專利名稱：高分辨率遙感影像數(shù)據(jù)處理方法及其系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及高分辨率遙感影像數(shù)據(jù)處理的方法和系統(tǒng)和相應計算機產(chǎn)品 程序，尤其涉及利用有理函數(shù)模型、大范圍區(qū)域稀少或無地面控制的衛(wèi)星影 像區(qū)域網(wǎng)平差、基于多基線多重匹配特征的自動匹配以及基于高速網(wǎng)絡的分
布式并行化處理技術進行高分辨率遙感影像數(shù)據(jù)處理的方法和系統(tǒng)和相應計 算機產(chǎn)品程序。
背景技術：
進入二十一世紀以來，空間技術和信息技術得到了進一步發(fā)展，對地理 信息資源需求迅速增長，世界各國都把地理信息資源作為重要的戰(zhàn)略性信息 資源。隨著地理信息數(shù)據(jù)的大量積累以及國民經(jīng)濟和社會信息化發(fā)展的需求 變化，面向全社會提供地理信息服務已經(jīng)成為新時期測繪發(fā)展的主要任務， 同時測繪體系也在向著以基礎地理信息獲取空間化和實時化、處理自動化智 能化、服務網(wǎng)絡化社會化為特征的信息化發(fā)展。
在航空遙感系統(tǒng)方面，近些年來，隨著數(shù)字成像技術的快速發(fā)展，以Z/1 Imaging公司的DMC、 Vexcel的UltraCam-D、 UltraCamX和中國測繪科學研 究院SWDC系統(tǒng)為代表的大幅面框幅式數(shù)字航空成像系統(tǒng)和以Leica Geosystem的ADS40為代表的才幾載三線陣成^f象系統(tǒng)正得到迅速推廣和應用。 各種基于低空飛機和無人機平臺的中小幅面數(shù)字成像系統(tǒng)也得到越來越快的 發(fā)展，從而使作為空間地理信息重要獲取手段的攝影測量技術及其數(shù)據(jù)處理 形成了一條從數(shù)據(jù)獲取、數(shù)據(jù)處理、智能信息提取、基礎地理信息建庫、更 新等部分組成的全數(shù)字化數(shù)據(jù)鏈。
航空數(shù)字成像系統(tǒng)是多光譜，全色數(shù)字攝影系統(tǒng)和GPS/慣性導航系統(tǒng)的 系統(tǒng)集成，所有這些新的特點都為數(shù)字影像的全自動化處理，對傳統(tǒng)的數(shù)字 攝影測量數(shù)據(jù)處理算法的修改和優(yōu)化提供了可能性?？梢灶A測航空數(shù)字成像 系統(tǒng)將逐步取代傳統(tǒng)航空攝影機，成為航攝儀器的主流，這將改變傳統(tǒng)的航 空攝影測量數(shù)據(jù)獲取方式和數(shù)據(jù)處理模式。在^^天遙感系統(tǒng)方面，自1972年首顆民用遙感衛(wèi)星發(fā)射以來，已經(jīng)大力 地發(fā)展了高分辨率遙感衛(wèi)星。經(jīng)過幾十年的快速發(fā)展，特別是高分辨率對地 觀測衛(wèi)星和傳感器平臺上高精度導航、定位、姿態(tài)和時間測量系統(tǒng)兩項關鍵 技術的重大突破，衛(wèi)星遙感數(shù)據(jù)已經(jīng)形成了從Landsat系列(80米)-TM ( 30 米)-SPOT1/2/4( 10米)-SPOT5 HRS( 10x5米)-SPOT5 HRG( 2.5米)-IKONOS (1.0米)-QuickBird ( 0.6米)覆蓋全球的，各種分辨率的，多時相的，高信 噪比、高幾何和輻射分辨率(大于8比特/像素)的影像序列，它們成為資源 提出、生態(tài)環(huán)境保護和規(guī)劃社會經(jīng)濟所必需的地理空間信息。具有地形測繪 特點的對地觀測衛(wèi)星，例如SPOT-5、 IKONOS等可以獲取極大范圍的同軌或 異軌立體影像，加上與高精度導航、定位、姿態(tài)和時間測量系統(tǒng)(GPS/恒星/ 慣性組合導航系統(tǒng))的集成，極大地影響了地形測量和地形測繪技術。
高分辨率光學衛(wèi)星成像系統(tǒng)正越來越多的應用于遙感和攝影測量領域。 這類成像系統(tǒng)不僅僅能夠提供高分辨率的全色，多光譜影像，而且具有立體 成像功能。衛(wèi)星影像數(shù)據(jù)是測繪所的重要數(shù)據(jù)保證，可以快速獲取大比例尺 現(xiàn)勢性地理信息。用高分辨率遙感數(shù)據(jù)提取大比例尺基礎地理信息正在數(shù)字 區(qū)域/數(shù)字地球建設中發(fā)揮著重大作用，并且存在巨大的前景。
目前，中低分辨率的遙感信息的處理技術已經(jīng)比較成熟，而利用高分辨 率遙感影像提取大比例尺基礎地理信息的處理技術和方法體系還比較滯后， 成為測繪產(chǎn)業(yè)發(fā)展急需突破的技術問題。因此，有必要進行基于高分辨率遙 感數(shù)據(jù)處理技術集成的測繪技術的研究。特別是發(fā)展衛(wèi)星影像的無控制點或 少量控制點高精度區(qū)域網(wǎng)平差定向，全自動數(shù)字地面模型的生成，高分解率 正射影像圖的制作以及數(shù)字線劃圖的立體量測等是高分辨率衛(wèi)星測圖的關鍵 技術。
另外，在遙感數(shù)據(jù)處理算法及系統(tǒng)方面，在遙感影像測繪及監(jiān)測應用系 統(tǒng)中，攝影測量的發(fā)展經(jīng)過模擬攝影測量、解析攝影測量時代，已經(jīng)于上世 紀90年代進入到數(shù)字攝影測量時代。數(shù)字化攝影測量系統(tǒng)已經(jīng)進入商品化的 階段；將數(shù)字攝影測量系統(tǒng)與地理信息系統(tǒng)結合，促進了測繪生產(chǎn)過程的數(shù) 字化和自動化；利用GPS確定航攝外方位元素，從而實現(xiàn)無地面控制點或少 地面控制點的航空攝影測量，從而擺脫繁重的野外控制測量工作。
隨著計算機軟硬件的快速發(fā)展，數(shù)字攝影測量工作站(DPW)已經(jīng)從原 有的基于專用的硬件設備和UNIX系統(tǒng)逐步發(fā)展到使用PC/Window系統(tǒng)平臺的更實用，更模塊化，自動化程度和效率更高的系統(tǒng)，并在日常的地形圖生 產(chǎn)，三維地理信息提取，遙感等領域得到較為普遍的應用。目前階段，已經(jīng)
有在價格、性能、復雜程度和功能方面不同的，基于PC/Windows系統(tǒng)的DPW 出現(xiàn)在市場中。例如，以BAE System的SOCET SET , Autometric的 SoftPlotter , Z/I Imaging的ImageStation , PCI Geometics的Geomatica⑧系 統(tǒng)。DPW的基本功能可以概括為極大或海量影像數(shù)據(jù)存儲、處理及管理， 支持立體影像觀測，立體矢量數(shù)據(jù)疊加，支持三維信息提取和編輯；自動或 半自動化影像定向，包括內定向，相對定向和絕對定向；自動或半自動化影 像連接點提取及量測，自動、高精度區(qū)域網(wǎng)平差；自動數(shù)字高程模型(DEM)， 數(shù)字正射影像圖(DOM)生成以及數(shù)字線化圖(DLG)數(shù)據(jù)采集等。
當前，隨著航空航天數(shù)字成像(Digital Imaging)技術、主動式遙感技術 (Active Sensing)、基于DGPS/IMU組合系統(tǒng)的傳感器自主定位(Direct Georeferencing)技術、自動化/智能化數(shù)據(jù)處理技術的快速發(fā)展，攝影測量與 遙感軟件系統(tǒng)也正朝著新的方向發(fā)展，以法國InfoTerra 乂>司的ISTAR Pixel-Factory ("像素工廠")軟件系統(tǒng)為例，其具體表現(xiàn)在(1)、航空航 天遙感數(shù)據(jù)處理一體化，即可以釆用通用的算法處理各種航空航天影像、光 學和雷達影像數(shù)據(jù)、LIDAR數(shù)據(jù)，打破了先前不同類型遙感數(shù)據(jù)采用不同專 業(yè)模塊進行處理的傳統(tǒng)；(2)、開始釆用基于多影像處理的算法，可同時處理 大于兩景影像以獲取成像區(qū)域可靠的、高精度的三維信息；(3)、數(shù)據(jù)處理更 加智能化、自動化；(4)、采用分布式凄t據(jù)處理方式，對海量遙感^:據(jù)處理的 效率大大提高。四維遠見信息技術公司的JX-4數(shù)字攝影測量工作站和適普軟 件有限公司的VirtuoZo全數(shù)字攝影測量系統(tǒng)主要用于各種比例尺的數(shù)字高程 模型"DEM，，、數(shù)字正射影像"DOM，，、數(shù)字線劃圖"DLG，，生產(chǎn)。目前，JX-4 和VirtuoZo數(shù)字攝影測量工作站在原有成熟的航空影像測圖功能的基礎上， 又擴充了高分辨率衛(wèi)星立體影像測圖的模塊，為高分辨率衛(wèi)星影像測圖提供 了技術手段。
