專利名稱：多源多軌長條帶衛(wèi)星遙感影像聯(lián)合并行匹配方法
技術(shù)領(lǐng)域：
本發(fā)明屬于測(cè)繪科學(xué)與技術(shù)領(lǐng)域，涉及一種多源多軌長條帶衛(wèi)星遙感影像聯(lián)合并行匹配方法，主要應(yīng)用于空中三角測(cè)量、數(shù)字表面模型生產(chǎn)等領(lǐng)域。
背景技術(shù)：
近20年來，隨著航天技術(shù)的飛速發(fā)展，在軌衛(wèi)星數(shù)量的急劇增加，越來越多的衛(wèi)星數(shù)據(jù)應(yīng)用到攝影測(cè)量領(lǐng)域，利用衛(wèi)星數(shù)據(jù)進(jìn)行測(cè)繪產(chǎn)品的生產(chǎn)已成為地理空間信息獲取的重要手段。由于衛(wèi)星成像系統(tǒng)在高空飛行時(shí)，具有覆蓋范圍廣、運(yùn)行周期短、姿態(tài)穩(wěn)定、多余觀測(cè)多等特點(diǎn)，這對(duì)于影像匹配中“病態(tài)解”的消除、匹配精度與可靠性的提高具有較大意義。另外，衛(wèi)星上搭載的恒星定位儀與星敏器可獲得固定采樣間隔下掃描行的姿軌數(shù)據(jù)，從而通過幾何約束方法來縮小匹配搜索范圍，獲得相對(duì)可靠的未知參數(shù)的初始值。然而衛(wèi)星成像系統(tǒng)一般采用推掃式CCD線陣成像方式，具有不完全中心投影成像幾何特點(diǎn)，其成像的幾何特征遠(yuǎn)比傳統(tǒng)的中心透視投影復(fù)雜，并且由于多視傳感器(如前/正/后視)交會(huì)角、焦距、地面分辨率等差異，導(dǎo)致影像間存在復(fù)雜的幾何與輻射畸變。這對(duì)于衛(wèi)星影像的匹配研究帶來了挑戰(zhàn)?，F(xiàn)有基于衛(wèi)星遙感影像的匹配方法大致可分為三類:(I)基于物方的匹配:由于特殊的立體觀測(cè)結(jié)構(gòu)和線陣傳感器上集成GPS接收器與星敏感器，基于物方的匹配算法應(yīng)用較為廣泛。但該算法依賴于精確姿態(tài)軌道參數(shù)獲得的大致準(zhǔn)確的同名預(yù)測(cè)點(diǎn)，考慮到國產(chǎn)衛(wèi)星由于硬件系統(tǒng)的原因，其無控對(duì)地定位精度一般較差，單純采用該算法很難取得較好的匹配結(jié)果。(2)基于不變性算子的匹配算法:由于基于不變性算子的匹配算法在計(jì)算機(jī)視覺領(lǐng)域取得了重大突破，憑借其強(qiáng)大的匹配性能在目標(biāo)識(shí)別、全景圖拼接、從運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)、遙感影像配準(zhǔn)等領(lǐng)域得到成功應(yīng)用。但該算法存在內(nèi)存消耗多、運(yùn)算速度慢的問題，對(duì)于大范圍的衛(wèi)星遙感影像匹配適用性不強(qiáng)，可靠性和有效性有待進(jìn)一步檢驗(yàn)。(3)基于特征與灰度屬性的匹配:該算法結(jié)合基于特征的匹配和基于區(qū)域的匹配算法特點(diǎn)，首先利用特征匹配算子獲得種子點(diǎn)，以種子點(diǎn)為基礎(chǔ)，利用區(qū)域增長，進(jìn)行最小二乘匹配。該算法適用于平坦地形下的影像匹配，但對(duì)居民地、山地、丘陵等復(fù)雜地形影像匹配效果較差?？