丁 璐，童曉沖，秦志遠，賴廣陵

1. 信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450001； 2. 河南省城建學(xué)院，河南 平頂山 467036

靜止軌道遙感衛(wèi)星與地球處于相對靜止?fàn)顟B(tài)，可以實現(xiàn)對地面目標的持續(xù)觀測，同時具備動態(tài)目標探測能力和動態(tài)目標指示潛力，特別是近年來三軸穩(wěn)定型靜止軌道遙感衛(wèi)星的發(fā)展，對進一步提升靜止軌道上持續(xù)觀測的時間和空間分辨率都具有重要的意義[1-4]。當(dāng)前，靜止軌道遙感衛(wèi)星已經(jīng)成為國家的基礎(chǔ)性、戰(zhàn)略性資源，美、歐、日、印、韓等國均投入了大量資源進行研發(fā)。美國、日本于2016年11月分別將新一代三軸穩(wěn)定的靜止軌道氣象衛(wèi)星GOES-R[5]和“葵花9號”[6]發(fā)射升空；我國于2015年12月和2016年12月分別發(fā)射了具有自主產(chǎn)權(quán)的三軸穩(wěn)定型靜止軌道遙感衛(wèi)星“高分四號”[7]和“風(fēng)云四號”氣象衛(wèi)星[8]；歐洲下一代地球靜止軌道氣象衛(wèi)星MTG-I系列成像衛(wèi)星01星計劃于2021年發(fā)射升空[9]；印度也于2016年9月發(fā)射了一顆先進的氣象衛(wèi)星INSAT-3DR[10]。

遙感衛(wèi)星在軌運行時，受到內(nèi)部系統(tǒng)和外部環(huán)境因素的影響，會導(dǎo)致遙感儀器掃描鏡指向發(fā)生變化，使遙感圖像產(chǎn)生幾何失真，即指向偏差[11-13]。靜止軌道遙感衛(wèi)星屬于高軌衛(wèi)星，運行在距離地球3.6萬千米的地球靜止軌道上，衛(wèi)星的微小偏差在地面上會產(chǎn)生較大的地面誤差[14]，該問題成為所有靜止軌道遙感衛(wèi)星不可規(guī)避的問題[15]。為保證觀測結(jié)果的準確性和可靠性，需要對衛(wèi)星的指向偏差進行修正。目前，國內(nèi)外多采用地標匹配的方法來獲取地標偏移量，并由地標偏移量確定導(dǎo)航調(diào)整量，以實現(xiàn)對遙感衛(wèi)星姿態(tài)的糾正[16-20]。其中存在的問題在于現(xiàn)有的算法大多針對的是自旋穩(wěn)定式靜止軌道遙感衛(wèi)星和極軌衛(wèi)星獲取的數(shù)據(jù)，這些數(shù)據(jù)的空間分辨率普遍偏低，只能得到像元級的匹配結(jié)果，適用于整體剛性圖像的指向計算，其粗差剔除方法僅針對誤差分布均勻的情況，而且上述兩類衛(wèi)星均不受熱形變的影響，不需要每次都進行指向計算，只需要在間隔較長的時間進行一個系統(tǒng)差計算即可。而最近一兩年發(fā)射的三軸穩(wěn)定型高分辨率靜止軌道遙感衛(wèi)星對于地標匹配能力提出了更高的要求，一方面要求地標匹配能夠精度更高，穩(wěn)健性更強；另一方面為了達到更高定位精度，還需要具備局部剛性圖像的指向計算能力，特別是掃描成像的地球圓盤數(shù)據(jù)。除此之外，靜止軌道遙感衛(wèi)星在拍攝地球圓盤的過程中，由于不同圓盤區(qū)域受到云層、光照或者地標位置區(qū)影像特征、地標本身幾何形態(tài)等問題的影響，導(dǎo)致不同地標會產(chǎn)生匹配質(zhì)量的差異，如果直接使用這些地標匹配結(jié)果，將會給指向計算帶來較大的偏差，因此需要在指向偏差計算中考慮觀測量的粗差剔除、不等權(quán)處理等問題，保證算法的穩(wěn)健性，使其能夠適應(yīng)一天內(nèi)多種類型成像條件下的圖像計算問題。本文圍繞三軸穩(wěn)定型靜止軌道遙感衛(wèi)星拍攝地球圓盤時的指向確定，針對現(xiàn)有方法存在的問題以及新型傳感器的成像特點，提出了一套基于地標匹配的指向計算方法，并已經(jīng)在我國相關(guān)衛(wèi)星數(shù)據(jù)的在線處理中得到應(yīng)用。

