航空影像与地图的配准纠正.doc

航空影像与地图的配准纠正4: 1 引言航空影像由于具有较大的比例尺 基金项目: “九五”测绘科技攻关项目(C95-06-02)收稿日期:，因此包含十分丰富的地面信息。对地面信息的分析、研究和利用必须首先纠正由于像片倾斜和地形起伏等引起的变形，即影像纠正。在航空摄影测量进入“数字化”时代后，航空影像的纠正多采用数字微分纠正的方法1。数字微分纠正具有较高的几何精度，但必须首先生成该影像范围的数字地面高程(DEM)。在缺乏数字地面高程的情况下，航空影像的纠正将变得复杂和困难。 为了解决这一问题，有效的途径是利用地形图提供的地形信息。本文提出了将航空影像纠正至地形图的新方法，由于地图是建立在大地坐标系下的，因此纠正的航空影像也将是正射的。为了将航空影像准确地纠正至地形图上，本文使用了图形与图像叠加显示的技术，将地形图一矩形区与影像匹配选择控制点，这一方法不仅加快了选择控制点的速度，更重要的是避免了人工量算的错误。在选择四个控制点后，即将第一次的纠正影像与地图相叠加，以后在叠加的图像中选择控制点，并进行迭代纠正，最后由人根据叠加图像的吻合程度终止纠正过程。2 影像与地图的配准 影像与地图的叠加配准是本文纠正试验方法的基础。航空影像的纠正首先要在影像和地形图上选择相应的控制点，然后通过建立的数学模型对影像进行纠正，而控制点的多少与精度直接影响着航空影像纠正的质量。目前，在没有数字地面高程的情况下，大多采用的是人工在地图上选择控制点，其缺点是，由于未纠正影像与地图之间存在比例、旋转和地形差变形等差异，使得选点精度受到一定的影响，并在没有明显点处无法选点或所选点精度不足。本文使用了数字影像与数字地图叠加显示的技术，有效地克服了上述缺点，大大提高了控制点的选点精度。2.1 PC显示模式的设定 航空影像多为8BIT灰度图像，彩色图像也可分为多个8BIT图像表示。因此，本文仅讨论灰度图像的情况。8BIT图像的显示在PC机上以256色显示为最好，在此模式下，既可真实地显示图像，又可实现图像的快速显示2。 在256色显示模式下，图形和图像的显示采用的是索引彩色的方式。对于256个索引值的每一个，都对应着一个彩色量，彩色量由绿色亮度、蓝色亮度和红色亮度的总和来表示3。只有绿色、蓝色和红色的亮度都相等时，才能表达出灰色。在256色模式下，绿色、蓝色和红色的亮度使用6BIT索引值来表达，所以它们的亮度范围为063。因此在PC机256色显示模式下，只能表达出64级灰度。灰度图像的显示只需6个信息位。2.2 地图与图像的叠加显示在使用地图与图像叠加匹配时,由于只使用地图的空间位置信息,因此只需对地图进行二值化扫描输入,也就是说数字地图只需1个信息位来表达。根据图像只需6个信息位的特点,我们将8位灰度图像进行如下变换:XXXXXXXX 置0XXXXXX0076543210高位低位图1 图像灰度变换示意图Fig.1 Transformation of image gray level这一操作实际上是对灰度值以4为倍数求整。空出的第0位可将数字地图写入,这样即实现了地图和图像的叠加,又节省了存贮空间。对于以上的数据结构,本文设计了以下的调色板技术来实现图像的单独显示或叠加显示,以便于正确地匹配选点。For ( i=0; i256; i+) j= i -(i/4)*4; /求以4为倍数的余数 switch(j): case 0: SetPalette(i,i/4,i/4,i/4); break; /设置灰度调色板 case 1: SetPalette(i,64,0,0); break; /设置地图为红色 当需要关闭地图层时,可将调色板设置中的CASE 1语句SetPalette(i,64,0,0)改为SetPalette(i,i/4,i/4,i/4)。3 航空影像的纠正航空影像的纠正可分为两个步骤:初纠正和局部调整。首先,在以上讨论的基础上,准确地选择四个控制点,然后利用这四点,将地图进行第一次纠正,即初纠正。然后将纠正后地图叠加至航空影像上,在叠加的基础上和图像漫游的支持下,可以容易地发现残差点,并准确地调整至正确位置,算出残差值,然后进行局部纠正,若仍有残差,继续匹配选点并纠正,直至满足为止。最后,根据以上记录的控制点,对航空影像进行纠正。具体纠正流程如图2所示(见下页)。叠加选四个控制点初纠正对地图进行初纠正纠正地图与航空影像叠加否图2 航空影像纠正流程图Fig.2 Flow chart of aerial image rectification有是否有残差点?