偟膩碚f，現(xiàn)有匹配方法主要針對(duì)同一傳感器在同軌或異軌獲取的同源分景立體影像進(jìn)行處理，而無法直接對(duì)不同傳感器在不同軌道下獲取的長條帶衛(wèi)星影像進(jìn)行聯(lián)合處理。如果利用分景后的影像進(jìn)行匹配及區(qū)域網(wǎng)平差，則在實(shí)際生產(chǎn)中，景與景之間平差精度很難保持一致，從而出現(xiàn)影像拼接問題。如果直接利用長條帶影像進(jìn)行整體匹配，可對(duì)影像內(nèi)部進(jìn)行整體糾正，既有利于消除影像拼接問題，又可為稀少控制或無控地區(qū)定位精度的提高提供了保證。另外，現(xiàn)有方法對(duì)于影像間存在的空間分辨率、入射角、時(shí)相、成像機(jī)理的差異，無法完全消除，導(dǎo)致匹配算法的失效；而對(duì)于紋理貧乏區(qū)域，匹配點(diǎn)的加密一直以來都是亟待解決的難點(diǎn)問題
發(fā)明內(nèi)容
本發(fā)明的目的是提供一種多源多軌長條帶衛(wèi)星遙感影像聯(lián)合并行匹配方法，以實(shí)現(xiàn)在多機(jī)多核情況下，全自動(dòng)地聯(lián)合不同傳感器在不同軌道下獲取的多源、多軌海量影像數(shù)據(jù)，進(jìn)行快速并行匹配處理。本發(fā)明的技術(shù)方案為一種多源多軌長條帶衛(wèi)星遙感影像聯(lián)合并行匹配方法，包括以下步驟:步驟一，在每一軌道內(nèi)，選取接近于垂直攝影的長條帶影像作為基準(zhǔn)影像，采用物理分塊得到相互獨(dú)立的基準(zhǔn)影像塊，并記錄每個(gè)基準(zhǔn)影像塊與原始的基準(zhǔn)影像的對(duì)應(yīng)關(guān)系；物理分塊時(shí)，塊與塊之間在列與行方向上均具有一定重疊；步驟二，利用特征提取算子，對(duì)各基準(zhǔn)影像塊提取特征點(diǎn)，引入特征評(píng)價(jià)算子統(tǒng)計(jì)特征點(diǎn)的二維直方圖，根據(jù)二維直方圖將位于紋理貧乏區(qū)域的特征點(diǎn)剔除，保留局部紋理豐富的特征點(diǎn)作為待匹配點(diǎn)；步驟三，確定各軌道內(nèi)長條帶影像間的重疊關(guān)系，建立軌道內(nèi)匹配任務(wù)列表；軌道內(nèi)匹配任務(wù)列表記錄與每一軌道內(nèi)的各基準(zhǔn)影像塊在同一軌道中有重疊關(guān)系的影像，作為相應(yīng)搜索影像，每個(gè)基準(zhǔn)影像塊與相應(yīng)所有搜索影像構(gòu)成一個(gè)匹配任務(wù)；步驟四，根據(jù)軌道內(nèi)匹配任務(wù)列表，對(duì)所有匹配任務(wù)分別通過基于地形起伏的近似核線約束匹配，獲得軌道內(nèi)的同名點(diǎn)匹配結(jié)果；步驟五，確定軌道間的長條帶影像重疊關(guān)系，建立軌道間匹配模型任務(wù)列表；軌道間匹配模型任務(wù)列表記錄與每一軌道內(nèi)的各基準(zhǔn)影像塊在所有軌道中有重疊關(guān)系的影像，作為相應(yīng)搜索影像，每個(gè)基準(zhǔn)影像塊與相應(yīng)各搜索影像分別構(gòu)成一個(gè)匹配任務(wù)；步驟六，根據(jù)軌道間匹配模型任務(wù)列表，對(duì)所有匹配任務(wù)分別通過基于地形起伏的近似核線約束匹配，獲得軌道間的同名點(diǎn)匹配結(jié)果；步驟七，根據(jù)軌道內(nèi) 的同名點(diǎn)匹配結(jié)果和軌道間的同名點(diǎn)匹配結(jié)果，合并所有軌道內(nèi)與軌道間匹配點(diǎn)，進(jìn)行整體的誤匹配檢測(cè)與剔除，最終輸出匹配結(jié)果。