集群系統(tǒng)實現(xiàn)技術的逐步成熟，使大規(guī)模并行系統(tǒng)成為一種比較容易獲 得的計算資源。如果能夠運用并行計算技術，若干臺計算機+遙感影像并行 處理軟件，打破傳統(tǒng)的攝影測量以及遙感影像處理流程，不一定以像片、像 對為單位，不以作業(yè)員個人為單位，集生產(chǎn)、質量檢測、管理為一體，合理 地安排人、機的工作，可以進一步提高數(shù)字攝影測量以及遙感影像數(shù)據(jù)處理乃至空間信息提取的效率。針對上述問題，武漢大學基于多年來在數(shù)字攝影 測量方面的研究成果，將計算機網(wǎng)絡技術、并行處理技術、高性能計算技術 與數(shù)字攝影測量處理技術結合，研^提出了 一套高性能的新一代航空航天數(shù)
字攝影測量處理平臺數(shù)字才聶影測量格網(wǎng)(Digital Photogrammetry Grid — DPGrid)。

發(fā)明內容
本發(fā)明針對大規(guī)模使用高分辨率遙感影像進行地形圖測繪的需求而發(fā)明 的遙感數(shù)據(jù)處理系統(tǒng)。具體地說，本發(fā)明以現(xiàn)代攝影測量與遙感科學技術理 論為基礎，融合計算機技術和網(wǎng)絡通訊技術，提出并開發(fā)了基于RFM通用成 像模型的大范圍遙感影像稀少/無控制區(qū)域網(wǎng)平差、基于多基線/多重匹配特征 的高精度DEM/DSM自動提取、矢量等高線數(shù)據(jù)半自動采集、高精度影像地 圖制作與拼接等新技術，并實現(xiàn)了基于松散耦合并行服務中間件的可運行于 高速局域網(wǎng)絡的集群分布式并行計算。
根據(jù)本發(fā)明的一個方面，提供利用有理函數(shù)模型、大范圍區(qū)域稀少或無 地面控制的衛(wèi)星影像區(qū)域網(wǎng)平差、基于多基線多重匹配特征的自動匹配以及 基于高速網(wǎng)絡的分布式并行化處理技術進行高分辨率遙感影像數(shù)據(jù)處理的方 法，包括以下步驟對輸入的原始影像數(shù)據(jù)進行分析和處理，并計算相應的 有理函數(shù)模型的參數(shù)，以使用所計算出來的有理函數(shù)模型獲得立體影像對； 對原始影像數(shù)據(jù)進行控制點及連接點的量測、單片定向，并且對立體影^f象像 素數(shù)據(jù)與原始影像數(shù)據(jù)之間的誤差進行區(qū)域網(wǎng)平差處理，以提高立體影像像 素數(shù)據(jù)與原始影像數(shù)據(jù)之間的擬合精度；生成近似核線影像、定義匹配模版、 量測匹配種子點線、自動影像匹配并生成數(shù)字高程模型；以及分別生成數(shù)字 正射影像圖和數(shù)字線化圖，并利用所得數(shù)據(jù)完成產(chǎn)品的制作。
根據(jù)本發(fā)明的優(yōu)選實施方式，計算所述有理函數(shù)模型的參數(shù)包括將輸
入影像數(shù)據(jù)以預定格網(wǎng)進行劃分以獲得各格網(wǎng)點的坐標，并將影像覆蓋區(qū)域
的起伏范圍分層以得到預定個等高程平面；構建嚴密幾何成像模型，并根據(jù)
嚴密幾何成像模型計算各格網(wǎng)點在每個等高程平面上對應的地面坐標，以得
到三維虛擬物格網(wǎng)點；以及利用所得到的三維虛擬物格網(wǎng)點坐標，采用嶺估
計方法迭代解算有理函數(shù)模型的系數(shù)，從而得到有理函數(shù)模型。
根據(jù)本發(fā)明的優(yōu)選實施方式，計算所述有理函數(shù)模型的參數(shù)還包括在輸入影像中選取格網(wǎng)點作為檢查點；利用嚴密幾何成像模型計算各檢查點對各 等高程平面的三維地面坐標；利用得到的有理函凄史模型，由三維地面坐標計 算其對應的影像坐標；以及統(tǒng)計各檢查點上原始影像坐標與所計算出來的對 應的影像像素坐標的擬合誤差，以獲得有理函數(shù)模型對嚴密幾何成像模型的 擬合精度。
根據(jù)本發(fā)明的優(yōu)選實施方式，該區(qū)域網(wǎng)平差處理包括步驟利用以下公 式和有理函數(shù)模型，將影像格網(wǎng)點的地面坐標轉換到影像像素坐標<formula>formula see original document page 12</formula> 其中& 0，化,,，化，2和6,, 0， ^ 7 ， & 2是針對影像! 的6個定向參數(shù)，而 fe，》)和(仰，A， Z^)是標號為A:的等高程平面的影像與地面坐標；以及 利用計算所得到的影像像素坐標與其實際量測坐標對2個平移參數(shù)a,.，。和6,, 0或所有6個參數(shù)《,, 。， ",， 7， ",, 2和6,, 。， &w， 6,, 2,根據(jù)以下公式進行 平差估計
<formula>formula see original document page 12</formula>
其中尸為描述根據(jù)影像坐標量測精度所定的權矩陣。
根據(jù)本發(fā)明的優(yōu)選實施方式，該生成近似核線影像、定義匹配模版、量 測匹配種子點線、自動影像匹配并生成數(shù)字高程模型的處理包括步驟對要 匹配的影像進行預處理，以減少影像噪聲和其他影像瑕瘋，自適應增強影像 紋理和線狀特征，自適應增強影像陰影和少紋理區(qū)域的影像反差，以便其后 進行特征提取和影像匹配；基于多景影像相關匹配算法，結合多種匹配基元 的匹配結果，利用影像的局部和全局信息，采用由粗到精的影像匹配策略進 行影響匹配；以及采用最小二乘匹配算法和能夠對地貌細節(jié)進行局部精匹配 的匹配算法，對由多景影像多匹配基元匹配模塊所獲得的匹配結果進行精匹 配，以提高匹配結果的精度，并定位和剔除小匹配粗差。
根據(jù)本發(fā)明的優(yōu)選實施方式，該匹配基元包括特征點、特征線和格網(wǎng)點。 根據(jù)本發(fā)明的優(yōu)選實施方式，該多景影像相關匹配算法包括選取多景影像中的一景影像作為參考影像^，分別將其余各影像作為搜索影像/,與參
考影像組成相應影像對；對于參考影像上的給定特征點^，通過共線方程式
獲得點/ 。的三維坐標尸。(J^， r。， Z。)，其中Z。表示點內的概略高程值；對
應于高程Z。-z!Z和Z。+」Z的兩個物方點尸幽和尸，的攝影光線段尸牆尸，，利
用影像的精確定向元素將攝影光線段分別投影到搜索影像上以得到
給定點/ 0在各影像上的準核線；以點化為中心定義匹配窗口『，獲得成像區(qū)
域的自動數(shù)字高程模型，并利用參考影像的定向元素將窗口投影到概略自動
數(shù)字高程模型上，從而使得由地形起伏、影像成像幾何及成像比例尺所引起
的變形在影像相關過程中自動得到補償；以及通過以下公式獲得點/ 。在參考
影像/0和搜索影像/,上相應的匹配窗口 W之間的歸 一化相關系數(shù)7VCC,
了。)x(j;(必))-J,)
并以
來進行影像匹配，其中『和^分別為參考影像上的匹配窗口和位于該窗口內 的一個像點；m， w為匹配窗口『的大??；^Z卩為搜索影像上對應于的像點。 根據(jù)本發(fā)明的優(yōu)選實施方式，該基于多景影像相關匹配算法，結合多種 匹配基元的匹配結果，利用影像的局部和全局信息，釆用由粗到精的影像匹 配策略進行影像匹配的處理包括步驟為迭代過程中的匹配初始化數(shù)字高程 模型；經(jīng)過影像的自適應預處理和生成多級金字塔影像結構后，基于不同的 匹配基元在原始分辨率影像上的匹配結果，利用多景影像相關匹配算法從多 級金字塔影像結構的低分辨率影像中開始進行由粗到精的逐級提取和匹配； 對于無紋理或少紋理區(qū)域，將格網(wǎng)點作為主要匹配特征，通過對密集格網(wǎng)點 的基于物方空間的概率松弛匹配算法進行匹配；各級金字塔影像配準結束后，
將所有的匹配特征形成不規(guī)則三角格網(wǎng)的自動數(shù)字高程模型；以及將該自動 數(shù)字高程模型作為高一級金字塔影像匹配的匹配初值并進行匹配參數(shù)自適應
調整的條件進入到較高分辨率影像中進行配準，以生成用于精匹配的自動數(shù) 字高程模型。
根據(jù)本發(fā)明的另一方面，提供利用有理函數(shù)模型、大范圍區(qū)域稀少或無地面控制的衛(wèi)星影像區(qū)域網(wǎng)平差、基于多基線多重匹配特征的自動匹配以及 基于高速網(wǎng)絡的分布式并行化處理技術進行高分辨率遙感影像數(shù)據(jù)處理的系
統(tǒng)，包括影像預處理部分，用于對輸入的原始影像數(shù)據(jù)進行分析和處理， 并計算相應的有理函數(shù)模型的參數(shù)，以使用所計算出來的有理函數(shù)模型獲得 立體影像對；影像定向及區(qū)域網(wǎng)平差部分，用于對原始影像數(shù)據(jù)進行控制點 及連接點的量測、單片定向，并且對立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間 的誤差進行區(qū)域網(wǎng)平差處理，以提高立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間 的擬合精度；自動數(shù)字高程模型提取部分，用于生成近似核線影像、定義匹 配模版、量測匹配種子點線、自動影像匹配并生成數(shù)字高程模型；以及正射 影像及線化圖量測部分，用于生成正射影像、生成等高線、進行單片測圖與 立體量測，并利用所得數(shù)據(jù)完成地圖產(chǎn)品制作。