1 靜止軌道遙感衛(wèi)星指向確定的地標匹配方法

1.1 基本思路

實現(xiàn)三軸穩(wěn)定型靜止軌道遙感衛(wèi)星的指向偏差計算，主要是利用地球表面固定、明顯的地標進行匹配，由于靜止軌道遙感衛(wèi)星的分辨率普遍在百米量級(例如：美國GOES-R最高分辨率為星下點500 m[5])，而一般性的地標物中，能較均勻地覆蓋整個地球圓盤并且能夠被大多數(shù)可見光、紅外波段觀測到的地標物只有海陸分界線，因此靜止軌道遙感圖像的地標參照應(yīng)選擇地球圓盤上相對固定的海陸分界線上的特征區(qū)域。結(jié)合以上分析，靜止軌道遙感衛(wèi)星指向確定的地標匹配方法主要包括：數(shù)據(jù)準備、地標匹配及指向計算3個部分。具體為：

(1) 數(shù)據(jù)準備：按照靜止軌道遙感衛(wèi)星成像方式的不同，制作與成像方式類似的地標模板數(shù)據(jù)，其中涉及地標數(shù)據(jù)的選擇、成像投影網(wǎng)格的計算、地標數(shù)據(jù)的投影與重采樣、根據(jù)地標形態(tài)和分布形成地標特征區(qū)域和地標庫。

(2) 地標匹配：根據(jù)實時獲取的靜止軌道遙感數(shù)據(jù)，對整個圓盤區(qū)域分布的地標特征區(qū)域進行云篩選，選擇無云或者少云的區(qū)域作為待匹配區(qū)，利用海陸模板形成的地標區(qū)域和遙感圖像處理后得到的邊界信息進行匹配處理，選取合適的整體特征(梯度和)完成粗匹配，并得到像平面的幾何變形參數(shù)，在此基礎(chǔ)上，針對局部特征點的復(fù)合特征(灰度相關(guān)、形態(tài)相關(guān)、矩相關(guān))完成最小二乘精匹配。

(3) 指向計算：將地標匹配的結(jié)果用于指向偏差角的計算，利用粗差剔除和抗差估計的方法，得到指向角計算結(jié)果，并針對晝夜各半的特殊圓盤數(shù)據(jù)進行多波段合成處理等工作。

總體技術(shù)路線如圖1所示。

1.2 地標數(shù)據(jù)準備

按照三軸穩(wěn)定型靜止軌道遙感衛(wèi)星的成像規(guī)律，拍攝地球表面的區(qū)域數(shù)據(jù)主要有兩種方式：一是畫幅式成像，即采用面陣CCD對某區(qū)域進行一次性成像，這種情況往往面陣較大，成像投影方式采用的是面陣中心投影的方法，例如高分四號的對地成像[4，21]；二是掃描鏡成像，為了快速獲取大面積的遙感數(shù)據(jù)，特別是地球完整圓盤數(shù)據(jù)，常采用線陣掃描成像方式，利用東西、南北兩個方向的快速掃描與步進完成大幅面區(qū)域的覆蓋[22]，這種成像方式常采用的是規(guī)范化地球靜止投影(normalized geostationary projection，NGP)[23]。因此，在地標數(shù)據(jù)準備的第1步，需要根據(jù)衛(wèi)星的成像特點，選擇恰當(dāng)?shù)耐队胺绞?，并在特定的投影方式下，形成作為參考基準的標稱網(wǎng)格數(shù)據(jù)。

圖1 總體技術(shù)路線流程Fig.1 Flowchart on general technical roadmap

第2步，根據(jù)矢量的海陸邊界數(shù)據(jù)，結(jié)合成像投影，生成柵格化的海陸邊界掩碼數(shù)據(jù)。海陸掩碼需要結(jié)合全球海岸線矢量數(shù)據(jù)和標稱網(wǎng)格數(shù)據(jù)計算獲得。其基本流程如圖2所示。

圖2 海陸掩碼文件生成流程Fig.2 Flowchart on the generation of sea-land mask file

第3步，建立地標數(shù)據(jù)集。自動由海陸邊界模板生成地標控制點，以地標控制點為中心的一定大小的區(qū)域就是地標，所有地標構(gòu)成地標數(shù)據(jù)集。該部分的技術(shù)難點在于地標控制點檢測算法以及地標的分布等問題。檢測海陸邊界模板中的地標控制點，地標控制點一般選取海陸邊界上的角點、“檢”型連接點或者其他高曲率點。

