光学卫星大区域网无控平差中影像内部几何畸变检测方法与流程

1.本发明属于航天摄影测量与卫星数据处理技术领域，尤其涉及一种光学卫星大区域网无控平差中影像内部几何畸变检测方法。


背景技术：

2.星载高分辨率光学相机随着卫星的运动以线阵推扫方式连续对地成像，获取连续的条带影像，每行影像对应不同的投影中心。但由于姿态测量误差、姿态拟合误差、时间同步误差、平台震颤及几何建模误差，均会导致影像存在内部几何畸变，将直接影响影像的相对定位精度。在区域平差中，影像内部几何畸变将会破坏区域网的刚性，导致区域网扭曲变形，产生非线性误差传递与累计，影响最终的区域网平差精度。通常利用大量均匀分布的控制点，可对影像内部几何畸变进行检测，但在境外大范围测图中，控制点数据难以获取。


技术实现要素：

3.本发明解决的技术问题是：克服现有技术的不足，提供了一种光学卫星大区域网无控平差中影像内部几何畸变检测方法，实现光学卫星大区域网无控平差中的内部几何畸变的自动检测、分析和处理，对平差网内的非线性误差的传递与累积进行控制，确保平差网的刚性和可靠性，消除平差网内的随机误差，保证平差网内几何精度的一致性。
4.本发明目的通过以下技术方案予以实现：一种光学卫星大区域网无控平差中影像内部几何畸变检测方法，所述方法包括如下步骤：步骤一：对待匹配影像进行格网划分，对每个格网采用特征匹配算法匹配出每个格网的同名特征点，合并所有格网的同名特征点得到密集匹配结果；步骤二：采用随机采样一致算法剔除密集匹配结果中的误匹配点；步骤三：对剔除误匹配点的密集匹配结果计算匹配点残差；步骤四：根据匹配点残差和匹配点的行号得到残差曲线，若残差曲线存在波动，则认为该待匹配影像存在内部几何畸变。
5.上述光学卫星大区域网无控平差中影像内部几何畸变检测方法中，在步骤一中，将待匹配影像划分为若干个格网，每个格网内应用尺度不变特征点提取算法初步提取出特征点，并保证特征点的密集度，然后应用特征匹配算法，在格网内匹配出同名特征点，合并所有格网的同名特征点为最终密集匹配结果。
6.上述光学卫星大区域网无控平差中影像内部几何畸变检测方法中，在步骤二中，采用随机采样一致算法剔除密集匹配结果中的误匹配点包括如下步骤：首先从密集匹配结果中随机选择n个点作为内集点并计算适合内集点的模型参数，而后对剩余点逐点判断是否在模型参数范围内，找到更多内集点，通过迭代处理，直到内集点的数量没有变化。
7.上述光学卫星大区域网无控平差中影像内部几何畸变检测方法中，在步骤三中，对剔除误匹配点的密集匹配结果计算匹配点残差通过如下步骤得到：根据待匹配影像得匹配点像点坐标、定位参数和参考dem进行坐标正算，获取物方点坐标；根据物方点坐标和原始影像的定位参数，进行坐标反算，获取原始影像像点坐标；将原始影像像点坐标和原始影像匹配点像点坐标较差，得到匹配点残差。
8.上述光学卫星大区域网无控平差中影像内部几何畸变检测方法中，该系统包括：第一模块，用于对待匹配影像进行格网划分，对每个格网采用特征匹配算法匹配出每个格网的同名特征点，合并所有格网的同名特征点得到密集匹配结果；第二模块，用于采用随机采样一致算法剔除密集匹配结果中的误匹配点；第三模块，用于对剔除误匹配点的密集匹配结果计算匹配点残差；第四模块，用于根据匹配点残差和匹配点的行号得到残差曲线，若残差曲线存在波动，则认为该待匹配影像存在内部几何畸变。
9.上述光学卫星大区域网无控平差中影像内部几何畸变检测系统中，将待匹配影像划分为若干个格网，每个格网内应用尺度不变特征点提取算法初步提取出特征点，并保证特征点的密集度，然后应用特征匹配算法，在格网内匹配出同名特征点，合并所有格网的同名特征点为最终密集匹配结果。
10.上述光学卫星大区域网无控平差中影像内部几何畸变检测系统中，采用随机采样一致算法剔除密集匹配结果中的误匹配点包括如下步骤：首先从密集匹配结果中随机选择n个点作为内集点并计算适合内集点的模型参数，而后对剩余点逐点判断是否在模型参数范围内，找到更多内集点，通过迭代处理，直到内集点的数量没有变化。
