本發(fā)明涉及一種不同于傳統(tǒng)的圖像采集后經(jīng)地面人工事后處理的機載可見光圖像的定位方法。

背景技術(shù)：

可見光圖像是機載傳感器獲取最直觀的信息。在機載圖像信息的開發(fā)應用中，圖像定位是基礎(chǔ)，它的目的是將圖像的每個像素位置與地理位置關(guān)聯(lián)起來，也叫做圖像地理編碼。以此為基礎(chǔ)，就可以很方便的開發(fā)各種更復雜的圖像應用，例如不同類別圖像之間的匹配、拼接、融合，基于圖像的戰(zhàn)場變化檢測、毀傷評估等等。

圖像地理編碼常見于遙感影像的幾何糾正。它的主要內(nèi)容是利用地面控制點、數(shù)字高程模型以及傳感器參數(shù)來擬合一個包括軌道模型、有理函數(shù)模型和多項式模型的幾何變換模型。幾何變換模型基于控制點影像庫的控制點半自動選取，使歷史圖控制點影像塊與遙感圖進行圖像塊搜索和匹配，為缺少控制點條件下的遙感影像定位提供了快速的技術(shù)支持。為了達到遙感影像應用的精度，需要一定數(shù)量的地面控制點，但很多實際情況下不能滿足這個條件。

機載圖像幾何糾正的經(jīng)典方法包括直接地理定位方法、空中三角測量方法和基于圖像特征匹配方法。直接地理定位方法利用圖像曝光時刻獲取的傳感器坐標、姿態(tài)信息等外方位元素通過成像模型糾正圖像，處理速度快，但是由外方位元素的精度導致的定位精度通常不穩(wěn)定且較差?？罩腥菧y量方法，是利用地面控制點對外方位元素進行平差?；趫D像特征匹配的方法避免地面控制點，利用同一批影像中相鄰圖像的重疊部分進行特征提取與匹配，使一批圖像互相配準和校正。

利用計算機圖像匹配技術(shù)獲取機載圖像的幾何糾正，是近年來研究的熱點，在實踐中也獲得了較多的應用。圖像匹配或配準在計算機視覺領(lǐng)域有深入的研究，基于特征的圖像匹配是目前主流的研究熱點，但是實踐中這種方法并不能保證正確匹配的穩(wěn)定性。doucette等人在公開文獻“imagegeoreregistrationmethods:aframeworkforapplicationguidelines”ieeeappliedimagerypatternrecognitionworkshop:sensingforcontrol&augmentation,2013:1-14.中總結(jié)實用性的地理圖像配準方法基礎(chǔ)上推薦歸一化互相關(guān)法(ncc)用于地理信息方面的圖像配準工具。cannata等人在公開文獻“autonomousvideoregistrationusingsensormodelparameteradjustments”appliedimagerypatternrecognitionworkshop,2000中提到開發(fā)的自動視頻圖像配準同樣采用互相關(guān)法。原因在于獲取的實時圖像帶有成像參數(shù)，通過共線模型可以得到定位信息，以此作為匹配的先驗信息，約束互相關(guān)匹配的搜索范圍，該方法自動執(zhí)行起來效率更高。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是針對現(xiàn)有技術(shù)存在的不足之處，提供一種定位精度高、處理速度快、可擴展性好的機載可見光圖像定位方法。

本發(fā)明的上述目的可以通過以下措施來達到，一種機載可見光圖像定位方法，其特征在于包括如下步驟：以傳感器共線成像模型為中心，將機載可見光實時圖像和傳感器成像參數(shù)送入以傳感器共線成像模型為基礎(chǔ)的直接定位模塊進行正射校正，校正后的實時圖像與相應的帶地理編碼的基準圖進行圖像配準；然后采用圖像匹配模塊獲取實時圖和基準圖配準同名點坐標；再將同名點坐標信息和傳感器成像參數(shù)送入傳感器參數(shù)更新模塊更新傳感器成像參數(shù)；更新后的傳感器成像參數(shù)再次通過以傳感器共線成像模型為基礎(chǔ)的直接定位模塊對實時圖像賦予地理坐標值，輸出經(jīng)過校正的帶地理編碼的實時圖像；同時將基準圖像的定位誤差和傳感器成像參數(shù)誤差送入誤差分析模塊，誤差分析模塊對校正后圖像任意像素位置計算定位誤差，采用傳感器共線成像模型的偏微分方式，計算傳感器成像參數(shù)誤差和圖像配準誤差，傳遞出校正后輸出圖像的定位誤差。

