV Jinjian,WEN Gongjian,LI Deren,et al.A New Method Based on Spatial Relations for Feature Matching[J].Acta Geodaetica et Cartographica Sinica,2008,37(3):367-373.(呂金建,文貢堅(jiān),李德仁,等.一種新的基于空間關(guān)系的特征匹配方法[J].測(cè)繪學(xué)報(bào),2008,37(3):367-373.)

[3] ZHANG Dengrong,CAI Zhigang,YU Le.Study on Image Automatism Registration Methods Based on Matching[J]. Journal of Zhejiang University:Engineering Science,2007, 41(3):402-406.(張登榮,蔡志剛,俞樂(lè).基于匹配的遙感影像自動(dòng)糾正方法研究[J].浙江大學(xué)學(xué)報(bào):工學(xué)版,2007, 41(3):402-406.)

[4] YU L,ZHANG D R,HOLDEN E J.A Fast and Fully Automatic Registration Approach Based on Point Features for Multi-source Remote-sensing Images[J].Computers& Geosciences,2008,34:838-848.

[5] ZHANG Li,ZHANGJixian.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.(張力,張繼賢.基于多基線影像匹配的高分辨率遙感影像DEM的自動(dòng)生成[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2008, 33(9):943-946)

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

[7] OTTO G,CHAU T.Region Growing Algorithm for Matching of Terrain Images[J].Image and Vision Computing,1989,2(7):83-94.

[8] KORNUS W,ALAM U′S R,RUIZ A,et al.DEM Generation from SPOT-5 3-fold along Track Stereoscopic Imagery Using Autocalibration[J].ISPRS Journal of Photogrammetry&Remote Sensing,2006,60(3):147-159.

[9] TAO C V,HU Y.A Comprehensive Study of the Rational Function Model forPhotogrammetric Processing [J]. Photogrammetric Engineering&Remote Sensing,2001, 67(12):1347-1357.

[10] ZHANG Li,ZHANG Jixian,CHEN Xiangyang,et al. Block Adjustment with SPOT-5 Imagery and Sparse GCPs Based on RFM[J].Acta Geodaetica et Cartographica Sinica,2009,38(4):302-310.(張力,張繼賢,陳向陽(yáng),等.基于有理多項(xiàng)式模型RFM的稀少控制SPOT25衛(wèi)星影像區(qū)域網(wǎng)平差[J].測(cè)繪學(xué)報(bào),2009,38(4):302-310.)

[11] FRASER C S,HANLEY H B.Bias Compensation in Rational Functions for IKONOS Satellite Imagery[J].Photogrammetric Eng.&Remote Sensing,2003,69(1):53-57.

[12] OpenGIS Consortium.The OpenGIS Abstract Specification (T opic 7:The Earth Imagery Case)[EB/OL].[2001-05-08]. http:∥portal.opengeospatial.org/files/?artifact_id=892.

[13] REINARTZ P,MüLLER R,LEHNER M,et al.Accuracy Analysis for DSM and Orthoimages Derived from SPOT HRS Stereo Data Using Direct Georeferencing[J]. ISPRS Journal of Photogrammetry &Remote Sensing, 2006,60(2006):160-169.

[14] ZHANG Zuxun,ZHOU Yueqin.Epipolar Line of SPOT Images Using Fitting Method[J].Journal of Wuhan University of Surveying and Mapping Technology,1989, 14(2):20-24.(張祖勛,周月琴.用擬合法進(jìn)行SPOT影像的近似核線排列[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào),1989, 14(2):20-24.)

[15] JIANG Wanshou,ZHANG Jianqing,ZHANG Zuxun. Simulation of Three-line CCD Satellite Images from Given Orthoimage and DEM[J].Geomatics and Information Science of Wuhan University,2008,33(9):943-946.(江萬(wàn)壽,張劍清,張祖勛.三線陣CCD衛(wèi)星影像的模擬研究[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2002,27(4):414-419.)

[16] ZHANG Yongsheng,GONG Danchao.Application of High Resolution Remote Sensing Satellites-model,Processing and Application[M].Beijing:Science Publications,2004:86-89.(張永生,鞏丹超.高分辨率遙感衛(wèi)星應(yīng)用-成像模型、處理算法及應(yīng)用技術(shù)[M].北京:科學(xué)出版社,2004:86-89.)

[17] SAKAMOTO M,UCHIDA O,DOIHARA T,et al.Detection of Collapsed Buildings Due to Earthquake in Urban Areas[C]∥ISPRS.Istanbul:[s.n.],2004.

[18] FISCHLER M A,BOLLES R C.Random Sample Consensus:a Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography[J].CACM, 1981,24(6):381-395.

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

[20] YUAN Xiuxiao.A Novel Method of Systematic Error Compensation for a Position and Orientation System[J]. Progress in Natural Science,2008,18(8):953-963.

(責(zé)任編輯:宋啟凡)

Automatic Matching of High Resolution Satellite Images Based on RFM

J I Shunping,YUAN Xiuxiao
School of Remote Sensing and Information Engineering,Wuhan University,Wuhan 430049,China

A matching method for high resolution satellite images based on RFM is presented.Firstly,the RFM parameters are used to predict the initial parallax of corresponding points and the prediction accuracy is analyzed. Secondly,the approximate epipolar equation is constructed based on projection tracking and its accuracy is analyzed.Thirdly,approximate 1D image matching is executed on pyramid images and least square matching on base images.At last RANSAC is imbedded to eliminate mis-matching points and matching results are obtained. Test results verified the method more robust and with higher matching rate,compared to 2D gray correlation method and the popular SIFT matching method,and the method preferably solved the question of high resolution satellite image matching with different stereo model,different time and large rotation images.

image matching;epipolar equation;RANSAC;RFM

J I Shunping(1979—),male,PhD,lecturer,majors in image matching and location of high-resolution remote sensing images.

E-mail:jishunping 2000@163.com

1001-1595(2010)06-0592-07

P237

A

國(guó)家973計(jì)劃(2006CB701302);武漢大學(xué)自主科研項(xiàng)目(4082004)

2009-12-21

2010-06-02

季順平(1979—),男,博士,講師,主要從事高分辨率遙感影像匹配及定位研究工作。