郭海祥

摘要：高分辨率卫星遥感影像在城市智能感知以及土地资源的监控中起着重要作用，其中保障影像几何精度是确保遥感影像质量的关键，因此，行业内关于影像结合校正的研究始终是重点课题之一，本文研究了高分辨率卫星影像几何校正技术和阴影检测技术。

关键词：卫星遥感影像；高分辨率；几何校正；阴影检测

随着空间技术的进步与发展，卫星遥感影像的应用范围不断扩大，在应用领域中作为基础图，目前在生态保护与修复、土地资源监测等领域都有了相对成熟的运用。因此，影像的高分辨率以及准确航向信息成为精准感知城市的关键，本次关于高分辨率卫星遥感影像校正和阴影监测技术的研究，主要解决高分辨率影像校正问题，提高技术的运用质量。

1.研究现状

遥感影像几何校正控制点为关键要素之一，控制点主要从两方面获取，一是实地测量，二是正射影像。两种渠道可采取人工手动采集方法或自动采集方法，例如在现场测量控制点，内部解释影像并选择控制点等。

另外，管理这些控制点需要大量的存储设备以及人力和物力。国外的相关研究中，校正卫星影像通常采用几何参数，根据卫星类型构建针对性校正模型，但在实际应用中仍然存在困难，目前缺少匹配不同类型传感器的校正算法，而且传感器的校正缺少通用系统。随着世界范围内卫星数量的增多，经专业处理和质量控制的正射影像产品越来越多。因此，对城市遥感的高精度应用需求和数字正射影像（DOM）的研究被行业内定性为获取特征点，在校正工作中匹配纠正影像特征点进行应用，实现自动化校正。

2.研究方法

基于影像控制点高速匹配技术展开高分率参考影像分析，构建多元高速影像处理技术系统，批量预处理影像并快速执行影像校正任务。完成后，可实现分辨率为1∶10000的高清数字正射影像（DOM）产品。为了提高遥感影像应用过程中几何校正的效率与准确性，文章选择两种方法，分别为RFC模型构建以及DOM基准测试，展开大范围数据的高分率遥感卫星影像几何纠正，主要以國产卫星为分析对象，如北京二号卫星。其中RFC模型在应用中可对国产卫星中分辨率>1m的原始影像数据进行空间定位与几何校正，从而针对国产卫星实现大规模数据自动特征点映射，完成快速调整计算和影像正射校正。完整的影像校正主要包括四个步骤：参考影像处理、影像定位、控制点采集、影像配准。

2.1参考影像处理

为了能够快速进行大规模的影像校正，本文使用通过检查标准产品获得的高精度航拍影像作为参考影像，同时确保了更好的校正精度。结果是高几何精度和高影像质量，采用2000国家大地坐标系，地面分辨率为0.5m，平地与丘陵之间的平面误差为1.2m，山峦之间的平面误差为1.6m，DOM的边缘精度误差小于2个像素，影像质量为高质量，色彩模式为RGB，红色波段被选作参考影像波段。

2.2影像定位

要从影像中读取几何信息并建立模型，使用一阶有理函数建模方法。卫星影像模型本身则是由精确的有理函数模型以及物理模型结合形成的模型，其中通过物理模型构建起模型独有的共线性特征，采用方程式进行表达，描述地面呈现的几何影像之间的关系，解释其中所蕴含的物理意义。由于卫星传感与物理模型之间的密切联系，导致所反馈的几何影像形态繁杂，缺乏统一标准以及通用的形状，还需要专门软件来提供有力支持。

公式中的多项式系数称为有理函数系数，通常包含在影像文件中，对于正射校正，只需要读取RPC文件作为计算模型的输入参数。

2.3控制点采集

因城市建设水平提高与元素的丰富，建筑、地面结构、道路等都呈现出明显的特征，如它们都有明显的拐角点或独特的特征模式，利用特征提取算法提取出特征点则可作为控制点进行模型构建，再配合一阶计算，则可运用有理函数模型展开数据处理。栅格网格法分别用于采样处理后的影像和参考影像的特征点，是一种用于对连接点进行采样的集成算法。通常这是首选，因为它可以促进在收集的连接点执行质量保证，技术人员可识别的特征（例如，建筑拐角或特定的树木），并专注于另一幅影像，观看它们正确匹配。每景有200个影像控制点，然后，通过这些控制点记录参考影像和处理后的影像，与手动选择点相比，使用该方法收集控制点提高了控制点的准确性，也提高了选择点的效率。

