基于輻射變換的DSM質量改進

杜文俊 龔緒才 趙云景 劉小軍

(云南省基礎測繪技術中心 云南 昆明 650034)

0 引言

數字地表模型(digital surface model,DSM)是在一個規則網格單元結構中高程的數字表示,它代表了所有相關的自然和人為實體的地形變化,包含地物的輪廓和高程信息[1]。目前,DSM是一種重要的、基礎的攝影測量數據產品,應用于許多領域[2]。利用DSM不僅能消除地面空間目標的投影誤差,還具有更豐富的色彩和紋理信息,是真正射影像進行數字微分和糾正的基礎[3-5]。生成DSM的數據可以通過大地測量、光學或雷達衛星影像、無人機(unmanned aerial vehicle,UAV)航空影像以及地面或空中激光掃描采集來完成[6-9]。從經濟成本和效率來考慮,有些時候大面積無人機影像生成的DSM將優于由地面激光掃描 (terrestrial laser scanning,TLS)生成的DSM。但是無人機影像也有自身的局限性,目前無人機影像中參考地形變化的準確性還沒有得到解決,雖然可以通過降低飛行高度來提高整體精度,但實際上由于無人機所配備相機的視場角較小,降低高度后會導致出現更多的影像,需要更多的數據處理時間以及存儲空間。而且降低高度后,部分影像只能覆蓋均勻的區域,例如,植被、水體等,紋理變化較少,這使得特征檢測變得困難。另一方面,也可能導致較短的基線和較小的基高比,可能造成空中三角測量不穩定和DSM精度低[10]。此外,在極高空間分辨率的DSM中,小物體,如小洞或小石子會導致更多的離群值,這可能會對DSM的精度產生影響。

目前國內對數字高程模型(digital elevation model,DEM)精度評價的研究較多[11-13],針對影像生成DSM的精度評定以及改進方法開展的研究較少。本文旨在研究通過輻射變換對相對高的空無人機影像的影響,提出了一種新的方法,克服前面討論的低飛行高度問題,以作為處理更少數量的影像、更少的存儲空間需求和更少的計算時間的解決方案,生成與低飛行高度相媲美點云與DSM等無人機攝影測量產品。

1 研究區域和方法

研究區域為云南省怒江州蘭坪縣通甸鎮周邊共計3.6 km2的區域,平均海拔2 390 m,并布設了控制點及檢查點。

1.1 數據獲取

本次研究采集了無人機影像和激光雷達數據。無人機影像航線較密、數據量較大,而且離地面越近,影像質量就越容易受到陰影和光照的影響。因此,本研究的目的是利用一定的影像處理技術,使高飛行高度的無人機影像能夠與低飛行高度的無人機影像進行比較。為此,計劃進行兩次不同的飛行高度測量,采用彩虹4中航時無人機搭載VS-780II機載激光雷達綜合航測系統集成了RIEGL VQ-780II激光雷達及PhaseOne iXM-100MP數碼相機,同時獲取了該區域4 400 m、5 000 m兩個高度層的航空影像數據和激光雷達點云數據。

1.2 數據處理

1.2.1影像及雷達數據處理

所有的數據都以相同的研究區域邊界剪裁,4 400 m高度JPG格式的影像(命名為4 400 jpg),經過處理生成點云、DSM和正射影像。5 000 m高度TIF格式影像將進行輻射變換。機載激光雷達點云數據(ALS)經過處理后生成生成帶有地理信息的LAS格式點云數據及DSM,作為評估輻射變換對DSM精度影響的參考基準。同時將使用16個地面控制點(GCPs)對無人機影像進行地理校正,使用21個檢查點(CPs)對數據成果進行驗證。

1.2.2影像輻射變換

影像處理是一個重要的研究領域,目前通過進行壓縮、恢復、分割等操作來實現。將RGB影像變換為灰度影像,這是一種適用于不同領域的影像處理技術。RGB顏色值在三維XYZ中表示,由亮度、色度和色調屬性表示。彩色圖像的質量取決于數字設備所能支持的位數所代表的顏色。彩色圖像到灰度圖像的轉換就是將RGB值(24位)轉換為灰度值(8位)[14]。