而且，步驟四中對(duì)任一匹配任務(wù)進(jìn)行基于地形起伏的近似核線約束匹配，包括以下子步驟，(I)對(duì)當(dāng)前處理的基準(zhǔn)影像塊，基于全球地形高程數(shù)據(jù)計(jì)算高程范圍，預(yù)測(cè)各搜索影像中與基準(zhǔn)影像塊重疊的范圍并讀??；以原始的基準(zhǔn)影像塊為底層建立多層金字塔影像，層數(shù)記為N ;令i=l ；(2)對(duì)各搜索影像分別執(zhí)行以下子步驟，在對(duì)所有搜索影像處理完底層的原始影像后進(jìn)入步驟(3)，(2.1)對(duì)第i層金字塔建立近似核線方程，得到近似核線；(2.2)利用差異補(bǔ)償模型改正局部畸變；(2.3)進(jìn)行基于近似核線約束的二維相關(guān)匹配，得到初始的匹配點(diǎn)；(2.4)從初始的匹配點(diǎn)中剔除誤匹配的匹配點(diǎn)，處理完第i層金字塔；(2.5)判斷當(dāng)前是否處理完底層的原始影像，即判斷是否i=N，否則令i=l+l，返回步驟(2.1);返回步驟(2.1)時(shí)更新約束條件，實(shí)現(xiàn)方式如下，處理完第i層金字塔后，構(gòu)建數(shù)字表面模型，用于返回步驟(2.1)處理下層金字塔時(shí)建立近似核線方程，此處i的取值為1，2，…N-1 ;并且根據(jù)處理完第i層金字塔所得匹配點(diǎn)，重新計(jì)算得到處理下層金字塔時(shí)的差異補(bǔ)償模型的系數(shù)，此處i的取值為1，2，…N-1 ；
(3)對(duì)匹配點(diǎn)加密與精化；(4)對(duì)加密與精化后的匹配點(diǎn)剔除誤匹配。而且，步驟六中對(duì)任一匹配任務(wù)進(jìn)行基于地形起伏的近似核線約束匹配，包括以下子步驟，(I)對(duì)當(dāng)前處理的基準(zhǔn)影像塊，基于全球地形高程數(shù)據(jù)計(jì)算高程范圍預(yù)測(cè)搜索影像中與基準(zhǔn)影像塊重疊的范圍并讀?。灰栽嫉幕鶞?zhǔn)影像塊為底層建立多層金字塔影像，層數(shù)記為N ;令i=l ；(2)對(duì)第i層金字塔建立近似核線方程，得到近似核線；(3)利用差異補(bǔ)償模型改正局部畸變；(4)進(jìn)行基于近似核線約束的二維相關(guān)匹配，得到初始的匹配點(diǎn)；(5)從初始的匹配點(diǎn)中剔除誤匹配的匹配點(diǎn)，處理完第i層金字塔；(6)判斷當(dāng)前是否處理完底層的原始影像，即判斷是否i=N，是則進(jìn)入下一步驟
(7)，否則令i=l+l，返回步驟(2);返回步驟(2)時(shí)更新約束條件，實(shí)現(xiàn)方式如下，處理完第i層金字塔后，構(gòu)建數(shù)字表面模型，用于返回步驟(2)處理下層金字塔時(shí)建立近似核線方程，此處i的取值為1，2，…N-1 ;并且根據(jù)處理完第i層金字塔所得匹配點(diǎn)，重新計(jì)算得到處理下層金字塔時(shí)的差異補(bǔ)償模型的系數(shù)，此處i的取值為1，2，…N-1 ；(7)對(duì)匹配點(diǎn)加密與精化；`(8)對(duì)加密與精化后的匹配點(diǎn)剔除誤匹配。而且，步驟二中利用LBP/C算子統(tǒng)計(jì)特征點(diǎn)的局部LBP圖與LC圖的像素值分布，得到LBP/C 二維直方圖。