一種新的生成ADS正射影像方法

曾 宇，蘇曉斌

(湖南省第二測繪院，湖南 長沙 410019)

ADS100機載數(shù)字航空攝影測量系統(tǒng)是目前最先進的推掃式機載數(shù)字航空攝影測量系統(tǒng)[1]。其航飛一個架次可以同時獲取前視、下視和后視3個視角的影像，具有分辨率高、光譜特性良好的特點。由于其獨特的優(yōu)勢，在不動產(chǎn)測繪中得到廣泛應用。

在處理ADS數(shù)據(jù)過程中，常用的處理方法是：首先用XPro軟件進行空三加密及DSM匹配，其次將匹配的DSM導入第三方軟件進行人機交互編輯處理，最后利用處理后的DEM生成正射影像。目前國內(nèi)外軟件在空三加密和DSM匹配環(huán)節(jié)上技術均較成熟，但從DSM到DEM的技術不夠完善，因此自動提取的DSM仍需大量的人工編輯后才能滿足用戶實際需求[2]。

本文所介紹的方法是利用華浩超算平臺對DSM進行編輯。該平臺DSM編輯模塊的原理為：首先通過SGBM匹配算法提取DSM點云數(shù)據(jù)；其次應用影像提取算法提取人工地物和水域邊界；最后將提取的數(shù)據(jù)作為DSM點云處理矢量約束條件進行DSM處理，以達到有效去除人工地物的目的，生成滿足需要的DEM數(shù)據(jù)。但在自動提取過程中難免存在錯漏，故采用地理國情普查工作中的房屋矢量邊界數(shù)據(jù)來替代和補充自動提取的人工地物矢量數(shù)據(jù)。通過該方法有效解決了DSM編輯難度大、效率低、精度難以達標的難題。

1 DEM和DOM

不動產(chǎn)測繪，目前最符合國情的手段是利用航飛影像生產(chǎn)數(shù)字線劃圖(DLG)和數(shù)字正射影像(DOM)。DLG可以直接在立體環(huán)境下采集得到，而DOM則需要以下步驟才能得到：①匹配DSM；②編輯DSM；③正射糾正。

DEM是通過有限的地形高程數(shù)據(jù)實現(xiàn)對地形曲面數(shù)字化模擬(即地形表面形態(tài)的數(shù)字化表達)，它是用一組有序數(shù)值陣列形式表示地面高程的一種實體地面模型。

DSM是指包含了地表建筑物、橋梁和樹木等高度的地面高程模型。

數(shù)字地面模型(digital terrain model,DTM)是地形表面形態(tài)屬性信息的數(shù)字表達，是帶有空間位置特征和地形屬性特征的數(shù)字描述。

DOM是根據(jù)像片的內(nèi)外方位元素和DEM對數(shù)字化的航空像片/遙感影像進行數(shù)字微分糾正得到的影像圖。但是DEM不能直接獲取，因此需要對DSM或DTM進行編輯，使它接近真正的DEM。

由此可得，DOM質(zhì)量取決于DEM的質(zhì)量。而對DSM或DTM編輯又是決定DEM質(zhì)量的重要步驟。

2 DSM的匹配與編輯

2.1 基于軟件像素工廠的方法

像素工廠基于對多視角數(shù)據(jù)的自動多重相關匹配算法提取DSM[3]。像素工廠在平面環(huán)境下編輯DSM，程序實時糾正影像。

優(yōu)點是：

(1) 能實時切換到正射影像界面，從而判斷對DSM編輯是否有效。

(2) 能記錄編輯的軌跡，實現(xiàn)多人同時編輯，不會產(chǎn)生重復編輯的現(xiàn)象。

缺點是：

(1) 需要頻繁切換正射影像和DSM編輯界面。

(2) 編輯范圍較大的DSM時，程序響應時間較長。

(3) 在平面環(huán)境下DSM基本上靠經(jīng)驗判斷。

2.2 基于國產(chǎn)軟件PixelGrid的方法

國產(chǎn)軟件PixelGrid是基于物方幾何約束的多影像相關匹配算法(geometrically constrained cross-correlation，GC3)提取DSM[1]。