1.3 圖像地標匹配

本節(jié)重點討論圖像與地標的匹配問題，具體的步驟如下。

1.3.1 匹配范圍的確定

首先是匹配初值的問題，目前三軸穩(wěn)定型靜止軌道遙感衛(wèi)星，利用星上傳感器測量數(shù)據(jù)進行直接定位會帶來大約數(shù)十公里的偏差，也就是說，折算成特定分辨率的圖像(以500 m分辨率為例)，通過定位計算得到的圖像上像素的幾何位置與該像素的理想幾何位置(標稱網(wǎng)格位置)之間會有十幾個到幾十個像元的差異，那么可以以該誤差的上限作為匹配初值，設(shè)定搜索的半徑R。

1.3.2 對待匹配區(qū)域進行云判處理

衛(wèi)星觀測的遙感數(shù)據(jù)中有大量的云覆蓋于地表信息之上，對后續(xù)的海陸邊緣檢測及地標匹配帶來影響，因此必須進行云檢測，對云覆蓋區(qū)域不進行地標匹配處理。在處理過程中，引入了最小交叉熵的概念，采用基于最小交叉熵的云區(qū)域檢測方法[24]，獲取一幅二值的云掩膜圖像M(x,y)。

1.3.3 圖像的粗匹配與變形參數(shù)解算

在靜止軌道遙感數(shù)據(jù)和地標的匹配過程中，由于圖像和地標數(shù)據(jù)一個是灰度圖，一個是黑白柵格圖，二者的相似度較低，直接進行灰度特征相關(guān)很難達到可靠的相關(guān)結(jié)果，因此需要尋找其他的測度。對于地標數(shù)據(jù)，圖像上與其最相似的實際上就是灰度的梯度信息，也就是圖像上的邊界。

需要說明的是，靜止軌道遙感圖像f(x,y)常見的方式是采用單中心小面陣拼接的方式，使用局部較大區(qū)域進行匹配存在幾何上的形變，該形變直接影響匹配的精度與可靠性。另外，即使在地標數(shù)據(jù)和圖像數(shù)據(jù)保持同樣投影的過程中，仍然存在較小的空間幾何變換關(guān)系導(dǎo)致差異的產(chǎn)生，因此在匹配的過程中需要同步解算像面幾何形變與空間的變換，才能使地標和圖像可靠地匹配上。在匹配測度上，采用梯度信息最大為目標，與大部分匹配以圖像與基礎(chǔ)，地標為目標進行匹配相反，該方法以地標D(x,y)為基礎(chǔ)，圖像為目標進行匹配，其根本原因是最終需要在圖像上形成梯度。該方法的步驟包括：

(1)

需要說明的是，(i′,j′)如果對應(yīng)的圖像是有云區(qū)域，需要使用云掩膜M(x,y)處理，D對應(yīng)的區(qū)域是選擇的待匹配無云地標區(qū)域的全集。

(2) 給出幾何變換F的變換形式。由于該問題是以地標D(x，y)為基礎(chǔ)，圖像為目標的匹配，因此可以建立一個虛擬成像的幾何過程，即從地標格網(wǎng)到真實圖像的虛擬投影。下面給出的是基本思路：

糾正后格網(wǎng)坐標通過若干次旋轉(zhuǎn)后，綜合旋轉(zhuǎn)矩陣是R，由式(2)

(2)

得到真實像空間坐標系下的坐標。其中，綜合旋轉(zhuǎn)矩陣R是遙感圖像定位過程中，從真實像空間到衛(wèi)星本體坐標系綜合旋轉(zhuǎn)矩陣R′的逆矩陣(R′)-1，在每次成像過程中是已知量。

(3)

(3) 對式(1)進行優(yōu)化，采用LM算法(Levenberg-Marquard)[25]進行最大值的求解與計算，求解參數(shù)[αβγa0a1a2a3a4a5b0b1

b2b3b4b5]′(共15個參數(shù))和綜合旋轉(zhuǎn)矩陣R。其中，初值α0=β0=γ0=0，[a0a1a2a3a4a5

b0b1b2b3b4b5]′=[0 1 0 0 0 0 0 0 0 1 0

0 0]′。

該過程的核心是計算待求解變量的偏導(dǎo)數(shù)問題，首先需要將[x′y′]T與[XYZ]T建立等式關(guān)系，由式(3)得到式(4)