本發(fā)明相比于現(xiàn)有技術(shù)具有如下有益效果。

定位精度高。本發(fā)明針對現(xiàn)有技術(shù)經(jīng)典方法的綜合，以傳感器共線成像模型為中心，將機載可見光實時圖像和傳感器成像參數(shù)送入直接定位模塊獲得正射校正實時圖像，采用圖像匹配獲取同名點坐標，將同名點坐標信息和傳感器參數(shù)送入傳感器參數(shù)更新模塊更新傳感器成像參數(shù)，利用同名點信息對成像參數(shù)更新來提高定位精度。獲得機載可見光圖像的高精度定位結(jié)果，即使在大傾斜角條件下也能取得優(yōu)于100米的定位精度。與經(jīng)典方法相比定位精度高，定位誤差優(yōu)于直接定位法誤差兩個數(shù)量級，并且在dem誤差和配準誤差穩(wěn)定的情況下，能得到穩(wěn)定的定位誤差。能夠計算定位結(jié)果的誤差，具有嚴格的誤差傳遞數(shù)學推導過程。

對圖像中的任意目標，不僅能夠給出地理坐標，還能計算誤差范圍，具備處理速度快的優(yōu)點，還能計算機全自動處理。

處理速度快。本發(fā)明以傳感器共線成像模型為中心，采用圖像匹配更新傳感器參數(shù)，近實時的將采集的圖像賦予地理坐標值，并正射校正。以傳感器共線成像模型為中心，定位處理速度快；經(jīng)共線模型校正后的圖像送入圖像匹配模塊與基準圖像進行配準，與常用的圖像匹配方法相比處理速度快，圖像匹配過程使用了直接定位方法得到的誤差范圍作為互相關(guān)匹配的約束，減小圖像匹配的搜索范圍，加快圖像匹配過程，并使本來不可控的圖像匹配能夠自動化。

可擴展性好。本發(fā)明以傳感器共線成像模型為中心，采用圖像匹配更新傳感器參數(shù)，近實時的將采集的圖像賦予地理坐標值，并正射校正。傳感器共線成像模型可以根據(jù)源圖像的不同而更換，其他部分不變，具有較好的可擴展性。

附圖說明

圖1是本發(fā)明可見光圖像定位方法流程圖。

圖2是圖1中實時圖像與基準圖像互相關(guān)配準平移位置關(guān)系圖。

圖3是傳感器參數(shù)更新方法流程圖。

具體實施方式

參閱圖1。根據(jù)本發(fā)明，以傳感器共線成像模型為中心，將機載可見光圖像和傳感器成像參數(shù)送入以共線模型為基礎(chǔ)的直接定位模塊進行正射校正，校正后的實時圖與相應的帶地理編碼的基準圖進行圖像配準；然后采用圖像匹配模塊進行圖像匹配獲取同名點坐標；再將同名點坐標信息和傳感器參數(shù)送入傳感器參數(shù)更新模塊更新傳感器成像參數(shù)；更新后的傳感器成像參數(shù)再次通過以傳感器共線成像模型為基礎(chǔ)的直接定位模塊對實時圖像賦予地理坐標值，輸出經(jīng)過校正的帶地理編碼的實時圖像；同時將獲得機載可見光實時圖像的定位結(jié)果送入誤差分析模塊，誤差分析模塊對校正后圖像任意像素位置計算定位誤差，采用傳感器共線成像模型的偏微分方式，計算傳感器成像參數(shù)誤差和圖像配準誤差，傳遞出校正后輸出圖像的定位誤差。

可見光的傳感器成像已有嚴格的物理模型來描述，稱作傳感器共線成像模型。傳感器共線成像模型是由地理坐標到傳感器坐標的平移變換、旋轉(zhuǎn)變換和傳感器坐標到圖像坐標的映射變換，這三個坐標變換串聯(lián)而成的。傳感器共線成像模型根據(jù)地理坐標到傳感器坐標的平移變換、旋轉(zhuǎn)變換坐標和傳感器坐標到圖像坐標的映射變換，這三個坐標變換組成下述兩個約束方程組的坐標變換關(guān)系：

在上述兩個約束方程組中，xs、ys、zs分別是傳感器孔徑中心的地心地固ecef，xk、yk、zk坐標分別是第k個像素位置對應的ecef坐標，xk、yk分別是第k個像素在圖像中的位置坐標，f是焦距，a11…a33組成旋轉(zhuǎn)變換矩陣。

用傳感器共線成像模型計算像素位置的地理坐標時，可采用最小二乘方法，引入地面高程信息，求解上述兩個約束方程組，即使像素坐標值和地心地固ecef坐標值滿足兩個約束方程組(1)和以下約束方程式：

式中，a是參考橢圓的半長軸長度，b是參考橢圓的半短軸長度，h是第k個像素在參考橢圓上的高度。

圖像匹配模塊可以采用doucette等人在公開文獻“imagegeoreregistrationmethods:aframeworkforapplicationguidelines”ieeeappliedimagerypatternrecognitionworkshop:sensingforcontrol&augmentation,2013:1-14中提及的互相關(guān)法ncc用于圖像匹配。圖像匹配模塊通過上述直接定位模型模塊獲得的實時圖定位信息作為先驗信息，以此先驗信息約束互相關(guān)匹配的搜索范圍。匹配范圍的確定方法，以及選取正確匹配同名點對的方法描述如下：