該軟件最為常用的編輯功能有：線編輯、區(qū)域平滑、曲面擬合和局部重構等。線編輯(選擇特征線處理)主要用于溝谷、山脊處編輯;平滑處理主要用于處理平地的噪點;曲面擬合用于編輯傾斜的地形，也可用于山坡有植被區(qū)域的編輯;局部重構用于編輯小范圍內(nèi)的匹配錯誤，如陰影區(qū)域、雪覆蓋區(qū)域。

優(yōu)點是：

(1) 能夠在立體環(huán)境下編輯DSM，實現(xiàn)高程點貼地。

(2) 能夠疊加影像，編輯DSM，做到實時糾正影像。

缺點是：

(1) 需對數(shù)據(jù)進行轉換，比較耗時。

(2) 立體環(huán)境下需要對人工地物進行單獨處理，工序繁瑣，效率低下。

2.3 基于華浩超算平臺的DSM匹配編輯方法

華浩超算平臺充分運用了SGBM匹配算法和圖像區(qū)域增長算法匹配編輯DSM。

2.3.1 SGBM匹配算法

SGBM匹配算法是一種用于計算雙目視覺中disparity的半全局匹配算法。具體思路：通過選取每個像素點的disparity，組成一個disparity map，設置一個與disparity map相關的全局能量函數(shù)，使這個能量函數(shù)最小化，以達到求解每個像素最優(yōu)disparity的目的。

2.3.1.1 能量函數(shù)

能量函數(shù)形式如下

(1)

式中，D指disparity map；E(D)是該disparity map對應的能量函數(shù)；p、q代表影像中的某個像素；Np指像素p的相鄰像素點(一般認為影像為8通道)；C(p，Dp)指當前像素點disparity為Dp時，該像素點的cost值；P1是一個懲罰系數(shù)，它用在像素p相鄰像素的dsparity值與像素p的dsparity值相差為1的那些像素；P2是一個懲罰系數(shù)，它用在像素p相鄰像素的dsparity值與像素p的dsparity值相差大于1的那些像素；I[]表示如果函數(shù)中的參數(shù)為真時返回1，否則返回0。

利用式(1)在一個二維圖像中尋找最優(yōu)解，耗時巨大，但是該求解方式可歸為NP-complete問題。因此該問題可以被近似分解為多個一維問題，即線性問題，而且每個一維問題都可以用動態(tài)規(guī)劃方法來解決。又因為1個像素有8個相鄰像素，因此可分解為8個一維問題。故每個像素的disparity只與其左邊的像素相關，有如下公式

Lr(p,d)=C(p,d)+min(Lr(p-r,d),Lr(p-r,d-1)+

(2)

式中，r表示某個指向當前像素p的方向，在此可以理解為像素p左邊的相鄰像素；Lr(p，d) 表示在沿著當前方向(即從左至右)的情況下，當像素p的disparity取值為d時，其最小的cost值。

而這個最小值是從以下4種可能的候選值中選取的最小值：

(1) 前一個像素(左相鄰像素)disparity取值為d時，其最小的cost值。

(2) 前一個像素(左相鄰像素)disparity取值為d-1時，其最小的cost值+懲罰系數(shù)P1。

(3) 前一個像素(左相鄰像素)disparity取值為d+1時，其最小的cost值+懲罰系數(shù)P1。

(4) 前一個像素(左相鄰像素)disparity取值為其他值時，其最小的cost值+懲罰系數(shù)P2。

另外，當前像素p的cost值還需減去前一個像素取不同disparity值時最小的cost值。這是因為Lr(p，d)會隨著當前像素的右移不斷增長。為了防止數(shù)值溢出，需要其維持在一個較小的數(shù)值，該最小值為C(p，d)。C(p，d)的計算公式如下

(3)

式(3)的思路為：

首先設像素p的灰度/RGB值為I(p)，同時從I(p)、(I(p)+I(p-1))/2、(I(p)+I(p+1))/2三個值中選擇出和I(q)差值最小的值(即d(p,p-d))。其次從I(q)、(I(q)+I(q-1))/2、(I(q)+I(q+1))/2三個值中選擇出和I(p)差值最小的值(即d(p-d,p))；最后從上述2個值中選取最小值，即C(p，d)。

以上是從一個方向(從左至右)計算出像素在取值為某一disparity值時的最小cost值。但是，一個像素有8個鄰域，因此從8個方向進行計算(左右，右左，上下，下上，左上右下，右下左上，右上左下，左下右上)8個cost值。

