海量國產高分辨率衛星影像優化處理研究

張金盈，崔靚，徐鳳玲，王宏昌，林琳

(1.山東省國土測繪院，山東 濟南 250013；2.山東華峰地理信息科技有限公司，山東 濟南 250101；3.山東省水利科學研究院，山東 濟南 250014)

0 引言

隨著衛星技術的高速發展，國產高分辨率衛星影像的獲取能力及影像質量大幅度提高，其成果在國土資源普查、土地利用調查、地理國情監測、地理信息測繪、自然災害與公共安全應急響應、全球地理信息資源建設、國防安全建設等方面有巨大的應用效益[1]。遙感影像數據實時快速處理與高分辨率遙感影像信息提取應用是“十四五”測繪地理信息領域的重要內容[2-3]。

國產衛星影像相對國外較成熟的衛星影像數據，處理難度大。影像分辨率大幅度提高使得影像獲取受衛星平臺波動影響更大。國產衛星影像存在的有理函數模型(RPC)參數精度不穩定、控制點匹配難度大、空三加密處理無效冗余大等問題。有效解決高分辨率國產衛星影像處理難的問題，對于提高國產衛星影像的廣泛應用具有十分重要的意義。

1 國產衛星影像及處理平臺

歐美在傳統光學衛星領域一直處于領先地位。繼IKONOS、QuickBird之后，Geoeye、WorldView系列衛星成功發射，全色商用影像空間分辨率達到0.3m[1]。近幾年，國產高分辨率遙感衛星取得突破性進展，天繪系列衛星、資源三號衛星、高分一號、二號衛星、北京二號、高景一號衛星、歐比特系列衛星等以不斷提高的影像空間分辨率、逐步增強的影像獲取能力、較好的影像現勢性等特點逐步打破了國外商業衛星的主導地位，開始廣泛服務于各行業用戶[4-6]。海量數據、大時空數據、海量計算等需求對遙感數據處理系統提出了新的挑戰[7]，出現了包括基于GPU集群、分布式計算、云計算平臺、云格計算等海量遙感數據處理系統[8]。例如，法國空客集團的PixelFactory(像素工廠)、加拿大PCI公司的GXL系統；中國武漢大學張祖勛院士領銜研制的DPGrid、中國測繪科學研究院的PixelGrid以及北京吉威時代軟件公司的CIPS系統等[9-12]。

2 國產衛星處理關鍵技術流程

衛星影像數據提供的原始數據一般是Level 1級產品數據，包括影像數據和影像的RPC參數及元數據等文件，需要進行處理才能得到正射影像成果。處理流程主要包括影像預處理、空三加密、影像糾正、影像融合、鑲嵌拼接、勻光勻色、數據分幅等。

2.1 影像預處理

主流的商用衛星影像處理軟件均采用基于有理函數模型的區域網平差的方法。有理函數模型RFM(Rational Function Model)是利用有理函數來描述衛星影像傳感器模型，采用比值的方式將像點坐標和物方點坐標的關系進行關聯[13]。對于遙感影像，可定義為比值多項式形式的有理函數模型，將像點坐標(Line，Sample)分別表示以對應地面坐標(Latitude，Longitude，Height)為自變量的多項式的商，多項式的最高階數通常為3階。

(1)

式中：Y，X—歸一化像點坐標;P，L，H—歸一化物方點坐標;NL,DL,NS,DS—一般多項式。將公式中的地面坐標和像點坐標進行歸一化，這樣可以增強參數求解的穩定性。

2.2 基于RMF的區域網平差

區域網平差，又稱區域網空中三角測量，是利用少量的地面控制點和像方同名點坐標，計算出地面上加密點大地坐標的方法[14]。衛星數據采用線陣推掃方式成像，通常采用一定的模型對衛星影像進行模擬，然后按照傳統區域網平差的方法計算出影像的定向參數[15]。由于RPC參數存在較大的系統性誤差[16]，可以通過像方約束關系對其進行補償，以提高定位精度[17]。目前應用較為成熟的像方平差模型是仿射變換模型。在影像上定義變換:

(2)

式中:x，y—控制點的像方量測坐標;s，l—地面控制點利用RPC投影到影像面的投影值，該仿射變換參數和RPC模型參數一起等同嚴格成像幾何模型的衛星系統參數。

2.3 影像正射校正

正射校正通過在像片上選取一些地面控制點，利用該像片范圍內的數字高程模型(DEM)數據，消除因傳感器成像側視角和地形起伏引起的像點位移的誤差，并將影像重采樣成正射影像的過程[18]。

由于糾正后的影像像素陣列中像元坐標一般不為整數，需對影像進行重采樣。重采樣的像素值是根據其周圍原像素像素值按一定的權函數內插而來[19]。在實際應用中，最常用的雙線性內插法，該法的重采樣函數是一個三角形線性函數：

W(x)=1-(x),0≤│x│≤1

(3)

重采樣點P的灰度值是周圍4個像元灰度值的距離加權和：

(4)

2.4 影像融合

遙感影像融合是將空間、時間、波譜上冗余或者互補的多源遙感數據按照一定算法進行處理，得到比任何單一數據更精確、更豐富的信息，生成具有新的空間、波譜、時間特征的合成影像數據[20]。根據需要和融合目的選擇合適的融合方法，并在融合過程中對一系列參數進行選擇。可對不同融合算法進行試驗比較，對比后確定最適當的融合方法及參數。