2.4影像配准

影像配准是指通过几何变换复制相同名称的多个影像，简单来讲则为通过地理坐标单位与之对应影像之间像素形成的对应空间分辨率。实现匹配的原理为：卫星测量中获取相似的两个影像，影像基于相对运动出现，通过快速匹配最大相似性，以实际度量进行衡量或最小的差异影像作为配准位置。

FFTP（快速傅立叶变换匹配）方法用于以相同名称保存参考DOM影像和已处理影像的特征点，如果两个影像之间存在相对位移，则使用FFTP方法导致频域中相差。FFTP在频域中工作，允许更大的模型尺寸，因其工作重点定位在影像细节处理上，并非通过小领域中灰度值完成工作。一旦在影像之间出现亮度差异，或存在较大覆被变化时，可通过FFTP获得更加精准结果。不同传感器之间的影像或相同频段影像的匹配也能够获得良好效果。

指定连接点的最大搜索半径（以像素为单位），此参数用于控制找到匹配项时要搜索的区域的大小，当匹配每个点时，该值越大，考虑的搜索区域越多，并且处理时间也会增加。在原始影像的一个小窗口（模板）中检查搜索框中的像素相似度，如果像素通过相应的接受标准，则具有最高相似性的像素将被接受，出于所有可能的原因，指定的值必须略大于两个影像之间记录的预期误差。

最低分数用于被视为有效匹配的最低可接受相关分数，实际值范围是0到1。在测试了模型并进行了许多试验之后，认为0.75是更好的阈值，匹配分数必须大于指定值才能将匹配成为连接点。如果使用相同的名称执行注册点计算，将使用到第8级金字塔，具体参数情况为：所对应的影像处理分辨率控制在1m、注册点搜索半径则为100m且像素为100。本次结果记录将采用绝对距离拒绝法，0.75为本次记录的最小分数。

在对与控制点同名的点进行匹配计算之后，将一阶有理函数模型用于调整计算，为了提高精度和效率之间的平衡，最近邻插值用于根据记录的控制点进行重新采样，并形成由参考影像进行几何校正的DOM结果，记录不同地形的结果如圖1所示。

使用本文中的影像正射校正方法，1m分辨率DOM的生产速度可以达到10分钟/场景，X方向的平均偏差为0.6m，Y方向的平均偏差为0.4m，最小位置精度误差为±0.72m，最大值为±3.31m。平均误差为1.5m，几何精度优于1个像素。

3.阴影检测技术的研究

3.1阴影检测的研究现状

随着遥感影像分辨率的逐渐提高，商业遥感卫星的最高分辨率达到0.31m（WorldView-3和WorldView-4），美军卫星锁眼12的分辨率达到0.1m。在这种情况下，阴影和非阴影区域并不属于不同的地形，场景类型也没有明显的差异，因此在高分辨率遥感影像中我们面临着很多阴影检测问题，主要问题是：（1）阴影区域的几何形状由被遮挡的空间对象的形状确定，没有与非阴影区域相关的几何差异；（2）阴影区域本质上是非阴影区域条件不佳的区域，并且非未阴影区域的纹理特征没有差异；（3）阴影区域的分布由高空间物体和光源的入射角确定，并表现出一定程度的随机性规律；（4）阴影区域与地面上的黑暗区域非常相似，并且非常混乱；

3.2阴影检测的研究方法

基于上述困难，许多研究人员对高分辨率遥感影像中的阴影检测进行了研究，提出了有效的检测方法。根据不同的建模基础，阴影检测方法可以分为两类：基于模型的方法和基于函数的方法。

3.2.1阈值分割模型

其为一种经典且应用频率较高的区域影像分割方法，又被行业内称作门限法，具有操作过程简单、方便计算、整体稳定度高的优势，目前作为影像分割的最基础方法被广泛应用。其本身为一项细分技术，可实现在不同背景或针对不同目标存在不同灰度范围内进行精准分割，对于高分辨率遥感影像中的阴影检测，阴影和非阴影区域的灰度分布是阈值分割的典型情况。

3.2.2颜色空间模型

阴影区域和无阴影区域之间的最大区别是，由于阴影区域中的光线不足，因此阴影区域比其他区域更暗，对于许多阴影检测方法，研究人员通过将要检测的原始影像映射到色彩空间的其他区域进行分析和检测，来充分利用此功能。根据实际情况，阴影区域之间的色差主要是由于阴影区域的亮度低于阴影区域的亮度。研究人员使用它将影像从RGB颜色空间投射到不同类型的亮度，得到了许多的结果，当前常用的色彩空间模型主要有：

