基于正射影像和DEM進行土地利用動態監測的研究

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進行土地利用動態監測的研究

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監測項目中，將已有的正射影像和數字高程模型作為新獲取高分辨率衛星影像的控制資料，然后對高分辨率衛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測土地利用狀況。利用高速局域網環境和分布式并行處理技術實現了衛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，極大地提高了生產效率。

高分辨率衛星影像;正射影像更新;SIFT特征匹配;有理函數模型;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監測系統建設”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測，實現土地利用現狀數據更新和數據共享兩個機制，基本建成廣東省土地利用信息動態監測系統，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監測項目的實施過程中，將已有的正射影像和數字高程模型作為新獲取高分辨率衛星影像(SPOT 5、QuickBird以及國產的高分辨率資源衛星)的控制資料，然后對高分辨率衛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測土地利用狀況。傳統的作業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域。這種作業路線費時費力，無法滿足目前土地利用動態監測對數據現勢性的要求。基于高速局域網環境和分布式并行處理技術實現了衛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)使用有理函數模型作為衛星影像的通用成像模型，實現各種不同衛星影像的一體化處理。

2)在傳統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改正等技術，有效提高了衛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，實現了衛星影像的全自動可靠定向。

3)衛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高精度配準。本文提出了一種基于已有DEM的衛星影像全色和多光譜波段間的可靠配準方法，有效地消除了數據融合中常見的重影現象。

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

二、國產衛星影像的有理函數建模

目前，高分辨率衛星影像的處理通常采用統一的幾何成像模型，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，不同地面分辨率衛星影像的絕對定位和一體化處理平臺的開發。

目前大多數商業衛星影像都直接提供RPC參數，少數衛星影像(如SPOT 5)雖然不直接提供RPC參數，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和最小二乘嶺估計方法解算出RPC參數［2］。然而很多國產高分辨率衛星影像(如中巴資源衛星等)由于沒有提供任何精密定軌定姿參數，因此構建這種衛星影像的通用成像模型成為制約當前國產高分辨率衛星影像應用的主要難題。對于此類衛星影像，考慮到衛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需要在衛星影像中至少已知5個控制點。控制點的獲取則只能通過衛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衛星影像，通過建立虛擬控制點格網和最小二乘嶺估計方法解算出RPC參數。

三、海量控制點的自動獲取

使用高分辨率衛星影像進行土地利用動態監測的首要問題就是如何充分利用已有的地理信息數據(如正射影像和DEM等)快速獲取衛星影像絕對定位所需的控制點。因此必須實現衛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)衛星影像與正射影像之間初始位置關系的確定:傳統方法需要首先在衛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星影像(如QuickBird和SPOT 5等)直接使用其提供的RPC參數確定相對位置關系;對于國產衛星影像，則根據其提供的衛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衛星影像而言，利用其RPC參數確定的初始位置關系的誤差較小，一般不超過200像素;但是利用國產衛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匹配只用于國產衛星影像最高一級金字塔影像的匹配。

3)幾何畸變動態改正: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，然后根據有理函數模型(或者嚴格幾何模型)預測到衛星影像。這樣，在每一級金字塔影像上對衛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模型(或者嚴格幾何模型)定向的方法解求衛星影像的定向參數值，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和控制點成果。

衛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。其中衛星影像的定向方法與衛星影像的類型有關:對于國外的衛星影像一般直接基于有理函數模型進行定向;對于國產衛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和最小二乘嶺估計方法解算出國產衛星影像的RPC參數，以便于后續的正射影像糾正及融合等處理采用有理函數模型進行一體化處理。

圖2 衛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高精度配準。由于已知衛星影像的RPC參數，因此衛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，產生所謂的重影現象。

傳統的衛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中，由于衛星影像采用統一的有理函數模型進行定向，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字高程模型數據實現像素間的嚴格對應。

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參數和定向參數按照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星影像與多光譜影像之間的可靠高精度配準。

最終衛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和已知的DEM來實現，該種算法可以有效地消除傳統融合方法中經常出現的重影問題。

五、并行處理

由于本項目中衛星影像與正射影像的自動匹配、數據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，本項目還研發了一種并行處理系統，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，實現了衛星影像快速定向、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 系統硬件結構圖

表1 并行處理系統的硬件設備一覽表

六、試驗結果

1.中巴資源衛星與正射影像的配準

表2所示為四景中巴資源衛星影像(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和定向精度。

表2 中巴資源衛星影像自動定向結果

2.SPOT 5衛星與正射影像的配準

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

表3 SPOT 5衛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。