基于正射影像和DEM進行土地利用動態(tài)監(jiān)測的研究

唐力明，丁華祥，張 勇

(1.廣東省國土資源測繪院，廣東廣州510500;2.武漢大學遙感信息工程學院，湖北武漢430079)

基于正射影像和DEM進行土地利用動態(tài)監(jiān)測的研究

唐力明1，丁華祥1，張 勇2

(1.廣東省國土資源測繪院，廣東廣州510500;2.武漢大學遙感信息工程學院，湖北武漢430079)

在廣東省土地利用動態(tài)監(jiān)測項目中，將已有的正射影像和數(shù)字高程模型作為新獲取高分辨率衛(wèi)星影像的控制資料，然后對高分辨率衛(wèi)星影像進行絕對定位和正射影像更新，最后通過新舊正射影像的對比監(jiān)測土地利用狀況。利用高速局域網(wǎng)環(huán)境和分布式并行處理技術實現(xiàn)了衛(wèi)星影像基于已有正射影像和DEM的全自動匹配、快速定向和正射影像糾正，極大地提高了生產(chǎn)效率。

高分辨率衛(wèi)星影像;正射影像更新;SIFT特征匹配;有理函數(shù)模型;并行處理

一、引 言

自2007年以來，廣東省國土資源測繪院開展了“廣東省土地利用信息動態(tài)監(jiān)測系統(tǒng)建設”項目。該項目的主要目標是:在廣東省國土資源信息化工作總體框架下，采用航空、航天遙感技術對土地利用變化情況進行監(jiān)測，實現(xiàn)土地利用現(xiàn)狀數(shù)據(jù)更新和數(shù)據(jù)共享兩個機制，基本建成廣東省土地利用信息動態(tài)監(jiān)測系統(tǒng)，滿足土地管理和國土資源信息化應用的需要，達到國內先進水平。

在廣東省土地利用動態(tài)監(jiān)測項目的實施過程中，將已有的正射影像和數(shù)字高程模型作為新獲取高分辨率衛(wèi)星影像(SPOT 5、QuickBird以及國產(chǎn)的高分辨率資源衛(wèi)星)的控制資料，然后對高分辨率衛(wèi)星影像進行絕對定位和正射影像更新，最后通過新舊正射影像的對比監(jiān)測土地利用狀況。傳統(tǒng)的作業(yè)思路主要依靠人工判讀的方法，即首先在已有正射影像和衛(wèi)星影像間量測控制點，最后還需要目視比較新舊正射影像檢測變化區(qū)域。這種作業(yè)路線費時費力，無法滿足目前土地利用動態(tài)監(jiān)測對數(shù)據(jù)現(xiàn)勢性的要求?；诟咚倬钟蚓W(wǎng)環(huán)境和分布式并行處理技術實現(xiàn)了衛(wèi)星影像基于已有正射影像和DEM的快速正射影像更新。項目的技術路線如下所述:

1)使用有理函數(shù)模型作為衛(wèi)星影像的通用成像模型，實現(xiàn)各種不同衛(wèi)星影像的一體化處理。

2)在傳統(tǒng)的由粗到精的金字塔影像匹配策略中引入SIFT特征匹配和幾何畸變動態(tài)改正等技術，有效提高了衛(wèi)星影像與已有正射影像自動配準的成功率和正確率，使得基于已有正射影像和DEM快速自動獲取海量地面控制點成為可能，實現(xiàn)了衛(wèi)星影像的全自動可靠定向。

3)衛(wèi)星影像全色和多光譜波段之間像素級融合的前提條件是實現(xiàn)高精度配準。本文提出了一種基于已有DEM的衛(wèi)星影像全色和多光譜波段間的可靠配準方法，有效地消除了數(shù)據(jù)融合中常見的重影現(xiàn)象。

上述方法在2007—2008年度的“廣東省土地利用信息動態(tài)監(jiān)測系統(tǒng)建設-土地利用動態(tài)監(jiān)測”項目中一共完成了衛(wèi)星正射影像圖制作1∶10 000標準分幅4 460幅，完成土地利用動態(tài)監(jiān)測約210 000 km2。正射影像圖制作效率提高了5～8倍。

