面向ROI的高分辨率光學(xué)衛(wèi)星遙感影像快速處理方法研究

王 艷，趙薇薇，朱 映，劉 鵬，張致齊

(1.北京市遙感信息研究所，北京 100011;2.武漢工程大學(xué) 電氣信息學(xué)院，武漢 430074;3.湖北工業(yè)大學(xué) 計算機學(xué)院，武漢 432200)

0 引言

近年來，遙感對地觀測技術(shù)飛速發(fā)展，已步入數(shù)據(jù)獲取手段多樣化和信息海量化的新時代。我國高分辨率對地觀測(遙感)系統(tǒng)重大專項現(xiàn)已全面啟動，到2020年，我國新研制數(shù)十顆高分辨率遙感衛(wèi)星，實現(xiàn)30～50 顆遙感衛(wèi)星同時在軌工作，保守估計每天獲取的數(shù)據(jù)量將達到數(shù)百個TB[1]。為了不斷提升遙感衛(wèi)星應(yīng)用效能，高分辨率、寬覆蓋、多光譜成像是當(dāng)今和未來遙感對地觀測發(fā)展的主要目標(biāo)之一，其顯著特點是獲取的數(shù)據(jù)量呈幾何級數(shù)增長[2]。以我國正計劃研制的空間分辨率為1 m、幅寬為100 km的高分辨率光學(xué)遙感衛(wèi)星為例，其獲取的單景影像的數(shù)據(jù)量將達到20 GB。

隨著遙感衛(wèi)星空間分辨率和成像幅寬的不斷提升，海量遙感影像快速處理一直是國內(nèi)外學(xué)者及高時效用戶關(guān)注的熱點問題。眾多學(xué)者在遙感影像如何快速處理的理論和方法上開展了研究。目前，國際上解決海量數(shù)據(jù)計算和實時處理算法時主要采用以圖形處理單元(GPU)為主的并行處理器方案，CPU/GPU異構(gòu)系統(tǒng)作為當(dāng)今高性能計算平臺的典型代表具有很大的發(fā)展?jié)摿3]。方留楊[4]基于CPU/GPU異構(gòu)處理環(huán)境探討光學(xué)衛(wèi)星遙感數(shù)據(jù)高性能處理理論和方法；薄濤[5]基于GPU實現(xiàn)了雷達影像加速處理；張哲[6]采用CPU+GPU的架構(gòu)實現(xiàn)了歸一化差分植被指數(shù)(NDVI)快速提取。隨著對實時處理能力及時效性要求不斷提高，遙感衛(wèi)星要實現(xiàn)實時服務(wù)，除了提高處理能力和優(yōu)化處理算法外，在服務(wù)模式上也要不斷創(chuàng)新[7]。

對于光學(xué)遙感衛(wèi)星地面處理系統(tǒng)，傳統(tǒng)的核心數(shù)據(jù)處理流程主要按標(biāo)準(zhǔn)景方式組織產(chǎn)品生產(chǎn)，隨著高分辨率衛(wèi)星空間分辨率的不斷提高，單景目標(biāo)產(chǎn)品數(shù)據(jù)量通?？梢赃_到幾十GB，其大側(cè)擺大俯仰條件下的融合產(chǎn)品甚至達到上百GB，受計算資源、存儲設(shè)備IO、網(wǎng)絡(luò)帶寬、用戶終端單機性能等方面的限制，數(shù)據(jù)量過大所帶來的問題日益凸顯。因此，傳統(tǒng)方法從原始數(shù)據(jù)接收、分景編目、標(biāo)準(zhǔn)景產(chǎn)品生產(chǎn)到裁切出感興趣目標(biāo)區(qū)域(Region of Interest，ROI)耗時過長，無法滿足高時效用戶日常工作需求。

針對海量遙感數(shù)據(jù)處理不及時,難以滿足高時效用戶應(yīng)用需求的問題，本文開展面向ROI的高分辨率光學(xué)衛(wèi)星遙感影像快速處理方法研究，對用戶應(yīng)用感興趣區(qū)域進行快速定位，確定其在原始數(shù)據(jù)中的位置，進一步對ROI原始數(shù)據(jù)進行相對輻射校正、傳感器校正、系統(tǒng)幾何糾正處理，并基于GPU對處理算法進行并行加速，高效地完成具有地理編碼的高質(zhì)量遙感影像輸出。

