当前位置:主页 > 论文百科 > 大学论文 >

基于应急测绘航空遥感系统的影像快速拼接

发布时间:2016-05-13 10:26

第1章绪论

1.1研究背景及意义
随着全球经济的不断发展,人类对自然资源的开采和利用手段越来越多样化,在提高人类生活物质水平的同时,也不可避免的对地球环境带来较多不良影响,导致全球气候及地质灾害的发生频率越来越高。现今的技术无法完全预测和避免自然灾害的发生,在突发自然灾害时,人类能做的只有发动一切力量,进行灾害应急,采取及时有效的措施对受灾区域进行救援。与此同时,我国也遭受过多次较为严重的自然灾害,如1976年的唐山大地震、1991年及1998年的巨大洪水、2008年在我国南部地区爆发的冰雪灾害以及汶川地震、2010年青海玉树地震等,都给人民的生命财产带来了巨大的影响,留下了沉痛的记忆。自然灾害的爆发往往较为突然,具有规模大、破坏性强的特点,其破坏程度往往是毁灭性的。在灾害发生后,房屋、道路、桥梁等往往被破坏严重,这给灾后救援及重建工作带来较大的困难,无形中加剧了自然灾害的严重性。因此,如何更为及时有效的对受灾区域展开救援及应急工作,成为当前迫切需要解决的问题。  
在进行灾后救援工作之前,需对受灾区域的情况有较为准确的把握,,如灾害的规模大小、灾害影响范围、各区域受灾程度以及灾害发展趋势等,只有在掌握了详细的灾区灾害情况后,才能确定灾后应急方案,制定准确有效的措施,展开救援工作,最大程度的保护人民的生命财产安全。  
当今形势下,各种高新技术已广泛应用于灾害监测、预警和防灾减灾工作中,其中,遥感技术在该领域发挥着举足轻重的作用。卫星影像获取方便,具有较大的影像覆盖范围,在进行灾害监测及预警方面有着良好效果,但受卫星重访周期及分辨率的限制,无法通过卫星遥感的方式及时获取受灾区域的高分辨率影像,在分秒必争的灾害应急过程中,很难满足要求。此时采用航空摄影测量方式,成为获取灾区影像,分析灾害情况的最佳选择。灾害发生时,利用航空摄影测量方式,可不受陆地交通情况限制,在第一时间进入受灾区域进行作业,获取大尺度高精度灾区影像,为灾后应急方案及救援措施的确定提供及时准确的灾区情报,将灾害破坏影响降到最低程度。  
由于自然灾害爆发时,通常灾害规模较大、影响范围广,在航拍时,单张影像显然无法完全覆盖受灾区域,因此需通过对多个航带的大量影像进行拼接处理,才能形成覆盖整个受灾区域的整体影像,为灾后救援和应急方案的确定提供良好的决策支持。然而现今常用的影像拼接方法主要有基于POS信息和基于影像特征的拼接,基于POS信息的影像拼接借助影像POS信息,计算影像地理坐标,完成拼接处理,该方法操作简单,拼接速度快,但准确度欠佳;基于图像特征的拼接方法主要提取图像特征,并对特征进行匹配,以匹配好的特征对为基础,完成影像拼接工作,使用该方法拼接影像往往有较高的准确度,但操作复杂,计算量大,耗时长。因此,这两种方法单独使用,都无法满足灾害应急的要求。  
鉴此,如何在满足灾害应急时对影像精度要求的同时,提高影像拼接速度,缩短拼接所需时间,对灾害应急测绘就显得尤为重要。本文研究将基于POS信息和基于影像特征的拼接方法相结合,该方法能在保证灾害应急测绘对影像精度要求的同时,明显的缩短影像拼接消耗的时间,在分秒必争的灾害应急过程中,、能在第一时间向决策者提供及时、完整和准确的灾害情况,在及时制定应急方案,进行灾后救援工作,最大程度的保障灾区群众的生命财产安全方面具有重大意义。  
............................