根據(jù)本發(fā)明的再一方面，提供促使計算機實現(xiàn)利用有理函數(shù)模型、大范 圍區(qū)域稀少或無地面控制的衛(wèi)星影像區(qū)域網(wǎng)平差、基于多基線多重匹配特征 的自動匹配以及基于高速網(wǎng)絡的分布式并行化處理技術進行高分辨率遙感影 像數(shù)據(jù)處理的方法的計算機產(chǎn)品，其中，該方法包括以下步驟對輸入的原 始影像數(shù)據(jù)進行分析和處理，并計算相應的有理函數(shù)模型的參數(shù)，以使用所 計算出來的有理函數(shù)模型獲得立體影像對；對原始影像數(shù)據(jù)進行控制點及連
接點的量測、單片定向，并且對立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間的誤 差進行區(qū)域網(wǎng)平差處理，以提高立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間的擬 合精度；生成近似核線影像、定義匹配模版、量測匹配種子點線、自動影像 匹配并生成數(shù)字高程模型；以及分別生成數(shù)字正射影像圖和數(shù)字線化圖，并 利用所得數(shù)據(jù)完成產(chǎn)品的制作。
根據(jù)本發(fā)明的方法和系統(tǒng)以及相應計算機產(chǎn)品，可以實現(xiàn)對IKONOS、 WorldView-I/QuickBird、 IRS-P5、 SPOT-5和ALOS/PRISM等衛(wèi)星影像和航 空影像的攝影測量處理，可以完成上述遙感影像從空中三角測量到相應比例 尺的DLG、 DEM/DSM、 DOM等測繪產(chǎn)品的生產(chǎn)任務。
根據(jù)本發(fā)明的系統(tǒng)和方法基于多基線、多重特征的自動匹配技術，采用 自動匹配和融合多景影像(同時匹配大于兩景影像。例如，利用同時匹配由 SPOT-5 10x5米分辨率HRS和5米分辨率HRG影像構成的三立體像對的技 術可以高效地解決地勢起伏較大或地貌破碎區(qū)域數(shù)字高程模型的自動提取)、 多種影像特征(如特征點，格網(wǎng)點和線狀特征)的算法和策略，兼顧影局部信息和全局信息，釆用基于概率松弛法的全局影像匹配算法有機地結合點特 征和線狀特征。減少對自動提取的地表三維信息的人工編輯工作量，提高作 業(yè)效率。
根據(jù)本發(fā)明的系統(tǒng)和方法基于多基線處理的新型大幅面框幅式航空數(shù)字
影像(如DMC、 UltraCam-D、 SWDC )測圖關鍵技術及算法可同時也保證了 影像匹配的精度和可靠性，使匹配粗差大大減少，有效解決了復雜地形條件 (大面積干旱半干旱石皮碎地貌，深切割山地、大面積荒漠/沙漠、城市中心區(qū) 域等)下DEM/DSM的全自動提取和等高線的半自動提取，最終形成新的以 區(qū)域或圖幅為基本作業(yè)單元的數(shù)據(jù)處理方法及軟件系統(tǒng)，從而充分利用航空 數(shù)字影像高幾何/輻射分辨率，高地面覆蓋重疊率等特點，解決傳統(tǒng)的基于立 體像對的航空數(shù)字影像測圖所存在的困難和問題，例如較短的基線引起的高 程測量精度降低、較大地面覆蓋重疊率造成的模型數(shù)增多等，進一步提高航 測內業(yè)數(shù)據(jù)處理的自動化程度，實現(xiàn)DEM/DSM和DOM的全自動以及等高 線數(shù)據(jù)和地物要素的半自動提取，高效地進行中大比例尺基礎地理信息(包 括新型產(chǎn)品例如真正射影像等)的采集及更新。
根據(jù)本發(fā)明的系統(tǒng)和方法采用基于地形坡度、高差分析和保持重要地貌 特征的等高線數(shù)據(jù)自適應濾波、光滑等關鍵技術，進行測圖區(qū)域部分丘陵、 大部分山地、高山地區(qū)域等高線的半自動提取，從而減輕內業(yè)數(shù)據(jù)采集的工 作量。
高速網(wǎng)絡并行分布式處理部分包括高速儲存網(wǎng)絡與相關服務、并行集群 計算系統(tǒng)及用戶操作環(huán)境。
系統(tǒng)支持基于高速網(wǎng)絡的分布式并行化處理，為使軟件系統(tǒng)具有大規(guī)模 并行處理能力和較大的數(shù)據(jù)處理吞吐量，結合集群計算機系統(tǒng)IBM HS21-8853 (8個計算節(jié)點、每個計算節(jié)點包含8核CPU和2個72GB硬盤) 和近兩年無/稀少控制區(qū)域網(wǎng)平差和多基線、多重匹配特征匹配等數(shù)據(jù)的自動 化、智能化處理關鍵算法研究提出的基礎上，基本上實現(xiàn)了基于松散耦合并 行服務中間件的分布式并行計算，即把局域網(wǎng)中互聯(lián)的所有工作站(包括PC 機和高性能的集群計算機-刀片機)通過軟件的方式進行通信和協(xié)作，以一定 的任務調度策略共同完成影像數(shù)據(jù)的分布式處理工作。分布式并行處理不僅 能夠減輕人員的工作量，而且還能夠實現(xiàn)影像預處理、核線影像生成、影像 匹配和影像正射糾正等作業(yè)步驟的高度自動化，從而提高效率。當前版本的軟件系統(tǒng)對于SPOT-5 HRS/HRG高分辨率衛(wèi)星遙感影像凄t據(jù)，可達到400， 000-600, 000Km"月的數(shù)字高程/表面模型(DEM/DSM)和正射影像圖(DOM) 的生產(chǎn)能力；對于航空影像，以僅僅使用8計算節(jié)點IBMHS21-8853集群計 算機為例，在區(qū)域網(wǎng)平差完成的情況下，DEM/DSM和DOM的處理速度可 以達到150-200立體^象對/天。


圖1是高分辨率遙感影像數(shù)據(jù)處理的流程圖2是利用SPOT-5衛(wèi)星影像嚴密幾何成像模型解算RFM參數(shù)的流程圖； 圖3是利用衛(wèi)星影像嚴密幾何成像模型解算RFM參數(shù)的流程圖； 圖4是基于多基線、多重匹配特征影像匹配的DEM自動提取的流程圖； 圖5是基于物方幾何約束的多景影像相關匹配算法的示意圖； 圖6顯示根據(jù)本發(fā)明的高分辨率遙感影像數(shù)據(jù)處理方法的軟件系統(tǒng)中的 集群分布式并行處理模塊的用戶界面；以及
圖7顯示根據(jù)本發(fā)明的高分辨率遙感影像數(shù)據(jù)處理系統(tǒng)。
具體實施例方式
為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面將結合附圖對本發(fā) 明實施方式作進一步地詳細描述。
首先，在下面參考圖1描述本發(fā)明的高分辨率遙感影像數(shù)據(jù)處理方法。 圖1示出了高分辨率遙感影像數(shù)據(jù)處理的基本流程。參考圖1，本發(fā)明的高 分辨率遙感影像數(shù)據(jù)處理方法在步驟SIOI中，通過對衛(wèi)星直接獲取的原始遙 感影像(對)進行數(shù)據(jù)分析，針對輸入的影像計算有理函數(shù)模型(RFM)參 數(shù)。
使用RFM，必須根據(jù)衛(wèi)星影像的成傳4幾理和衛(wèi)星影像的星歷參數(shù)、姿態(tài) 角數(shù)據(jù)資料，計算其嚴格幾何成像模型的替代模型——RFM的參數(shù)。計算所 得的RFM必須以極高的精度替代原有的嚴格成像模型，其擬和中誤差應不大 于0.05像素(以下將參考圖2詳細描述這里所述的多項式，以及計算該RFM 參數(shù)的方法)。
對于直接提供RFM模型參數(shù)的衛(wèi)星影像(例如IKONOS， QuickBird， IRS-P5等)，應進行必要的數(shù)據(jù)格式轉換(與IKONOS衛(wèi)星影像的RFM模型數(shù)據(jù)格式一致)。本系統(tǒng)采用了基于多基線、多重匹配特征(特征點、格網(wǎng)點 及特征線)的自動匹配技術，因此為方便提取特征線，便于影像匹配、點位 量測和區(qū)域網(wǎng)平差計算， 一般也需對原始衛(wèi)星影像進行影像自適應增強。同 時，通常情況下所獲取的原始衛(wèi)星影像色調均偏黑，影像的反差較小，這樣 會大大影響影像的判讀和隨后的數(shù)據(jù)處理，在數(shù)字正射影像圖制作前必須采 用合適的預處理算法對原始影像進行增強。將處理后的立體影像對、地面控
制資料、及輔助數(shù)據(jù)(計算出的RFM參數(shù))作為系統(tǒng)的輸入項。
RFM (Rational Function Model)是一種普遍適用的恢復遙感影像成像幾 何關系的模型，它通過有理多項式比值函數(shù)把一個三維空間的對象映射為二 維影像空間的像素。這里，將RFM用于大范圍遙感影像數(shù)據(jù)處理，。在RFM 中，影像像素坐標和其地面三維坐標之間的關系用有理函數(shù);漠型來表達，其 中所有的坐標都進行歸一化處理。為描述方便，現(xiàn)假設j^和^為歸一化影像 像素坐標，(％，義 ， 為歸一化地理坐標(經(jīng)度，綿度和橢球高)，RFM 的數(shù)學表達式為
/20K，^，A") /40 '^'A ) (i)
其中，/ ，義 , /ij(f=h 2， 3， O為一般多項式，且多項式中每個坐標 分量％，義 ， /2 的冪最大不超過3,每一坐標分量的冪的總和也不超過3。
