紀(jì) 松，張永生，董 楊，范大昭

信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450001

利用智能遙感衛(wèi)星系統(tǒng)，通過星上自主處理與智能處理模式，在軌實現(xiàn)遙感衛(wèi)星地面系統(tǒng)的測繪處理功能，直接生成并分發(fā)用戶所需的測繪信息與產(chǎn)品，實現(xiàn)端到端(衛(wèi)星端與用戶端)的遙感衛(wèi)星測繪應(yīng)用，是衛(wèi)星遙感影像大眾化和實時化服務(wù)的重要發(fā)展方向[1]。

星上智能實時處理算法是智能遙感衛(wèi)星系統(tǒng)的重要組成部分，高精度在軌幾何定位則是其中的一項關(guān)鍵技術(shù)，直接決定遙感衛(wèi)星在軌測繪信息與產(chǎn)品的精度[2]。目前，國內(nèi)外高分辨率遙感衛(wèi)星通常采用幾何檢校技術(shù)，通過地面處理系統(tǒng)對衛(wèi)星傳感器參數(shù)進行周期性修正，提高衛(wèi)星影像的對地定位精度[3-5]。如果直接采用現(xiàn)有地面處理系統(tǒng)的幾何檢校模式，智能遙感衛(wèi)星系統(tǒng)需要增加地面處理環(huán)節(jié)，端到端測繪應(yīng)用與服務(wù)的時效性則大幅降低。因此，將地面處理系統(tǒng)的幾何處理模式和功能轉(zhuǎn)移到星上，利用衛(wèi)星星上處理器，在軌實現(xiàn)影像高精度在軌幾何定位及其處理，是衛(wèi)星遙感影像端到端測繪應(yīng)用的重要途徑。

在軌實現(xiàn)地面處理系統(tǒng)的幾何定位及其處理功能有兩種模式[6]：①星地聯(lián)合模式，即利用地面處理系統(tǒng)，進行周期性幾何檢校，將幾何檢校參數(shù)通過星地傳輸鏈路發(fā)送至衛(wèi)星，在軌實現(xiàn)衛(wèi)星星上定位精度的提升和高精度幾何產(chǎn)品的制作；②星上在軌模式，即在星上加載基礎(chǔ)數(shù)據(jù)，直接在星上進行周期性幾何檢校，并利用基礎(chǔ)數(shù)據(jù)輔助星上高精度幾何處理，達到星上高精度定位和幾何產(chǎn)品制作目的。由于衛(wèi)星星上處理資源有限，衛(wèi)星傳感器幾何檢校模型復(fù)雜，且檢校過程中需要大量的地面控制信息，因此，星上在軌高精度幾何定位通常采用星地聯(lián)合模式[7-8]。

在衛(wèi)星星地聯(lián)合模式中，地面控制信息通常包括控制測量獲取的地面控制點、從地形圖或正射影像等數(shù)據(jù)獲取的圖形圖像控制點[9]，這些數(shù)據(jù)獲取成本高且主要分布在我國境內(nèi)，無法滿足衛(wèi)星影像全球應(yīng)用與服務(wù)需求；利用全球范圍內(nèi)的高分辨率立體影像、公開坐標(biāo)信息、地形圖等數(shù)據(jù)，提取全球廣義控制點、影像控制點和地標(biāo)信息[10-11]，構(gòu)建全球地面控制點數(shù)據(jù)庫、數(shù)字定標(biāo)場、三維地標(biāo)數(shù)據(jù)庫[12-15]，并在全球公開地形數(shù)據(jù)的輔助下[16]，將控制信息從境內(nèi)擴展到境外，已逐漸成為衛(wèi)星影像境外高精度定標(biāo)定位與幾何處理的重要手段。

