尚志鸣 姜湾 刘秀 文高进 钟灿 陈捷

拼接式航测相机自适应辐射一致性校正方法

尚志鸣1姜湾2刘秀1文高进1钟灿1陈捷3

（1 北京空间机电研究所，北京 100094）（2 国家博物馆，北京 100079）（3 海军潜艇学院，青岛 266000）

国内外高端航测相机不断追求扩展摄影幅面以提升作业效率，但探测器制造能力对相机单一幅面扩展形成了制约，多镜头、多探测器拼接技术成为大幅面高端航测相机的重要发展路线。文章针对拼接式航测相机虚拟拼接影像各子影像亮度不一致的问题，提出一种无需输入先验参数，自主选择参考子影像，使用子影像间设计重叠区域亮度统计特征（均值、标准差）一致性约束，构建线性校正模型，通过最小二乘优化求解各个子影像的校正参数。文章方法针对虚拟拼接影像，可以无先验、自适应地计算最优校正参数，有效抑制拼接式相机多镜头、多探测器间辐射不一致的现象，提升影像品质。经试验验证，提出方法与现有算法相比，校正后的虚拟拼接影像的均匀性在定量分析与视觉效果两方面均有显著提升。

辐射一致性校正 亮度特征一致性约束 最小二乘法 拼接式航摄相机

0 引言

以大幅面成像为主要特点的先进航摄相机能够实现高精度、高效率、高品质的航空摄影，为大范围的地理信息获取提供了高效率保障。受制于探测器制造水平制约，使用单探测器成像的相机难以大幅提升成像幅面，通过多镜头、多探测器组合构造拼接式相机成为实现大幅面成像的重要技术路线[1-4]。然而，多镜头多探测器拼接式相机中，各探测器受制于不同镜头光照、差异化的工作环境、后背响应差异等因素影响，拼接后获取的虚拟影像易出现以不同探测器对应的子影像为单元的明暗相间的辐射差异现象，影响了最终虚拟拼接影像的视觉效果。

使用实验室或实验场均匀场景定标[5-7]的方法可以抑制相机的辐射亮度不一致现象[8-10]。但是实验室定标方法需要大口径积分球等高端仪器设备，过程繁琐，成本较高。同时，实验室定标结果为固定的校正参数。仅在增益、积分时间等航测相机参数实验室定标与实际航空摄影大体一致时，使用实验室定标参数校正影像才能达到最优的效果。实际飞行作业中，地物目标亮度，航测相机参数多种多样，有限的定标条件与多变的实际情况形成矛盾，制约了校正效果的提升。

基于影像场景进行后处理也可以实现影像的辐射一致性校正[11]，马斯克（MASK）算法[12-14]通过去除影像低频信息差异实现了影像辐射均匀效果。SWDC-4航测相机[15-16]虚拟拼接影像在对子影像使用MASK掩膜进行均匀化处理后，以任一子影像组为参考影像，计算其标准差、均值，通过直方图匹配或曲线灰阶映射表形式将其余子影像的统计指标与参考影像调整一致。李德仁等提出使用Wallis滤波实现多幅待拼接影像间的一致性辐射校正，并得到广泛应用[12,17-18]。文献[19-21]提出的矩匹配及相应改进方法被广泛应用在卫星遥感影像辐射一致性校正方面。

其中，Wallis滤波方法与矩匹配方法均采用线性校正模型，具有计算量小、效率高、应用广泛的优势。经典的Wallis滤波与矩匹配方法假设待校正影像与参考影像具有相似的地物场景，从而利用参考影像的亮度特征指标计算待校正影像的变换参数[22]。然而拼接式航测相机为提升成像幅面，子影像间重叠面积小，成像场景差异大，不符合上述假设，制约了经典Wallis滤波或矩匹配方法的应用。