1.2国内外研究现状
经过多年的发展,图像拼接技术已经趋于成熟,并被广泛应用于各个领域。图像拼接包含多个环节,最核心技术是图像配准和融合。其中,图像配准的目的是确定具有重叠区域的影像间的对应关系,是图像拼接处理的关键。图像配准对图像拼接的准确度和运行效率有较大影响。图像融合技术主要解决待拼接影像间的纹理、色彩和光照差异不连续问题,使拼接后影像在接边处平缓过渡,形成视觉效果良好、无明显拼接缝隙的整体大影像。
1.2.1图像配准国内外研究现状
图像配准技术一直是图像拼接研究方向的重点,目前已有多种较为成熟的图像配准方法。图像配准的关键是利用图像信息,确定待配准图像间对应关系。目前常用的图像配准方法主要分为:基于灰度、基于特征和基于变换域三个方面。配准方法的优劣主要取决于处理效率、配准效果以及算法的适用性,选择恰当的配准算法,是提高影像拼接质量的关键。  
图像配准技术,最早由Kuglni和Hines提出,需追溯到1975年,他们提出了相位相关法[1],实现具有重叠区域图像的配准处理。该方法将图像变换至频域,计算平移矢量后实现配准。相位相关法方法不适用于较小重叠度图像的配准,而且只能处理具有平移的重叠图像,对旋转和仿射变换的图像无法处理。在相位相关法的基础上,DeCastro和Morandi对相位相关法进行研究和改进,扩展相位相关法[2]在1987年被提出并用于图像的配准处理,并实现了同时具有平移和旋转图像的配准。以上方法的提出,奠定了基于频域的图像配准方法的基础,并随着研究的深入,被广泛应用。随着图像拼接的广泛应用,各国学者加大了对图像配准技术的研究,各类图像配准技术也相继问世。其中较有影响力的有1996年RichardSzehski提出的参数投影变换模型[3]和1998年ShmuelPeleg提出的自适应拼接模型[4][5]等。基于图像灰度的配准方法中,最早为交叉相关法,该方法由Rosenfeld于1982提出。1994年,基于图像几何特征的配准方法逐渐引起人们的关注,并相继对其进行研究。基于特征的方法以图像特征点或线为基础,实现图像配准。主要分为特征提取和特征匹配两个环节。首先,采用特征检测算法,从待配准图像中提取特征,并以所得特征点为基础进行匹配,实现图像配准。在特征检测方面,常用特征有特征点、线和轮廓。以线作为图像特征时,比较有局限性,且效率较低;而特征点效果最好,也有较多成熟且实用的算法。随着对基于图像特征进行图像匹配方法研究的不断深入,已提出了多种点特征提取算法,其中主要的有Moravee算法、Harris算法、SUSAN算法和SIFT算法等。特征匹配的关键在于建立特征点间的对应关系。人们常用特征点间的距离大小作为判断值所得特征点间的关联程度,并确定匹配点。  
基于图像灰度的匹配方法是以待匹配影像重叠区域的灰度值为基础,通过计算影像灰度的相似性程度,确定图像间的对应关系,完成配准。其中计算图像相似性的方法大多基于统计理论,主要包括:差平方和法、相关函数法、相关系数法、协方差法和差绝对值法。基于灰度信息的图像匹配直接利用图像灰度信息,不需进行其他变换处理,算法简单,易于实现;但在某些情况下,由于完全依赖图像灰度信息,在噪声和灰度差异上鲁棒性不强,匹配效果不是很理想;并且基于图像灰度信息的匹配方法计算量大,对图片要求较高,无法处理具有旋转和仿射变换的图片,应用比较局限,此外,图像的灰度值往往容易受到光照条件的影响,非线性的不均匀光照可能造成较大的匹配误差。同时,图像的比例变化、旋转和遮挡等都会对匹配结果产生较大影响。  
作为图像拼接中关键技术的图像配准,经过不断研究发展,已经取得了较大进展。但由于成像条件的差异,以及对图像应用的多样化,对于不同的图像,所采用的配准方法也有所区别。针对不同图像及应用要求,选择恰当的特征检测和匹配方法,是对图像完成精确配准的关键。  
1.2.2图像融合技术国内外研究现状
图像融合技术也是图像拼接研究的重点,始于1973年,信息融合技术就已在美国国防部的资助下进行了研究。最早有关图像融合的信息来自于Daily[15]等有关雷达图像和Landsat-MSS融合图像在地质解译方面的应用。随着遥感卫星的发射以及卫星影像应用的不断推广,如何更好地应用遥感影像已越发重要,此时,图像融合技术随着遥感影像的应用也逐渐被人们所重视,对其展开更为广泛和深入的研究。  
像素级融合、特征级融合和决策级融合[16]是图像融合的三个基本类别。图像拼接过程中,大多为像素级融合,该方法以图像像素信息为处理对象,进行运算,完成遥感影像的融合处理。像素级融合由于直接作用于图像像素,可实现图像锐化和增强等效果,融合后影像有较高的识别度和视觉效果。像素级融合不对图像作变换处理,因此融合后图像信息,完整,原始图像信息损失小,能保留图像细节,有较高精度。但是由于需对图像重叠区域所有像素进行处理,计算量大、耗时较长。
....................................