從式(1)可以看出，根據(jù)本發(fā)明的優(yōu)選實施方式熟悉的共線方程式其實 僅是RFM的一個特例。 一般來說，在RFM中，由光學透視投影所引起的畸 變表示為一階多項式，而像大氣折光、地球曲率、鏡頭畸變、星載GPS/IMU 固有誤差所引起的成像變形可由二次多項式趨近，其他高階部分的未知畸變 可由三階多項式部分模擬。
一些高分辨率商業(yè)遙感衛(wèi)星如IKONOS、 IRS-P5等只向用戶提供RFM模 型系數(shù)，而SPOT-5 HRS/HRG則通過元數(shù)據(jù)文件(DIMAP格式文件)提供 影像的對地定位數(shù)據(jù)，這些數(shù)據(jù)包括影像的CCD掃描頻率、CCD瞬時成像 時間、軌道及姿態(tài)參數(shù)、線陣內定向參數(shù)等，利用這些數(shù)據(jù)可以構建SPOT-5 影像的嚴密幾何模型。
一般來說，SPOT-5衛(wèi)星影像產(chǎn)品的標稱精度(無控制情況下)為50-150 米。對于SPOT-5衛(wèi)星影像RFM參數(shù)的計算，根據(jù)本發(fā)明的優(yōu)選實施方式釆 用由Tao., C. V.提出的與地形無關的解算方法(參見Tao， C. V. (2000),Semi-Automated Object Measurement Using Multi-Image Matching from Mobile Mapping Image S叫uences, PE&RS， Vol.67, No. 12， pp. 1347-1357 )。該 方法的基本思路是利用SPOT-5影像的軌道姿態(tài)模型建立一組虛擬的三維物 方格網(wǎng)點作為控制點，然后采用嶺估計方法來解算RFM的參數(shù)，即RPCs。 采用這種方案，可實現(xiàn)RFM對SPOT-5影像嚴密幾何成像模型的高精度擬合， 進而完成影像的后續(xù)攝影測量處理。
圖2是利用SPOT-5衛(wèi)星影像嚴密幾何成像模型解算RFM參數(shù)的示意圖。 現(xiàn)在參考圖2描述解算RFM參數(shù)的方法，該方法流程見圖3:
在步驟S301中，將整景影像分成m行w列的格網(wǎng)圖像,得到(m+7)x("+7) 格網(wǎng)點的坐標。這里，m、"的取值可由影像大小等因素決定。例如，行或列 距一般在200像素左右。此外，例如，m行w列之間都可以是等距的。
在步驟S302中，利用SPOT-5軌道及姿態(tài)角參數(shù)，構建嚴密幾何成像模 型，即軌道姿態(tài)模型。
在步驟S303中，為保證RFM的擬合精度，將影像覆蓋區(qū)域的起伏范圍 (Z她 Z"肌)分為A:層(一般&5)，得到U+7)個等高程平面。利用SPOT-5 衛(wèi)星嚴密幾何成像模型，計算各像方格網(wǎng)點在每層等高程平面上對應的地面 坐標點。這樣就得到空間均勻分布的(m+7) x x (A:+7)個三維虛擬
物方格網(wǎng)點。同樣，這里也可以考慮將起伏范圍(Z她-4w)均勻地分為A 層。
在步驟S304中，解算RFM系數(shù)，利用生成的空間分布數(shù)量充分的虛擬 控制點坐標對，采用嶺估計方法迭代解算RPC。
在步驟S305中，在影像中選取檢查點(px， py)進行精度檢查，這些檢 查點一般位于計算RFM的格網(wǎng)的中心。利用SPOT-5嚴密幾何成^jf莫型計算 各檢查點對各高程面的三維地面坐標，然后利用計算得到的RFM由三維地面 坐標計算其對應的影像坐標(戸'，w，)，并統(tǒng)計各檢查點上的擬合誤差(/ x-戸，， p,; y')就可以獲得RFM對嚴密幾何成像模型的擬合精度。
再回到圖1來描述其中的步驟S102。在步驟S102中，進行影像的區(qū)域 網(wǎng)平差。根據(jù)本發(fā)明的優(yōu)選實施方式，采用大范圍區(qū)域稀少或無地面控制的 高分辨率衛(wèi)星影像區(qū)域網(wǎng)平差技術——基于RFM的衛(wèi)星影像定向及區(qū)域網(wǎng) 平差。
有理函數(shù)模型RFM是嚴密幾何成像模型的高精度擬合，其區(qū)域網(wǎng)平差模型可釆用RFM加其模型變換基礎上的像方平移、仿射變換來實現(xiàn)。實際上， RFM可以看作是對其對應的嚴格成像幾何模型的參數(shù)進行重組而得到的。存 在于傳感器平臺的內定向和外方位元素中的各種誤差也同樣會引起RFM的 誤差。如果所得到的RFM是根據(jù)初始的星歷參數(shù)，姿態(tài)角數(shù)據(jù)和內定向參數(shù) 計算的，4艮據(jù)本發(fā)明的優(yōu)選實施方式就必須利用一定數(shù)量的控制點對RFM進 行精化處理，即基于RFM的區(qū)域網(wǎng)平差。
/人理i侖上，RFM可以適用于不同的坐標系統(tǒng)中的物方坐標，例如;l也心坐 標，地理坐標或任何地圖投影坐標系，考慮到衛(wèi)星影像一般覆蓋面積較大， 特別是多景SPOT-5立體影像整體區(qū)域網(wǎng)平差時影像覆蓋面積將更大，根據(jù)本 發(fā)明的優(yōu)選實施方式選擇WGS84下的地理坐標(即經(jīng)度、綿度和大地高) 作為RFM中的物方坐標(如式(l))，這將有利于在區(qū)域網(wǎng)平差過程中解決諸 如地球曲率改正和跨投影帶的問題?；谝陨峡紤]，根據(jù)本發(fā)明的優(yōu)選實施 方式提出了一種大范圍衛(wèi)星影像區(qū)域網(wǎng)平差基本方法。
具體區(qū)域網(wǎng)平差方法如下根據(jù)Grodecki和Dial的研究(Grodecki， J., Dial,G. (2003), Block Adjustment of High-Resolution Satellite Images Described by Rational Polynomials, PE&RS, Vol.69, No. 1, pp. 59-68 )， 針對基于RFM成像模型的影像定向可以在像方空間也可以在物方空間進行。 才艮據(jù)本發(fā)明的優(yōu)選實施方式采用在像方空間的定向方法，該方法可描述如下 (見式(2)):
<formula>formula see original document page 19</formula>
其中，^w， ",,2和6,,0， ^w, 6,,2是針對影像/的6個定向參數(shù)； (A，》)和(仰，A, &)是標號為A:的等高程平面的影像與地面坐標。由于 大多數(shù)的高分辨率衛(wèi)星傳感器皆為線陣CCD推掃式成像，其成像在衛(wèi)星飛行 方向上為近似平行投影，在掃描方向上為中心透視投影，另外，高分辨率線 陣CCD傳感器具有飛行高度高，成像光束窄，接近平行投影的特點，其定向 參數(shù)之間存在很強的相關性，例如，傳感器在飛行方向的瞬時成像位置與傳 感器俯仰角具有強相關性，這些參數(shù)的誤差所引起的像坐標誤差的模式和大 小也基本一致。因此，使用該定向模型，平差參數(shù)^:。將吸收所有星載傳感 器在飛行方向上位置和姿態(tài)誤差所引起的影像行方向上的誤差，平差參數(shù)a,,.O將吸收所有星載傳感器掃描方向上位置和姿態(tài)誤差所引起的影像列方向上
的誤差；由于影像的行一般對應于星載傳感器的飛行方向，影像的行與每條
CCD線陣的瞬時成像時間相關，平差參數(shù)Z7,w和a,2將吸收由星載GPS和
慣性導航系統(tǒng)漂移誤差所引起的影像誤差，而參數(shù)a,w和&2則吸收因內定
向參數(shù)誤差所引起的影像誤差。
根據(jù)本發(fā)明的優(yōu)選實施方式，使用式(2)、利用RFM模型將點的地面坐
標轉換到影像像素坐標，并且利用計算所得到的影像像素坐標與其實際量測
坐標對2個平移參數(shù)o和6,, o (定向方法IMG曙2 )或所有6個參數(shù)o， a,,
7， 2和6,, 。， /， 2 (定向方法IMG-6 )進4亍平差估計。這些定向方
法的數(shù)學模型見以下方程 v ='必+ r, p
"4，。，。，。，^，n
叫戰(zhàn)t
、34
(3)
其中，P為描述根據(jù)影像坐標量測精度所定的權矩陣。
利用式(2)和式(3)所構成的平差模型可以應用于高分辨率衛(wèi)星影像 的單像定向，也可以使用多幅衛(wèi)星影像構成區(qū)域網(wǎng)從而對成像地區(qū)的多幅影 像或多幅不同傳感器平臺的影像數(shù)據(jù)進行聯(lián)合區(qū)域網(wǎng)平差。應該注意的是， 式(2)和式(3)所構成的基于像方的影像定向模型僅僅適用于成像光束較 窄的高分辨率衛(wèi)星影像。對于IKONOS， Quickbird， SPOT-5 HRG等1-2.5米 地面分辨率的衛(wèi)星影像，由于其瞬時成像光束極窄，對于較短的航帶(如 50-100公里左右)，使用定向方法IMG-2和1-4個定義較好的地面控制點就可 以達到較高的定向精度；對于SPOT-5 HRS或較長的IKONOS， Quickbird影 像條帶，則需要使用定向方法IMG-6進行定向，此時需要在每幅影像上有4-6 個以上的地面控制點。
