[发明专利]一种基于云掩膜的静止轨道卫星序列影像高精度配准方法

权利要求书

1.一种基于云掩膜的静止轨道卫星序列影像高精度配准方法，其特征在于，包括以下步骤：

步骤1，基于虚拟大面阵的单帧无畸变影像生成；

步骤2，序列影像二次自适应阈值云检测；

步骤3，基于分块几何约束的序列影像间同名点匹配；

步骤4，顾及云区的误匹配点剔除；

步骤5，基于整体仿射变换的序列影像配准；

步骤1所述的基于虚拟大面阵的单帧无畸变影像生成方法如下：

静止轨道卫星采用面阵传感器成像，通过在焦面设计一个无畸变的虚拟面阵，基于真实面阵和虚拟面阵在物方空间的一致性来建立两者之间的坐标对应关系，将真实面阵影像重采样成无畸变虚拟面阵影像，以消除每一帧影像的内部畸变，步骤如下：

2.1根据成像时的姿态、轨道参数以及高精度的内外方位元素检校结果，基于影像内部的二维指向角模型构建严格几何成像模型，如下式所示：

其中，

其中，λ为系数尺度因子；是几何检校的外方位元素，表示相机的安装矩阵，(pitch,roll,yaw)为相机安装角；为J2000坐标系到ADS坐标系的旋转矩阵，可根据成像时间由姿态数据插值得到；为WGS-84坐标系到J2000坐标系的旋转矩阵；[X_g Y_gZ_g]^T表示WGS-84坐标系下的物方点坐标；[X_body Y_body Z_body]^T表示投影中心在J2000坐标系下的坐标，可根据成像时间由轨道数据插值得到；(ψ_x,ψ_y)为二维指向角，是用来描述相机内部各个面阵探元的影像内部畸变模型；(s,l)是像平面坐标系下的探元坐标；ax₀,ax₁,…,ax₉和ay₀,ay₁,…,ay₉是几何检校内方位参数；

2.2基于几何检校后内方位元素，计算出虚拟面阵的最佳位置和范围，并在焦面上等间隔分布像元，计算虚拟面阵的内方位元素，如下式：

其中为虚拟面阵的二维指向角；(s,l)是像平面坐标系下的探元坐标；Ax₀,Ax₁,Ay₀,Ay₁是虚拟面阵的内方位元素；

2.3基于虚拟面阵内方位元素、真实成像姿轨参数建立虚拟面阵的严密成像几何模型，利用严密几何模型计算得到虚拟控制点，通过地形独立法将严密几何成像模型转化为RPC模型，如下式：

其中，

Num_L(U,V,W)＝a₁+a₂V+a₃U+a₄W+a₅VU+a₆VW+a₇UW+a₈V²+a₉U²+a₁₀W²+a₁₁UVW+a₁₂V³+a₁₃VU²+a₁₄VW²+a₁₅V²U+a₁₆U³+a₁₇UW²+a₁₈V²W+a₁₉U²W+a₂₀W³

Den_L(U,V,W)＝b₁+b₂V+b₃U+b₄W+b₅VU+b₆VW+b₇UW+b₈V²+b₉U²+b₁₀W²+b₁₁UVWb₁₂V³+b₁₃VU²+b₁₄VW²+b₁₅V²U+b₁₆U³+b₁₇UW²+b₁₈V²W+b₁₉U²W+b₂₀W³

Num_S(U,V,W)＝c₁+c₂V+c₃U+c₄W+c₅VU+c₆VW+c₇UW+c₈V²+c₉U²+c₁₀W²+c₁₁UVW+c₁₂V³+c₁₃VU²+c₁₄VW²+c₁₅V²U+c₁₆U³+c₁₇UW²+c₁₈V²W+c₁₉U²W+c₂₀W³

Den_S(U,V,W)＝d₁+d₂V+d₃U+d₄W+d₅VU+d₆VW+d₇UW+d₈V²+d₉U²+d₁₀W²+d₁₁UVW+d₁₂V³+d₁₃VU²+d₁₄VW²+d₁₅V²U+d₁₆U³+d₁₇UW²+d₁₈V²W+d₁₉U²W+d₂₀W³

其中，(l,s)为像点图像坐标，(l_n,s_n)为像点图像坐标(l,s)对应的像方归一化坐标，LineOff和SampleOff分别为像点图像坐标(l,s)的平移值，LineScale和SampleScale分别为像点图像坐标(l,s)的缩放值；(B,L)为物方点的经纬度坐标，H为物方点椭球高，(U,V,W)为物方坐标(B,L,H)对应的物方归一化坐标，LonOff、LatOff和HeiOff分别为物方坐标(B,L,H)的平移值，LonScale、LatScale和HeiScale分别为物方坐标(B,L,H)的缩放值；a_i,b_i,c_i,d_i(i＝1,2...20)为有理多项式系数；

2.4对于虚拟面阵影像上的任一像素(x,y)，利用2.3中建立的虚拟面阵RPC模型及某一高程参考面，SRTM-DEM或平均高程，将其投影到地面坐标(lan,lon)，将(lan,lon)利用真实面阵成像几何模型投影到真实影像的像素位置(x',y')；

2.5利用真实影像上(x',y')临近像元灰度内插即可得到虚拟影像上(x,y)对应的灰度值；

2.6对虚拟面阵上每个像元重复以上步骤直到生成整幅影像；

步骤2所述的序列影像二次自适应阈值云检测方法如下：

利用云在可见光和近红外波段的强反射特征，采用基于光谱特征的阈值判断方法实现影像中云与地面背景的类别分离；遥感影像中的云区域存在从云边界薄云区域向云中心厚云区域过渡的特征，使用不同的光谱阈值分别实现影像中厚云区域与薄云区域的提取，可以获得更为准确的影像云区域提取结果；步骤如下：

3.1设序列影像灰度量化级别为n，即影像灰度范围为[0，2ⁿ-1]，在[0，2ⁿ-1]灰度范围内，通过最大类间方差法(OSTU)求取第一个光谱阈值T₁，光谱阈值T₁可有效的区分出影像中的高亮地物与低亮地物，高亮地物在[T₁，2ⁿ-1]灰度范围内，包括云、冰雪、沙漠、镜面反射物体；

3.2在T₁～2ⁿ-1灰度范围内，通过OSTU算法求得第二个光谱阈值T₂，作为云检测光谱阈值，提取影像中的厚云区域；

3.3根据厚云与薄云在空间上的邻接关系，以影像中厚云区域的提取结果作为种子点，以光谱阈值T₁作为区域增长阈值，对厚云区域进行区域增长，进而提取云区域的薄云边界。