隨著星載處理器性能的不斷發(fā)展，以及全路由、可重構(gòu)、智能化的星上處理技術(shù)的突破，星上處理資源受限問題將逐步解決，復(fù)雜的遙感測繪處理流程也能夠在星上快速完成，星上在軌處理已經(jīng)成為重點發(fā)展技術(shù)[17-19]。此時，遙感影像幾何檢校、幾何糾正等技術(shù)方法將從星地聯(lián)合處理轉(zhuǎn)向星上在軌處理，且?guī)缀翁幚磉^程中所需的地面控制信息也需要從地面處理系統(tǒng)轉(zhuǎn)移至星上處理系統(tǒng)。然而，地面處理系統(tǒng)中的全球地面控制信息類型復(fù)雜、數(shù)據(jù)量大，且包含坐標(biāo)、影像、屬性、描述數(shù)據(jù)、元數(shù)據(jù)等信息，需要采用數(shù)據(jù)庫進行管理、操作和應(yīng)用[20]，直接加載至星上處理系統(tǒng)將造成星上控制數(shù)據(jù)冗余、檢索匹配和幾何處理效率低下。目前，國內(nèi)外僅有少量衛(wèi)星利用局部地區(qū)的星載控制信息，進行了星上幾何定位與糾正處理試驗[19-20]，全球范圍內(nèi)的星上處理應(yīng)用缺少星載全球控制信息支持。

因此，構(gòu)建全球控制信息并對其進行星載輕量化處理和在軌應(yīng)用，是更好地實現(xiàn)智能遙感衛(wèi)星系統(tǒng)星上處理的關(guān)鍵。本文針對智能遙感衛(wèi)星系統(tǒng)星上智能處理模式對地面控制信息的需求，給出一種基于高分辨率立體測繪衛(wèi)星影像的全球影像控制點數(shù)據(jù)獲取流程，同時針對星上在軌處理和應(yīng)用需要，提出一種星上控制點輕量化處理方法，進行全球影像控制點的簡化處理和高效率星上在軌應(yīng)用。

1 全球影像控制點數(shù)據(jù)獲取方法

影像控制點是指從影像上提取的特征明顯、位置精度高、穩(wěn)定性好、易于匹配的特征點，主要包括點位空間坐標(biāo)位置，以點位為中心的局部影像塊等，是一種特定類型的地面控制點[21]。與傳統(tǒng)意義上的地面控制點相比，影像控制點不需要通過實地量測獲取，獲取成本低、周期短，在一定程度上可以起到傳統(tǒng)地面控制點的作用[9]。但是，影像控制點的坐標(biāo)位置精度取決于原始影像的定位精度，即使在高分辨率航空航天立體影像上采集，其精度也低于量測獲取的地面控制點位置精度。因此，在我國境內(nèi)地區(qū)，影像控制點數(shù)據(jù)在衛(wèi)星影像高精度定位中較少使用。

為了提升智能遙感衛(wèi)星系統(tǒng)在境外地區(qū)的應(yīng)用性能，需要在星上加載全球范圍內(nèi)的地面控制數(shù)據(jù)，實現(xiàn)星上遙感影像高精度定位與處理。由于全球公開的高精度控制點數(shù)據(jù)較少，境外大部分地區(qū)沒有高精度控制點，且也無法通過實地量測獲取，可用于智能遙感衛(wèi)星的境外控制數(shù)據(jù)嚴(yán)重不足。此時，利用全球范圍內(nèi)的高分辨率立體遙感影像，從中自動提取具有較高精度的影像控制點，將提取處理后的影像控制點加載至衛(wèi)星星上存儲系統(tǒng)，是解決智能遙感衛(wèi)星系統(tǒng)全球范圍內(nèi)的地面控制數(shù)據(jù)缺乏問題的重要方法。

本文面向星上在軌處理過程中的全球影像控制點獲取需求，在稀少地面控制數(shù)據(jù)或者無地面控制數(shù)據(jù)條件下，采用國外高幾何定位精度立體衛(wèi)星影像或者公開DEM數(shù)據(jù)作為輔助，進行國產(chǎn)高分辨率立體測繪衛(wèi)星影像(如天繪一號、資源三號衛(wèi)星影像)區(qū)域網(wǎng)平差處理，并通過多類型影像特征點提取與立體交會，生成影像控制點，以滿足全球范圍內(nèi)影像控制點數(shù)據(jù)獲取需求，主要步驟如圖1所示。