在步驟S103中生成近似核線影像，而在步驟S104中進行影像匹配并生 成數(shù)字高程模型DEM。針對幾乎所有高分辨率衛(wèi)星成像系統(tǒng)都為CCD線陣 成像的特點，根據(jù)本發(fā)明的優(yōu)選實施方式提出了 一套專門針對線陣影像的高 精度匹配算法用于自動DEM提取。該算法可以生成密集、精確和可靠的影 像匹配結果。該算法采用由粗到精(Coarse-to-fme )的多級影像匹配策略(由低分辨率影像向高分辨率影像逐級匹配)，綜合集成多種成熟的，性能互補的 影像匹配算法，并在匹配算法的各個子模塊之間進行質量控制，自動進行匹 配粗差定位和剔除，利用高分辨率衛(wèi)星影像所提供的新特點(高信噪比，高
反差的影像，高地面覆蓋重疊率等)，獲取成像區(qū)域的高精度DEM。該方法 經(jīng)擴展后也可以應用于傳統(tǒng)的航空像片和新型的數(shù)字航空影像。
該基于多基線匹配的DEM自動提取方法主要分為三個相互聯(lián)結的步驟 影像自適應預處理；多基線、多匹配基元影像匹配；以及高精度地貌細節(jié)精 化匹配。
現(xiàn)在參考圖4來描述圖1中的上述步驟S103和步驟S104的才喿作。圖4 圖解了圖1所示的步驟103和步驟104的具體流程。在圖4中，該方法的輸 入為高分辨率衛(wèi)星影像及其精確定向參數(shù)(由DGPS/IMU自主定位系統(tǒng)直接 獲得或由區(qū)域網(wǎng)平差計算獲得)。
在步驟S410中，作為影像自適應預處理部分的該步驟同時適用于8比特 和高于8比特的數(shù)字影像，其主要對參加匹配的影像進行預處理，減少影像 噪聲和其他的影像瑕瘋，自適應增強對匹配至關重要的影像紋理和線狀特征， 自適應增強影像陰影和少紋理區(qū)域的影像反差，為其后的特征提取和影像匹 配階段提供良好的影像數(shù)據(jù)。
在步驟S420中，作為多景影像、多重特征匹配部分的該步驟為算法的核 心部分，其中影像匹配采用基于多景影像(等于或大于兩幅影像)的匹配算 法，結合多種匹配基元(特征點、特征線和格網(wǎng)點)的匹配結果，利用影像 的局部和全局信息，采用由粗到精的影像匹配策略。這里，根據(jù)本發(fā)明的優(yōu) 選實施方式將傳統(tǒng)的影像相關匹配算法(Cross-Correlation)進行擴展，提出 了獨特的可以同時處理多景影像的基于物方幾何約束的多景影像相關匹配算 '法(Geometrically Constrained Cross-Correlation: GC3 )。 同時，4十3于基于面元 和影像特征點、線的匹配算法的分析，根據(jù)本發(fā)明的優(yōu)選實施方式提出了能 夠結合特征點、特征線和格網(wǎng)點匹配的，可以同時利用影^f象局部信息和全局 信息的組合匹配算法，使得自動匹配的特征點線可以充分表達地形地貌的重 要特征，并且在無紋理或少紋理區(qū)域也可以通過對密集格網(wǎng)點的基于影像全 局幾何約束的概率松弛法匹配進行有效過渡。
該步驟S420可以分為基于特征點的匹配，基于特征線的匹配、基于影像 全局幾何約束的格網(wǎng)點匹配和匹配特征融合等子模塊，各子模塊之間相互提供匹配初值和支持，相互提供檢查以定位和剔除較大的匹配粗差。其中特征
點、特征線的匹配通過Gd算法完成，格網(wǎng)點的匹配則采用Gd算法和改進 后的概率松弛法進行，改進后的概率松弛法是一種基于物方空間的概率松弛 匹配算法，該算法是對傳統(tǒng)的概率松弛法的一個擴充,它可以同時處理大于 兩幅影像的情況。
這里，基于物方幾何約束的多景影像相關匹配算法-GC3的基本原理如下 所示GC3算法是傳統(tǒng)的影像相關匹配算法的擴展，它放棄傳統(tǒng)的基于像方 空間的匹配策略而是采用基于像-物空間關系的匹配策略，運用匹配由物方幾 何條件約束引導的多景影像同時匹配的概念，放棄傳統(tǒng)的基于立體影像對的 雙像匹配算法，通過同時匹配多景影像來直接獲取特征的三維信息，使得算 法的可靠性和精度同時得以提高。
圖5是基于物方幾何約束的多景影像相關匹配算法的示意圖。如圖5所 示，假設根據(jù)本發(fā)明的優(yōu)選實施方式有三景IKONOS影像，它們組成了一個 IKONOS三立體影像對(Triplet Stereo )。根據(jù)本發(fā)明的優(yōu)選實施方式選取中 間的一景影像作為參考影像/。，其他的兩景影像為搜索影像/,, —7， 2。它 們組成了兩個立體像對，即像對^-//和/。-/2。對于參考影像上的一個給定特 征點^，其物方空間的對應點一定位于通過點A)的攝影光線Cw上(對于CCD 線陣影像，C為對應于點/ 。的瞬時攝影中心)。
首先，假設Z。為點p。的概略高程值，根據(jù)本發(fā)明的優(yōu)選實施方式可以通 過共線方程式(相當于攝影光線Q o與高程平面Zo相交)獲得點的三維坐標 A (^， y。， &)，再假設給定概略高程值々的容差為」Z,根據(jù)本發(fā)明的優(yōu) 選實施方式可以得到對應于高程Z(rZlZ和Zo+ZlZ的兩個物方點戶她和 而點A在物方空間的對應點則一定位于攝影光線段尸她尸M^之上。然后，利 用影像的精確定向元素，根據(jù)本發(fā)明的優(yōu)選實施方式將攝影光線段 分別投影到搜索影像/,上以得到給定點化在影像/z.上的準核線(段)，而點 p。的匹配點也一定位于搜索影像的/,上的準核線上。因此，Gd算法隱含的 利用了影像及影像之間的核線約束條件。
定義/。(^和/,.^)為影像的灰度值矩陣。在參考影像上，以給定點^為中 心定義一個匹配窗口『。假設根據(jù)本發(fā)明的優(yōu)選實施方式已經(jīng)獲得成像區(qū)域 的近似DEM(可以是一個平均高程面或是由高一級金字塔影像的匹配結果內 插得出的概略DEM )，利用參考影像的定向元素將窗口投影到概略DEM上。在物方空間根據(jù)本發(fā)明的優(yōu)選實施方式可以獲得對應于匹配窗口『的小面 元。
同樣，根據(jù)本發(fā)明的優(yōu)選實施方式也可以將該小面元投影到搜索影像上， 從而獲得給定點p。在搜索影像上的相應匹配窗口 。該過程被稱為
Image-Reshaping。通過Image-Reshaping,在參考影4象上的一個矩形匹酉己窗口 可以同搜索影像上的非矩形窗口進行相關。這樣，由地形起伏、影像成像幾 何及成像比例尺所引起的變形就可以在影像相關過程中自動得到補償。
定義點/ 。(對于某一高程值Z)在參考影像/。和搜索影像/,上相應的匹 配窗口之間的歸一化相關系數(shù)為7VCC,(式4)。其中，『和s分別為參考影像 上的匹配窗口和位于該窗口內的一個像點；m, w為匹配窗口『的大?。籹,(Z」 為搜索影像上對應于s的像點，它可以通過Image-Reshaping過程獲得，其灰 度值可以通過對搜索影像/,進行雙線性內插獲得。
沙m 了。-丄SJ。(化j;-丄s恥"))！'=1'2 ,、
mx"'^ 腦"^ (4)
由式(4)可以看出，同傳統(tǒng)的歸一化相關系數(shù)的定義不同，這里iVCG.是像 點/ 。和其高程Z: Ze[Z『ZlZ, Z。+」Z]的函數(shù)。由此，給定參考影像上的特征 點/ o及其相應的概略高程ZG和容差^Z，對于所有立體像對(這里指/o"/ 和 V/2), 7VCG都定義在物方空間內，這樣，根據(jù)本發(fā)明的優(yōu)選實施方式釆用文 獻[6]中所提出的方法，將所有立體像對的歸一化相關系數(shù)iVCG.進行加和平均， 由此定義57VCC，即
2 w (5)
由式(5)可以看出，57VCC也是像點/ o和Z:Ze[Z『ZlZ, Z。+ZlZ]的函數(shù)，使 svcc達到最大值時的高程Z正是給定點^的正確高程值，其中，點a在搜 索影像上的搜索范圍由初始高程的容差Z1Z確定。
簡單地說，該算法利用了這樣一個事實正確的匹配在所有像對的7VCC 曲線中都呈現(xiàn)峰值，且都對應于給定點的真實高程值；而偽匹配(例如由相 似紋理造成的偽匹配)雖然在單個像對的7VCC曲線中可能也呈現(xiàn)峰值，但由 于各像對成像幾何關系的不同，峰值在不同像對7VCC曲線中的位置是不同 的。因此，通過對各^f象對的iVCC曲線進行加和平均，正確的匹配在57VCC曲線中得到進一步增強，而對應于偽匹配的峰值則互相抵消而在曲線中
景影像，并且直接獲得給定特征點/ 。的三維坐標。式(4)也可以很容易地 擴展到"+7("》l)景影像的情況(式(6)):
"'-l ( 6 )
回到圖4,步驟S420的具體流程如圖4所示。步驟S421為迭代過程中 的匹配初始數(shù)字高程模型。
步驟S422中，經(jīng)過影像的自適應預處理和生成多級金字塔影像結構(影 像金字塔結構指在統(tǒng)一的空間參照下，根據(jù)用戶需要以不同的分辨率進行存 儲與顯示，形成分辨率由粗到精，數(shù)據(jù)量由小到大的金字塔結構)后，三類 不同的匹配基元，即特征點、格網(wǎng)點和特征線，在原始分辨率影像上的匹配 結果，利用Gd算法從多級金字塔影像結構的低分辨率影像中開始進行由粗 到精的逐級提取和匹配。
在步驟S423中，對于無紋理或少紋理區(qū)域，將格網(wǎng)點作為主要匹配特征， 通過對密集格網(wǎng)點的基于物方空間的概率松弛匹配算法進行匹配。