本發(fā)明的優(yōu)點(diǎn)在于直接利用長條帶衛(wèi)星影像，聯(lián)合不同傳感器在不同軌道下獲取的多源、多軌海量數(shù)據(jù)，在多機(jī)多核的硬件條件下，完全自動(dòng)化地進(jìn)行快速并行匹配，避免了通過影像分景處理帶來的景與景之間的影像拼接問題，實(shí)現(xiàn)了不同分辨率、不同視角、不同時(shí)相的衛(wèi)星影像聯(lián)合匹配，解決了紋理貧乏區(qū)域的“匹配空洞”現(xiàn)象，為稀少控制或無控地區(qū)定位精度的提高提供了保證。引入特征評(píng)價(jià)算子，統(tǒng)計(jì)分析影像局部紋理的空間結(jié)構(gòu)與反差，從而提高特征匹配的成功率，避免了偽特征在匹配中所產(chǎn)生的誤匹配現(xiàn)象；采用多軌道衛(wèi)星影像聯(lián)合匹配策略，保證了軌道間連接點(diǎn)的最大重疊次數(shù)；在全球地形高程數(shù)據(jù)(SRTM)輔助下，利用地形起伏變化建立近似核線幾何約束，極大地減少了由于高程誤差造成的核線預(yù)測(cè)誤差；綜合運(yùn)用了小面元幾何糾正法、基于控制網(wǎng)的匹配生長算法，并通過不斷精化差異補(bǔ)償模型，消除了多源影像間的幾何與輻射畸變，最終獲得穩(wěn)健地、高精度匹配結(jié)果；將匹配流程與匹配策略進(jìn)行了整合與改進(jìn)，為多源多軌長條帶衛(wèi)星影像的聯(lián)合處理提供了較為完善的匹配方案，為海量衛(wèi)星遙感數(shù)據(jù)的集成應(yīng)用奠定了基礎(chǔ)。


圖1為本發(fā)明實(shí)施例的流程圖。圖2為本發(fā)明實(shí)施例(P，R)對(duì)應(yīng)的圓領(lǐng)域點(diǎn)集示意圖；圖3為本發(fā)明實(shí)施例影像中紋理貧乏區(qū)域的LBP/C直方圖；圖4為本發(fā)明實(shí)施例影像中紋理豐富區(qū)域的LBP/C直方圖；圖5為本發(fā)明實(shí)施例的小面元局部畸變差異消除原理圖。
具體實(shí)施例方式具體實(shí)施時(shí)，本發(fā)明技術(shù)方案采用計(jì)算機(jī)軟件方式實(shí)現(xiàn)自動(dòng)運(yùn)行。以下結(jié)合附圖和實(shí)施例詳細(xì)說明本發(fā)明技術(shù)方案。參見圖1，本發(fā)明提供了一種多源多軌長條帶衛(wèi)星遙感影像聯(lián)合并行匹配方法，該方法可實(shí)現(xiàn)在多機(jī)多核情況下，全自動(dòng)聯(lián)合多源多軌海量長條帶衛(wèi)星影像數(shù)據(jù)，進(jìn)行快速并行匹配處理。實(shí)施例具體實(shí)現(xiàn)方法包含以下步驟:步驟1，在每一軌道內(nèi)，選取接近于垂直攝影的長條帶影像作為基準(zhǔn)影像，采用物理分塊得到相互獨(dú)立的基準(zhǔn)影像塊，并記錄每個(gè)基準(zhǔn)影像塊與原始的基準(zhǔn)影像的對(duì)應(yīng)關(guān)系；物理分塊時(shí)，塊與塊之間在列與行方向上均具有一定重疊。