(4)

式中，D′(·)運算表示從真實的像空間坐標系到真實像平面坐標系的轉(zhuǎn)換，再對式(4)進行線性化，過程略。利用LM算法進行迭代優(yōu)化，其中初值

α0=β0=γ0=0

[a0a1a2a3a4a5b0b1b2b3b4b5]′=

[0 1 0 0 0 0 0 0 1 0 0 0]′

(4) 根據(jù)整體匹配的結(jié)果以及計算出的幾何變換參數(shù)，將每一個地標的網(wǎng)格坐標(x,y)代入式(3)可以得到對應(yīng)的圖像坐標(i′,i′)，形成粗匹配的匹配對。

1.3.4 遙感圖像邊界提取與精匹配

遙感圖像中存在各種地物的紋理特征，邊界特征不明顯，無法直接與地標模板進行直接匹配，因此，需要對遙感圖像進行邊緣提取。對灰度圖像的邊緣提取較常采用梯度算子，運算效率高且適用于全圓盤大范圍的遙感圖像，但梯度算子容易出現(xiàn)漏檢邊緣，即間斷的地方。還有方法采用邊界跟蹤來提取邊緣，但得到的邊界點就會在角點附近出現(xiàn)大段缺失，因而丟失許多有用的邊界信息[26]。結(jié)合兩種方法，研究中采用圖像相加的方式，將兩種方法處理得到的邊界圖進行疊加，從而得到一幅效果更加良好的邊界圖。

在邊界圖像和粗匹配的基礎(chǔ)上，本文設(shè)計了遙感圖像與地標的精匹配方法，精匹配的思路采用最小二乘匹配，以梯度與海陸地標相似性及梯度方向的相關(guān)性作為匹配測度。下面給出精確匹配的步驟：

(1) 針對選擇的多塊地標特征區(qū)域的海陸掩碼圖像，采用高斯模糊的方式，將海陸掩碼的0-1圖像進行模糊處理，得到0～1之間的浮點數(shù)組成的浮點矩陣。

該步驟是最小二乘方法精匹配能夠收斂的關(guān)鍵性問題之一，因為海陸掩碼圖像本身是0-1圖像，像素之間的數(shù)值并不連續(xù)，而遙感圖像梯度所形成的圖像是連續(xù)變化的，兩者進行相關(guān)得到的相關(guān)系數(shù)也是一個不連續(xù)的曲面，而最小二乘圖像相關(guān)的關(guān)鍵是相關(guān)函數(shù)是連續(xù)的，不連續(xù)的相關(guān)函數(shù)將直接影響到最小二乘算法的收斂程度。采用高斯模糊的方式將0-1圖像轉(zhuǎn)變成相對連續(xù)的浮點圖像，可以保證相關(guān)函數(shù)的連續(xù)性，使得最小二乘精匹配可以收斂。

(2) 由于遙感圖像在作邊緣檢測的過程中，容易受到各種噪聲和地物變化的影響，采用單一的測度存在可靠性較低的情況，因此為了增加匹配的可靠性，本項研究引入了多重判據(jù)匹配的思路，其目的是希望利用多個測度得到一致性的結(jié)果，這樣匹配結(jié)果的可靠性大大增強。除了灰度相關(guān)系數(shù)(適合圖像灰度分布特征)匹配方法外，此處還引入Zernike矩差異測度[27](適合圖像統(tǒng)計的匹配測度)和誤差橢圓之差[28](適合形態(tài)的匹配測度)作為匹配測度，其目的是由于這種測度與相關(guān)系數(shù)測度有所不同，并且地標特征點與邊緣圖像點的誤差橢圓應(yīng)該是接近的，因此選擇這3種測度作為匹配測度。

考慮到相關(guān)系數(shù)測度的優(yōu)良特性，本文將其作為主要的測度，其他兩個測度作為一種有力的補充，在相關(guān)系數(shù)測度得到的結(jié)果可靠性不高的情況下尋找更為可靠的結(jié)果。相關(guān)系數(shù)測度結(jié)果的可靠性依據(jù)相關(guān)系數(shù)值來確定，需要給定相關(guān)系數(shù)一個最大閾值Tmax和一個最小閾值Tmin，對任意點的匹配過程如下：