11.上述光学卫星大区域网无控平差中影像内部几何畸变检测系统中，对剔除误匹配点的密集匹配结果计算匹配点残差通过如下步骤得到：根据待匹配影像得匹配点像点坐标、定位参数和参考dem进行坐标正算，获取物方点坐标；根据物方点坐标和原始影像的定位参数，进行坐标反算，获取原始影像像点坐标；将原始影像像点坐标和原始影像匹配点像点坐标较差，得到匹配点残差。
12.本发明与现有技术相比具有如下有益效果：
13.本发明在大规模无控区域网平差中，采用密集匹配构建立体像对的沿轨方向细颗粒度相互几何关系，通过统计分析像点残差矢量沿行方向的变化规律，准确判断影像是否存在内部几何畸变，采用几何质量更好的影像替代存在内部几何畸变的影像，通过迭代处理直至平差网内影像均不存在内部几何畸变。从而实现光学卫星大区域网无控平差中的内部几何畸变的自动检测、分析和处理，对平差网内的非线性误差的传递与累积进行控制，确保平差网的刚性和可靠性，消除平差网内的随机误差，保证平差网内几何精度的一致性。
附图说明
14.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
15.图1是本发明实施例提供的光学卫星大区域网无控平差中影像内部几何畸变检测方法的流程图；
16.图2是本发明实施例提供的存在内部几何畸变影像的残差曲线示意图；
17.图3是本发明实施例提供的存在内部几何畸变影像的畸变矢量分布示意图；
18.图4是本发明实施例提供的无内部几何畸变影像的残差曲线示意图；
19.图5是本发明实施例提供的无内部几何畸变影像的畸变矢量分布示意图。
具体实施方式
20.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
21.图1是本发明实施例提供的光学卫星大区域网无控平差中影像内部几何畸变检测方法的流程图。如图1所示，该方法包括如下步骤：
22.步骤1，匹配影像密集同名点。
23.对影像重叠区域进行格网划分，对每个格网采用特征匹配算法匹配出每个格网的同名特征点，合并所有格网的同名特征点得到密集匹配结果。
24.将影像划分为一定数量格网，每个格网内应用尺度不变特征点提取算法初步提取出特征点，并保证特征点的密集度，然后应用特征匹配算法，在格网内匹配出同名特征点，合并所有格网匹配结果为最终密集匹配结果。
25.步骤2，剔除误匹配点。
26.采用随机采样一致算法剔除密集匹配结果中的误匹配点。
27.采用随机采样一致算法剔除密集匹配结果中的误匹配点。首先从密集匹配结果中随机选择n个点作为内集点并计算适合内集点的模型参数，而后对剩余点逐点判断是否在模型误差范围内，找到更多内集，通过迭代处理，直到内集点没有变化。
28.步骤3，对剔除误匹配点的密集匹配结果计算匹配点残差。
29.对于单景基准影像中的匹配点，根据其在参考中坐标、参考影像的几何定位参数和给定高程值，得到对应的物方点坐标，而后根据基准影像的几何定位参数，得到该物方点在基准影像中的坐标，以该坐标与匹配点坐标的差值，作为匹配点残差。
30.统计匹配点的残差，并分析其随行坐标的变化规律，若残差曲线存在明显波动，则认为该影像存在内部几何畸变。匹配点残差是指由参考影像匹配点反算到原始影像后坐标与原始影像同名像点坐标之间的差，首先根据参考影像上的匹配点像点坐标(x,y)、定位参数和参考dem进行坐标正算，获取其对应的物方点坐标(x,y,z)。而后根据物方点坐标和原始影像的定位参数，进行坐标反算，获取其对应的原始影像像点坐标(c1,r1)。最终以计算得到的原始影像像点坐标和原始影像匹配点像点坐标(x1,y1)的较差，作为匹配点残差(vx,vy)。
31.步骤4，分析影像内部几何畸变。
32.统计匹配点的残差，并分析其随行坐标的变化规律，若残差曲线存在明显波动，则认为该影像存在内部几何畸变。
33.通过分析残差矢量随行坐标的变化规律，实现对影像内部几何畸变的可视化分析，从而准确检测出区域网中存在内部几何畸变的影像。若影像残差曲线存在明显波动，则认为其存在内部几何畸变。
