[发明专利]基于RFM模型的多源星载SAR影像自动匹配方法

摘要

本发明公开了一种基于RFM模型的多源星载SAR影像自动匹配方法，首先计算影像各自的RPC参数，然后，在每个金字塔影像层，利用影像RPC参数进行待匹配点初始点位的预测、近似核线几何建立约束匹配、匹配窗口影像几何粗纠正，并对每层金字塔影像匹配结果采用基于RFM模型区域网平差删除错误的匹配点，同时实现影像RPC参数的精化和匹配点物方坐标的计算。逐层精化匹配结果直到原始影像层，最后利用最小二乘影像匹配方法精化匹配结果，实现多源星载SAR影像同名点的自动可靠匹配。本发明将RFM模型引入到多源星载SAR影像自动匹配，并将RFM模型区域网平差融入到各层金字塔影像匹配过程中，可以有效删除匹配中错误的匹配点，有效降低同名点人工量测的工作量。

主权项

1.一种基于RFM模型的多源星载SAR影像自动匹配方法，其步骤是：A、多源星载SAR影像的RPC参数计算(1)：采用与地形无关的方法，利用星载SAR影像的严格几何模型，基于不同高程面生成的密集且均匀分布的虚拟控制格网，利用虚拟控制点按最小二乘原理进行解算，得到各影像的RPC参数；B、数据预处理(2)：1)金字塔影像生成：采用3×3像元平均法，将多源星载SAR影像生成3级金字塔影像，首先对原始影像的每3×3个像元计算其平均灰度值，并赋给第一级金字塔影像的对应像元，生成第一级金字塔影像，依此类推，直至生成第三级金字塔影像；2)特征点提取：将影像划分为均匀的格网，格网点数依据影像大小给定，将影像划分为40×40以内的格网，在每个格网内提取一个点，供后继影像匹配使用；3)基准影像待匹配影像的确定：首先利用步骤(1)得到的影像RPC参数，计算每张影像四个角点所对应的近似物方坐标，对每张基准影像，计算四个角点在基准影像上的像素坐标，加入到基准影像的待匹配影像链表中，得到基准影像各自关联的所有待匹配影像；C、特征点初始点位的预测(3)：利用影像RPC参数和已知的空间坐标信息进行特征点初始点位的预测，在最高层金字塔影像，首先利用基准影像RPC参数，将待匹配点投影到测区平均高程面的物方坐标，然后利用待匹配影像的RPC参数，计算其在待影像匹配上的像素坐标，完成初始点位的预测，在金字塔影像层，直接利用上层匹配结果所获得的该特征点的物方坐标计算其在待匹配影像上的坐标，实现初始点位的计算；D、带几何粗纠正和核线几何约束的相关系数法匹配(4)：建立核线几何约束方程并对匹配窗口影像进行几何粗纠正：1)核线几何约束方程的建立：以特征点的高程值Z₀为中心建立不同的高程平面，高程平面的高程为Z₁和Z₂，分别为Z₁＝Z₀-ΔZ、Z₂＝Z₀+ΔZ，其中ΔZ的取值可任意，利用基准影像的RPC参数，分别计算特征点投影到高程面Z₁，Z₂上的物方点坐标，分别记为(Lat₁，Lon₁，Z₁)和(Lat₂，Lon₂，Z₂)，然后利用待匹配影像的RPC参数，计算对应的投影像素坐标(x₁，y₁)和(x₂，y₂)，利用(x₁，y₁)和(x₂，y₂)建立该特征点在待匹配影像上对应的核线几何约束方程；2)匹配窗口影像的几何粗纠正：经过上层金字塔影像匹配，得到各特征点的物方坐标和各多源SAR影像精化后的RPC参数，以特征点高程Z₀作一小面元Γ_p，利用基准影像精化后的RPC参数，将特征点所在基准影像上匹配窗口ξ₁的四个角点投影到面元Γ_p，得到对应的四个物方空间坐标，再利用待匹配影像精化的RPC参数，投影计算像素坐标，得到四边形ξ₂，利用上述两个四边形ξ₁和ξ₂四个角点的像素坐标，解算出6个仿射变换参数