基于地理位置信息的图像配准方法及精度分析 下载: 1023次
1 引言
航空遥感平台获取图像时,受载机飞行高度和相机焦距的限制,单张图像很难完全包含感兴趣的区域。为了得到更多目标区域的信息,可以通过将不同角度的图像拼接融合,构造一幅全景图达到扩展视场范围的目的。传统的航空遥感图像拼接主要包括图像的几何校正、图像预处理、图像配准和图像融合等4个步骤。图像配准是航空遥感图像拼接的关键步骤,是指对图像间的匹配信息进行提取,再在提取出的信息中寻找最佳的匹配,完成图像间的对齐[1-3]。
为了提高航空遥感图像的配准精度,国内外学者已经对图像配准算法进行了大量研究。航空遥感图像的配准可分为基于特征的配准和基于区域的配准。基于特征的配准主要包括基于边缘强度特征图像配准算法[4-7]、基于几何特征和形态学图像配准算法[8-9]、基于二值稳健尺度不变关键点(BRISK)[10]和快速稳健性特征(SURF)[11-13]图像配准算法。基于区域的配准主要包括互相关法[14]、最大互信息法[15]、基于快速傅里叶变换的相位相关法[16]和小波变换法[17]。但对于海洋、沙漠、草原等场景的航空遥感图像,场景实时变化且无明显特征点,以上提到的配准方法都难以对其进行配准。
为此,提出了基于地理位置信息的图像拼接技术,即依据载机定位定向系统(POS)测量的载机位置、姿态信息以及航空相机中位置编码器测量的框架角位置信息,利用齐次坐标变换方法求解匹配点在大地坐标系下的投影,利用世界大地坐标系-84(WGS-84)定义的地球椭球模型确定匹配点的经纬度信息,将相同地理位置信息的配准点进行配准。该方法不会受到航空遥感图像特征及纹理的影响,对海洋、沙漠、草原等特征不明显的场景可进行配准,提高航空遥感图像配准精度。
2 基于地理信息航空遥感图像配准
2.1 基本坐标变换
在目标定位和图像配准过程中需要用到4个基本的坐标系:地球坐标系(ECEF)、地理坐标系(NED)、载机坐标系(AC)和相机坐标系(S)。用
式中
根据WGS-84坐标系定义的地球椭球模型,建立地球坐标系
地球椭球第一偏心率为
式中半长轴
POS给出载机的位置信息包括经度信息
式中
建立
地理坐标系中
载机坐标系[20]的
航空相机基本结构如
的框架角分别为
2.2 基于地球椭球模型的配准点定位
拍摄时图像中配准点在CCD上的投影如
对于理想光学系统成像,目标处于
则CCD上的目标投影在地球坐标系下的坐标为
相机坐标系原点与载机坐标系原点重合,因此其原点坐标为
拍摄目标区域的大地高为
联立(10)式和(11)式即可解得目标在地球坐标系下的坐标
目标的经纬度信息通过其在大地坐标系下的坐标得到。由于采用WGS-84给出的地球椭球模型,因此无法准确得到其纬度及大地高。为此,采用迭代法进行求解,规定北半球纬度为正,南半球纬度为负;东半球经度为正,西半球经度为负。迭代公式为
初值由(12)式给出,通过(13)式进行迭代。一般迭代4次,即可保证目标海拔
式中
2.3 基于地理信息的图像配准
航空遥感图像的拍摄区域如
拍摄第一幅航空遥感图像的地面分辨率(GSD)为
式中
若两相邻配准点在第一幅航空遥感图像上相差
式中
配准点
理想光学系统
同时
3 目标定位及图像配准误差分析
机载POS系统测量出的载机位置、姿态角信息及相机编码器输出的框架角位置信息均会存在误差,这将导致目标定位误差和图像配准误差。误差分析是衡量定位及配准算法的重要环节。本文采用蒙特卡罗法对目标定位误差和图像配准误差进行分析。
3.1 蒙特卡罗分析方法
蒙特卡罗法又称随机模拟法,通过计算机产生符合条件的随机数据,用于替代实际实验中难以获得的数据。
采用蒙特卡罗法建立的误差分析模型为
式中Δ
式中
仿真分析各参数(
3.2 目标定位误差分析
对CCD中心目标进行定位,以
表 1. 目标定位仿真实验数据
Table 1. Data in geo-location simulation program
|
仿真实验采用海洋区域的数据,在定位过程中海浪随时变化,认为载机定位过程中海面存在的标准差为1 m的大地高起伏。定位结果如
计算得定位纬度标准差为1.0050×10-4°,经度标准差为1.0085×10-4°。
图 9. 定位点及其误差概率分布图。(a)定位点分布;(b)纬度误差概率分布;(c)经度误差概率分布
Fig. 9. Distribution of geo-location point and its error probability. (a) Distribution of geo-location point; (b) distribution of latitude error probability; (c) distribution of longitude error probability