第2章影像拼接原理与方法基础

在影像获取完成后,受相机框幅限制,单张影像信息覆盖量有限,需将影像进行拼接处理,形成大场景影像,以提供整个摄区的整体影像,用于后期影像分析及应用。影像拼接是将同一场景内,含有相同地物的重叠区域图像经过匹配和融合等处理,形成新的影像,处理后影像保留原始影像所有信息,扩大视野,且尽量不降低影像分辨率。在进行影像拼接前,先提取影像拼接线,为后续拼接工作做准备,并能提高拼接后影像质量,接着进行基于POS信息或特征信息进行配准及拼接处理,完成拼接后,需对拼接后影像内重叠区域影像进行融合处理,消除重叠区域内的拼接缝及鬼影等误差,之后进行匀光匀色处理,对拼接后影像的光照、亮度和色彩进行调整,最后形成一张能够覆盖整个目标区域,且纹理、色彩过渡均匀,无明显拼接缝隙的大视角影像。  

2.1拼接线提取
在图像拼接时往往会在出现鬼影及拼接缝现象,尤其是在建筑物、道路、河流以及地物边缘模糊时,情况更为明显。产生鬼影及拼接缝的主要原因是由于影像配准过程中,距离图像中心越远,配准误差越大,这就导致在图像的边缘处有明显鬼影和拼接缝隙。为了更好的解决鬼影和拼接缝问题,提出了最佳拼接线的概念。常规拼接过程中,拼接线线通常为直线,无法较好的避开建筑物和道路等,拼接后影像在拼接线处,容易出现建筑和道路的断裂现象。由于成像条件的不同,影像在光照、亮度或纹理上都存在一定的差异。因此在输入图像的重叠区域中寻找一条合理的拼接线尤为重要[20]。最佳拼接线是在影像重叠区域内寻找一条不规则曲线,使配准精度在重叠区域最好,因此称为最佳拼接线。选取最佳拼接线,有助于较好的完成影像拼接,使拼接影像过渡平缓,有较好的视觉效果,便于影像分析和应用。  
2.1.1简单拼接线提取
在通常影像拼接过程中,由于最佳拼接线提取算法复杂度高,计算量大,在处理过程中需耗费大量时间,且实现较为困难,因此通常采用简单拼接线进行影像拼接工作。其中,ERDAS工程软件采用的是重叠区域平分线法,即在确定待拼接影像重叠区域后,取垂直于航线方向的上重叠区域中线,以所得中线为拼接线完成影像拼接;最小灰度插值法以图像灰度为基础,对重叠区域影像进行一定邻域内灰度统计,取插值最小处点,连成曲线,所得曲线即为拼接线;地类边界法以重叠区域内地物的地类为基础,将相同地类归为一类并形成闭合区域,取各相邻不同地类边界交接处为拼接线。虽然这方法无法很好的解决鬼影和拼接缝问题,但算法简单,运算速度较快,容易实现。  
2.1.2最佳拼接线提取