步驟1：在給定大小窗口下計算相關(guān)系數(shù)γ；

步驟2：對γ進行判斷，若γ≥Tmax，則認為匹配結(jié)果可靠，接受該結(jié)果；若γ≤Tmin，則認為匹配結(jié)果錯誤，將其舍棄；若Tmin<γ

步驟3：加入Zernike矩差異與誤差橢圓之差兩個測度，并將三者的結(jié)果進行比較，如果三者結(jié)果一致，則接受它；如果三者結(jié)果不一致，則逐漸擴大目標窗口并重復(fù)步驟1—步驟3；

步驟4：如果到目標窗口擴大終止仍得不到可接受的結(jié)果，則將其標示為可疑點，進入下一步的匹配。

設(shè)計這樣的匹配過程，是因為采用多重判據(jù)匹配會帶來時間的消耗，而對于那些相關(guān)系數(shù)較大或較小的點，無需進一步判斷和計算，僅需要對那些相關(guān)系數(shù)處于中間的點進行多重判據(jù)匹配，這樣在提高匹配成功率的基礎(chǔ)上有效地控制了計算效率。

1.4 指向偏差計算方法

經(jīng)過上述地標匹配工作，將得到一系列均勻分布在圖像上的地標匹配點對，使用這些點對可以直接解算光軸的指向偏差。文獻[17]中給出了風(fēng)云二號衛(wèi)星的指向計算方法，在上一代自旋穩(wěn)定的平臺上，對地指向精度較高，利用地標指向修正并不是一項經(jīng)常性的工作，常采用人工檢查地標匹配點后再計算。而新一代三軸穩(wěn)定的靜止遙感衛(wèi)星由于指向精度受到更多因素影響[29]，這項處理變得更加頻繁。由于靜止軌道遙感圖像的匹配本質(zhì)上是圖像與矢量邊界的匹配，受到圖像中線狀地物的影響較大，特別是受到復(fù)雜的云跡、薄云等現(xiàn)象的影響，而這些云極難被云檢測算法準確定位，因此地標匹配很難保證嚴格的準確性。另外，由于圖像和地標格網(wǎng)本身并不是簡單的平移旋轉(zhuǎn)關(guān)系，還存在空間的變換，因此直接使用簡單的地標偏差統(tǒng)計方法進行剔除(例如2σ的方式)很難得到理想的效果。

本文工作的試驗表明，由于地標匹配精度受圖像中復(fù)雜云場景的變化影響，無法做到一天內(nèi)每次觀察都能穩(wěn)定給出高質(zhì)量的匹配結(jié)果，可能出現(xiàn)許多不同等級誤差的匹配點，而圖像匹配中常使用的RANSAC方法[30]剔除匹配誤差的方式，在直接使用效果并不理想。為了得到穩(wěn)健的指向偏差計算方法，本文結(jié)合RANSAC方法、抗差估計[31]與擬合外推方法，設(shè)計了下面的思路：

(5)

(2) 使用Ransac算法對匹配點對的粗差進行第1次剔除，其中約束的幾何模式采用式(5)的方程。根據(jù)幾何關(guān)系與試驗給出設(shè)定參數(shù)：適用于模型的最小數(shù)據(jù)集數(shù)據(jù)個數(shù)為4個，判定新的數(shù)據(jù)是否適用于數(shù)據(jù)集模型的標準是代入后偏差(均方差)小于數(shù)據(jù)集殘差的2倍(2σ)，新的數(shù)據(jù)適用于數(shù)據(jù)集模型的數(shù)據(jù)數(shù)目占總匹配數(shù)目的60%，迭代次數(shù)設(shè)定為100次。

(3) 由于海陸模板與靜止軌道圖像匹配的復(fù)雜性，會出現(xiàn)許多不同等級誤差的匹配點，針對該問題本文在第2層次誤差處理的過程中，采用將粗差歸入隨機模型的粗差定位法[32](基于選權(quán)迭代的抗差估計方法)，試驗表明，使用IGGIII方案[33-35]給出的等價權(quán)函數(shù)，如式(6)，可以達到較好的粗差剔除效果

(6)