针对上述问题，在Wallis滤波与矩匹配思想基础上，本文提出一种拼接式航摄相机自适应辐射一致性校正方法，该方法不使用先验参数，对每一幅拼接影像，依据其子影像间设计重叠区域内的亮度特征进行优化目标函数构建，使用最小二乘方法进行校正参数的优化计算。该方法既避免了实验室测量的固定辐射校正参数难以适应所有航摄应用场景的问题，又避免了基于影像场景校正常见方法中基准图像与待校正影像场景差异引入的误差。不同场景的影像以各自重叠区域影像为基准，按照提出的约束条件和优化目标方程计算出适合当前影像的线性校正参数，从而实现航摄相机的无先验、自适应辐射一致性校正。

1 基于Wallis滤波与矩匹配的线性校正模型

Wallis滤波与矩匹配均广泛应用于辐射校正中，都将待校正影像的灰度均值和标准差映射到给定的灰度均值和标准差值，而上述均值、标准差通常由参考影像计算得到。Wallis滤波的具体表示如下

此时滤波公式变为

由（2）～（4）式可知，矩匹配与典型Wallis滤波计算方法一致，均可表达为

由式（5）可见，Wallis滤波与矩匹配都采用影像的标准差和均值作为影像亮度的特征指标，按照待校正影像校正后的均值、标准差与参考影像一致的原则构造线性校正方程。均值和标准差作为影像亮度特征指标计算简便；线性模型仅有增益、偏置两个参数，求解计算量少，速度快。因此本文借鉴Wallis滤波或矩匹配思想，采用影像亮度特征一致性约束和线性校正模型，在此基础上，针对多镜头多探测器拼接式航测相机各个子影像间具有多重叠区域约束、小重叠面积、场景差异大的问题，采用多区域约束、最小二乘自适应求解的方法实现拼接式航摄相机自适应辐射一致性校正。

2 拼接式航测相机自适应辐射一致性校正

拼接式航测相机自适应辐射一致性校正的流程如图2所示，包括选择参考影像、一致性约束模型构建、校正参数自适应优化和对各个子影像进行辐射校正四个步骤，具体步骤如下。

图1 3×3拼接式航测相机等效影像示意

图2 拼接式航测相机辐射一致性校正流程图

2.1 选择参考子影像

2.2 一致性约束模型构建与最小二乘求解

对于拼接式航摄相机拍摄的一景影像，首先遍历其中每个探测器获取的子影像，将相邻子影像设计重叠区域作为相邻子影像间的约束区域，使用中值滤波、均值滤波等去噪算法，对其进行滤波去噪，去噪后，计算各个重叠约束区域的均值与标准差统计指标。

然后构建线性辐射校正模型，如式（6）所示。

遍历一景影像中各子影像，构建全图约束模型。根据每个子影像与其它子影像间重叠相邻关系，将每一组相邻约束按照公式（13）、（14）构建校正参数约束模型，图1所示的子影像间存在12组约束关系，可构建24个方程，联立方程，即可获取包括所有子影像的校正参数的约束模型方程组。

由于误差的存在，上述方程不能够精确相等，因此，将其改写为

式（16）为线性约束方程组，v（=1, 2, ···, 24）为每个约束方程的残差。9组子影像间形成12组重叠区域约束关系，构成了24个独立的线性约束方程，超过未知数数量，满足求解条件。

令

2.3 辐射校正

3 数据与试验

使用自主研发拼接式测绘相机数据开展试验。相机采取多镜头多探测器拼接成像的技术体制。由于相机采取镜头垂直下视的总体设计，且探测器本身具有较为良好的均匀性，在陆地等纹理复杂区域子影像间辐射差异视觉上不明显。但是在水体等对影像辐射差异敏感的均匀场景，探测器间的辐射不一致制约了影像品质和视觉效果。

选取长江江面场景数据作为试验数据，如图3所示，原始拼接影像由3行×3列明暗不一的子影像构成。由于原始拼接影像较大，将其重采样至2 252像素×1 643像素大小展示、分析。