傳感器的成像參數(shù)誤差可以通過實驗獲得經(jīng)驗值，若傳感器的成像參數(shù)誤差在ecef坐標系下組成的誤差矩陣為σecef，則通過對約束方程組

式求偏導的方法獲得定位誤差的傳遞。計算ecef坐標系下的定位誤差σxyz

σxyz＝(b^t(aσecefa^t)^-1b)^-1，(3)

其中，a是(1)(2)式對傳感器參數(shù)的雅可比矩陣，b是(1)(2)式對地理坐標值的雅可比矩陣，t表示矩陣的轉(zhuǎn)置。

圖像互相關(guān)匹配對三倍σxyz的圖像范圍進行匹配搜索，即可保證成功匹配99％以上的成功概率。

參閱圖2。圖2中實時圖像和基準圖像分別被分為16塊進行互相關(guān)，如圖所示獲得16個互相關(guān)配準的關(guān)系位置點。實時圖像在經(jīng)過共線模型幾何校正后，選取正確的匹配同名點對，以獲得與基準圖像同樣朝向和分辨率，基準圖像和實時圖像的配準變換關(guān)系僅存在平移：

其中，x0,y0是基準圖的像素位置，x1,y1是實時圖像的像素位置，a,b組成的位移量畫點如圖2中的*號所示。采用的jain等人在公開文獻“dataclustering:areview”acmcomputingsurveys，1999.中提及的k-means聚類方法將正確的匹配位移量關(guān)系選出來。正確的位移量被如圖2所示圈出，所對應的匹配位置即是正確的匹配同名點對。

參閱圖3。參數(shù)更新模塊通過圖像匹配獲得實時圖像像素位置與基準圖像地理位置的對應關(guān)系，并以式(1)方程組和式(2)方程為約束，采用最小二乘法更新傳感器參數(shù)。

參數(shù)更新模塊將初始傳感器參數(shù)代入傳感器共線成像模型，傳感器共線成像模型根據(jù)約束方程組(1)、約束方程(2)的偏導，組成最小二乘法迭代量。最小二乘法根據(jù)實時圖像和基準圖像配準的匹配點的地理坐標和正射影像dem誤差組成的匹配點地固坐標系ecef坐標和匹配點的圖像坐標，在匹配點處計算迭代量。參數(shù)更新模塊依據(jù)最小二乘法計算的迭代量，判斷迭代量是否小于閾值，是則更新傳感器參數(shù)，否則將更新參數(shù)返回傳感器共線成像模型，再次更新傳感器參數(shù)。

參數(shù)更新模塊根據(jù)初始傳感器參數(shù)，代入傳感器共線成像模型，在匹配點處計算式約束方程組(1)、約束方程(2)的偏導，組成最小二乘法的迭代量：

δ＝(b^tb)^-1(b^tf)。

其中，b同式(3)，f是(1)式約束方程組對傳感器參數(shù)的雅可比矩陣并且合并所有匹配位置點。

參數(shù)更新模塊根據(jù)設(shè)定的迭代量閾值，在當小于該閾值時，最小二乘法算法停止，并輸出更新后的傳感器參數(shù)：

par＝par+δ。

誤差分析模塊引入配準誤差和正射影像dem誤差：

其中，分別為第k個匹配位置的配準誤差，是正射影像dem誤差。配準誤差可用經(jīng)驗值代替，互相關(guān)圖像配準的誤差為1個像素。再將該誤差矩陣轉(zhuǎn)換到地固坐標系ecef坐標下：

其中，tecef是圖像平面坐標到ecef坐標的坐標轉(zhuǎn)換。

圖像平面誤差到地固坐標系ecef坐標誤差傳遞在這里進行了的簡化，直接使用坐標轉(zhuǎn)換函數(shù)作用于圖像平面誤差。實驗也表明通過這兩種方法獲得的最終定位誤差差別不大。

由(5)式的匹配誤差計算更新后的參數(shù)誤差：σpar＝(b^t(aσp,ecefa^t)^-1b)^-1，其中，b同式(3)，a在(3)式的基礎(chǔ)上合并多個匹配點。最后參數(shù)誤差通過(3)式得到定位誤差。

對本發(fā)明算法的誤差進行數(shù)值仿真。假設(shè)傳感器參數(shù)包含位置和朝向，輸入誤差源包含傳感器位置、朝向誤差，高程誤差和配準誤差，模擬配準的同名點數(shù)量為20個，根據(jù)誤差傳遞計算方法可獲得定位誤差。表1是傳感器大傾斜角情況下的仿真結(jié)果。從表1可以看出本方法得到的定位誤差優(yōu)于直接定位法誤差兩個數(shù)量級，并且在dem誤差和配準誤差穩(wěn)定的情況下，能得到穩(wěn)定的定位誤差。在dem誤差和配準誤差很差的情況下，得到的定位誤差為100米左右。

表1數(shù)值仿真實驗結(jié)果