(4) 第3層次的工作是為了保證長時間多次指向計算的結(jié)果的穩(wěn)定，避免出現(xiàn)由于地標匹配誤差而導(dǎo)致的指向計算不穩(wěn)定的現(xiàn)象。在該過程中，考慮到指向偏差變化與軌道位置、溫差變化的物理因素相關(guān)，變化本身具有一定周期特性，因此采用Fourior擬合的方式對指向偏差角的三軸(α，β，γ)分別進行擬合處理，擬合的數(shù)據(jù)來自本次解算之前的若干次數(shù)據(jù)，然后外推本次的三軸，再與直接解算的結(jié)果進行對比，設(shè)置一定閾值，大于閾值范圍認為本次計算失敗，反之則成功，并將本次解算三軸的結(jié)果存入數(shù)據(jù)庫中，為下一次解算結(jié)果的驗證提供依據(jù)。

在實現(xiàn)中，以軌道周期(24H)為基頻，進行1、2、4、8、16、32倍頻共6階傅里葉函數(shù)的擬合，如式(7)，其中共需要解算a0—a6，b1—b6，c0—c6，d1—d6，e0—e6，f1—f6，ω共40個參數(shù)，因此至少需要之前14次觀測的結(jié)果，才能擬合外推本次的結(jié)果。方程式(7)是非線性的方程，本文采用LM算法進行優(yōu)化，得到擬合參數(shù)

(7)

2 試驗與分析

試驗以某靜止軌道遙感衛(wèi)星數(shù)據(jù)為例來驗證算法。試驗選擇該衛(wèi)星多波段掃描輻射計獲取的第2波段(500 m分辨率，550 nm波段)數(shù)據(jù)進行試驗處理，選擇某日4幅不同時段(UTC時間)的全圓盤成像數(shù)據(jù)為例，如圖3所示。

圖3 一天內(nèi)不同時段的全圓盤數(shù)據(jù)(UTC時間)Fig.3 Full-disc data in different time periods within one day (UTC)

主要完成下面兩個方面的試驗：

(1) 標稱數(shù)據(jù)及標稱模板生成：針對該衛(wèi)星多波段掃描輻射計的成像掃描方式和定點位置，生成全球標稱格網(wǎng)數(shù)據(jù)，利用全球海陸矢量邊界數(shù)據(jù)，生成地標模板數(shù)據(jù)。

(2) 地標匹配與指向計算：通過獲取的4幅全圓盤數(shù)據(jù)，開展地標匹配試驗，并利用地標匹配結(jié)果解算指向偏差，最后利用解算后的指向偏差，對影像進行重新糾正并重采，檢查與標準地標數(shù)據(jù)的偏差。

2.1 標稱數(shù)據(jù)及標稱模板生成

試驗采用適合于該型衛(wèi)星成像規(guī)律的標稱格網(wǎng)數(shù)據(jù)(NPG投影的一種)，其成像規(guī)律是利用南北、東西兩個方向的掃描鏡的機械掃描來實現(xiàn)地面區(qū)域的覆蓋，而標稱格網(wǎng)的計算核心是其入射光線的計算，式(8)給出了入射光線的形式

(8)

式中，α是南北鏡轉(zhuǎn)角；β是東西鏡轉(zhuǎn)角。

以衛(wèi)星定點位置104.7°E為例，結(jié)合式(8)的光線方程，形成標稱格網(wǎng)的數(shù)據(jù)(格網(wǎng)點對應(yīng)的地面點大地坐標)，其經(jīng)緯度范圍為：緯度-81.253 585°S—81.253 585°N，經(jīng)度23.421 845°E—174.021 845°W，尺寸21 984×21 984(500 m分辨率)，該格網(wǎng)為地標模板生成提供空間參考基礎(chǔ)。

試驗中所用的矢量海岸線數(shù)據(jù)是GSHHG數(shù)據(jù)(Version 2.3.1，2014)，GSHHG數(shù)據(jù)包括世界海岸線、河流、湖泊、島嶼、冰凍圈等水文要素內(nèi)容[36]。GSHHG數(shù)據(jù)坐標系為WGS-84坐標系，矢量節(jié)點的坐標為大地經(jīng)緯度坐標，數(shù)據(jù)包括5種精度的數(shù)據(jù)，分別以f、h、i、l、c表示，其含義為：全分辨率(full resolution)、高分辨率(high resolution)、中分辨率(intermediate resolution)、低分辨率(low resolution)、粗分辨率(rude resolution)。