，利用该变换参数，将待匹配影像中的四边形ξ₂重采样为新的影像窗口ξ₃，完成匹配窗口影像的几何粗纠正，最后，使用影像窗口ξ₃与影像窗口ξ₁实施匹配；3)相关系数法匹配：在建立核线几何约束方程后，对搜索窗口影像的每个像素遍历，首先计算该像素到核线方程的距离，当小于给定的阈值时，以其为中心开辟匹配窗口，按步骤(4.2)中方法进行匹配窗口影像的几何粗纠正，利用相关系数法进行其相似性测度，最后，选取搜索窗口中相关系数值最大且大于指定阈值的像素点为该特征点的同名点；E、基于RFM模型区域网平差删除错误匹配点(5)：采用像方仿射变换模型进行卫星影像区域网平差，模型定义如下：Fx=px0+px1·Sample+px2·Line+Sample-x=0Fy=py0+py1·Sample+py2·Line+Line-y=0---(1)]]>式中，(x，y)为点在影像上真实坐标的列号和行号，(Sample，Line)为对应物方点利用RPC参数投影到影像上的坐标列号和行号，(px_i，py_i)(i＝0，1，2)是待求的仿射变换系数：1)平差初始值的确定：在最高金字塔影像层，每张影像的仿射变换系数的初始值为缺省值，特征点的物方坐标利用影像的RPC参数通过前方交会计算得到，在金字塔影像层，每张影像的仿射变换系数初始值为上层匹配区域网平差的结果，特征点的物方坐标利用其在当前金字塔层匹配得到的同名点影像行列号坐标和上一级金字塔层平差精化后的影像定向参数通过前方交会技术计算得到；2)观测值权值的计算：第一次平差时，每个连接点行列坐标观测值的权为1，在后面的平差计算中，观测值的权按照从验后方差导出的选择权迭代法进行计算，首先按公式(2)计算各个观测值的统计量T_i，Ti=vi2σ^02ri]]>(i＝1，2，3，Λ，n)    (2)式中，v_i为观测值i的残差，r_i为对应的多余观测量，为单位权中误差，n为观测值总数。然后按公式(3)更新该观测值在下次迭代平差中的权值具体为：其中，F_α，1，r为给定阈值，对于观测量的计算，采用重复计算矩阵的逐次递归快速算法；3)卫星影像区域网平差：对每个连接点，以仿射变换系数和其对应的物方坐标为未知数，对公式(1)线性化，列立对应的误差方程：V＝At+Bx-L，P    (4)式中，V为误差方程残差向量，t为射变换系数未知数的改正数向量，x为匹配点物方坐标未知数改正数向量，A为仿射变换系数未知数对应的系数矩阵，B为匹配点物方坐标未知数对应的系数矩阵，L为误差方程对应的常数向量，P为权矩阵，如下所示：A=∂Fx∂px0∂Fx∂px1∂Fx∂px2∂Fx∂py0∂Fx∂py1∂Fx∂py2∂Fx∂px0∂Fy∂px1∂Fy∂px2∂Fy∂py0∂Fy∂py1∂Fy∂py2]]>B=∂Fx∂Lat∂Fx∂Lon∂Fx∂height∂Fy∂Lat∂Fy∂Lon∂Fy∂height,]]>L=-Fx0-Fy0]]>(5)t＝[dpx₀ dpx₁ dpx₂ dpy₀ dpy₁ dpy₂]^Tx＝[dLat dLon dheight]^T利用最小二乘原理，采用列立改化法方程，完成所有未知参数改正数的分步解求，利用改正数对未知数进行更新，并按照步骤(5.2)和步骤(5.3)所述方法重新计算权矩阵P和列立误差方程，直至满足平差收敛条件，完成本层金字塔匹配结果中误匹配的删除和影像定向参数，利用上层匹配结果约束下层金字塔影像匹配(6)，重复步骤(2)、步骤(3)、步骤(4)，判断达到原始影像层，达到则利用最小二乘匹配精化匹配结果(7)，最后输出匹配结果(8)。