根据WGS-84定义的地球椭球模型,当目标纬度为
定义目标定位的圆概率误差为
式中
考虑到相机采用摆扫成像的方式进行工作,分析横滚框架角从10°摆扫到82°时采用地球椭球模型对地目标定位圆概率误差,结果如
图 10. 目标定位圆概率误差随摆扫角度变化曲线
Fig. 10. Circular error probability of geo-location with different gimbal roll angles
3.3 图像配准误差分析
航空相机采用摆扫方式工作,一般需要配准拼接的航空遥感图像的拍摄间隔不会超过5 s,因此在考虑图像配准时,载机在拍摄两幅航空遥感图像时的位置相对误差会大大减低。以
表 2. 图像配准仿真实验数据
Table 2. Data in image registration simulation experiment
|
取航空相机探测器的像元个数为2048×2048,像元尺寸为10 mm,相机焦距为75 mm,寻找的配准点位于北纬35.0230°、东经121.6908°。第一幅和第二幅航空遥感图像中配准点投影在CCD上的分布如
图 11. 配准点在CCD上的投影分布。(a)第一幅图像;(b)第二幅图像
Fig. 11. Distribution of matching point projecting on CCD. (a) The first image; (b) the second image
图 12. 两幅航空遥感图像的配准点在CCD上投影的相对分布
Fig. 12. Relative distribution of matching point projecting on CCD in two aerial remote sensing images
配准点在CCD上投影的圆概率误差为
式中
配准点在两幅航空遥感图像上的投影圆概率误差分别为53.03 pixel和53.56 pixel,配准点在两幅航空图像上投影的相对圆概率误差为10.87 pixel。载机距离配准点2053 m,一个像素在地面的投影为0.27 m,配准点投影圆概率误差为53 pixel,面投影区域为14.51 m与定位圆概率误差相符。两幅航空图像投影的相对圆概率误差为10.87 pixel,对应地面配准精度小于3 m。
4 飞行实验验证
4.1 地面景物验证
对地面景物拍摄两幅航空遥感图像,在图中选取4个配准点进行配准,结果如
表 3. 配准结果与Google Earth比较
Table 3. Comparison of the registration results with the Google Earth
|
对地面景物航空遥感图像的定位配准结果显示定位精度优于35 m。比较两张图上的4组配准点可以看出,配准误差优于3 m,表明该定位配准算法是可行的。
4.2 海洋遥感图像配准
拍摄两组航空遥感图像,分别对其进行配准,结果如
图 14. 两组海洋航空遥感图像配准
Fig. 14. Registration results of two ocean aerial remote sensing images
表 4. 两组海洋航空遥感图像定位及配准结果
Table 4. Geo-location and registration results of two ocean aerial remote sensing images
|
5 结论
依据载机姿态位置信息和相机框架角位置信息,利用WGS-84定义的地球椭球模型,求取航空遥感图像的经纬度信息,对图像进行定位配准;采用蒙特卡罗法对定位及配准误差进行分析,并通过实际飞行实验验证该算法的有效性。该方法可较好地对航空遥感图像进行配准,在飞行高度小于2000 m,拍摄角度小于18°时,定位精度优于35 m,配准精度优于3 m。该方法通过确定航空遥感图像的经纬度信息,将相同经纬度信息的配准点进行配准,不需要进行特征提取,对于传统配准方式难以配准的海洋、沙漠和草原等特征点不明显的区域也可以进行配准,配准精度不受航空图像特征及纹理的影响。随着机载导航系统和航空相机控制测量系统的发展,航空相机定位精度及航空遥感图像的配准精度将会进一步提高。
[1] 王娟, 师军, 吴宪祥. 图像拼接技术综述[J]. 计算机应用, 2008, 25(7): 1940-1943, 1947.
王娟, 师军, 吴宪祥. 图像拼接技术综述[J]. 计算机应用, 2008, 25(7): 1940-1943, 1947.
Wang Juan, Shi Jun, Wu Xianxiang. Survey of image mosaics technique[J]. Application Research of Computers, 2008, 25(7): 1940-1943, 1947.