在數(shù)據(jù)相關(guān)說明中并沒有對具體5種數(shù)據(jù)的具體比例尺及精度進行說明，以該衛(wèi)星的多波段掃描輻射計為例，其中包括：500 m、1 km、2 km、4 km 4種不同的分辨率，在生成標稱格網(wǎng)時，同時也生成對應(yīng)4種分辨率的格網(wǎng)。對不同分辨率標稱格網(wǎng)對應(yīng)的海陸邊界模板采用不同精度的矢量海岸線數(shù)據(jù)，其中500 m、1000 m分辨率的海陸邊界用f精度數(shù)據(jù)，2000 m分辨率的海陸邊界采用h精度數(shù)據(jù)，4000 m、8000 m分辨率的海陸邊界采用i精度數(shù)據(jù)。同時各精度數(shù)據(jù)只應(yīng)用觀測范圍內(nèi)幾大洲的海岸線，以及面積較大的湖泊、島嶼的數(shù)據(jù)用于地標生成。圖4是通過重采樣方法計算的不同分辨率標稱格網(wǎng)下的海陸掩碼圖像數(shù)據(jù)，這些數(shù)據(jù)是地標匹配的數(shù)據(jù)基礎(chǔ)。圖5是500 m標稱格海陸掩碼圖像上的特征提取結(jié)果(“+”)，并根據(jù)全圓盤范圍內(nèi)的海岸線分布以及常年的云層分布特點，形成了全球多塊不同的地標區(qū)域。

2.2 地標匹配與指向計算

采用地標匹配的方法，進行靜止軌道遙感數(shù)據(jù)與地標區(qū)域的匹配，得到相關(guān)的匹配結(jié)果。以圖3(c)中的數(shù)據(jù)為例，主要經(jīng)過下面幾個步驟：

(1) 圖像的粗匹配與變形參數(shù)解算。進行圖像按區(qū)域的整體匹配與變形參數(shù)解算，得到圖6的結(jié)果，其中圖6(a)中是不解算變形參數(shù)，直接按照式(1)進行匹配的結(jié)果，可以發(fā)現(xiàn)圖中下半部分的海陸邊界基本匹配較好，但是“○”標注的湖泊，發(fā)生了偏差；(b)中是匹配過程中，直接解算變形參數(shù)的方式，可以發(fā)現(xiàn)無論是下半部海陸邊界還是湖泊，都匹配得很好。

圖4 不同分辨率標稱格數(shù)據(jù)形成的海陸掩碼圖像Fig.4 Sea-land mask images based on the nominal grid with a varying resolution

圖5 500 m標稱格海陸掩碼圖像上的特征提取結(jié)果與地標區(qū)分布Fig.5 Results of characteristic extraction and distribution of landmark regions in the sea-land mask image based on the nominal grid with the resolution of 500 m

圖6 圖像的粗匹配與變形參數(shù)解算過程中的對比(局部：青藏高原)Fig.6 Rough image matching and comparison in the calculation of deformation parameters (local：tibet plateau)

在粗匹配的基礎(chǔ)上，完成了地標精確匹配的過程，精匹配是按照圖5(b)的全球地標區(qū)域進行匹配的，全球范圍內(nèi)共18塊區(qū)域，圖7是其中兩塊區(qū)域的精確匹配的結(jié)果。

圖8是局部區(qū)域利用地標糾正指向后的圖像結(jié)果與糾正前的圖像定位結(jié)果的對比；圖9是一天內(nèi)不同時次(橫坐標是UTC時間)圖像(78次)利用地標進行糾正后再進行檢測的結(jié)果，一天內(nèi)有78次數(shù)據(jù)觀測任務(wù)，每次都需要批量進行地標處理與糾正，由于數(shù)據(jù)變化的周期是以天為單位進行變化的，因此分析一天內(nèi)的糾正情況是合理的，統(tǒng)計的內(nèi)容包括不同時次的平均偏差和最大偏差(每一個時次觀測圖像都會有若干個地標匹配點對)，其中一天內(nèi)平均偏差的均值：X方向0.690 325 874像元，Y方向0.677 241 358個像元；一天內(nèi)最大偏差的均值X方向3.395 537 354個像元，Y方向2.626 338 072個像元；圖10是一天內(nèi)利用地標進行圖像糾正得到的指向偏差的統(tǒng)計分析結(jié)果，是在圖9的基礎(chǔ)上，對所有任務(wù)中，每次任務(wù)所有地標點檢測偏差均值的直方圖(X/Y方向)和偏差最大值的直方圖(X/Y方向)。