實(shí)施例在本步驟進(jìn)行物理分塊控制與索引:因?yàn)樘幚淼氖情L條帶影像，影像數(shù)據(jù)量太大，無法裝載到內(nèi)存中進(jìn)行處理，而且考慮到并行匹配，本發(fā)明提出在每一軌道內(nèi)，選取接近于垂直攝影的長條帶影像作為基準(zhǔn)影像，通過分塊方式對(duì)基準(zhǔn)影像進(jìn)行物理分割得到基準(zhǔn)影像塊，實(shí)施例將基準(zhǔn)影像塊大小設(shè)為12000X12000像素，但為避免臨近影像邊緣的影像塊出現(xiàn)越界現(xiàn)象，建議影像邊緣在分割時(shí)自動(dòng)控制影像分塊尺寸?？紤]到影像塊邊界連續(xù)問題，物理分割時(shí)，塊與塊之間在列與行方向上均具有重疊關(guān)系，保證影像塊邊界存在一定數(shù)量的匹配點(diǎn)。建立影像分塊的索引機(jī)制，記錄每個(gè)基準(zhǔn)影像塊與原始基準(zhǔn)影像的對(duì)應(yīng)關(guān)系。步驟2，利用特征提取算子，對(duì)各基準(zhǔn)影像塊提取特征點(diǎn)，引入特征評(píng)價(jià)算子統(tǒng)計(jì)特征點(diǎn)的二維直方圖，根據(jù)二維直方圖將位于紋理貧乏區(qū)域的特征點(diǎn)剔除，保留局部紋理豐富的特征點(diǎn)作為待匹配點(diǎn)。實(shí)施例在本步驟進(jìn)行特征點(diǎn)的篩選，引入特征評(píng)價(jià)算子統(tǒng)計(jì)特征點(diǎn)的二維直方圖，二維直方圖描述了局部紋理空間分布特征和紋理反差。為便于實(shí)施 參考，提供實(shí)施例采用的特征評(píng)價(jià)算子原理如圖2和圖3、4所示。LBP/C算子是一種統(tǒng)計(jì)分析影像紋理的描述方法，主要描述了局部紋理的空間特征與反差，可以很好的對(duì)紋理信息進(jìn)行描述。利用LBP/C算子對(duì)提取的特征進(jìn)行篩選，可有效提高同名點(diǎn)的匹配正確率。其中局部二值模式值LBP值與局部紋理反差值LC值可通過以下步驟計(jì)算:(I)如圖2所示，以特征點(diǎn)(Xe，Yc)為中心，建立以R為半徑的圓，通過以下公式確定包含P個(gè)對(duì)稱鄰域點(diǎn)的點(diǎn)集T，ge，gl，…，gP代表中心點(diǎn)、第1，…P個(gè)領(lǐng)域點(diǎn)對(duì)應(yīng)的灰度值。圖中領(lǐng)域點(diǎn)總數(shù)p=24，R=3.0。Xp=Xc-R.sin (2 η ρ/Ρ)Yp = Yc+R.cos (2 η ρ/Ρ)(I)(2)將點(diǎn)集T中每個(gè)點(diǎn)的灰度值gp與g。進(jìn)行對(duì)比，根據(jù)大小關(guān)系對(duì)點(diǎn)集T進(jìn)行二值化，從而計(jì)算出LBP值。P的取值為1，2…P。
P] ( p- — g ) > ()LBP =乞 s(gp — g ^)2 中，3( - &) = <o _g )<0(2)(3)對(duì)于局部紋理反差值LC的計(jì)算，可通過以下公式計(jì)算，其中μ為局部像素灰度值均值:
權(quán)利要求
1.一種多源多軌長條帶衛(wèi)星遙感影像聯(lián)合并行匹配方法，包括以下步驟: 步驟一，在每一軌道內(nèi)，選取接近于垂直攝影的長條帶影像作為基準(zhǔn)影像，采用物理分塊得到相互獨(dú)立的基準(zhǔn)影像塊，并記錄每個(gè)基準(zhǔn)影像塊與原始的基準(zhǔn)影像的對(duì)應(yīng)關(guān)系；物理分塊時(shí)，塊與塊之間在列與行方向上均具有一定重疊； 