（1）RGB颜色模型。该模型是目前全世界范围内应用最为广泛的颜色模型，按照三个恢复对彩色影像进行分解，并跨越三色层的值变化展开颜色度量计算与确定。其中对于原色的处理通过叠加三种颜色以及测量值则可反馈出多种颜色。该模型的生成是在笛卡尔坐标模型基础上实现的，其中利用轴与测量值分别用红色或绿色、蓝色进行表示，从而基于颜色区分描述出空间终于的点，所有颜色都与红色，绿色和蓝色三个颜色产生作用，而原点则用黑色进行表示，高分辨率遥感影像的原始影像是RGB影像。

（2）HIS颜色模型。HIS颜色模型是数字成像领域的重要模型，根据人类的视觉系统和视觉习惯，该模型将颜色分解为三个部分：色调，亮度和饱和度，色调是人类在观察物体时的一种主观感觉，并代表不同的颜色而产生不同的情感。饱和度表示的是不同颜色的纯度。通常，饱和度越高，颜色越亮，亮度表示的颜色的敏感程度，并且是区分阴影和非阴影区域的主要特征之一。

（3）YIQ颜色模型。YIQ颜色模型是电视系统中常用的模型，根据电视观看习惯，此模型提取亮度和颜色信息以表示颜色。Y代表颜色亮度，I和Q分别代表从橙色到青色的色阶和从紫色到黄绿色的色阶。I和Q的变化规律是通过将RGB颜色空间映射到二维平面空间中的坐标来确定的，I代表横坐标从左到右的变化，Q代表纵坐标从上到下的变化。

高分辨率遥感影像中的阴影检测在阴影和非阴影区域的亮度，饱和度和饱和度方面存在一些差异，因此，用于阴影检测的最常见颜色模型是RGB和HIS颜色模型。

4.结语

（1）对于高分辨率卫星遥感影像校正，参考现有的高精度DOM产品，经过自动特征的选择和控制点记录可对高分辨率卫星遥感影像进行几何校正，影像的相对精度也可以得到保证。从理论上讲，经过处理的影像产品只要参考影像的精度满足应用要求即可达到相同的精度水平。（2）遥感影像的应用已经成为每个行业领域的主要数据来源，然而国内外不同的是，阴影检测的算法存在缺陷，并且处理的结果不是十分理想，因此一直是影响技术发展的主要原因。基于此，本文在现有的算法基础之上提出了一种基于HIS色彩的空间的阴影检测技术和补偿的算法，然后通过MATLAB进行实验，提出了新的阴影检测技术和补偿计算算法，提高了阴影面积区域的正确检测率，降低了不是阴影区域的失误检测率，并且在补偿之后使阴影区域的细节可以保留的更清晰，同时可以保持非阴影区域的色彩信息不变化，让整个影响的视觉效果更清楚。

参考文献：

[1]赫轩.遥感卫星地面系统数据接收分系统设计优化与实现[D].西安电子科技大学， 2019.

[2]李庆峰.可见光遥感影像舰船目标检测技术研究[D].中国科学院大学（中国科学院长春光学精密机械与物理研究所）， 2019.

[3]肖化超，张建华，王鹏，师勇，张超.基于深度学习的遥感影像在轨目标检测技术研究[C].高分辨率对地观测学术联盟.第五届高分辨率对地观测学术年会论文集. 2018：917-926.

[4]王文胜.宽幅光学遥感影像舰船飞机目标检测识别技术研究[D].中国科学院大学（中国科学院长春光学精密机械与物理研究所）， 2018.

[5]何维龙，李大军，郭丙轩.一种基于HIS色彩空间的阴影检测和补偿算法[J].北京测绘， 2018， 32（12）：1369-1373.

[6]葛乐.遥感影像高大建筑物阴影检测与去除算法研究[D].中国科学院大学（中国科学院长春光学精密机械与物理研究所）， 2018.

[7]岳照溪.高分辨率遥感影像阴影检测与去除技术研究[D].武汉大学， 2018.

[8]林雨准.面向对象的高分辨率遥感影像建筑物提取和变化检测技术研究[D].战略支援部队信息工程大学， 2018.