計算完成后，將8個方向上的cost值進行累加，然后選取累加值最小的disparity值作為該像素的最終disparity值。

2.3.1.2 disparity map

按照上述方法對每個像素進行操作后，便形成了整個圖像的disparity map。公式表達如下

(4)

該方法首先創(chuàng)建一系列的矢量圖層，包括房屋層、河湖層、湖泊層、山地層，該矢量圖層作為后期編輯DSM點云的約束條件，用以濾除點云，生成DEM。

2.3.2 圖像區(qū)域增長算法

DSM自動提取生成DEM利用圖像區(qū)域增長算法。區(qū)域增長算法的實現(xiàn)需要3個條件：

(1) 種子點的選取：種子點選取的位置為地形點。

(2) 增長條件：如果種子點的相鄰點為地形點，則歸為新增長區(qū)域點。如果相鄰點落在房頂或樹木上，則該點不納入新的增長區(qū)域點。

(3) 終止增長：若區(qū)域內(nèi)不存在增長區(qū)域點，則終止增長。

這樣便可以生成關于地形和地物的標志二值影像。為了顯示生成的地物區(qū)域，必須獲得二值影像中有序的邊界坐標值。

二值影像的邊界一般采用“蟲隨法”進行搜索，但是傳統(tǒng)的“蟲隨法”存在以下缺陷：

(1) 可能會忽略邊界上的小突出部分，但這個缺陷并不是致命的。因為幾個像素被忽略，并不會對最終的DOM產(chǎn)生重大影響。

(2) 對于邊界不封閉的區(qū)域，難以獲得全部邊界；“蟲隨法”的“小蟲”有可能會掉入陷阱(即“小蟲”圍繞某一個小局部區(qū)域邊界一直爬行，永遠回不到起點)，這是一個致命的缺陷。

因此本算法在傳統(tǒng)的“蟲隨法”基礎上作出如下改進：

(1) 邊界跟蹤從二值影像的左上角點開始逐點掃描，當遇到邊界點時便開始進行跟蹤直到回到開始遇到的起始邊界點。

(2) 如果回不到起始點，則將搜索到的點與邊界點或角點一起組成封閉區(qū)域。

由上述方法可得：每一個像素至少產(chǎn)生一個邊界點(直線型邊界也是如此)，根據(jù)道格拉斯線綜合法，可設置距離參數(shù)優(yōu)化邊界，并將優(yōu)化后的邊界轉化為矢量文件。圖1為自動生成的矢量邊界。

圖1 提取的房屋和河流層矢量邊界

以矢量邊界為約束條件，過濾房屋。過濾后的區(qū)域通過邊界上的高程值進行內(nèi)插，內(nèi)插方法為三角剖分算法。效果如圖2—圖3所示。

實時預覽正射影像的處理效果，如圖4—圖5所示。

圖2 DSM被過濾前的效果

圖3 DSM被矢量過濾后的效果

圖4 某區(qū)域過濾房屋前的正射預覽圖

圖5 某區(qū)域過濾房屋后的正射預覽圖

2.4 利用國情數(shù)據(jù)基于華浩超算平臺進行DSM編輯試驗

2.4.1 背 景

(1) 華浩超算平臺匹配DSM和快速生成DOM初級數(shù)據(jù)。

(2) 地理國情房屋層數(shù)據(jù)，圖6為某區(qū)域房屋層數(shù)據(jù)。

圖6 某區(qū)域地理國情房屋層數(shù)據(jù)

2.4.2 基于華浩超算平臺的處理方法

導入矢量數(shù)據(jù)，對矢量數(shù)據(jù)進行以下處理：

(1) 在平面環(huán)境下套合初級DOM并對地理國情線劃進行修改，使盡可能多邊界點為地形點，如圖7所示。

圖7 房屋層線劃套合初級DOM

由圖7可見：初級DOM中房屋存在較大變形；地理國情數(shù)據(jù)中房屋線劃走向都是沿著屋頂。

(2) 對修改的線劃形成的面域進行擴充，進一步補充邊界地形點；修改線劃圖導入DSM，如圖8所示。

圖8 修改線劃圖導入DSM

(3) 線劃圖疊加DSM作為約束條件進行DSM處理，如圖9—圖10所示。

圖9 房屋層疊加分析(Overlay)