步驟二，利用特征提取算子，對(duì)各基準(zhǔn)影像塊提取特征點(diǎn)，引入特征評(píng)價(jià)算子統(tǒng)計(jì)特征點(diǎn)的二維直方圖，根據(jù)二維直方圖將位于紋理貧乏區(qū)域的特征點(diǎn)剔除，保留局部紋理豐富的特征點(diǎn)作為待匹配點(diǎn)； 步驟三，確定各軌道內(nèi)長條帶影像間的重疊關(guān)系，建立軌道內(nèi)匹配任務(wù)列表；軌道內(nèi)匹配任務(wù)列表記錄與每一軌道內(nèi)的各基準(zhǔn)影像塊在同一軌道中有重疊關(guān)系的影像，作為相應(yīng)搜索影像，每個(gè)基準(zhǔn)影像塊與相應(yīng)所有搜索影像構(gòu)成一個(gè)匹配任務(wù)； 步驟四，根據(jù)軌道內(nèi)匹配任務(wù)列表，對(duì)所有匹配任務(wù)分別通過基于地形起伏的近似核線約束匹配，獲得軌道內(nèi)的同名點(diǎn)匹配結(jié)果； 步驟五，確定軌道間的長條帶影像重疊關(guān)系，建立軌道間匹配模型任務(wù)列表；軌道間匹配模型任務(wù)列表記錄與每一軌道內(nèi)的各基準(zhǔn)影像塊在所有軌道中有重疊關(guān)系的影像，作為相應(yīng)搜索影像，每個(gè)基準(zhǔn)影像塊與相應(yīng)各搜索影像分別構(gòu)成一個(gè)匹配任務(wù)； 步驟六，根據(jù)軌道間匹配模型任務(wù)列表，對(duì)所有匹配任務(wù)分別通過基于地形起伏的近似核線約束匹配，獲得軌道間的同名點(diǎn)匹配結(jié)果； 步驟七，根據(jù)軌道內(nèi)的同名點(diǎn)匹配結(jié)果和軌道間的同名點(diǎn)匹配結(jié)果，合并所有軌道內(nèi)與軌道間匹配點(diǎn)，進(jìn)行整體的誤匹配檢測(cè)與剔除，最終輸出匹配結(jié)果。
2.根據(jù)權(quán)利要求1所述多源多軌長條帶衛(wèi)星遙感影像聯(lián)合并行匹配方法，其特征在于:步驟四中對(duì)任一匹配任務(wù)進(jìn)行基于地形起伏的近似核線約束匹配，包括以下子步驟， (1)對(duì)當(dāng)前處理的基準(zhǔn)影像塊，基于全球地形高程數(shù)據(jù)計(jì)算高程范圍，預(yù)測(cè)各搜索影像中與基準(zhǔn)影像塊重疊的范圍并讀取；以原始的基準(zhǔn)影像塊為底層建立多層金字塔影像，層數(shù)記為N ;令i=l ； (2)對(duì)各搜索影像分別執(zhí)行以下子步驟，在對(duì)所有搜索影像處理完底層的原始影像后進(jìn)入步驟(3)， (2.1)對(duì)第i層金字塔建立近似核線方程，得到近似核線； (2.2)利用差異補(bǔ)償模型改正局部畸變； (2.3)進(jìn)行基于近似核線約束的二維相關(guān)匹配，得到初始的匹配點(diǎn)； (2.4)從初始的匹配點(diǎn)中剔除誤匹配的匹配點(diǎn)，處理完第i層金字塔； (2.5)判斷當(dāng)前是否處理完底層的原始影像，即判斷是否i=N，否則令i=l+l，返回步驟(2.1);返回步驟(2.1)時(shí)更新約束條件，實(shí)現(xiàn)方式如下， 處理完第i層金字塔后，構(gòu)建數(shù)字表面模型，用于返回步驟(2.1)處理下層金字塔時(shí)建立近似核線方程，此處i的取值為1，2，…N-1 ;并且根據(jù)處理完第i層金字塔所得匹配點(diǎn)，重新計(jì)算得到處理下層金字塔時(shí)的差異補(bǔ)償模型的系數(shù)，此處i的取值為1，2，…N-1 ； (3)對(duì)匹配點(diǎn)加密與精 化； (4)對(duì)加密與精化后的匹配點(diǎn)剔除誤匹配。
