推掃式數(shù)碼航空影像旁向重疊度的自動檢查

王海濤，劉　楠，謝　謙

(1. 中國地質大學(武漢)國家地理信息系統(tǒng)工程技術研究中心，湖北 武漢 430074； 2. 湖北省基礎地理信息中心(湖北省北斗衛(wèi)星導航應用技術研究院)，湖北 武漢 430074； 3. 徠卡測量系統(tǒng)貿易(北京)有限公司，北京 100020； 4. 國家測繪地理信息局第二航測遙感院，黑龍江 哈爾濱 150082)

?

推掃式數(shù)碼航空影像旁向重疊度的自動檢查

王海濤1 ,2，劉楠3，謝謙4

(1. 中國地質大學(武漢)國家地理信息系統(tǒng)工程技術研究中心，湖北 武漢 430074； 2. 湖北省基礎地理信息中心(湖北省北斗衛(wèi)星導航應用技術研究院)，湖北 武漢 430074； 3. 徠卡測量系統(tǒng)貿易(北京)有限公司，北京 100020； 4. 國家測繪地理信息局第二航測遙感院，黑龍江 哈爾濱 150082)

推掃式數(shù)碼航空攝影測量系統(tǒng)使用POS(GNSS/IMU)技術以CCD線陣推掃方式獲取地面的數(shù)字影像，其成果質量評定包括飛行質量、影像質量、數(shù)據(jù)質量、附件質量，而旁向重疊度是飛行質量的一項重要評定指標。旁向重疊度檢查工作包括：①航攝單位在數(shù)據(jù)獲取后快速開展，以便指導下一步航攝任務；②成果使用單位在成果接收時開展，復查成果質量是否滿足后期的測量工作。對推掃式數(shù)碼航空影像的旁向重疊度的自動化檢查，目前還沒有有效的手段對其進行評定。

旁向重疊度質量的客觀評定可采用匹配同名點的方式開展，這要求匹配的同名點均勻分布在相鄰兩條航帶的重疊部分。由于獲取的條帶影像的地面覆蓋范圍大，加之攝影條件的復雜性，拍攝的影像色彩差異較大，需要勻色處理。很多成熟的勻色算法一般用于制作正射影像，本文影像勻色是為了突出影像細部特征，使得提取的特征點分布均勻。本文利用Schowengerdt提出的LRM模型及均值-方差規(guī)定化的方法來對條帶影像勻色，并通過調整LRM窗口的尺寸增強影像細部特征，對LRM模型參數(shù)計算采用具有重疊的方式統(tǒng)計，有效地兼顧了相鄰影像塊對參數(shù)統(tǒng)計的影響。

旁向重疊度評定的首要工作是提取相鄰航帶間影像的同名點，本文采用SIFT算法來提取和匹配同名點。本文在L1級影像上開展重疊度檢查，L1級影像分辨率基本保持一致，這樣SIFT特征提取可在統(tǒng)一尺度上進行，特征的描述也無需統(tǒng)計主方向(即不用考慮影像旋轉問題)，直接使用零方向描述，SIFT特征提取過程簡化，可提高提取速度。SIFT特征匹配采用計算特征點描述算子的距離比來評估，對SIFT特征的快速計算有很多方法，如CPU多核技術、GPU加速、FPGA硬件加速等?？紤]降低旁向重疊度檢查工作對計算機設備的要求，本文采用OpenMP多核技術與距離計算查找表技術提高距離計算速度。

SIFT特征匹配錯誤的剔除多采用RANSAC算法，RANSAC算法需要給定明確的算法模型，旁向重疊度檢查使用相鄰航帶底視的L1級影像，對匹配的特征點錯誤剔除時并不能充分利用推掃式成像的嚴密模型來處理。因此本文使用相關系數(shù)、三角形相似性、匹配點順序的一致性、重疊度變化的連續(xù)性等來剔除錯誤，提高了匹配點準確率， 使得旁

向重疊度的自動化檢查具有高可靠性。

旁向重疊度的檢查使用L1級影像，邊界存在明顯“鋸齒”狀，邊界的無效像素不能參與計算，必須對L1級影像統(tǒng)計每列的有效像素后才能計算旁向重疊度，本文給出了旁向重疊度的有效計算方法。

一、自動化檢查

1. 影像級別選擇

推掃式數(shù)碼航空影像攝影測量系統(tǒng)以線陣CCD推掃的方式獲取地面的全色、彩色、紅外數(shù)字影像，每個波段的影像獨立儲存，同時獲取地面前視、底視、后視影像。獲取的影像在后期的處理過程中有不同的表現(xiàn)形式和用途。推掃式數(shù)碼相機獲取的原始影像稱為L0級影像，用于空三加密；使用平均高程處理后的影像稱為L1級影像，用于立體觀測；使用DEM(數(shù)字高程模型)糾正后的影像為L2級影像，用于制作正射影像。