圖1 星載輕量化全球影像控制點數(shù)據(jù)獲取方案Fig.1 Data acquisition scheme of spaceborne lightweight global image control points

(1)對國外高幾何定位精度立體衛(wèi)星影像進行多類型特征匹配(如尺度不變特征匹配[22])，獲取同名特征點，利用影像定位參數(shù)，計算特征點坐標(biāo)，以此作為控制數(shù)據(jù)；或者采用全球公開DEM數(shù)據(jù)，如航天飛機雷達地形測繪任務(wù)(shuttle radar topography mission,SRTM)數(shù)據(jù)、ALOS衛(wèi)星全球數(shù)字地表模型(ALOS world 3D-30 m,AW3D30)數(shù)據(jù)等[16]，根據(jù)目標(biāo)區(qū)地形情況，采用文獻[16]方法，選取適量地形點作為高程控制數(shù)據(jù)，提供高程控制約束。

(2)在控制數(shù)據(jù)輔助下，對國產(chǎn)高分辨率立體測繪衛(wèi)星影像進行連接點(通過高精度自動匹配或者人工刺點獲取的均勻分布的同名像點，并用作影像控制點)提取和區(qū)域網(wǎng)平差處理[23]，根據(jù)區(qū)域網(wǎng)平差結(jié)果，對衛(wèi)星影像定位參數(shù)進行修正，計算影像連接點的地面坐標(biāo)，并將影像連接點中心影像塊及其空間坐標(biāo)位置用作影像控制點。

(3)采用多類型特征匹配方法，進一步從國內(nèi)高分辨率立體測繪衛(wèi)星影像上獲取同名特征點；同時，根據(jù)區(qū)域網(wǎng)平差修正后的衛(wèi)星影像定位參數(shù)，計算同名特征點的地面坐標(biāo)，并將特征點中心影像塊及其空間坐標(biāo)位置用作影像控制點。

(4)將影像控制點、原始影像數(shù)據(jù)及其修正后的定位參數(shù)存儲至地面端數(shù)據(jù)庫(該數(shù)據(jù)庫在衛(wèi)星地面處理系統(tǒng)中建設(shè)，作為智能遙感衛(wèi)星系統(tǒng)地面配套設(shè)施)，并通過數(shù)據(jù)庫中影像控制點數(shù)據(jù)的更新和完善，逐步構(gòu)成地面端全球影像控制點數(shù)據(jù)庫。

(5)根據(jù)智能遙感衛(wèi)星系統(tǒng)星上處理需求，對地面端全球影像控制點數(shù)據(jù)庫中的數(shù)據(jù)進行輕量化處理，并將輕量化處理結(jié)果上注至星上存儲系統(tǒng)，實現(xiàn)星上全球影像控制點的在軌應(yīng)用。

國外高幾何定位精度立體衛(wèi)星影像價格較高且數(shù)據(jù)獲取手段有限，在此條件下，可以利用現(xiàn)有國外立體影像數(shù)據(jù)，對區(qū)域范圍內(nèi)的國產(chǎn)立體測繪衛(wèi)星影像進行區(qū)域網(wǎng)平差處理，生成高精度影像控制點；隨后利用這些影像控制點、公開DEM數(shù)據(jù)以及影像連接關(guān)系，對控制點區(qū)域范圍之外的國產(chǎn)立體測繪衛(wèi)星影像進行大范圍區(qū)域網(wǎng)平差處理，實現(xiàn)影像控制信息向無控制區(qū)域傳遞，更新和完善影像控制點數(shù)據(jù)庫，生成全球影像控制點數(shù)據(jù)。