Wang Juan, Shi Jun, Wu Xianxiang. Survey of image mosaics technique[J]. Application Research of Computers, 2008, 25(7): 1940-1943, 1947.
[2] 狄颖辰, 陈云坪, 陈莹莹, 等. 无人机图像拼接算法综述[J]. 计算机应用, 2011, 31(1): 170-174.
狄颖辰, 陈云坪, 陈莹莹, 等. 无人机图像拼接算法综述[J]. 计算机应用, 2011, 31(1): 170-174.
Di Yingchen, Chen Yunping, Chen Yingying, et al. Survey on image mosaic algorithm of unmanned aerial vehicle[J]. Journal of Computer Applications, 2011, 31(1): 170-174.
[3] 周茜. 遥感影像自动拼接技术研究[D]. 西安: 西安电子科技大学, 2012.
周茜. 遥感影像自动拼接技术研究[D]. 西安: 西安电子科技大学, 2012.
ZhouQian. Research of automatic remote sensing image mosaic technique[D]. Xi’an: Xidian University, 2012.
ZhouQian. Research of automatic remote sensing image mosaic technique[D]. Xi’an: Xidian University, 2012.
[4] 吴粉侠, 李红. 基于边缘强度匹配的图像融合并行算法的研究[J]. 电子设计工程, 2014, 22(23): 168-173.
吴粉侠, 李红. 基于边缘强度匹配的图像融合并行算法的研究[J]. 电子设计工程, 2014, 22(23): 168-173.
Wu Fenxia, Li Hong. Fusion parallel algorithm based on the edge of the image intensity matching[J]. Electronic Design Engineering, 2014, 22(23): 168-173.
[5] 李莹, 魏合章. 基于边缘强度特征的景像匹配算法比较分析[J]. 战术导弹技术, 2010( 2): 59- 63.
李莹, 魏合章. 基于边缘强度特征的景像匹配算法比较分析[J]. 战术导弹技术, 2010( 2): 59- 63.
LiYing, WeiHezhang. Study of scene matching algorithm based on edge strength[J]. Tactical Missile Technology, 2010( 2): 59- 63.
LiYing, WeiHezhang. Study of scene matching algorithm based on edge strength[J]. Tactical Missile Technology, 2010( 2): 59- 63.
[6] 何培培, 万幼川, 杨威, 等. 基于线特征的城区激光点云与影像自动配准[J]. 光学学报, 2015, 35(5): 0528001.
何培培, 万幼川, 杨威, 等. 基于线特征的城区激光点云与影像自动配准[J]. 光学学报, 2015, 35(5): 0528001.
[7] 黄源, 达飞鹏, 陶海跻. 一种基于特征提取的点云自动配准算法[J]. 中国激光, 2015, 42(3): 0308002.
黄源, 达飞鹏, 陶海跻. 一种基于特征提取的点云自动配准算法[J]. 中国激光, 2015, 42(3): 0308002.
Huang Yuan, Da Feipeng, Tao Haiqi. An automatic registration algorithm for point cloud based on feature extraction[J]. Chinese J Lasers, 2015, 42(3): 0308002.
[8] 伍梦琦, 李中伟, 钟凯, 等. 基于几何特征和图像特征的点云自适应拼接方法[J]. 光学学报, 2015, 35(2): 0215002.
伍梦琦, 李中伟, 钟凯, 等. 基于几何特征和图像特征的点云自适应拼接方法[J]. 光学学报, 2015, 35(2): 0215002.
[9] 王志社, 杨风暴, 纪利娥, 等. 基于聚类分割和形态学的可见光与SAR图像配准[J]. 光学学报, 2014, 34(2): 0215002.
王志社, 杨风暴, 纪利娥, 等. 基于聚类分割和形态学的可见光与SAR图像配准[J]. 光学学报, 2014, 34(2): 0215002.
[10] 卫星, 樊绍胜, 高山. 基于BRISK的图像快速匹配与变换算法[J]. 电子测量技术, 2015, 38(3): 43-47.
卫星, 樊绍胜, 高山. 基于BRISK的图像快速匹配与变换算法[J]. 电子测量技术, 2015, 38(3): 43-47.
Wei Xing, Fan Shaosheng, Gao Shan. Rapid matching and transform algorithm of images based on the BRISK[J]. Eletronic Measuremet Technology, 2015, 38(3): 43-47.
[11] Hu YH, Li BJ, Shi LP. The remote sensing image matching based on SURF algorithm[C]. SPIE, 2014, 9142: 91421T.