1 面向ROI的高分影像快速處理方法

1.1 ROI快速定位

ROI定位需要根據(jù)任務(wù)指令中指定的ROI中心的經(jīng)緯度和尺寸，反算整個ROI在原始影像上的覆蓋范圍，從而對該區(qū)域進行后續(xù)處理。高分辨率光學(xué)衛(wèi)星通常采用時間延遲積分(Time Delay Integration，TDI)CCD作為成像器件，通過線陣推掃獲取條帶數(shù)據(jù)。由于每一行成像數(shù)據(jù)所對應(yīng)的姿態(tài)和軌道數(shù)據(jù)不同，導(dǎo)致每一行影像的嚴密成像幾何模型各不相同，通過經(jīng)緯度坐標(biāo)反算圖像坐標(biāo)需要迭代進行[8,12]。為了保證定位效率，本文采用三維放射變換模型替代嚴密成像模型，如下式：

s=a0+a1B+a2L+a3H

l=b0+b1B+b2L+b3H

(1)

式中，(a0,a1,a2,a3,b0,b1,b2,b3)為仿射變換系數(shù)，(s,l)為圖像坐標(biāo)，對應(yīng)列號和行號，(B,L,H)為經(jīng)緯度坐標(biāo)和高程。

ROI快速定位以原始影像條帶數(shù)據(jù)持續(xù)輸入，從T0時刻開始，每隔Δt時間，對當(dāng)前成像區(qū)域位置進行實時計算，算法原理及流程如圖1所示。

圖1 ROI快速定位示意圖

具體步驟包括：

(1)建立當(dāng)前成像行的嚴格成像模型；

(2)計算當(dāng)前行首尾端點的地理坐標(biāo)，得到點p0,q0；

(3)T1=T0+Δt時刻，重復(fù)上述1、2步驟，得到點p1,q1；

(4)判斷ROI中心點是否位于矩形(p0,q0,p1,q1)內(nèi)，如不是，則Δt時間后繼續(xù)重復(fù)上述計算；

(5)如ROI中心點位于矩形(pi,qi,pi+1,qi+1)內(nèi)，進一步計算該點準(zhǔn)確圖像坐標(biāo)和ROI區(qū)域范圍(起止行號、起止列號)。

1.2 ROI影像相對輻射校正處理

相對輻射校正是利用相對輻射校正系數(shù)消除影像中的系統(tǒng)條帶噪聲。由于在軌環(huán)境變化，實驗室積分球數(shù)據(jù)不再有效，通常相對輻射校正系數(shù)根據(jù)在軌統(tǒng)計法獲取，并建立相對輻射校正系數(shù)查找表。面向ROI的相對輻射校正，即根據(jù)ROI快速準(zhǔn)確定位結(jié)果，獲取ROI區(qū)域?qū)?yīng)圖像的探元成像范圍，并依據(jù)成像增益、級數(shù)信息，查找對應(yīng)相對輻射校正系數(shù)，然后根據(jù)下式計算校正后影像灰度：

(2)

式中，DNcali為相對輻射校正后第i號探元的DN值;DNrawi為原始圖像第i號探元的DN值;Bi為第i號探元的偏移值;NGi為第i號探元的歸一化増益。增益值在1.0左右，保證定標(biāo)后的DN值范圍與原始數(shù)值的范圍基本一致。

1.3 ROI影像傳感器校正

區(qū)別于傳統(tǒng)以景為單位的影像傳感器校正，ROI影像傳感器校正在成像時間和成像空間范圍上更加靈活，因此，對ROI影像進行傳感器校正時，需要依據(jù)成像范圍動態(tài)構(gòu)建傳感器模型。為了保證ROI傳感器校正精度，在ROI成像范圍內(nèi)依然要考慮平臺震顫引起的姿態(tài)抖動、影像變形問題[9]；在ROI覆蓋多片CCD影像時需要考慮影像拼接問題；對于多光譜影像，還需要考慮多光譜影像配準(zhǔn)問題[10]；鏡頭畸變和CCD變形引起的影像畸變問題[11]等。

為了校正這些因素帶來的影響，本文采用基于虛擬CCD穩(wěn)態(tài)重成像原理在ROI成像范圍內(nèi)動態(tài)建立高精度的傳感器校正模型，利用原始嚴密成像模型和傳感器校正模型的幾何定位一致性，建立原始影像與虛擬穩(wěn)態(tài)重成像的坐標(biāo)映射關(guān)系，校正原始影像變形，并解決影像拼接、多光譜影像配準(zhǔn)的問題，同時可獲取ROI傳感器校正影像的高精度有理函數(shù)模型(rational function model，RFM)[13]，便于后續(xù)處理與應(yīng)用。

(1)全視場虛擬CCD幾何成像模型構(gòu)建。首先基于原始多片CCD建立覆蓋整景影像范圍的全視場虛擬CCD的內(nèi)方位元素模型，并依據(jù)成像時間進一步建立其幾何成像模型。