在應(yīng)用性能方面，受限于原始立體影像數(shù)據(jù)的定位精度，本文方法提取的影像控制點位置精度通常為米級，主要用于非立體成像的目標(biāo)觀測類遙感衛(wèi)星(該類衛(wèi)星影像主要用于目標(biāo)成像、檢測與識別，對影像定位精度要求較低)的星上幾何檢校；高分辨率立體測繪衛(wèi)星(該類衛(wèi)星影像主要用于立體測圖，對影像定位精度要求較高)的星上幾何檢校需要厘米級精度控制點，通常不直接在星上進行幾何檢校處理，其星上定位精度則需要通過地面幾何檢校、檢校參數(shù)星上上注方式來提升。另外，本文方法提取的影像控制點是高分辨率立體測繪衛(wèi)星和目標(biāo)觀測類遙感衛(wèi)星影像在軌幾何糾正的重要控制資料，可用于衛(wèi)星影像數(shù)據(jù)的星上幾何糾正處理及其產(chǎn)品制作。

2 影像控制點輕量化處理方法

2.1 基于特征向量描述符的影像控制點輕量化處理

2.1.1 影像控制點輕量化模式

智能遙感衛(wèi)星在軌處理過程中，成像分辨率基本恒定，但是由于衛(wèi)星變軌、變焦、調(diào)姿等情況，衛(wèi)星影像的分辨率會發(fā)生變化，并且不同智能遙感衛(wèi)星的應(yīng)用需求有差異，衛(wèi)星影像分辨率之間具有一定的差異。為了確保不同類型智能遙感衛(wèi)星在軌高精度定位處理，星上影像控制點數(shù)據(jù)需要滿足不同分辨率影像與星上影像控制點的自動匹配需求，并在此條件下進行控制點的輕量化處理。

本文采用尺度不變特征變換(scale invariant feature transform,SIFT)方法，對影像控制點進行輕量化處理，主要優(yōu)勢在于：①SIFT特征對影像旋轉(zhuǎn)變換、尺度縮放保持完全不變性，并且對仿射變換也保持一定的不變性[24]，能夠較好地解決不同分辨率影像與影像控制點之間的在軌匹配要求；②SIFT特征描述符通常為歸一化后的128維特征向量，能夠?qū)⒒叶扔跋駭?shù)據(jù)表示的特征點表示成以特征向量描述的特征點，實現(xiàn)影像控制點的輕量化。

傳統(tǒng)地面影像控制點存儲模式為：像點坐標(biāo)、以點位為中心的局部影像(通常為1000×1000像素大小左右)、描述信息；在SIFT特征向量的支持下，地面影像控制點的輕量化模式可以表示為：像點坐標(biāo)、特征描述符、以點位為中心的局部影像(通常為50×50像素大小)、描述信息，見表1。由表1可知，影像控制點通過輕量化處理，在理想情況下，總空間大小由傳統(tǒng)模式下的1 000 020 Byte變換為輕量化模式下的3032 Byte，存儲空間壓縮329.82倍。

表1 單個影像控制點傳統(tǒng)模式與輕量化模式存儲空間對比Tab.1 Storage space comparison of traditional mode and lightweight mode of single image control point

由于分辨率差異和幾何變形，影像控制點自動匹配至衛(wèi)星影像的難度較大。因此，傳統(tǒng)模式的影像控制點采用了1000×1000像素大小的局部影像，通過灰度匹配和密集特征匹配方法，實現(xiàn)影像控制點向衛(wèi)星影像的準(zhǔn)確匹配映射。在輕量化模式下，本文將影像控制點1000×1000像素大小的局部影像表示為單個特征點的128維SIFT特征向量和50×50像素的局部影像塊，通過特征向量匹配與地理范圍約束下的灰度匹配相結(jié)合的方法，實現(xiàn)輕量化影像控制點與衛(wèi)星影像的高可靠自動匹配處理。