Hu YH, Li BJ, Shi LP. The remote sensing image matching based on SURF algorithm[C]. SPIE, 2014, 9142: 91421T.
[12] Yang KD, Zhao WJ, Li DJ, et al. Missile placement analysis based on improved SURF feature matching algorithm[C]. SPIE, 2015, 9443: 94430S.
Yang KD, Zhao WJ, Li DJ, et al. Missile placement analysis based on improved SURF feature matching algorithm[C]. SPIE, 2015, 9443: 94430S.
[13] 张华俊, 李桂华, 刘程, 等. 基于SURF特征匹配的数字图像相关变形初值可靠估计[J]. 光学学报, 2013, 33(11): 1112005.
张华俊, 李桂华, 刘程, 等. 基于SURF特征匹配的数字图像相关变形初值可靠估计[J]. 光学学报, 2013, 33(11): 1112005.
[14] 刘钰菲, 廖桂生, 杨志伟. 快速区域互相关InSAR图像配准方法[J]. 数据采集与处理, 2011, 26(5): 526-530.
刘钰菲, 廖桂生, 杨志伟. 快速区域互相关InSAR图像配准方法[J]. 数据采集与处理, 2011, 26(5): 526-530.
Liu Yingfei, Liao Guisheng, Yang Zhiwei. Fast region correlation SAR image coregistration method based on interferometric phase effect elimination[J]. Journal of Data Acquisition & Processing, 2011, 26(5): 526-530.
[15] 李靖宇, 沈焕泉, 程燕, 等. 基于最大互信息的医学图像配准算法[J]. 中国介入影像与治疗学, 2010, 7(3): 325-327.
李靖宇, 沈焕泉, 程燕, 等. 基于最大互信息的医学图像配准算法[J]. 中国介入影像与治疗学, 2010, 7(3): 325-327.
Li Jingyu, Shen Huanquan, Cheng Yan, et al. Algorithm of medical image registration based on maximum mutual information[J]. Chinese Journal of Interventional Imaging and Therapy, 2010, 7(3): 325-327.
[16] 杨爱萍, 侯正信, 王成优, 等. 基于全相位频谱分析的图像配准[J]. 天津大学学报, 2008, 41(12): 1465-1472.
杨爱萍, 侯正信, 王成优, 等. 基于全相位频谱分析的图像配准[J]. 天津大学学报, 2008, 41(12): 1465-1472.
Yang Aiping, Hou Zhengxin, Wang Chengyou, et al. Image registration based on all phase spectrum analysis[J]. Journal of Tianjin University, 2008, 41(12): 1465-1472.
[17] 曹闻, 李弼程, 邓子建. 一种基于小波变换的图像配准方法[J]. 测绘通报, 2004( 2): 16- 19.
曹闻, 李弼程, 邓子建. 一种基于小波变换的图像配准方法[J]. 测绘通报, 2004( 2): 16- 19.
CaoWen, LiBicheng, DengZijian. An image registration method based on wavelet transformation[J]. Bulletin of Surveying and Mapping, 2004( 2): 16- 19.
CaoWen, LiBicheng, DengZijian. An image registration method based on wavelet transformation[J]. Bulletin of Surveying and Mapping, 2004( 2): 16- 19.
[18] 周前飞, 刘晶红, 熊文卓, 等. 机载光电成像平台的多目标自主定位系统研究[J]. 光学学报, 2015, 35(1): 0112005.
周前飞, 刘晶红, 熊文卓, 等. 机载光电成像平台的多目标自主定位系统研究[J]. 光学学报, 2015, 35(1): 0112005.
[19] SiourisG. Aerospace avionics system: a modern synthesis[M]. New York: Academic Press, 1993.
SiourisG. Aerospace avionics system: a modern synthesis[M]. New York: Academic Press, 1993.
[20] Hilkert JM. Kinematic algorithms for line-of-sight pointing and scanning using INS/GPS position and velocity information[C]. SPIE, 2005, 5810: 11- 22.
Hilkert JM. Kinematic algorithms for line-of-sight pointing and scanning using INS/GPS position and velocity information[C]. SPIE, 2005, 5810: 11- 22.
Article Outline
乔川, 丁亚林, 许永森, 姚园, 王浩. 基于地理位置信息的图像配准方法及精度分析[J]. 光学学报, 2017, 37(8): 0828001. Chuan Qiao, Yalin Ding, Yongsen Xu, Yuan Yao, Hao Wang. Image Registration Method Based on Geo-Location Information and Precision Analysis[J]. Acta Optica Sinica, 2017, 37(8): 0828001.