当对影像质量要求较高时,为了使拼接后影像满足较高的准确度和良好视觉效果,须选择最佳拼接线,以保证拼接后影像色彩和纹理差异最小。最佳拼接线在相邻影像重叠区域内具有最大的相似性,在此基础上进行影像拼接处理,能最大程度上减小鬼影和拼接缝隙的不良影响。Davis[21]利用复杂度较高的Dijkstra算法寻找最佳拼接线。文献[22][23][24]采用动态规划的思想检测最佳拼接线。利用Graphout优化的全局最佳拼接线方法[25],结果影像容易出现鬼影现象。方亚玲等[26]引入对称动态轮廓模型(Snakes模型),寻找拼接线,但该方法灵活性较差。  
常用的最佳拼接线提取方法有基于灰色斜率关联度法、基于相关系数法和基于动态规划的最佳拼接线提取算法。  
2.1.2.1基于灰色斜率关联度法的拼接线提取
灰关联分析((GreyRelationalAnalysis,GRA)是灰色系统理论的重要组成部分。计算灰色关联度有多种方法,如斜率关联度、邓氏关联度和绝对关联度。其中,斜率关联度计算简单,无需对原始图像作其他变换处理。  
图像处理中常用的有两种彩色坐标系:一是由红R,绿G,蓝B三元色组成的RGB色彩空间;另一种是由色调H、亮度I和饱和度S构成的HIS空间。两种彩色空间之间可以相互进行转换。将遥感影像由三个波段构成的RGB分量转换为HIS变量后,可以分离出图像的色调、亮度、饱和度。其中,分离出的的色调分量H反应图像中地物的主要频谱特征,亮度分量I表示空间几何特征,饱和度分量S为色彩纯度。因此,当需要对遥感图像进行差异分析时,将图像转换至HIS空间,比在RGB空间下具有更为优良的效果。
................................

2.2影像匹配
2.2.1基于POS的影像匹配方法
与卫星遥感影像不同,在航空摄影时,飞机上所搭载的相机能够获取连续遥感图像,且其中POS系统会自动记录每张影像拍摄时的姿态参数,主要包括影像编号、获取时间、经纬度、高度、航向偏角和旁向偏角以及旋转角。在进行航摄影像拼接时,根据影像POS信息,完成影像的几何纠正,使所获取的每张影像都具有独立的地理坐标信息。  
几何纠正的实质是将影像中各像素点中的信息,采用相应策略,实现其从像方坐标系向物方坐标系转换的过程。在摄影测量中,遥感影像的几何纠正主要是从像平面坐标系向地面测量坐标系的转换。几何变换的基本思路是:根据影像POS信息中的影像中心点地理坐标、影像像素分辨率和影像像素大小,计算出影像四个角点的地理坐标;根据所得地理坐标,可求得纠正后影像的地理坐标在X、Y方向上的最大和最小值,即影像地理坐标跨度;以所得坐标的最大和最小值为边界,建立纠正后影像边框,并根据地理坐标与像素坐标间的对应关系,采用内插的方法,将影像从像平面坐标系转换至地面测量坐标系,实现每个像素点地理坐标的确定,形成纠正后影像。其中,像素坐标与地理坐标的转换公式为:

其中X、Y为所求像素点在X和Y方向上地理坐标,P为图像像素点列号,L为行号,k1~k6六个参数为Tiff格式影像数据起始参数,参数k1~k6含义分别为:左上角起点地理X坐标;东西方向上每个像素代表的地理距离;南北方向旋转参数;左上角起点地理Y坐标;南北方向上每个像素点代表的地理距离(一般为负值);东西方向旋转参数。  
经过几何纠正的影像由于已经具有坐标信息,不用再进行配准处理来确定其空间关系,可直接根据其坐标信息完成拼接,拼接完成后再对重叠区域部分进行融合,确保影像拼接质量和视觉效果。  
在计算出影像四个角点的地理坐标后,即可确定相邻影像内重合区域。影像重合区域确定之后,即可利用平分线法,提取简单拼接线,以拼接线为准,取重叠区域内平分线两侧影像进行拼接。  
进行航拍时,当天气条件比较恶劣时,飞机的俯仰、侧滚等情况比较严重,所获取影像畸变较为明显,且受POS系统精度限制,拼接后影像坐标有明显偏差,效果不理想。但由于该方法可直接利用坐标信息完成拼接,舍弃了较为复杂的图像配准过程,能大量缩短影像拼接所需时间,具有一定的实用价值。  
2.2.2基于影像特征的影像匹配方法
基于图像特征的匹配方法,是目前图像拼接中应用最为广泛的方法。由于提取了图像的特征用于匹配,而不用对整个影像进行计算,所需处理的数据量减小。对位置变化也较为敏感,匹配精度高。基于图像特征的匹配方法,关键在于通过提取图像的特征,以此为基础完成图像匹配,常用图像特征包括特征点(角点、高曲率点)、线(边缘)和面(闭合区域)。基于特征提取的图像匹配方法主要包含以下步骤:图像特征提取、图像特征匹配、模型参数估计和图像变换与插值。其中特征提取和匹配是核心环节。
(1)特征提取
特征提取是基于特征影像匹配的基础,所检测特征的数量和准确度,对影像拼接效果有着重要影响,是提高图像匹配质量的关键。再进行特征提取前,先根据待匹配影像的特点,确定特征形式(点、线、面),在特征选取过程中,主要从以下三个方面进行考虑:所选特征须为两幅图像所共有;特征数量足够完成匹配,且特征分布均匀。进行特征提取时,点、边缘和区域三种特征有其各种特点,其中,拐角点、交叉线点、轮廓中曲率最大点位是常用典型点特征;边缘特征则是利用边缘的长度和方向信息实现。
.............................

第3章应急航空遥感影像拼接........................................23
3.1应急航空遥感影像拼接概述..................................23
3.2应急航空遥感影像拼接策略....................................24
3.3本章小结....................................27
第4章快速拼接方法设计与实现.....................................29
4.1快速拼接处理方法.....................................30
4.2航带内影像快速拼接.............................................31
4.2.1影像对应关系确定.......................................31
4.2.2提取拼接线............................................32
4.2.3坐标偏移量改正.................................33
4.2.4影像融合..............................35
4.3航带间影像快速拼接......................................3
4.4本章小结......................................37

第5章实验与分析

针对本文提出的影像快速拼接方法,选取一组平顶山地区航空影像数据进行试验分析,对影像拼接的效率和拼接后影像的质量进行统计和对比,验证该方法在灾害应急中的实用性。  
本文实验环境是MicrosoftWindows7professional64位操作系统,开发平台是VisualC++2010。计算机处理器为Intel(R)Xeon(R)CPUW3550,主频3.07Ghz,八核,内存8GB。  
本次实验中,航摄相机选择为SWDC,该相机为国产品牌,SWDC基于多台非量测型相机,经过精密相机检校和拼接,集成测量型GPS接收机、数字罗盘、航空摄影控制系统、地面后处理系统,经多相机高精度拼接生成虚拟影像,提供数字摄影测量数据源,是一种能够满足航空摄影规范要求的大面阵数字航空摄影仪。SWDC系列数字航空摄影仪具有高分辨率、高几何精度、体积小、重量轻等特点,并且对天气条件要求不高,能够阴天云下摄影,具有飞行高度低、镜头视场角大、基高比大、高程测量精度高、真彩色、镜头可更换等优势。SWDC系列数字航空摄影仪作为空间信息获取与更新的重要技术手段,填补了国内空白。该产品性价比高,高程精度指标达到同类产品的国际领先水平,整体技术指标达到国际先进水平,是目前国内首台可用于中小比例尺地形图测绘的“航空相机”,为国产化数字航空摄影与航空摄影测量为一体的整体解决方案奠定了基础,对我国测绘生产具有重要意义。其参数如表5-1所示:

基于应急测绘航空遥感系统的影像快速拼接


试验数据为平顶山地区一组航空影像数据,影像由SWDC-4航摄仪获取,焦距50.2mm,单张影像像素大小为10500×15000,影像原始像素分辩率为68mm,影像大小为450M。本次试验所用影像为3个航带内的30张相邻影像,每个航带内10张影像,影像航向重叠度65%,旁向重叠度40%,影像文件格式为TIFF。  
5.1影像拼接时间测试与分析影像拼接时间测试与分析实验,主要利用平顶山航空影像数据,对本文提出的基于影像POS信息和特征点相结合的影像拼接方法进行测试。其中,分别统计0.1m、0.25m和0.5米影像分辨率情况下,完成航带间和航带内影像拼接所需时间。验证其影像拼接效率,是否能够满足灾害应急状况下对时间的迫切需求。  
在进行拼接过程中,基于应急测绘的背景,拼接线采用较为简单的平分线法,取影像重叠部分中线,影像融合过程中,为了减小计算量,提高拼接速度,在拼接线两侧1000像素范围内影像进行融合,其余重叠区域直接用分块方法直接进行填充。为了提高拼接效率,本文采取的策略为通过选取图像窗口进行匹配的方法,减小了计算量,并舍弃了特征点误匹配的过程,通过简化拼接方法,实现效率上的改进,所短影像拼接时间,以便及时为灾害应急提供灾区整体影像数据。
.............................

第6章结论及展望

自然灾害发生时,制定及时有效的救援措施有着重大的意义。本文针对灾害应急背景下对影像拼接的特殊要求,提出了将基于POS数据与影像特征的影像拼接方法相结合的拼接策略,实现影像的快速拼接。本章将对全文所做研究工作进行总结,并对下一步的工作进行展望。  

6.1总结
本文主要研究应急条件下,对航空遥感影像的快速拼接策略。在深入学习影像拼接知识基础后,针对灾害应急的特点,探索影像快速拼接方法,具体研究内容如下:
(1)影像拼接方法研究。研究影像拼接的主要流程,各流程中所常用的方法和原理,并重点对影像匹配和融合方法进行研究,分析其中方法的特点和适用范围。
(2)应急测绘对影像应用要求分析。针对应急测绘的特殊背景,分析应急状态下,航空遥感影像数据的作用,以及在该背景下,对航空遥感影像拼接处理的效率和精度要求。
(3)应急航空遥感影像快速拼接方法设计与实现。通过研究和实验,结合常规状态下影像拼接的流程和方法,以及在应急状态下的对影像拼接的特殊要求,设计了将影像POS数据与影像特征相结合的影像拼接方法,并加以实验,验证了其可行性。  
本文创新之处是:将影像POS数据与特征匹配相结合,使拼接过程中既充分利用的影像的坐标信息,又在特征匹配的基础上,有效地解决了由于POS精度差导致的拼接后影像准确度差和信息缺失等问题,同时舍弃了基于特征匹配的影像拼接中的各个复杂环节,提高了影像拼接效率。
.............................
参考文献(略)




本文编号:44627

资料下载
论文发表

本文链接:https://www.wllwen.com/wenshubaike/shijiedaxue/44627.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户cb6be***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com