2.1.2 輕量化影像控制點存儲性能比較與分析

除了影像控制點之外，常用的控制數(shù)據(jù)還有量測獲取的地面控制點(通常以點之記文件表示)、數(shù)字正射影像(digital orthophoto map,DOM)及對應(yīng)區(qū)域DEM數(shù)據(jù)等。點之記文件記錄了控制點量測過程、地理位置、坐標(biāo)數(shù)據(jù)與精度等信息[10]，其地面控制點表示方式與本文的輕量化影像控制點表示方式差異較大，不適合直接進行數(shù)據(jù)量的比較；按照傳統(tǒng)影像控制點的表示方式，將點之記文件錄入控制點存儲系統(tǒng)，其數(shù)據(jù)量與輕量化后影像控制點數(shù)據(jù)量相比較，結(jié)果與表1一致。如果選用全球高精度DOM以及配套DEM作為控制數(shù)據(jù)(如30 m格網(wǎng)的全球SRTM及其DOM數(shù)據(jù))，其數(shù)據(jù)量遠(yuǎn)遠(yuǎn)超出了星上存儲能力，不適合比較該類型控制數(shù)據(jù)與輕量化影像控制點的存儲性能。

因此，在表示方式與存儲模式上，輕量化影像控制點與傳統(tǒng)影像控制點最為接近，將兩者的存儲性能進行比較，能夠更好地證明本文方法的作用和優(yōu)勢。

2.1.3 輕量化影像控制點星上匹配應(yīng)用策略

影像控制點輕量化處理之前，可采用信息熵、特征信息度量等方法[25-27]，對控制點穩(wěn)健性進行分析，保留特征明顯、季節(jié)性變化較小的自然地物或者人工地物點作為控制點，提升控制點的匹配可靠性；影像控制點輕量化處理并且上注衛(wèi)星之后，可根據(jù)衛(wèi)星影像定位參數(shù)和定位模型，預(yù)測控制點在衛(wèi)星影像上的點位坐標(biāo)，縮小控制點匹配范圍，進一步提升控制點的匹配可靠性。

在衛(wèi)星沿軌大傾角成像、垂軌側(cè)擺成像、傳感器畸變成像等條件下，控制點影像與衛(wèi)星影像之間具有較大的仿射變形，SIFT特征匹配容易失效。采用仿射SIFT算法(affine-SIFT,ASIFT)，能夠提升仿射變形影像的匹配可靠性[28]。由于ASIFT特征提取算法需要完成多張模擬圖像生成工作，計算復(fù)雜度是SIFT特征提取算法的180倍(在不采用優(yōu)化的條件下，等于13.52倍)[29]；在星上計算資源受限條件下，本文主要采用SIFT特征對影像控制點進行輕量化描述，以解決一般性星載影像控制點匹配問題。

2.2 基于哈希映射學(xué)習(xí)的影像控制點深度輕量化處理

2.2.1 哈希映射算法

哈希(Hash)是一種復(fù)雜映射，可以把任意長度的比特串映射到固定長度的串，即映射至哈希編碼[30]。在遙感影像處理過程中，哈希算法(Hash algorithm)具有將影像高維特征描述符映射至漢明空間，從而獲取區(qū)分性強的二進制哈希編碼的特點，在影像檢索中得到了廣泛應(yīng)用[31]。

本文根據(jù)哈希算法，利用哈希學(xué)習(xí)構(gòu)造的哈希函數(shù)，將影像控制點128維浮點型特征向量，映射為字符型特征向量，進一步降低特征向量的存儲空間，實現(xiàn)影像控制點的深度輕量化處理，其主要步驟為：①使用大量已匹配的特征點集，訓(xùn)練獲取哈希學(xué)習(xí)中的投影矩陣和閾值向量；②使用投影矩陣，進行特征向量映射處理；③采用閾值向量和符號函數(shù)，將映射數(shù)據(jù)轉(zhuǎn)化為二值編碼，實現(xiàn)特征向量哈希映射處理。

2.2.2 影像控制點特征向量描述符的哈希映射學(xué)習(xí)