图3 水体场景虚拟拼接影像

图3（a）为校正前的原始虚拟拼接影像，其各个子影像辐射信息不一致，具有明显明暗不一的“马赛克”现象，不仅直接降低了视觉效果，也对图像中水流等跨子影像边界地物的解译、分析带来了困难。图3（b）为各个子影像进行了经典Wallis滤波校正后的虚拟拼接影像。Wallis滤波校正时，选择中心子影像作为基准，对其它子影像进行校正。校正后，纯水体子影像由于其与基准子影像语义信息基本一致，辐射一致性有一定改善。但包含桥梁、陆地和船只的子影像与水体子影像，由于与基准子影像的场景差异，其校正后子影像交界处接缝明显，有显著的视觉差异，且上述子影像校正后的标准差被抑制，对比度下降，水体细节损失大。图3（c）虚拟拼接影像进行了MASK滤波[1]处理，可以改善辐射一致性效果，但MASK 滤波时减去影像的低频信息再补偿其均值，造成了影像细节损失和失真。图3（d）各子影像经过文章突出的一致性校正，各子影像交界处的水面平滑均匀，无明显接缝。同时影像细节信息被很好保留，如大桥支柱引起的水流波纹痕迹等清晰完整，轮廓分明。

使用影像均匀性指标ICV[12-14]定量评价本文算法的辐射一致性校正效果。ICV指标计算方法如下

因此选取虚拟拼接影像中不含地物的4个子影像交界区域100像素×100像素影像（图3（a）红框所示区域，次序按照顺时针排布）评价子影像间均匀性校正效果，对原始影像、Wallis滤波、MASK滤波与本文提出算法，分别计算其ICV均匀性指标，结果如下。

表1 ICV参数结果对比

Tab.1 Comparison of ICV parameter results

如表1所示，提出算法在四个采样区域均具有最好的数值表现。通过视觉对比与指标计算可知，本文算法与常规算法相比显著提升了校正后影像的视觉效果与地物解译能力。

4 结束语

本文提出了一种拼接式航测相机自适应辐射一致性校正方法，该方法使用任意相邻子影像重叠区域的标准差、均值一致作为约束条件，构建线性校正模型，并使用最小二乘方法对校正参数优化求解。本文方法不需实验室测量先验参数，可以独立对影像进行辐射一致性校正，也可以在实验室校正后对影像进行二次校正。经试验验证，校正后虚拟拼接影像各子影像均匀性较已有算法显著提升，且保留了各子影像内部细节。校正后影像视觉效果好，有较强的实际应用价值。

[1] 林宗坚, 宣文玲, 孙杰, 等. 由小面阵CCD组合构成宽角航空相机[J]. 测绘科学, 2005, 30(1): 94-98. LIN Zongjian, XUAN Wenling, SUN Jie, et al. Wide-angled Aerial Camera Made by Combining Small-Sized Areal Array CCD Sensors[J]. Science of Surveying and Mapping, 2005, 30(1): 94-98. (in Chinese)

[2] 李健, 刘先林, 万幼川, 等. SWDC-4数码航空相机虚拟影像生成[J]. 武汉大学学报(信息科学版), 2008, 33(5): 450-453. LI Jian, LIU Xianlin, WANG Youchuan, et al. Generation of SWDC-4 Aerial Digital Camera Virtual Images[J]. Geomatics and Information Science of Wuhan University, 2008, 33(5): 450-453. (in Chinese)

[3] ZHOU Qi, DUAN Yansong, LIU Xiu, et al. AFC-900 Large-Format Aerial Frame Camera: Design Principles and Photogrammetric Processing[C]//12th International Conference on Information Optics and Photonics (CIOP 2021), July 23-26, 2021, Xiʹan, China. SPIE, 2021: 1205713-1-1205713-8.

[4] FANG Y, HU H, GAO L, et al. A Geometric Calibration Model for the New Ultra-Large Frame Aerial Mapping Camera DMZ II[J]. The Photogrammetric Record, 2020, 35(170): 289-312.