需要說明的是，圖8(a)和(b)是沒有經(jīng)過地標指向糾正的原始圖像，通過地標匹配(1.3.3節(jié)、1.3.4節(jié))，并經(jīng)過選權(quán)迭代的指向偏差計算(1.4節(jié))，一方面對匹配地標的進行粗差剔除，另一方面同步得到指向偏差的三軸關(guān)系(如式(5)中的指向偏差角(α,β,γ))；圖8(c)和(d)是在指向角的基礎(chǔ)上，再將圖像逐點按照指向角進行空間相似變換(利用式(5))，完成圖像的重采樣工作后，再與標準地標數(shù)據(jù)進行套合，得到的對比結(jié)果。另外，圖9中一天內(nèi)偏差的統(tǒng)計，是對每一次任務(wù)都完成上述的地標匹配與指向計算，形成外推模式(式(7))，每一次任務(wù)使用前面多次指向角擬合后外推的指向角再進行糾正，然后本次任務(wù)再進行本次地標匹配并得到本次指向角，加入到指向角序列中，為下一次任務(wù)外推服務(wù)，其中本次地標匹配的結(jié)果即為本次的偏差統(tǒng)計量，整個流程是一個完整迭代的過程。圖10展示的是偏差的分布情況，從中可以看出，一天內(nèi)的每一次任務(wù)的偏差均值/最大值基本呈現(xiàn)正態(tài)分布的特征，其中，均值表現(xiàn)出更好的正態(tài)特性，最大值相對更加發(fā)散，具體的統(tǒng)計值(均值/均方差)如圖10所示。

從上述試驗可以看出，本文提出的基于地標匹配的指向偏差計算方法，能夠較好地對靜止軌道遙感數(shù)據(jù)進行糾正，糾正后平均差異在0.6個像元左右，每次最大誤差平均在3個像元左右。通過對一天內(nèi)78次全球圓盤觀測的試驗結(jié)果進行分析發(fā)現(xiàn)，本文提出的算法能夠較穩(wěn)定地保證圖像的糾正精度，算法整體的穩(wěn)定度較好，但由于靜止軌道遙感數(shù)據(jù)的全圓盤圖像是采用拼圖方式完成，受到機械控制精度等各方面因素的影響，很難保證圖像內(nèi)部的嚴格幾何關(guān)系，因此在匹配過程中會出現(xiàn)全圖中不同區(qū)域受到同一組全局指向偏差糾正后，糾正的精度存在差異的情況；一天內(nèi)太陽光照變化也會給圖像匹配精度和指向偏差計算的效果帶來影響，這兩部分都將是后序工作需要繼續(xù)改進的內(nèi)容。

圖9 一天內(nèi)利用地標進行圖像糾正得到的指向偏差結(jié)果對比Fig.9 Comparison of pointing error results after image rectification through landmark matching within one day

圖10 一天內(nèi)利用地標進行圖像糾正得到的指向偏差的統(tǒng)計分析結(jié)果Fig.10 Pointing error statistical analysis results after image rectification through landmark matching within one day

3 結(jié) 論

本文圍繞三軸穩(wěn)定型靜止軌道遙感衛(wèi)星的指向偏差計算問題開展了研究，利用分布在地球表面的海陸邊界數(shù)據(jù)作為匹配模板與地標，研究了一套精度較高且能夠穩(wěn)健運行的地標匹配方法，重點突破了靜止地標數(shù)據(jù)的制作、圖像與地標的高精度匹配及基于粗差剔除的指向計算等方法。試驗表明，該方法在解決靜止軌道遙感圖像指向偏差方面具有較好效果，并已經(jīng)在我國相關(guān)衛(wèi)星數(shù)據(jù)的在線處理中得到應(yīng)用。該方法目前還存在不少問題，主要集中在圖像與地標匹配的效率上，目前的全圓盤地標匹配算法的效率在幾分鐘到十幾分鐘之間(業(yè)務(wù)系統(tǒng)中)，匹配精度的穩(wěn)定性還不能完全適應(yīng)全天24 h的各時段、各類型數(shù)據(jù)，仍然有待提升。下一步工作中，由于靜止軌道遙感衛(wèi)星的時間分辨率(從十幾分鐘變成幾分鐘)、空間分辨率(數(shù)百米變成數(shù)十米)越來越高，對地標匹配的效率也要求越來越高，需要進一步突破精度更高、更加穩(wěn)健、效率更快(準實時)的匹配與指向計算方法，且能夠適應(yīng)更加復(fù)雜的圖像場景。