在步驟S424中，各級金字塔影像配準結束后，所有的匹配特征形成TIN (不規(guī)則三角格網(wǎng))結構的DEM數(shù)據(jù)(在TIN中，所有的點特征形成節(jié)點， 線特征構成TIN的結構邊)。
在步驟S425中，該DEM又作為高一級金字塔影像匹配的匹配初值和進 行匹配參數(shù)自適應調整的條件進入到較高分辨率影像中進行配準。經(jīng)過匹配 過程的迭代，生成的DEM將用于精匹配部分。
接下來描述步驟S430，其為高精度精化匹配的步驟。該步驟采用經(jīng)過簡 化的高精度最小二乘匹配算法和能夠對地貌細節(jié)進行局部精匹配的特殊匹配 算法(Geomorphologic Refined Matching: GRM),對由多景影像多匹配基元 匹配模塊所獲得的匹配結果進行精化匹配，提高匹配結果的精度，并定位和 剔除較小的匹配粗差。該部分的特點是具有對地貌細節(jié)進行局部精匹配的功 能。通常， 一般的匹配算法都具有對匹配結果進行局部光滑的作用，GRM對 保持微細地貌，如小的沖溝和線狀特征等，具有重要的意義。
最終的數(shù)字高程模型則在融合所有匹配特征基元的基礎上內插形成。
在回來參考圖l,在步驟S105中，分別生成數(shù)字正射影像(DOM)和數(shù)字線化圖(DLG)。本發(fā)明利用上述步驟所生成的DEM，對全色和多光譜影 像進行正射糾正，根據(jù)作業(yè)區(qū)域特點，通過試驗選擇多光語波段組合，并采 用合適的算法進行融合，形成真實反映地表特征的最佳色彩效果影像。由于 測區(qū)內所有影像經(jīng)區(qū)域網(wǎng)平差后已經(jīng)統(tǒng)一到同 一坐標系，因此經(jīng)正射糾正的 多光譜影像和全色影像可以直接進行(或僅需極少量配準點)融合。最后， 在不破壞原有色調層次的基礎上分別對全色影像和多光譜影像進行適當?shù)脑?強預處理(包括去模糊、去云霧等)，使融合后的影像色彩明亮、細部紋理特征 清晰。
本發(fā)明采用基于地形坡度、高差分析和保持重要地貌特征的等高線數(shù)據(jù) 自適應濾波、光滑等關鍵技術，進行測圖區(qū)域部分丘陵、大部分山地、高山 地區(qū)域等高線的半自動提取。
利用所得數(shù)據(jù)完成步驟S106的地形圖、影像圖、專題地圖及其他專題產(chǎn)
品的制作。
另外，為使本發(fā)明具有大規(guī)模并行處理能力和較大的數(shù)據(jù)處理吞吐量， 發(fā)明者結合已經(jīng)購買的集群計算機系統(tǒng)IBM HS21-8853 ( 8個計算節(jié)點、每 個計算節(jié)點包含8核CPU和2個72GB硬盤)和無/稀少控制區(qū)域網(wǎng)平差和多 基線、多重匹配特征匹配等數(shù)據(jù)的自動化、智能化處理關鍵算法研究提出的 基礎上，實現(xiàn)了基于松散耦合并行服務中間件的分布式并行計算，即把局域 網(wǎng)中互聯(lián)的所有工作站(包括PC機和高性能的集群計算機-刀片機)通過軟 件的方式進行通信和協(xié)作，以一定的任務調度策略共同完成影像數(shù)據(jù)處理工 作。分布式并行處理不僅能夠減輕人員的工作量，而且還能夠實現(xiàn)影像正射 糾正的高度自動化，從而提高效率。
當前版本的軟件系統(tǒng)對于SPOT-5 HRS/HRG高分辨率衛(wèi)星遙感影像數(shù) 據(jù)，可達到400, 000-600， 000Km"月的數(shù)字高程/表面模型(DEM/DSM)和 正射影像圖(DOM)的生產(chǎn)能力。
圖6顯示了根據(jù)本發(fā)明的高分辨率遙感影像數(shù)據(jù)處理的軟件系統(tǒng)中集群 分布式并行處理的用戶界面。參考圖6，通過該界面，用戶可以檢查運行于 高速網(wǎng)絡環(huán)境下的計算節(jié)點(包括高性能集群計算機(刀片機)和普通PC 機)的資源配置情況，包括各節(jié)點的CPU使用、內存使用及硬盤的限制空間 等信息；根據(jù)各計算節(jié)點的資源配置情況用戶可以發(fā)送能夠自動化處理的批 處理命令(包括衛(wèi)星影像RFM模型計算、影像格式轉換及自適應增強、核線影像生成、匹配及正射影像糾正等)，并可以監(jiān)視各處理任務的進程。
遙感數(shù)據(jù)處理是一種計算和存儲密集型數(shù)據(jù)處理類型，因此，根據(jù)需要 傳送的數(shù)據(jù)量的大小，根據(jù)本發(fā)明的優(yōu)選實施方式將遙感數(shù)據(jù)處理任務分為
計算密集型處理(如衛(wèi)星影像RFM模型計算等)和存儲密集型處理(如影像 格式轉換及自適應增強、核線影像生成、匹配及正射影像糾正等)，軟件系統(tǒng) 會自動根據(jù)數(shù)據(jù)量的大小和網(wǎng)絡的傳輸速度進行數(shù)據(jù)處理任務的分配，以達 到最高的數(shù)據(jù)處理速度。以僅僅使用8計算節(jié)點IBMHS21-8853集群計算機 為例，對于計算密集型處理任務，其處理速度可以提高56倍(每個計算節(jié)點 使用7核CPU)，而對于存儲密集型處理任務，在千兆網(wǎng)速下其處理速度可提 高16倍(每個計算節(jié)點使用2核CPU)。
下面參照圖7描述根據(jù)本發(fā)明的高分辨率遙感影像數(shù)據(jù)處理系統(tǒng)。圖7 示出了才艮據(jù)本發(fā)明的高分辨率遙感影像數(shù)據(jù)處理系統(tǒng)的結構示意圖。如圖7 所示，系統(tǒng)包括影像預處理部分701、影像定向及區(qū)域網(wǎng)平差部分702、自動 數(shù)字高程模型提取部分703、數(shù)字正射影像及線化圖量測部分704和高速網(wǎng) 絡并行分布式處理部分705。
系統(tǒng)處理的主要影像來源有SPOT、 IKONOS、 QuickBird、 IRS-P5等高 分辨率(立體)衛(wèi)星影像。比較常用的有SPOT-5 HRS立體影像(或條帶)、 SPOT-5 HRG影像(全色及多光錯波段影像)、IKONOS同軌/異軌立體影像或 三立體像對、IKONOS和QuickBird全色和多光譜影1象、IRS-P5 2.5米分辨率 全色波段立體影像對、ALOS/PRISM三線陣立體影像等，可分別適用于 1:50000數(shù)字高程模型(DEM)和數(shù)字線化圖(DLG)的制作、調繪影像、 數(shù)字正射影像圖(DOM)的制作任務。
參考圖7,影像預處理部分701用來對原始影像進行數(shù)據(jù)分析和整理， 并進行有理函數(shù)模型的參數(shù)計算，以進行影像數(shù)據(jù)格式的轉換及影像自適應 增強。
衛(wèi)星成像系統(tǒng)一般采用CCD線陣成像技術，根據(jù)高分辨率線陣CCD傳 感器飛行高度高，成像光束窄，接近平行投影的特點，可以計算和釆用統(tǒng)一 的幾何成像模型，即有理函數(shù)模型(RFM)。 RFM適用于各類傳感器，包括 最新的航空和航天傳感器。RFM有利于多種不同傳感器平臺，不同地面分辨 率衛(wèi)星影像的聯(lián)合區(qū)域網(wǎng)平差定向。系統(tǒng)創(chuàng)新性地將RFM用于大范圍遙感影 像數(shù)據(jù)處理，支持包括高分辨率衛(wèi)星影像(包括QuickBird/WorldView-I、IKONOS、 SPOT 1-4、 SPOT-5 HRS/HRG、 IRS-P5、 Orbview、 ALOS/PRISM 等)、傳統(tǒng)航空影像數(shù)據(jù)和新型數(shù)字航空影像如DMC、 UCD在內的主流光學 傳感器數(shù)據(jù)的處理；并可以處理大于2G的衛(wèi)星遙感影^象，如QuickBird和 WorldView-I。
影像定向及區(qū)域網(wǎng)平差部分702用來進行影像上控制點及連接點的量 測、單片定向及影像的區(qū)域網(wǎng)平差。
衛(wèi)星成像系統(tǒng)一般在高空飛行，影像覆蓋范圍廣大，地面少量控制點便 可控制較大區(qū)域且可以滿足成圖要求。本系統(tǒng)采用大范圍區(qū)i或稀少或無地面 控制的高分辨率衛(wèi)星影像區(qū)域網(wǎng)平差技術。試驗表明，對于覆蓋面積達7.2 萬平方公里的長條帶SPOT-5 HRS立體影像，僅用8-12個地面控制點即可滿 足1: 50000地形圖測繪的要求；對于大面積覆蓋的IKONOS影像來說，滿 足1: 10000地形圖測繪僅僅需要滿足在每景影像覆蓋范圍內有一個控制點的 條件即可，這無疑會大大減輕外業(yè)控制的工作量。
本系統(tǒng)還采用在邊境地區(qū)進行無控制條件下自由網(wǎng)平差或單側進行控制 的方案，有效解決邊境地區(qū)控制及測圖困難的問題，也使得境外地形圖測繪 成為可能。實驗表明，對于SPOT-5 HRS影像，利用少量控制點進行單側布 控，在衛(wèi)星飛行方向上可超控600公里而仍然滿足1: 50000丘陵地、山地和 高山地區(qū)域的測圖要求。
自動數(shù)字高程模型提取部分703用來生成近似核線影像，定義匹配模版， 量測匹配種子點線，自動影像匹配及生成數(shù)字高程模型。