3.根據(jù)權(quán)利要求1所述多源多軌長條帶衛(wèi)星遙感影像聯(lián)合并行匹配方法，其特征在于:步驟六中對(duì)任一匹配任務(wù)進(jìn)行基于地形起伏的近似核線約束匹配，包括以下子步驟，(1)對(duì)當(dāng)前處理的基準(zhǔn)影像塊，基于全球地形高程數(shù)據(jù)計(jì)算高程范圍預(yù)測(cè)搜索影像中與基準(zhǔn)影像塊重疊的范圍并讀??；以原始的基準(zhǔn)影像塊為底層建立多層金字塔影像，層數(shù)記為N ;令i=l ； (2)對(duì)第i層金字塔建立近似核線方程，得到近似核線； (3)利用差異補(bǔ)償模型改正局部畸變； (4)進(jìn)行基于近似核線約束的二維相關(guān)匹配，得到初始的匹配點(diǎn)； (5)從初始的匹配點(diǎn)中剔除誤匹配的匹配點(diǎn)，處理完第i層金字塔； (6)判斷當(dāng)前是否處理完底層的原始影像，即判斷是否i=N，是則進(jìn)入下一步驟(7)，否則令i=l+l，返回步驟(2);返回步驟(2)時(shí)更新約束條件，實(shí)現(xiàn)方式如下， 處理完第i層金字塔后，構(gòu)建數(shù)字表面模型，用于返回步驟(2)處理下層金字塔時(shí)建立近似核線方程，此處i的取值為1，2，…N-1 ;并且根據(jù)處理完第i層金字塔所得匹配點(diǎn)，重新計(jì)算得到處理下層金字塔時(shí)的差異補(bǔ)償模型的系數(shù)，此處i的取值為1，2，…N-1 ； (7)對(duì)匹配點(diǎn)加密與精化； (8)對(duì)加密與精化后的匹配點(diǎn)剔除誤匹配。
4.根據(jù)權(quán)利要求1或2或3所述多源多軌長條帶衛(wèi)星遙感影像聯(lián)合并行匹配方法，其特征在于:步驟二中利用LBP/C算子統(tǒng)計(jì)特征點(diǎn)的局部LBP圖與LC圖的像素值分布，得到LBP/C 二維直方圖 。
全文摘要
一種多源多軌長條帶衛(wèi)星遙感影像聯(lián)合并行匹配方法，引入特征評(píng)價(jià)算子，統(tǒng)計(jì)分析影像局部紋理的空間結(jié)構(gòu)與反差；采用多軌道衛(wèi)星影像聯(lián)合匹配策略，保證了軌道間連接點(diǎn)的最大重疊次數(shù)；在全球SRTM數(shù)據(jù)的輔助下，利用地形起伏變化建立近似核線幾何約束，極大地減少了由于高程誤差造成的核線預(yù)測(cè)誤差；綜合運(yùn)用了小面元幾何糾正法、基于控制網(wǎng)的匹配生長算法，并通過不斷精化差異補(bǔ)償模型，消除了多源影像間的幾何與輻射畸變，最終獲得穩(wěn)健地、高精度匹配結(jié)果；將匹配流程與匹配策略進(jìn)行了整合與改進(jìn)，為多源多軌長條帶衛(wèi)星影像的聯(lián)合處理提供了較為完善的匹配方案，為海量衛(wèi)星遙感數(shù)據(jù)的集成應(yīng)用提供了保證。
文檔編號(hào)G01C11/34GK103115614SQ201310021748
公開日2013年5月22日 申請(qǐng)日期2013年1月21日 優(yōu)先權(quán)日2013年1月21日
發(fā)明者張永軍, 熊金鑫, 段延松 申請(qǐng)人:武漢大學(xué)