二、國產(chǎn)衛(wèi)星影像的有理函數(shù)建模

目前，高分辨率衛(wèi)星影像的處理通常采用統(tǒng)一的幾何成像模型，即有理多項式成像(RFM)模型［1］。RFM模型適用于各類傳感器，包括最新的航空和航天傳感器，它的使用有利于多源、異構傳感器平臺，不同地面分辨率衛(wèi)星影像的絕對定位和一體化處理平臺的開發(fā)。

目前大多數(shù)商業(yè)衛(wèi)星影像都直接提供RPC參數(shù)，少數(shù)衛(wèi)星影像(如SPOT 5)雖然不直接提供RPC參數(shù)，但是可以利用其提供的嚴格成像模型［1］的精密定軌定姿參數(shù)精確恢復其嚴格成像模型，然后再通過建立虛擬控制點格網(wǎng)和最小二乘嶺估計方法解算出RPC參數(shù)［2］。然而很多國產(chǎn)高分辨率衛(wèi)星影像(如中巴資源衛(wèi)星等)由于沒有提供任何精密定軌定姿參數(shù)，因此構建這種衛(wèi)星影像的通用成像模型成為制約當前國產(chǎn)高分辨率衛(wèi)星影像應用的主要難題。對于此類衛(wèi)星影像，考慮到衛(wèi)星影像的成像方式為線陣推掃方式成像，即沿線陣方向(垂直于軌道方向)為嚴格的中心投影，沿飛行方向則是近似平行投影。因此成像模型可以采用基于仿射變換的嚴格幾何模型［3］

式中，f為相機焦距;m為近似的攝影比例尺;α為側視角。解算上述模型的參數(shù)需要在衛(wèi)星影像中至少已知5個控制點?？刂泣c的獲取則只能通過衛(wèi)星影像與已有正射影像和DEM的自動配準獲取。

只有恢復了上述嚴格幾何模型，才能夠類似于SPOT 5衛(wèi)星影像，通過建立虛擬控制點格網(wǎng)和最小二乘嶺估計方法解算出RPC參數(shù)。

三、海量控制點的自動獲取

使用高分辨率衛(wèi)星影像進行土地利用動態(tài)監(jiān)測的首要問題就是如何充分利用已有的地理信息數(shù)據(jù)(如正射影像和DEM等)快速獲取衛(wèi)星影像絕對定位所需的控制點。因此必須實現(xiàn)衛(wèi)星影像與已有正射影像和DEM之間的自動匹配才能切實提高控制點獲取的效率。本文提出的自動匹配算法中主要考慮以下5點。

1)衛(wèi)星影像與正射影像之間初始位置關系的確定:傳統(tǒng)方法需要首先在衛(wèi)星影像和正射影像之間量測少量種子點。這個過程同樣非常費時。為此，本文算法對國外的衛(wèi)星影像(如QuickBird和SPOT 5等)直接使用其提供的RPC參數(shù)確定相對位置關系;對于國產(chǎn)衛(wèi)星影像，則根據(jù)其提供的衛(wèi)星影像四角的地理坐標確定其初始的位置關系。

2)引入SIFT特征匹配:實踐表明，對于Quick-Bird和SPOT 5衛(wèi)星影像而言，利用其RPC參數(shù)確定的初始位置關系的誤差較小，一般不超過200像素;但是利用國產(chǎn)衛(wèi)星影像四角地理坐標確定的初始位置關系的誤差則有可能相當大，例如2000像素以上。此時必須在最高一級金字塔影像的匹配過程中引入SIFT特征匹配［4-5］技術。SIFT算子是計算機視覺領域著名的特征算子，它可用于模式識別和影像匹配。SIFT算子是一種基于尺度空間的、對圖像縮放、旋轉甚至仿射變換保持不變性的圖像局部特征描述算子。SIFT匹配只用于國產(chǎn)衛(wèi)星影像最高一級金字塔影像的匹配。