在本研究中,將無人機5 000 m TIF格式的影像使用Python及ArcGIS中的灰度函數(Grayscale)進行計算,分成兩種不同的算法。在第一種算法中,將三個波段的光譜值以相同的權重平均,生成TIF格式的影像,見式(1),這一新的單波段影像將被命名為5 000 pan,計算公式為

(1)

式中,S1為單波段光譜值；R、G、B為紅、綠、藍三個波段的光譜值。

在第二種算法中,將三個波段的光譜值按指定的權重平均,生成TIF格式的影像,見式(2)。波段的權重按照數字電視信號標準規定,其中紅色為0.298%,綠色為0.587%,藍色為0.114%[15],這一新的單波段影像將被稱為5 000 grey,計算公式為

(2)

式中,S2為單波段光譜值；R、G、B為紅、綠、藍三個波段的光譜值。

當在每張影像上運行這兩個方程時,原始的EXIF信息在每張影像上都保持不變。5 000 pan和5 000 grey影像進行進一步處理,生成點云、正射影像和DSM。無人機5 000 m飛行高度的JPG格式的影像數據也使用正常的處理步驟來生成上述所有的成果。

1.2.3點云過濾

數據處理后的第一個產品是基于影像密集匹配帶有地理參考的三維點云。三維點云由數百萬個點組成,每個點都有北向、東向和高度值。這種三維點云用于進一步的網格構建、DSM和正射影像生成。本文主要從三維點云的精度、完整性和分布等方面分析了三維點云的特性。表1提供了在多個數據集中點云的數量及密度比較。本研究的目的是評估高飛行高度無人機影像通過輻射增強提高精度的效果,因此將5 000 jpg、5 000 pan和5 000 grey三種密集點云產品按一定的空間距離條件進行篩選合并,以增加點云的密度。這個最后的點云文件有25 811 941個可用點云,密度為7.1 pts/m2,這個點云文件將被命名為5 000 Enh。

表1 點云數量和密度比較

在無人機影像處理過程中,三維點云的數量決定了數據成果的準確性,更多匹配點均勻分布在影像上,提高了網格生成和DSM的精度。這種方法的結果是5 000 Enh中點的數量和點密度大于4 400 jpg,而5 000 Enh點云由較少數量的影像生成,并且沒有低飛行高度產生的幾何問題,進一步生成的DSM，其精度可與基于4 400 jpg的DSM相媲美,分析結果將在后文討論。

2 結果和分析

本研究的主要目的是在精度方面引入高飛行高度無人機影像來代替低飛行高度無人機影像。為了評估輻射增強對提高精度的影響,將從總體精度和局部精度兩個方面來進行比較。

2.1 總體精度

2.1.1點云精度比較

通過在點云上計算一個不規則三角形網(TIN),并經過插值來獲取點云高度以此計算點云中相同位置的檢查點與點云之間的最短距離(垂直方向)。從圖1和表2中可以看出,ALS點云的垂直偏差基本在0 m附近波動,中誤差為0.022 m,符合激光雷達的檢校精度(0.02 m)。5 000 Enh和4 400 jpg生成的密集點云垂直偏差波動相對較緩,5 000 Enh的更為小一些,而5 000 jpg波動較為劇烈。表2反映出通過輻射增強后生成的點云5 000 Enh精度要更好。

圖1 檢查點與點云的垂直偏差

表2 檢查點垂直偏差的中誤差和平均值單位:m

2.1.2DSM精度比較

在對應數據的正射影像上獲取平面坐標,DSM上獲取高程值,并通過計算與對應檢查點的差值來計算中誤差,結果見表3,表3描述了多個數據集中檢查點的平面及高程中誤差。在DSM精度評估中,高程精度是最重要的,5 000 Enh的高程中誤差與4 400 jpg接近,與5 000 jpg相比,DSM的精度提高了0.012 m。結果表明,由于輻射變換,高飛行高度和低飛行高度產品的測量精度相似。

表3 DSM檢查點中誤差 單位:m

2.2 局部精度2.2.1 點云比較

利用一個5 m×5 m的區域覆蓋不同的土地覆蓋類別,計算點云中的點數和點密度。表4展示了不同數據中5 m×5 m區域不同地類的點云數量和密度,表5展示了這些點的分布情況。通過比較可以看出,與4 400 jpg相比,5 000 Enh產生了明顯的改進結果。