34.该方法还包括：步骤5，处理平差网内部几何畸变。
35.采用几何质量更好的有效替代存在内部几何畸变的影像，重新进行内部几何畸变检测，若匹配点残差曲线整体平稳，无明显波动，则认为不存在内部几何畸变。
36.具体的，1.采用尺度不变特征点匹配获取大量均匀分布的连接点。
37.进行几何畸变检测的匹配点要求分布均匀且密集，各同名点匹配精度都能达到子像素级，因此需采用可靠性高且精度高的连接点匹配算法进行影像匹配。密集匹配策略是先把影像划分为一定数量格网，每个格网内应用尺度不变特征点提取算法初步提取出特征点，并保证特征点的密集度，然后应用特征匹配算法，在大的格网内匹配出同名特征点，合并所有格网匹配结果为最终密集匹配结果。
38.2.对于连接点匹配中可能出现的少量错误匹配点，采用ransac粗差剔除算法予以剔除。ransac算法采用迭代的方式从一组包含离群的被观测数据中估算出数学模型的参数。
39.ransac算提出以下几点基本假设：
40.1)“内群”数据可以通过几组模型的参数来叙述其分别，而“离群”数据则是不适合模型化的数据；
41.2)数据会受噪声影响，噪声指的是离群，例如从极端的噪声或错误解释有关数据的测量或不正确的假设；
42.3)ransac假定，给定一组(通常很小)的内群，存在一个程序，这个程序可以估算最佳解释或最适用于这一数据模型的参数。
43.依据基本假设，ransac算法原理如下：
44.11)从数据集中随机选择n个点作为内集点；
45.12)计算适合内集点的模型参数；
46.13)对数据集中剩余点逐点判断是否在模型误差范围内，找到更多内集点；
47.14)迭代12)、13)多次，直到两次迭代内集点没有变化。
48.3.匹配点残差是指由参考影像匹配点反算到原始影像后坐标与原始影像同名像点坐标之间的差，单个匹配点残差计算流程如下：
49.(1)选取原始影像和参考影像同名像点；
50.(2)由参考影像同名像点及dem数据反算到地面点坐标p(x,y,z)；
51.(3)通过原始影像rpc模型将地面点反算到原始影像，得到像点坐标(x,y)：
[0052][0053]
(4)计算匹配点残差(vx,vy)：
[0054][0055]
其中，(c1,r1)为像点坐标，(x,y)为其匹配同名点反算到影像的像点坐标。
[0056]
4.通过分析残差矢量随行坐标的变化规律，实现对影像内部几何畸变的可视化分析，从而准确检测出区域网中存在内部几何畸变的影像。如图2、图3所示，若影像残差曲线存在明显波动，则认为其存在内部几何畸变。
[0057]
5.采用几何质量更好的影像替代存在内部几何畸变的影像，重新进行内部几何畸变检测，确保选用的新影像不存在内部几何畸变。新影像的内部几何畸变如图4、图5所示。
[0058]
本实施例还提供了一种光学卫星大区域网无控平差中影像内部几何畸变检测系
统，包括：第一模块，用于对待匹配影像进行格网划分，对每个格网采用特征匹配算法匹配出每个格网的同名特征点，合并所有格网的同名特征点得到密集匹配结果；第二模块，用于采用随机采样一致算法剔除密集匹配结果中的误匹配点；第三模块，用于对剔除误匹配点的密集匹配结果计算匹配点残差；第四模块，用于根据匹配点残差和匹配点的行号得到残差曲线，若残差曲线存在波动，则认为该待匹配影像存在内部几何畸变。
[0059]
本发明在大规模无控区域网平差中，采用密集匹配构建立体像对的沿轨方向细颗粒度相互几何关系，通过统计分析像点残差矢量沿行方向的变化规律，准确判断影像是否存在内部几何畸变，采用几何质量更好的影像替代存在内部几何畸变的影像，通过迭代处理直至平差网内影像均不存在内部几何畸变。从而实现光学卫星大区域网无控平差中的内部几何畸变的自动检测、分析和处理，对平差网内的非线性误差的传递与累积进行控制，确保平差网的刚性和可靠性，消除平差网内的随机误差，保证平差网内几何精度的一致性。
[0060]
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。