[5] 何灵莉, 胡秀清, 王玲, 等. 基于自动化方法的光学载荷定标跟踪[J]. 航天返回与遥感, 2020, 41(6): 103-113. HE Lingli, HU Xiuqing, WANG Ling, et al. Calibration Tracking of the Optical Payload Based on Automatic Methods[J]. Spacecraft Recovery & Remote Sensing, 2020, 41(6): 103-113. (in Chinese)

[6] 刘莉, 陈林, 徐寒列, 等. “委遥二号”卫星长波红外通道在轨辐射定标[J]. 航天返回与遥感, 2019, 40(3): 94-102. LIU Li, CHEN Lin, XU Hanlie, et al. On-Orbit Radiometric Calibration in Long Wave Infrared Band of VRSS-2 Satellite[J]. Spacecraft Recovery & Remote Sensing, 2019, 40(3): 94-102. (in Chinese)

[7] 李岩, 陈洪耀, 方舟, 等. “巴遥一号”卫星双相机在轨绝对辐射定标及精度分析[J]. 航天返回与遥感, 2019, 40(6): 77-88.LI Yan, CHEN Hongyao, FANG Zhou, et al. On-Orbit Absolute Radiometric Calibration and Accuracy Analysis for Dual Camera of PRSS-1 Satellite[J]. Spacecraft Recovery & Remote Sensing, 2019, 40(6): 77-88. (in Chinese)

[8] 陈彦红. 新型航测相机DMZII影像相对辐射校正方法研究[D]. 西安: 长安大学, 2017. CHEN Yanhong. Research on Relative Radiation Correction Method of DMZ II Image for New Aerial Camera[D]. Xi’an: Chang’an University, 2017. (in Chinese)

[9] 修吉宏, 黄浦, 李军, 等. 大面阵彩色CCD航测相机的辐射定标[J]. 光学精密工程, 2012, 20(6): 1365-1373.XIU Jihong, HUANG Pu, LI Jun, et al. Radiometric Calibration of Large Area Array Color CCD Aerial Mapping Camera[J]. Optics and Precision Engineering, 2012, 20(6): 1365-1373. (in Chinese)

[10] 马远征. 国产大面阵航测相机DMZ II摄影数据快速处理技术[D]. 西安: 长安大学, 2018. MA Yuanzheng. The Fast Processing Technology of the Photogrammetric Data Captured by Domestic Large-Array Digital Aerial Camera DMZII[D]. Xi’an: Chang’an University, 2018. (in Chinese)

[11] 韩宇韬. 数字正射影像镶嵌中色彩一致性处理的若干问题研究[D]. 武汉: 武汉大学, 2014. HAN Yutao. Research on Key Technology of Color Consistency Processing for Digtial Ortho Map Mosaicing[D]. Wuhan: Wuhan University, 2014. (in Chinese)

[12] 李德仁,王密,潘俊.光学遥感影像的自动匀光处理及应用[J].武汉大学学报(信息科学版),2006,31(9):753-756. LI Deren, WANG Mi,PAN Jun. Auto-Dodging Processing and Its Application for Optical RS Images[J]. Geomatics and Information Science of Wuhan University,2006,31(9):753-756. (in Chinese)

[13] 王密, 潘俊. 一种数字航空影像的匀光方法[J]. 中国图象图形学报A辑, 2004, 9(6): 744-748.WANG Mi, PAN Jun. A Method of Removing the Uneven Illumination for Digital Aerial Image[J]. Journal of Image and Graphics(A), 2004, 9(6): 744-748. (in Chinese)

[14] 张振, 朱宝山, 朱述龙, 等. 小波变换改进的MASK匀光算法[J]. 遥感学报, 2009, 13(6): 1074-1081.ZHANG Zhen, ZHU Baoshan, ZHU Shulong, et al. Improved MASK Dodging Method Based on Wavelet[J]. Journal of Remote Sensing, 2009, 13(6): 1074-1081. (in Chinese)

[15] 段福洲. 近地轻型数码航空摄影测量系统研究[D]. 北京: 首都师范大学, 2007.DUAN Fuzhou. Research on Near Ground Digital Aerial Photogrammetry System[D]. Beijing: Capital Normal University, 2007. (in Chinese)

[16] 吴文静. SWDC航空数码相机的影像拼接与处理技术研究[D]. 焦作: 河南理工大学, 2011.WU Wenjing. Image Joining and Processing Technology Study of SWDC Aerial Digital Camera[D]. Jiaozuo: Henan Polytechnic University, 2011. (in Chinese)

[17] 潘俊. 立体正射影像无缝镶嵌技术研究[D]. 武汉: 武汉大学, 2005.PAN Jun. The Research on Seamless Mosaic Approach of Stereo Orthophoto[D]. Wuhan: Wuhan University, 2005. (in Chinese)