表4 不同地類覆蓋的點數量及密度

表5 特定區域的點云分布

2.2.2DSM比較

以ALS的剖面作為參考,通過多個DSM的剖面分析,對影像輻射增強效果進行精度評估。在數據中總共評估了12個剖面,選擇了其中6個剖面結果,如圖2所示,清楚地反映出了本文提出的通過輻射增強對DSM精度的影響。在圖2給出的六個橫截面中,A1和A2代表建筑屋頂,B1和B2代表河道,C1和C2代表水泥地坡面。

圖2 不同地類DSM比較

在圖3 A1和A2房頂部分中,5 000 Enh的高程值的變化與4 400 jpg相似,相比5 000 jpg更接近ALS數據,尤其是在房頂區域基本與ALS數據重合；A2部分表現更好,基本反映出了房頂構筑物的變化。在圖4 B1和B2中,激光雷達波不能穿透水,但可以準確地顯示水體邊緣,從而可以測量水位,在無人機影像密集匹配生成三維點云的過程中,由于水的同質性難以識別,但在引入影像處理技術后,生成的數據5 000 Enh中水位的識別優于4 400 jpg和5 000 jpg數據,尤其是在河流底部更為接近ALS數據。同樣,在圖5中C1和C2在識別坡度模式方面5 000 Enh也要優于5 000 jpg,同4 400 jpg一樣與ALS的變化趨勢更為接近。

圖3 房頂DSM剖面圖

圖4 河道DSM剖面圖

圖5 水泥地坡面DSM剖面圖

2.3 結論

本研究展示了通過影像輻射變換及GIS技術來提高無人機點云及DSM質量的可能性,總體來看,通過對高飛行高度的影像進行輻射變換后生成的密集點云與相同高度的JPG影像相比每平方米點密度增加了4.76個,與低飛行高度的JPG影像相比每平方米點密度增加了2.79個。增強后的密集點云垂直偏差波動相對較緩,檢查點垂直偏差的中誤差比相同高度JPG影像生成的點云小0.074 m。增強后生成的DSM的高程中誤差較相同高度的DSM降低了0.012 m,基本與低飛行高度的數據精度相當。

無人機影像在水泥地面和水體等紋理均勻的區域被認為精度較低,這是由于SFM過程的第一階段即影像重疊區域匹配點的識別是基于影像紋理的,因此在紋理變化較大的圖像中能自動識別出更多的連接點。而在紋理變化較低的影像中,識別的連接點數量較少,導致點云中的點數量較少。影像增強技術在這些區域也被證明是有效的。在水泥地面區域,增強后的無人機影像相比相同高度的JPG影像,每平方米點密度增加了3.64個,與低飛行高度JPG格式的影像,每平方米點密度增加了2.24個。在水體區域,增強后的無人機影像相比相同高度JPG格式的影像,每平方米點密度增加了3.72個,與低飛行高度JPG影像,每平方米點密度增加了2.44個。

在對不同地類的DSM剖面分析中,增強后的無人機影像生成的DSM的數據質量都要優于同樣高度JPG格式影像生成的DSM,基本與低飛行高度JPG格式影像生成的DSM質量相當。

3 結束語

隨著技術的發展,無人機已經成為空間數據采集最可靠的低成本工具。本研究探討了無人機原始數據的攝影測量處理對DSM質量的影響。本文的目標是通過影像輻射變換及GIS技術降低無人機攝影測量的成本,通常使用最簡單的算法來評估這個假設,因為灰度圖像常用于其他圖像處理技術,能使用更少的磁盤空間和計算時間。然而,這種方法的主要問題是,并不是所有傳感器都具有RAW格式的捕獲能力。而在加權法中,R、G和B的權重可以參考研究區多個特征的光譜響應進行調整。

本研究的結果可用于研究多種圖像增強技術對高分辨率無人機數據的影響,以消除由于增加了重疊率后對DSM質量的影響,使其與低飛行高度數據具有可比性。未來還可以研究無人機影像數據在水體中的應用,特別是在污染水體上可以更好地利用影像增強技術,在B1和B2剖面中已經觀察到這一點。本研究給出了5 000 m和4 400 m飛行高度數據的比較結果,今后還可以用更低的飛行高度數據對DSM質量的影響進行研究。