2. 影像預處理及特征點提取

獲取的地面條帶影像覆蓋范圍較大，加之外部攝影環(huán)境的復雜性，影像在色彩上存在不同程度的差異，需對影像進行勻光處理。航空影像勻光一般用于制作正射影像。本文為了突出影像細部特征，使得提取出的特征點分布均勻，將Wallis濾波用在影像匹配中，以提高影像匹配的可靠性。

本文采用Schowengerdt提出的LRM(local range modification)模型處理影像色彩差異，其具體思想是將影像分塊處理，計算每塊內的影像參數(shù)；并采用均值-方差規(guī)定化的方法調整影像色調差異，其原理是使待處理影像經過線性變換后和目標影像在最小二乘意義上差異最小。

本文采用匹配的特征點方式統(tǒng)計重疊度，使用SIFT算法提取特征點。SIFT算法在不同尺度空間提取特征點，使用顧及特征主要方向的方式來描述特征；并使用L1級影像，影像空間分辨率基本一致(即尺度空間一致)，因此特征點提取在不同航帶間使用統(tǒng)一的尺度空間提取，同時將特征的主方向統(tǒng)一為零度方向，SIFT特征提取經過簡化可提高提取速度。圖1給出了原始影像和勻色后影像提取特性效果，原始影像由于色彩差異導致提取的特征點分布不均勻，L1級影像經過勻色后提取的特征點分布均勻。

圖1　特征點提取效果對比

3. 特征匹配

(1) 匹配

推掃式數(shù)碼影像涉及多種坐標系統(tǒng)，L1級影像的坐標為切平面直角坐標系，經過變換可統(tǒng)一到投影坐標系中，由此SIFT特征的匹配采用點位預測的方式進行，因此可提高計算效率。

對SIFT特征的快速計算方法很多，本文采用OpenMP多核計算及距離計算查找表的方式提高SIFT特征的計算速度。距離計算表的方式要求對SIFT特征的描述采用整數(shù)描述，設特征的描述范圍為N，則計算查找表記錄(N-1)2。

(2) 錯誤剔除

經過匹配的特征點存在錯誤，故需要剔除。SIFT特征匹配錯誤剔除多采用RANSAC算法，RANSAC算法需要給定明確的算法模型，旁向重疊度檢查使用相鄰航帶底視的L1級影像，對匹配的特征點錯誤剔除時并不能充分利用推掃式成像的嚴密模型來處理。重疊度檢查僅使用相鄰兩條航帶，需要采用簡單而有效的方法剔除錯誤，本文采用相關系數(shù)、三角形相似性、匹配點順序的一致性、重疊度變化的連續(xù)性等方法來剔除錯誤。

相關系數(shù)檢查是將經過匹配的SIFT特征點逐對計算相關系數(shù)，相關系數(shù)值超過閾值的直接剔除。在進行三角形相似性檢查時，首先要對經過匹配的特征點構建三角網，本文采用Delaunay提出的算法，該算法有很多經典實現(xiàn)算法，本文采用分治掃描線算法。三角形相似性檢查指地面3點構成的三角形經過投影成像在相鄰航帶成像的三角形相似。匹配順序一致性檢查，指同名點按照像素橫坐標從小到大排序，在不同航帶的排序應一致，如不一致則剔除該同名點對。推掃式數(shù)相機使用穩(wěn)定平臺(又稱座架)獲取影像，獲取的影像除遇到地形突變過大外，兩條航帶間重疊度具有平穩(wěn)變化的連續(xù)性特點。將匹配的同名點按照橫坐標排序并計算重疊度，如果某個點的重疊度出現(xiàn)突變，則剔除該點。

4. 重疊度計算

圖2　重疊度計算

圖3為兩條相鄰航帶自動檢查的試驗，采用本文的方法可以有效地實現(xiàn)推掃式數(shù)碼航空影像旁向重疊度的質量檢查與評定。

圖3　重疊度自動檢查試驗

二、結束語

本文在充分分析推掃式數(shù)碼航空影像成像特點的基礎上，在L1級影像上開展旁向重疊度的自動化檢查工作。通過改進的LMR模型和均值-方差規(guī)定化對影像色調進行處理，使得提取和匹配的特征點均勻分布。利用L1級影像空間幾何特點，簡化了SIFT特征點的提取和描述算法，提高了特征點提取速度；利用L1級影像空間幾何特點，采用空間預測的方式和計算查找表的方法提高特征匹配的速度；利用相關系數(shù)、三角形相似性、匹配點順序一致性、旁向重疊度變化連續(xù)性等方法剔除錯誤匹配點，提高了匹配點準確率，使得旁向重疊度的自動化檢查具有高可靠性；對L1級影像“鋸齒”邊界進行統(tǒng)計，采用其有效像素計算旁向重疊度。本文的方法已開發(fā)實現(xiàn)，并應用于推掃式數(shù)碼航攝成果的質量檢查實際工作中。

(本專欄由徠卡測量系統(tǒng)和本刊編輯部共同主辦)

天寶測繪解決方案專欄