針對影像控制點特征向量，給定n×1維浮點型特征描述符x，將其映射為m×1維字符型特征描述符y的過程如下

y=sign(Px+t)

(1)

式中，P為m×n維投影矩陣；t為m×1維閾值向量；sign(·)為符號函數(shù)(本文取符號0和1)。利用已知的同名特征點集，通過訓(xùn)練學(xué)習(xí)方式最小化損失函數(shù)，即可獲取P及t的值。定義損失函數(shù)L

L={dΗ(y,y+)|}={dΗ(sign(Px+t),

sign(Px++t))|}

(2)

為了對損失函數(shù)進行優(yōu)化，將字符型特征描述符之間的漢明距離表示為描述符向量的二范數(shù)的平方，即式(2)可等效為

L={‖sign(Px+t)-sign(Px++t)‖2|}

(3)

然而，由于字符型特征描述符y帶有符號函數(shù)不可微分，直接優(yōu)化L較為困難，因此可采用投影矩陣與閾值向量分步優(yōu)化的方式進行求解[32]，其主要思想是：①去掉sign(·)符號函數(shù)，即在y=Px+t浮點型條件下求解P；②根據(jù)求解得到的P值，在y=sign(Px+t)字符型條件下求t。

(1)投影矩陣P的求解。依據(jù)式(3)，在y=Px+t的浮點型條件下，將損失函數(shù)L轉(zhuǎn)換成Lmin

Lmin={‖(Px+t)-(Px++t)‖2|}=

(4)

根據(jù)向量二范數(shù)的特性，Lmin可以轉(zhuǎn)換為

Lmin={(P(x-x+))T(P(x-x+))|}

(5)

由于m×1維向量V具有性質(zhì)VTV=tr(VVT)(其中tr{·}為矩陣的跡)，式(5)可進一步轉(zhuǎn)換為

Lmin={tr((P(x-x+))(P(x-x+))T)|}=

tr{PΣPΤ}

(6)

式中，Σ={(x-x+)(x-x+)Τ|}為同名點描述符向量之差的協(xié)方差矩陣。

根據(jù)式(6)，求取損失函數(shù)L的最小值，則投影矩陣P可求解為矩陣Σ的前m個最小的特征向量，即

(7)

式中，λi和vi(i=1,2,…,m)分別表示矩陣Σ的特征值和特征向量。

(2)閾值向量t的求解。求得到投影矩陣P后，在y=sign(Px+t)的字符型條件下(即y是0和1字符型組成的向量)，y+與y之間的二范數(shù)平方距離可以采用異或方式來計算。為此，式(3)表示的損失函數(shù)可轉(zhuǎn)換為

Lmin={yTy+|}=

(8)

式中，pi為矩陣P中的第i行向量；ti為閾值向量t中的第i個數(shù)值變量。

依據(jù)式(8)，可將閾值向量t的求解轉(zhuǎn)換為每一獨立變量ti的一維閾值搜索問題。即在式(8)中，sign(pix+ti)與sign(pix++ti)越一致，代價函數(shù)Lmin的值越小。于是，式(8)的最小值問題可以轉(zhuǎn)換為閾值ti的假負(fù)率FNR(ti)判斷問題，即

FNR(ti)=Pr(pix+ti≤0&&pix′+ti>0|)+

Pr(pix+ti>0&&pix′+ti≤0|)

(9)

令h=-pix，h′=-pix′，則有

FNR(ti)=Pr(min{h,h′}

1-Pr(ti≤min{h,h′} ‖ max{h,h′}

cdf(min{h,h′}|)-cdf(max{h,h′}|)

(10)

式中，Pr(·)為概率函數(shù)；cdf(·)為累計分布函數(shù)。兩者可通過投影值h與h′的最小最大統(tǒng)計直方圖近似求得。

通過式(10)將損失函數(shù)轉(zhuǎn)換為FNR(ti)最小值問題，可逐步求解出閾值向量t。此外，在式(10)中，同名特征點集使得閾值向量t趨向兩級取值，為了對閾值向量進行約束，可使用非同名特征點集來計算FNR(ti)，將閾值向量t趨向中間取值，從而得到優(yōu)化后的閾值向量。