2.5 鑲嵌與輸出

影像融合完成后，經過勻光勻色后可進入集群鑲嵌線自動匹配工序。鑲嵌線自動匹配后，就需要人工進行干預，對自動匹配效果不好的鑲嵌線進行編輯，避免鑲嵌線橫穿明顯地物。其中建筑區鑲嵌線人工編輯工作量稍大。鑲嵌線人工編輯完畢，將編輯后的鑲嵌線導入工程中，分幅輸出，即可輸出標準DOM成果。這時需要對DOM成果進行圖面檢查和修復，彌補之前工序中個別無法修復的圖面問題。

以部分變流器退出運行為擾動,對本文所提控制策略的有效性進行驗證,仿真結果如圖8所示。初始狀態下無通信故障。

3 優化處理方法

根據上述生產關鍵生產流程，進行以下四方面優化方法，主要包括：預處理優化、空三優化、DEM數據優選及成果整理優化(圖1)。

圖1 國產高分衛星影像優化流程

3.1 預處理優化

從海量多期數據中快速篩選無云數據、有效時相并較少冗余的生產數據。衛星影像原始數據產品提供的元數據中包含了原始數據的許多信息，包括數據的文件名、衛星名稱、傳感器名稱、云覆蓋量、拍攝日期、軌道號、景號等。制定篩選原則，先以影像填充算法[21]進行原始數據的快速篩選，然后進行有效數據自動拷貝整理。從無云數據中優先挑選時相較新的數據，將其覆蓋范圍面從目標區域中去除，最終得到目標區域剩余覆蓋面(圖2)：

圖2 影像填充算法示意圖

3.2 區域網平差優化

根據數據存儲機制提出一種DOM匹配優化方法：假設分塊左上角坐標為(X1，Y1)，影像分辨率為R，則分塊右下角坐標為(X2，Y2)，不足20000像素分塊按20000像素計算。其中：

X2=X1+20000*R

Y2=Y1-20000*R

(5)

判斷(X1，Y1)(X2，Y2)是否在待處理影像覆蓋面內，若結果為True，則為有效匹配分塊，若False，則為無效匹配分塊。將結果為True的子塊文件名列表保存為新的索引文件Ortho.S，將原始索引文件改名為OrthoOriginal.S，然后使用Ortho.S進行控制點匹配即可在不增加數據冗余的情況下精確化影像匹配范圍。

3.3 DEM數據優選

在正射校正過程中，利用DEM數據的高程信息可以有效消除地形起伏引起的投影誤差。因此，DEM的質量必然對校正結果有影響。研究發現，使用高分辨率的DEM進行正射糾正反而會加大橋梁等影像的扭曲變形[21]。

3.3.1 DEM對正射校正精度影響研究

采用不同分辨率的DEM對正射校正精度的影響進行實驗。將5m分辨率DEM進行抽稀得到15m、30mDEM成果，并進行正射校正試驗分析，并對試驗區均勻分布的30個野外控制點對正射校正影像進行精度檢測，對比結果如表1：通過結果可以看出，在一定分辨率范圍內，使用抽稀后DEM進行正射校正對成果精度影響不大。

表1 不同分辨率DEM對影像數學精度結果

3.3.2 DEM對正射校正扭曲變形影響

(1)選擇中低分辨率對正射校正變形影響小。選取5m，15m，30mDEM進行正射校正試驗，經對比圖3發現，在同樣情況下，DEM分辨率越低，成果的變形越少。因此在正射校正時可以對DEM進行抽稀使用。

圖3 不同分辨率DEM糾正變形

(2)利用LiDAR點云數據減少正射校正圖形變形。常規采用的DEM數據中橋梁等人工構筑物的高程信息缺失，造成影像中的橋梁等平移和變形。因此嘗試從LiDAR點云數據中提取出橋梁等構筑物的點云信息并柵格化生成專門的構筑物DEM，將橋梁信息補償到DEM成果中。 利用補償高程值后的DEM對衛星影像進行糾正處理，生產得到的DOM成果橋梁、高架路等扭曲變形得到有效的解決，成果精度得到較大的改善，減少后期人工圖面修復的工作圖4。

圖4 精度效果圖

3.4 成果整理優選

成果附件的整理也是影像生產工作中的重要一環，針對其中較為繁瑣的元數據文件的制作、成果目錄的組織以及控制點影像制作等均通過ArcEngine開發、EXCEL宏工具開發對應的軟件，減少人工工作量和錯誤以提高效率。

4 結果及分析

以2019年3月—7月期間499景衛星數據，主要包含高分一號、高分二號、北京二號和資源三號等衛星影像數據生產為例，以新舊2種生產流程進行生產實驗。最后將2組試驗耗時不同環節進行對比，得出優化效率提升結果。實驗耗時對比如表2：

表2 實驗結果對比

從結果可以看到，采用了該文所設計的優化處理流程和開發自動處理軟件，大大提高了數據生產的自動化程度、減輕了人工工作量，避免了重復勞動造成人為錯誤的出現，提高了國產高分辨率衛星影像處理的效率。

5 結論

從國產高分辨率衛星影像處理的全局角度出發，設計從數據預處理、數據生產到成果規范化整理的全流程優化方案，極大提高了處理的自動化程度。通過將整個生產環節進行了系統的整合優化，部分解決了制約國產衛星影像生產效率的問題，結果證明得到了較好的效果。優化后進一步提升了集群式影像處理系統的生產效率，對作業單位產生了較高的生產和社會效益，高效快速的衛星影像處理使得用戶在最短時間內接受到最新的遙感衛星數據。目前該優化方案在山東省第三次國土調查、松線蟲監測防治、冬小麥估產、地理省情監測、天地圖季度衛星影像等重點任務生產進行了廣泛應用，取得了良好的效果。