系統(tǒng)提出并研發(fā)了獨特的基于多基線、多重特征的自動匹配技術，采用 自動匹配和融合多景影像(同時匹配大于兩景影像。例如，利用同時匹配由 SPOT-5 10x5米分辨率HRS和5米分辨率HRG影像構成的三立體像對的技 術可以高效地解決地勢起伏較大或地貌破碎區(qū)域數(shù)字高程模型的自動提取)、 多種影像特征(如特征點，格點和線狀特征)的算法和策略，兼顧影局部信 息和全局信息，采用基于概率松弛法的全局影像匹配算法有機地結合點特征 和線狀特征。減少對自動提取的地表三維信息的人工編輯工作量，提高作業(yè) 效率。
基于多基線處理的新型大幅面框幅式航空數(shù)字影^象(如DMC、 UltraCam-D、 SWDC )測圖關鍵技術及算法可同時也保證了影像匹配的精度 和可靠性，使匹配粗差大大減少，有效解決了復雜地形條件(大面積干旱半干旱破碎地貌，深切割山地、大面積荒漠/沙漠、城市中心區(qū)域等)下DEM/DSM 的全自動提取和等高線的半自動提取，最終形成新的以區(qū)域或圖幅為基本作 業(yè)單元的數(shù)據(jù)處理方法及軟件系統(tǒng)，從而充分利用航空數(shù)字影像高幾何/輻射 分辨率，高地面覆蓋重疊率等特點，解決傳統(tǒng)的基于立體像對的^t空數(shù)字影 像測圖所存在的困難和問題，例如較短的基線引起的高程測量精度降低、較 大地面覆蓋重疊率造成的模型數(shù)增多等，進一步提高航測內業(yè)凄t據(jù)處理的自 動化程度，實現(xiàn)DEM/DSM和DOM的全自動以及等高線數(shù)據(jù)和地物要素的 半自動提取，高效地進行中大比例尺基礎地理信息(包括新型產(chǎn)品例如真正 射影像等)的采集及更新。
正射影像及線化圖量測部分704用來生成正射影像、生成等高線，進行 單片測圖與立體量測，利用所得數(shù)據(jù)完成地形圖、影像圖、專題地圖及其他 專題產(chǎn)品的制作。
系統(tǒng)采用基于地形坡度、高差分析和保持重要地貌特征的等高線數(shù)據(jù)自 適應濾波、光滑等關鍵技術，進行測圖區(qū)域部分丘陵、大部分山地、高山地 區(qū)域等高線的半自動提取，從而減輕內業(yè)數(shù)據(jù)采集的工作量。
高速網(wǎng)絡并行分布式處理部分705包括高速儲存網(wǎng)絡與相關服務、并行 集群計算系統(tǒng)及用戶操作環(huán)境。
系統(tǒng)支持基于高速網(wǎng)絡的分布式并行化處理，為使軟件系統(tǒng)具有大規(guī)模 并行處理能力和較大的數(shù)據(jù)處理吞吐量，結合集群計算機系統(tǒng)IBM HS21-8853 ( 8個計算節(jié)點、每個計算節(jié)點包含8核CPU和2個72GB硬盤) 和近兩年無/稀少控制區(qū)域網(wǎng)平差和多基線、多重匹配特征匹配等數(shù)據(jù)的自動 化、智能化處理關鍵算法研究提出的基礎上，實現(xiàn)了基于松散耦合并行服務 中間件的分布式并行計算，即把局域網(wǎng)中互聯(lián)的所有工作站(包括PC機和 高性能的集群計算機-刀片機)通過軟件的方式進行通信和協(xié)作，以一定的任 務調度策略共同完成影像數(shù)據(jù)的分布式處理工作。分布式并4亍處理不僅能夠 減輕人員的工作量，而且還能夠實現(xiàn)影像預處理、核線影像生成、影像匹配 和影像正射糾正等作業(yè)步驟的高度自動化，從而提高效率。當前版本的軟件 系統(tǒng)對于SPOT-5 HRS/HRG高分辨率衛(wèi)星遙感影像數(shù)據(jù)，可達到400， 000-600, 000Km々月的數(shù)字高程/表面模型(DEM/DSM)和正射影像圖(DOM) 的生產(chǎn)能力;對于航空影像，以僅僅使用8計算節(jié)點IBMHS21-8853集群計 算機為例，在區(qū)域網(wǎng)平差完成的情況下，DEM/DSM和DOM的處理速度可以達到150-200立體l象對/天。
最終，用戶可以利用所得數(shù)據(jù)根據(jù)需求完成地形圖、影像圖、專題地圖 及其它專題產(chǎn)品的生產(chǎn)制作。
該方法及其系統(tǒng)主要用于完成多源衛(wèi)星影像預處理、外業(yè)控制/調繪片快 速制作、大范圍衛(wèi)星影像稀少控制區(qū)域網(wǎng)平差、DEM自動生成及等高線數(shù)據(jù) 半自動提取、影像融合及高精度正射影像生成等工作。
本領域技術人員將理解，該方法可以實現(xiàn)為記錄在計算才幾可讀記錄介質 上的計算機可讀代碼。該計算機可讀記錄介質是可以存儲可由計算機系統(tǒng)讀 取的數(shù)據(jù)的任何數(shù)據(jù)存儲設備。計算機可讀記錄介質的示例包括只讀存儲器 (ROM)、隨機存取存儲器(RAM)、 CD-ROM、磁帶、軟盤、光數(shù)據(jù)存儲 裝置和載波(諸如通過因特網(wǎng)的數(shù)據(jù)發(fā)送)。計算機可讀記錄介質還可以分布 在聯(lián)網(wǎng)的計算機系統(tǒng)中，以便以分布的方式存儲并執(zhí)行計算;^幾可讀代碼。
盡管上述是參照示例性實施方式來描述本發(fā)明，但本領域技術人員將理 解，在不背離由所附權利要求書限定的本發(fā)明宗旨和范圍的前提下，可以對 本發(fā)明進行各種形式和細節(jié)上的修改。優(yōu)選實施方式應該僅iL為是說明性的， 而不是限制性的。因此，本發(fā)明的詳細描述不限定本發(fā)明的范圍，本發(fā)明的 范圍應該由所附權利要求限定，并且本發(fā)明的范圍內的所有區(qū)別技術特征應 理解為包含在本發(fā)明中。
權利要求
1、一種利用有理函數(shù)模型、大范圍區(qū)域稀少或無地面控制的衛(wèi)星影像區(qū)域網(wǎng)平差、基于多基線多重匹配特征的自動匹配以及基于高速網(wǎng)絡的分布式并行化處理技術進行高分辨率遙感影像數(shù)據(jù)處理的方法，包括以下步驟1)對輸入的原始影像數(shù)據(jù)進行分析和處理，并計算相應的有理函數(shù)模型的參數(shù)，以使用所計算出來的有理函數(shù)模型獲得立體影像對；2)對原始影像數(shù)據(jù)進行控制點及連接點的量測、單片定向，并且對立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間的誤差進行區(qū)域網(wǎng)平差處理，以提高立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間的擬合精度；3)生成近似核線影像、定義匹配模版、量測匹配種子點線、自動影像匹配并生成數(shù)字高程模型；以及4)分別生成數(shù)字正射影像圖和數(shù)字線化圖，并利用所得數(shù)據(jù)完成產(chǎn)品的制作。
2、 如權利要求1所述的方法，其中，計算所述有理函數(shù)模型的參數(shù)包括.-將輸入影像數(shù)據(jù)以預定格網(wǎng)進行劃分以獲得各格網(wǎng)點的坐標，并將影像 覆蓋區(qū)域的起伏范圍分層以得到預定個等高程平面；構建嚴密幾何成像模型，并根據(jù)嚴密幾何成像沖莫型計算各格網(wǎng)點在每個 等高程平面上對應的地面坐標，以得到三維虛擬物;格網(wǎng)點；以及利用所得到的三維虛擬物格網(wǎng)點坐標，采用嶺估計方法迭代解算有理函 數(shù)模型的系數(shù)，從而得到有理函數(shù)模型。
3、 如權利要求2所述的方法，其中，還包括步驟 在輸入影像中選取格網(wǎng)點作為檢查點；利用嚴密幾何成^^莫型計算各檢查點對各等高程平面的三維地面坐標； 利用得到的有理函數(shù)模型，由三維地面坐標計算其對應的影像坐標；以及統(tǒng)計各檢查點上原始影像坐標與所計算出來的對應的影像像素坐標的 擬合誤差，以獲得有理函數(shù)模型對嚴密幾何成像模型的擬合精度。
4、 如權利要求l所述的方法，其中，所述步驟2)包括利用以下公式和有理函數(shù)模型，將影像格網(wǎng)點的地面坐標轉換到影像像素坐標<formula>formula see original document page 3</formula>其中 0， 7， "/' 2和&.， 0， 7， 2是4十只于影^象Z' 6勺6個定向參凄丈,而fe,》)和(w， 4， W是標號為A的等高程平面的影像與地面坐標；以及利用計算所得到的影像像素坐標與其實際量測坐標對2個平移參數(shù)",,o和h.?；蛩?個參數(shù) 和&, o， /， 6,, 2，根據(jù)以下公式進行平差估計<formula>formula see original document page 3</formula>其中尸為描述根據(jù)影像坐標量測精度所定的權矩陣。
5、 如權利要求l所述的方法，其中，所述步驟3)包括3-1)對要匹配的影像進行預處理，以減少影像噪聲和其他影像瑕疵，自適應增強影像紋理和線狀特征，自適應增強影像陰影和少紋理區(qū)域的影像反差，以便其后進行特征提取和影像匹配；3-2)基于多景影像相關匹配算法，結合多種匹配基元的匹配結果，利用影像的局部和全局信息，采用由粗到精的影像匹配策略進行影像匹配；以及3-3 )采用最小二乘匹配算法和能夠對地貌細節(jié)進行局部精匹配的匹配算法，對由多景影像多匹配基元匹配模塊所獲得的匹配結果進行精匹配，以提高匹配結果的精度，并定位和剔除小匹配粗差。