3)幾何畸變動態(tài)改正:雖然地形高差相對于軌道高度幾乎可以忽略不計，但是由于衛(wèi)星影像通常并不全部獲取的是星下影像，很多時候是采用側掃方式獲得。當側視角較大時，地形高差引起的幾何畸變依然是不可忽略的。除此之外衛(wèi)星軌道的方位(如SPOT 5)有時也會導致影像間的旋轉角。因此匹配過程中需要按照如圖1所示的方法將衛(wèi)星影像投影到正射影像的像方空間進行匹配，從而有效消除地形起伏高差、軌道方位以及側視角等引起的幾何畸變對相關匹配的影響［6］。

圖1 幾何畸變改正示意圖

4)最后將衛(wèi)星影像上的預測點位附近的影像重采樣后再和正射影像上的影像窗口Г進行匹配，匹配得到的點位再反算出匹配點在衛(wèi)星影像上的像片坐標。

5)在金字塔影像匹配策略中引入定向質量控制:匹配點從正射影像中自動提取，然后根據(jù)有理函數(shù)模型(或者嚴格幾何模型)預測到衛(wèi)星影像。這樣，在每一級金字塔影像上對衛(wèi)星影像覆蓋的所有正射影像進行匹配后，利用匹配點通過有理函數(shù)模型(或者嚴格幾何模型)定向的方法解求衛(wèi)星影像的定向參數(shù)值，定向過程中同時進行粗差探測和自動剔除，確保解求定向參數(shù)的可靠性，即在金字塔影像匹配策略中引入了定向質量控制，通過逐級金字塔影像匹配，獲得精度逐級提高的定向參數(shù)和控制點成果。

衛(wèi)星影像基于已有正射影像和DEM的自動匹配和快速定向流程如圖2所示。其中衛(wèi)星影像的定向方法與衛(wèi)星影像的類型有關:對于國外的衛(wèi)星影像一般直接基于有理函數(shù)模型進行定向;對于國產(chǎn)衛(wèi)星影像則主要基于嚴格幾何模型進行定向，但是自動定向完成后，還需要通過建立虛擬控制點格網(wǎng)和最小二乘嶺估計方法解算出國產(chǎn)衛(wèi)星影像的RPC參數(shù)，以便于后續(xù)的正射影像糾正及融合等處理采用有理函數(shù)模型進行一體化處理。

圖2 衛(wèi)星影像自動定向算法流程圖

四、全色與多光譜影像的融合

衛(wèi)星影像全色波段和多光譜波段之間像素級融合的前提條件是實現(xiàn)高精度配準。由于已知衛(wèi)星影像的RPC參數(shù)，因此衛(wèi)星影像間的相對空間方位是已知的，無需人工量測任何種子點就可以通過相關匹配方法在全色波段和多光譜波段之間匹配大量的同名點。但是影像配準結果中總是存在少量的匹配粗差，如果不能有效地剔除這些粗差，將會嚴重影響影像融合的效果，產(chǎn)生所謂的重影現(xiàn)象。

傳統(tǒng)的衛(wèi)星影像全色和多光譜波段之間的配準通常是使用匹配的同名點在兩張影像之間進行多項式擬合。由于簡單的多項式擬合并不能反映衛(wèi)星影像的真實成像模型，因此在多項式擬合過程中并不能可靠地剔除匹配粗差。

在正射影像更新系統(tǒng)中，由于衛(wèi)星影像采用統(tǒng)一的有理函數(shù)模型進行定向，因此如果將全色波段和多光譜波段分別通過野外實測控制點，或者通過與已有正射影像或者矢量地圖的自動匹配實現(xiàn)快速定向。只要全色波段和多光譜波段的影像的定向結果可靠，那么全色波段和多光譜波段的影像就可以通過已有的數(shù)字高程模型數(shù)據(jù)實現(xiàn)像素間的嚴格對應。

在本項目中多光譜波段影像的定向是通過已經(jīng)定向的全色波段影像和DEM進行定向的。具體方法如圖3所示。

圖3 多光譜影像的定向方法示意圖

1)首先在多光譜影像中提取特征點;

2)其次將其匹配到全色波段影像上;

3)然后使用全色波段影像的RPC參數(shù)和定向參數(shù)按照RFM的像地正算算法交會到已知的DEM上，從而解算出匹配點的地面坐標，即將匹配點轉化為已知地面坐標的控制點;