保存纠正结果进行局部变形纠正配准局部纠正控制点3.1 初纠正初纠正采用了以下的方程式: X=a0+a1x+a2y+a3xy(1) Y=b0+b1x+b2y+b3xy在经过地图和航空影像的叠加并选择了四个控制点后,可解算出(1)式的系数,利用(1)式将地图纠正至航空影像上,并进行整幅图像的叠加,然后对叠加的图像进行漫游观察来发现残差点。图3a, 3b 给出了初纠正后地图与影像叠加显示和准确匹配的结果。 图3a(左) 地图与航空影像的叠加Fig.3a(Left) Overlay of map and aerial image图3b(右) 地图与航空影像的配准Fig.3b(Right) Match of map and aerial image3.2 局部纠正航空影像由于航高较低,由地形引入的投影差较大,如果没有相应的数字地面模型,是不能进行准确的纠正的。加上其他因素引入的不规则变形,更为航空影像的纠正增加了困难。局部纠正通过图形与图像叠加的方法,能发现由各种因素引入的变形,并改正至新的准确位置。局部调整同时还必须保证原控制点处的位置不变,局部纠正的图像仍是连续的。为了解决这一问题,本文提出了如下的局部纠正思想。当发现局部变形点后,并叠加匹配得出其坐标变化值DX,DY后,对其周围的图像作纠正前,首先计算出待纠正点距已知控制点和变形点的距离,若三个最近距离中包括变形点则纠正,否则不纠正。设待纠正点至变形点的距离为R0,至另二个控制点的距离为R1和R2,本文根据待纠正点于控制点和形变点距离有关的特点,通过大量的试验, 总结出以下对待纠正点进行纠正的关系式：k=(4R0+R1+R2)R1R2(2)(R0+R1)(R0+R2)(R1+R2)Dx=kDX Dy=kDY可以证明0K1,当待纠正点为变形点时,按公式(2)计算的k=1,Dx=DX,Dy=DY;当待纠正点为控制点时,按公式(2)计算的k=0,Dx=0,Dy=0,即控制点不纠正。当变形纠正后,即将纠正后变形点作为以后纠正的控制点。图4为局部纠正的示意图。以后重复图2所示的局部纠正过程。3.3 控制点的选取和重采样控制点的选取也是图像纠正的一个重要步骤，控制点的均匀分布选取可以有效地加快纠正过程。本文采用了自顶向下的控制点选取方法,逐步缩小控制点的控制范围。图5给出了局部纠正控制点选取的典型例子。图中的点号为控制点选取的次序,控制点的多少由人根据地图与图像叠加的效果来决定。一般来说,在平坦地区需要较少的控制点,而在地形起伏较大的地区,需要较多的控制点。控制点变形点待纠正点DXDYDyDxR0R1R2P0P1P2图4 局部纠正示意图Fig.4 Partial rectification13121110987654321图5 图像纠正控制点选择次序图Fig.5 Selection order of control points 在地图与航空影像叠加匹配满意后,最后的工作就是纠正。本文试验中,纠正的重采样采用的方法是逆映射方式,逆映射方式较向前映射方式的重采样具有许多的优点4。在前面的纠正过程中，每一步都是对地图的纠正，其实质就是逆映射。在最后的航空影像的纠正时，只需重复初纠正和局部纠正的算法，就可以将空间位置逆映射至原图像上。4 实验结果基于以上的思想,我们在Pentium-133微机上开发了航空影像的纠正软件,编程语言为Borland C+3.1, 可在Dos和Windows环境下运行，所用的实验数据是丘陵地区的航空影像和相应地区纠正后的地形图。 图6a为原航空影像，图5b为纠正后的地图。在进行了初步纠正后,又选择了12个控制点,共选16个控制点，图6c为纠正后的航空影像与地形图叠加的图像, 整个纠正过程包括选点和纠正共1小时, 通过对叠加图像的漫游显示, 我们看到纠正的航空影像与地图匹配得很好, 个别点处虽然存在着残差,但残差都在2个象素范围内。图6a 原航空影像Fig.6a Original aerial image图6b 纠正后的地图Fig.6b Rectified map图6c 纠正的航空影像与地图的叠加Fig.6c Overlay of rectified aerial imageand map 另外,该软件在国家科委“九五” “区域性农业资源与环境遥感高精度动态监测系统”的攻关研究项目中也进行了实验研究, 纠正了多幅航空影像, 并利用1:5万的地形图对1:5万土地资源图进行了匹配纠正工作, 获得了满意的结果。5 结论本文在对航空影像进行纠正的研究中, 采用了图形与图像叠加并匹配选点的方法, 解决了控制点人工量算坐标不准确、繁琐的问题, 提出的局部纠正的