圖10 房屋層緩沖區(qū)分析(Buffer)

對比圖9與圖10可得，DSM中房屋被過濾，生成DEM。

3 DOM生成

加載處理后的DEM生成DOM，如圖11所示。

圖11 新舊DOM對比

對比新舊DOM可得，房屋變形已經(jīng)修改。

4 檢測精度

檢測精度公式為

式中，f為相機的焦距；ai、bi、ci(i=1，2，3)為相機攝影瞬間的3個外方位角元素；(XS，YS，ZS)為相機攝影中心坐標；(X，Y，Z)是物方坐標；(x，y)為像方坐標。

從上述公式可以看出去除地物高程可以有效提高DOM的精度。

套合立體環(huán)境采集線劃，查看精度，如圖12所示。

圖12 DLG疊加DOM

方法：將數(shù)字線劃圖疊加對應的1∶2000正射影像，進行精度評定。

規(guī)定：1∶500 1∶1000 1∶2000地形圖航空攝影測量內(nèi)業(yè)規(guī)范(GB/T 7930—2008)。

精度指標：平面位置中誤差，平地、丘陵地區(qū)為實地±1.2 m，山地、高山地區(qū)為實地±1.6 m，最大誤差應不超過中誤差的2倍。

采集量取方式：分別采集量取低矮房屋的屋檐角、高層房屋基角、斑馬線、坎角及圍墻角等特征點。

比較結果如圖13所示，可知，精度滿足要求。

5 結 語

通過探索和實踐，本文可以得出以下結論：充分利用地理國情和基礎測繪線劃圖數(shù)據(jù)搭載華浩超算平臺，對DEM進行快速匹配與編輯，并生成合格的DOM的方式方法，也同樣適用于框幅式數(shù)碼航空影像。因此該方式方法具有一定應用和推廣價值。

圖13 DLG疊加DOM精度檢測表

[1] 張力,張繼賢.基于多基線影像匹配的高分辨率遙感影像DEM自動生成[J].測繪科學,2008,33(S2)：35-39.

[2] 尤紅建,蘇林,李樹楷.利用機載三維成像儀的DSM數(shù)據(jù)自動提取建筑物[J].武漢大學學報(信息科學版),2002,27(4):409-413.

[3] 丁勇，周利平，司玉琴，等.利用PixelGrid軟件實現(xiàn)航空影像高保真高效率DSM的生產(chǎn)[J].遙感信息，2015,30(3)：85-88.

[4] 殷福忠，劉紅軍，張延波.基于地理信息的數(shù)字影像采集集成系統(tǒng)研究[J].測繪與空間地理信息，2010,33(4):42-45.

[5] 朱繼文，李清華.基于影像匹配數(shù)據(jù)獲取DEM方法探討[J].黑龍江工程學院學報,2009,23(1)：36-38.

[6] 趙雙明，李德仁.ADS 40機載數(shù)字傳感器平差數(shù)學模型及其試驗[J].測繪學報,2006,35(4)：342-346.

[7] 馬旭燕，崔會娟，張富玲.基于 PixelGrid 系統(tǒng)的 DEM 自動匹配后處理關鍵技術研究[J].測繪與空間地理信息，2016,39(9)：147-149.

[8] 周曉敏,楊愛玲，孫麗梅，等.淺議基于像素工廠的 ADS80 影像處理技術[J].測繪與空間地理信息，2012,35(5)：146-148.

[9] 張雪萍.基于Pixel Factory 的 ADS80 影像快速處理方法[J].測繪與空間地理信息，2013,36(12)：12-15.

[10] 王海濤，武吉軍，馮聰軍，等.徠卡ADS40/ADS80數(shù)字航空攝影測量系統(tǒng)[J].測繪通報，2009(10)：78-79.

[11] 高立.ADS80航空攝影測量系統(tǒng)的特點與應用[J].測繪與地理空間信息,2011,34(6):212-214.

[12] 張永生,范大昭,紀松.用于ADS40傳感器的多視覺立體匹配算法模型[J].測繪科學技術學報,2007,24(2):83-86.

[13] 中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局 中國國家標準化管理委員會1∶500 1∶1000 1∶2000 地形圖航空攝影測量內(nèi)業(yè)規(guī)范：GB/T 7930—2008[S].北京: 中國標準出版社,2008.