4)最后使用匹配獲得的控制點對多光譜衛(wèi)星影像進行定向，并且在定向過程中自動探測并剔除匹配粗差，從而保證高分辨率衛(wèi)星影像與多光譜影像之間的可靠高精度配準。

最終衛(wèi)星影像全色波段和多光譜波段之間像素級融合是通過各自的定向參數(shù)和已知的DEM來實現(xiàn)，該種算法可以有效地消除傳統(tǒng)融合方法中經(jīng)常出現(xiàn)的重影問題。

五、并行處理

由于本項目中衛(wèi)星影像與正射影像的自動匹配、數(shù)據(jù)融合和正射影像糾正均為全自動化算法，因此，為了進一步提高整體處理的效率，本項目還研發(fā)了一種并行處理系統(tǒng)，利用多核的共享儲存與多處理機的分布式存儲相結合的正射影像更新并行處理系統(tǒng)，實現(xiàn)了衛(wèi)星影像快速定向、正射影像糾正、鑲嵌以及勻光勻色的自動化并行化處理。系統(tǒng)的硬件結構如圖4所示。相關的硬件設備如表1所示。

圖4 系統(tǒng)硬件結構圖

表1 并行處理系統(tǒng)的硬件設備一覽表

六、試驗結果

1.中巴資源衛(wèi)星與正射影像的配準

表2所示為四景中巴資源衛(wèi)星影像(GSD= 2.36 m)從1∶10 000正射影像和DEM自動匹配獲取的控制點數(shù)和定向精度。

表2 中巴資源衛(wèi)星影像自動定向結果

2.SPOT 5衛(wèi)星與正射影像的配準

表3所示為四景 SPOT 5衛(wèi)星影像(GSD= 2.5 m)從1∶10 000正射影像和DEM中自動獲取的控制點數(shù)和定向精度。其中，四景影像的定向模型采用有理函數(shù)模型。

表3 SPOT 5衛(wèi)星影像自動定向結果

3.全色與多光譜波段的融合

如圖5所示為SPOT 5衛(wèi)星影像全色與多光譜波段配準的例子。其中在多光譜和全色波段影像間一共匹配了2 265個控制點，經(jīng)過定向得到的定向中誤差為0.225像元。

圖5 SPOT 5全色和多光譜波段自動匹配的同名點分布

［1］ GAEL Consultant.SPOT 123-4-5 Geometry Handbook［EB/OL］.［2011-03-01］.http:∥www.spotimage.fr.

［2］ GRODECKI J，DIAL G.Block Adjustment of High-resolution Satellite Images Described by Rational Functions［J］.Photogrammetric Engineering and Remote Sensing，2003，69(1):59-68.

［3］ ZHANG Jianqing，ZHANG Zuxun.Strict Geometric Model Based on Affine Transformation for Remote Sensing Image with High Resolution［C］ ∥ ［s.l.］: ISPRS，2002.

［4］ LOWE D G.Object Recognition from Local Scaleinvariant Features［C］∥International Conference on Computer Vision.Corfu，Greece:［s.n.］，1999:1150-1157.

［5］ LOWE D G.Distinctive 2004 Image Features from Scaleinvariant Keypoints［J］.Internatioanl Journal of Computer Vision，2004，60(2):91-110.

［6］ ZHANG Jianqing，ZHANG Yong，ZHANG Zuxun.Determination of Exterior Parameters for Video Image Sequences from Helicopter by Block Adjustment Combined Vertical and Oblique Images［C］∥Proceedings of the 3rd SPIE International Symposium Multispectral Image Processing and Pattern Recognition. Beijing: SPIE.2003.

On Land-use Dynamic Monitoring Based on Orthophotos and DEM

TANG Liming，DING Huaxing，ZHANG Yong

0494-0911(2011)07-0046-04

P237

B

2011-07-04

國家測繪局基礎測繪項目資助(213153106)

唐力明(1970—)，男，湖南宜章人，高級工程師，主要從事攝影測量與遙感、3S技術集成方面的研究。