(2)動態(tài)ROI傳感器校正模型建立。區(qū)別于全視場的傳感器校正，動態(tài)ROI傳感器校正是在ROI快速確定其成像時間范圍和空間范圍基礎(chǔ)上，針對ROI成像區(qū)域進行傳感器校正(如圖2中紅色區(qū)域)，避免對ROI范圍外的數(shù)據(jù)進行處理，降低冗余數(shù)據(jù)處理。依據(jù)ROI地理范圍，通過全視場虛擬CCD的幾何成像模型反算得到ROI在全視場虛擬CCD的起始探元號，最后以全視場虛擬CCD的起始探元號對應(yīng)的內(nèi)方位參數(shù)作為動態(tài)虛擬CCD的內(nèi)方位參數(shù)，建立傳感器校正模型。

圖2 動態(tài)ROI傳感器校正模型構(gòu)建示意圖

(3)傳感器校正處理。在校正模型建立的基礎(chǔ)上，通過原始影像和校正后影像的坐標(biāo)映射關(guān)系即可重采樣得到傳感器校正影像，即獲取到ROI傳感器校正影像及其精確的RPC文件。

2 基于GPU的ROI影像快速處理流程

GPU計算性能高、功耗低、軟硬件架構(gòu)通用，可在受限環(huán)境下提供高性能計算能力，成為國際上解決大數(shù)據(jù)計算和實時處理問題的主流方案[14]。遙感影像具有天然的并行計算優(yōu)勢，可使用GPU進行并行加速處理，進一步提高ROI影像處理效率。本文實驗平臺的GPU都為NVIDIA系列GPU，因此選擇CUDA作為通用計算模型。為了避免傳統(tǒng)處理基于分景編目再根據(jù)分景信息處理影像產(chǎn)品標(biāo)準(zhǔn)生產(chǎn)模式不靈活，難以滿足快速處理需求的問題，直接基于原始0級數(shù)據(jù)進行處理，根據(jù)ROI位置信息，在原始數(shù)據(jù)中解析和定位，有針對性地進行數(shù)據(jù)處理，同時對于其中涉及的輻射校正、傳感器校正以及系統(tǒng)幾何校正等具有并行特點的環(huán)節(jié)進行GPU加速處理。面向ROI快速處理具體流程如圖3所示。

圖3 面向ROI的快速處理流程

3 實驗與分析

該方法采用Microsoft Visual Studio 2012 C++實現(xiàn)，在Linux 3.10.0操作系統(tǒng)下實現(xiàn)編譯和執(zhí)行。實驗計算機CPU為Intel Core i7-8750H、6C12T，主頻2.20 GHz，內(nèi)存264 GB，顯卡NVIDIA Tesla K40m。為了驗證文本提出方法的可行性與可靠性，對四型光學(xué)衛(wèi)星數(shù)據(jù)ROI影像處理效率進行統(tǒng)計，得到了不同類型ROI影像處理平均時間，如表1所示。

表1 不同類型ROI影像處理平均時間統(tǒng)計結(jié)果

本項目提出的方法是按照ROI來組織產(chǎn)品生產(chǎn)的，統(tǒng)計的耗時是從ROI區(qū)域定位到ROI大小影像生成的時間，傳統(tǒng)方法是按照標(biāo)準(zhǔn)景方式組織產(chǎn)品生產(chǎn)的。統(tǒng)計的耗時是從標(biāo)準(zhǔn)產(chǎn)品生產(chǎn)到ROI影像生成的時間，將兩種方法處理耗時進行比較，分析效率、提升水平。對比結(jié)果如表2所示。

表2 產(chǎn)品生產(chǎn)環(huán)節(jié)效率對比分析

實驗結(jié)果表明，本文處理方法可以有效提升ROI影像處理效率，ROI影像處理時間最少僅為傳統(tǒng)方法的1/5，效率提升百分比最高可達83.22%，最低可達59.38%。

4 結(jié)束語

本文針對海量光學(xué)衛(wèi)星遙感影像難以滿足高時效用戶需求的問題，設(shè)計了一種面向ROI的高分辨率遙感影像快速處理方法?；贕PU加速平臺，通過ROI快速定位、輻射校正、傳感器校正和系統(tǒng)幾何校正多個環(huán)節(jié)處理，快速得到具有地理編碼的高質(zhì)量圖像。通過多顆高分辨率遙感衛(wèi)星數(shù)據(jù)對比分析，本文提出的方法最高可將處理效率提升5倍?；谠撎幚砟Ｊ?，以后繼續(xù)研究針對不同成像設(shè)計衛(wèi)星數(shù)據(jù)優(yōu)化處理方法，以期進一步提高處理效率，滿足更加快速的應(yīng)用需求。