[18] 张力, 张祖勋, 张剑清. Wallis滤波在影像匹配中的应用[J]. 武汉测绘科技大学学报, 1999, 24(1): 24-27. ZHANG Li, ZHANG Zuxun, ZHANG jianqing. The Image Matching Based on Wallis Filtering[J]. Journal of Wuhan Technical University of Surveying and Mapping, 1999, 24(1): 24-27. (in Chinese)

[19] SHEN Huanfeng, JIANG Wan, ZHANG Hongyan. A Piecewise Approach to Removing the Nonlinear and Irregular Stripes in Modis Data[J]. International Journal of Remote Sensing, 2014, 35(1): 44-53.

[20] 姜湾, 沈焕锋, 曾超, 等. Terra MODIS数据28波段影像条带噪声去除方法[J]. 武汉大学学报(信息科学版), 2014, 39(5): 526-530.JIANG Wan, SHEN Huanfeng, ZENG Chao, et al. Destriping Method for Band 28 of Terra MODIS Images[J]. Geomatics and Information Science of Wuhan University, 2014, 39(5): 526-530. (in Chinese)

[21] SHANG Z, JIANG W, WEN G, et al. A Striping Removal Method Based on Spectral Correlation in MODIS Data[C]// Proceedings of Image and Graphics Technologies and Applications, IGTA 2020: 1314. Singapore: Springer, 2020: 17-28.

[22] 任中杰. 遥感瓦片影像色彩一致性研究[D]. 赣州: 江西理工大学, 2019.REN Zhongjie. Study on Color Consistency of Remote Sensing Tile Images[D]. Ganzhou: Jiangxi University of Science and Technology, 2019. (in Chinese)

[23] 陈佳妮. 最小二乘估计的性质[J]. 哈尔滨师范大学自然科学学报, 2016, 32(5): 7-8. CHEN Jiani. The Nature of the Least Squares Estimate[J]. Natural Science Journal of Harbin Normal University, 2016, 32(5): 7-8. (in Chinese)

Self-Adaptive Radiation Consistency Correction Method for Spliced Aerial Mapping Camera

SHANG Zhiming1JIANG Wan2LIU Xiu1WEN Gaojin1ZHONG Can1CHEN Jie3

（1 Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China）（2 National Museum, Beijing 100079, China）（3 Navy Submarine Academy, Qingdao 266000, China）

Advanced aerial mapping cameras at home and abroad are constantly pursuing the expansion of the photographic format to improve operational efficiency. However, the manufacturing capacity of detectors restricts the expansion of the single format of the camera. Multi-lens and multi-detector splicing technology has become an important development route for large-format advanced aerial mapping cameras. A method without priori parameters is proposed, which independently selects the reference sub-images, uses the consistency constraints of the brightness statistical features (image mean, variance) in the overlapping regions to build a linear correction model, and solves the problem of each sub-image through least squares optimization correction parameters. For different virtual spliced images, the method has no prior and self-adaptive calculation of optimal correction parameters, and the calculation amount is small, which can quickly and effectively suppress the phenomenon of radiation inconsistency among multiple lenses and multiple detectors of spliced cameras, and improve image quality. Experiment shows that compared with the existing algorithm, the uniformity of the corrected virtual stitched image is significantly improved in both quantitative analysis and visual effect.

radiation consistency correction; luminance feature consistency constraints; least squares optimization; splicing aerial mapping camera

V445

A

1009-8518(2023)05-0083-08

10.3969/j.issn.1009-8518.2023.05.010

2023-02-05

尚志鸣, 姜湾, 刘秀, 等. 拼接式航测相机自适应辐射一致性校正方法[J]. 航天返回与遥感, 2023, 44(5): 83-90.

SHANG Zhiming, JIANG Wan, LIU Xiu, et al. Self-Adaptive Radiation Consistency Correction Method for Spliced Aerial Mapping Camera[J]. Spacecraft Recovery & Remote Sensing, 2023, 44(5): 83-90. (in Chinese)

（编辑：庞冰）