6、 如權利要求5所述的方法，其中，所述匹配基元包括特征點、特征線和才各網(wǎng)點。
7、 如權利要求5所述的方法，其中，所述多景影像相關匹配算法包括選取多景影像中的一景影像作為參考影像/0,分別將其余各影像作為搜索影像/,與參考影^像組成相應影像對；對于參考影像上的給定特征點A)，通過共線方程式獲得點p。的三維坐標/VX。， y0， Zfl)，其中々表示點；^的概略高程值；對應于高程Z0-Z1Z和Z0+」Z的兩個物方點戶幽和尸附似的攝影光線段尸m,^mox，利用影像的精確定向元素將攝影光線段尸一尸 ^分別投影到搜索影像上以得到給定點w在各影像上的準核線；以點po為中心定義匹配窗口『，獲得成像區(qū)域的自動數(shù)字高程模型， 并利用參考影像的定向元素將窗口投影到概略自動數(shù)字高程模型上，從而使 得由地形起伏、影像成像幾何及成像比例尺所引起的變形在影像相關過程中 自動得到補償；以及通過以下公式獲得點戶。在參考影像/。和搜索影像/,上相應的匹配窗口 W之間的歸 一化相關系數(shù)ACC,<formula>formula see original document page 4</formula>并以^cc(&'2) = ^力m:c仏，2)來進行影像匹配，其中『和s分別為參考影像上的匹配窗口和位于該窗口內的一個像點；w， w為匹配窗口釅的大??；s/Z)為搜索影像上對應于s的像 點。
8、 如權利要求7所述的方法，其中，所述步驟3-2)包括 迭代過程中的匹配初始化數(shù)字高程模型；經(jīng)過影像的自適應預處理和生成多級金字塔影像結構后，基于不同的匹 配基元在原始分辨率影像上的匹配結果，利用多景影像相關匹配算法從多級 金字塔影像結構的低分辨率影像中開始進行由粗到精的逐級提取和匹配；對于無紋理或少紋理區(qū)域，將格網(wǎng)點作為主要匹配特征，通過對密集格 網(wǎng)點的基于物方空間的概率松弛匹配算法進行匹配；各級金字塔影像配準結束后，將所有的匹配特征形成不規(guī)則三角格網(wǎng)的 自動數(shù)字高程模型；以及將該自動數(shù)字高程模型作為高一級金字塔影像匹配的匹配初值并進行 匹配參數(shù)自適應調整的條件進入到較高分辨率影像中進行配準，以生成用于 精匹配的自動數(shù)字高程模型。
9、 一種利用有理函數(shù)模型、大范圍區(qū)域稀少或無地面控制的衛(wèi)星影像 區(qū)域網(wǎng)平差、基于多基線多重匹配特征的自動匹配以及基于高速網(wǎng)絡的分布式并行化處理技術進行高分辨率遙感影傳4t據(jù)處理的系統(tǒng)，包括影像預處理部分，用于對輸入的原始影像數(shù)據(jù)進行分析和處理，并計算相應的有理函數(shù)模型的參數(shù)，以使用所計算出來的有理函數(shù)模型獲得作為輸入項的立體影像對；影像定向及區(qū)域網(wǎng)平差部分，用于對原始影像數(shù)據(jù)進行控制點及連接點的量測、單片定向，并且對立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間的誤差進行區(qū)域網(wǎng)平差處理，以提高立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間的擬合精度；自動數(shù)字高程模型提取部分，用于生成近似核線影像、定義匹配模版、量測匹配種子點線、自動影像匹配并生成數(shù)字高程模型；以及正射影像及線化圖量測部分，用于生成正射影像、生成等高線、進行單片測圖與立體量測，并利用所得數(shù)據(jù)完成地圖產(chǎn)品制作。
10、 如權利要求9所述的系統(tǒng)，其中，所述影像預處理部分包括將輸入影像數(shù)據(jù)以預定格網(wǎng)進行劃分以獲得各格網(wǎng)點的坐標并將影像覆蓋區(qū)域的起伏范圍分層以得到預定個等高程平面的裝置；用于構建嚴密幾何成像模型并根據(jù)嚴密幾何成像模型計算各格網(wǎng)點在每個等高程平面上對應的地面坐標以得到三維虛擬物格網(wǎng)點的裝置；以及用于利用所得到的三維虛擬物格網(wǎng)點坐標，采用嶺估計方法迭代解算有理函數(shù)模型的系數(shù)的裝置。
11、 如權利要求IO所述的系統(tǒng)，其中，所述影像預處理部分還包括用于根據(jù)在輸入影像中選取的檢查點，利用嚴密幾何成像模型計算各檢查點對各等高程平面的三維地面坐標的裝置；用于利用得到的有理函數(shù)模型，由三維地面坐標計算其對應的影像坐標的裝置；以及用于統(tǒng)計各檢查點上原始影像坐標與所計算出來的對應的影像像素坐標的擬合誤差，以獲得有理函數(shù)模型對嚴密幾何成像模型的擬合精度的裝置。
12、 如權利要求9所述的方法，其中，所述影像定向及區(qū)域網(wǎng)平差部分包括利用以下公式和有理函數(shù)模型，將影像格網(wǎng)點的地面坐標轉換到影像像素坐標的裝置+ ",.。 +A += 'x (外，^, \ )j，t + \o + + =肌:、V(外，4， 4) 其中a,, 。， a,., p a,, 2和Z>,， 0， & ,， 6,, 2是針對影像/的6個定向參數(shù)，而 fe,貝)和(仰，A， &)是標號為A:的等高程平面的影像與地面坐標；以及 利用計算所得到的影像像素坐標與其實際量測坐標對2個平移參數(shù)a,，。 和^,?；蛩?個參數(shù)"卜^ "/， 7， "z.， 2 和。， 7， &,2，根據(jù)以下公式進行平差估計的裝置v = .4A + Z; P"k'vylr; "[。i.。，a"A2'H、2勿i'AA，A^fSr* 6b^5% 賊、3々^其中P為描述根據(jù)影像坐標量測精度所定的權矩陣。
13、 如權利要求9所述的方法，其中，所述自動數(shù)字高程模型提取部分 包括用于對要匹配的影像進行預處理，以減少影像噪聲和其他影像瑕疵，自 適應增強影像紋理和線狀特征，自適應增強影像陰影和少紋理區(qū)域的影像反 差，以便其后進行特征提取和影像匹配的裝置；用于基于多景影像相關匹配算法，結合多種匹配基元的匹配結果，利用 影像的局部和全局信息，采用由粗到精的影像匹配策略進行影像匹配的裝 置；以及用于采用最小二乘匹配算法和能夠對地貌細節(jié)進行局部精匹配的匹配 算法，對由多景影像多匹配基元匹配模塊所獲得的匹配結果進行精匹配，以 提高匹配結果的精度，并定位和剔除小匹配粗差的裝置。
14、 如權利要求13所述的方法，其中，所述匹配基元包括特征點、特 ;f正線和4各網(wǎng)點。
15、 一種促使計算機實現(xiàn)利用有理函數(shù)模型、大范圍區(qū)域稀少或無地面 控制的衛(wèi)星影像區(qū)域網(wǎng)平差、基于多基線多重匹配特征的自動匹配以及基于 高速網(wǎng)絡的分布式并行化處理技術進行高分辨率遙感影像數(shù)據(jù)處理的方法 的計算機產(chǎn)品，其中，該方法包括以下步驟對輸入的原始影像數(shù)據(jù)進行分析和處理，并計算相應的有理函數(shù)模型的 參數(shù)，以使用所計算出來的有理函數(shù)模型獲得立體影像對；對原始影像數(shù)據(jù)進行控制點及連接點的量測、單片定向，并且對立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間的誤差進行區(qū)域網(wǎng)平差處理，以提高立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間的擬合精度；生成近似核線影像、定義匹配模版、量測匹配種子點線、自動影像匹配并生成數(shù)字高程模型；以及分別生成數(shù)字正射影像圖和數(shù)字線化圖，并利用所得數(shù)據(jù)完成地圖產(chǎn)品的制作。
全文摘要
提供利用有理函數(shù)模型、衛(wèi)星影像區(qū)域網(wǎng)平差、自動匹配以及分布式并行化處理技術進行高分辨率遙感影像數(shù)據(jù)處理的方法和系統(tǒng)。所述方法包括以下步驟對輸入的原始影像數(shù)據(jù)進行分析和處理，并計算相應的有理函數(shù)模型的參數(shù)，以使用所計算出來的有理函數(shù)模型獲得立體影像對；對原始影像數(shù)據(jù)進行控制點及連接點的量測、單片定向，并且對立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間的誤差進行區(qū)域網(wǎng)平差處理，以提高立體影像像素數(shù)據(jù)與原始影像數(shù)據(jù)之間的擬合精度；生成近似核線影像、定義匹配模版、量測匹配種子點線、自動影像匹配并生成數(shù)字高程模型；以及分別生成數(shù)字正射影像圖和數(shù)字線化圖，并利用所得數(shù)據(jù)完成產(chǎn)品的制作。
文檔編號G01S7/48GK101604018SQ200910161638
公開日2009年12月16日 申請日期2009年7月24日 優(yōu)先權日2009年7月24日
發(fā)明者孫鈺珊, 力 張, 張繼賢, 琴 燕, 程春泉, 楓 袁, 驥 許, 謝文寒, 高武俊 申請人:中國測繪科學研究院