2.2.3 影像控制點的哈希輕量化映射流程與策略

影像控制點的哈希映射深度輕量化處理及星上匹配應(yīng)用過程為：①將影像控制點的特征點向量進行中心化處理，并將其轉(zhuǎn)換為特征矩陣形式，同時利用同名特征點集進行哈希學(xué)習(xí)，得到哈希函數(shù)；②將影像控制點的特征矩陣代入哈希函數(shù)，計算短二進制字符串哈希碼，構(gòu)成哈希映射后的影像控制點；③將輕量化影像控制點上注衛(wèi)星，采用哈希碼漢明距離作為匹配代價，進行星上影像控制點匹配，實現(xiàn)影像控制點的在軌應(yīng)用。

在衛(wèi)星發(fā)射之前，衛(wèi)星傳感器的成像參數(shù)已經(jīng)基本確定，地面系統(tǒng)可以根據(jù)地面分辨率、成像視角等參數(shù)，選用相似影像數(shù)據(jù)進行哈希學(xué)習(xí)，獲取適應(yīng)性較強的哈希函數(shù)；當(dāng)衛(wèi)星在軌運行之后，地面處理系統(tǒng)可以利用星上實際拍攝的影像數(shù)據(jù)進行哈希學(xué)習(xí)，得到優(yōu)化后的哈希函數(shù)，并通過星地鏈路上傳至衛(wèi)星，提升衛(wèi)星哈希映射學(xué)習(xí)的遷移性與參數(shù)的適用性。

由于影像控制點特征向量采用哈希碼表示并利用漢明距離作為匹配代價，對于屋角、道路線等相似類型的影像特征，哈希碼的匹配錯誤不可避免。因此，在哈希碼星上匹配過程中，同樣需要根據(jù)影像控制點的物方坐標(biāo)、衛(wèi)星影像嚴(yán)格成像模型和星上定位精度，進行匹配預(yù)測或者根據(jù)控制點局部影像的灰度相似性，解決哈希碼的匹配沖突，獲取準(zhǔn)確、可靠的影像控制點匹配結(jié)果。

3 試驗與分析

3.1 試驗數(shù)據(jù)

本文試驗采用了4套試驗數(shù)據(jù)：①Worldview衛(wèi)星獲取的美國華盛頓地區(qū)全色影像數(shù)據(jù)，獲取時間為2013年1月10日，包含兩張影像及其有理函數(shù)模型(RPC)定位參數(shù)，并構(gòu)成立體(重疊度95%以上)，影像的地面分辨率為0.45 m，數(shù)據(jù)的平面、高程直接定位精度評估約為3.0 m(影像數(shù)據(jù)附帶精度評估數(shù)值)；②資源三號衛(wèi)星獲取的美國華盛頓地區(qū)全色影像數(shù)據(jù)，獲取時間為2012年5月2日，包含三線陣立體影像及其RPC定位參數(shù)，影像分辨率為2.1 m(下視)和3.5 m(前視和后視)，影像中含有30%左右的云層覆蓋；③天繪一號衛(wèi)星獲取的美國華盛頓地區(qū)全色影像數(shù)據(jù)，獲取時間為2013年12月29日，包含三線陣立體影像及其RPC定位參數(shù)，影像分辨率為5.0 m；④美國華盛頓地區(qū)Google正射衛(wèi)星影像數(shù)據(jù)，影像下載時間為2020年5月，影像分辨率約為0.5 m。試驗數(shù)據(jù)中，Worldview衛(wèi)星影像與Google正射衛(wèi)影像覆蓋同一地面區(qū)域，且都對應(yīng)于資源三號與天繪一號衛(wèi)星影像的左下區(qū)域。

3.2 影像控制點獲取與輕量化處理試驗

從Worldview和資源三號試驗數(shù)據(jù)中選取24組同名像點(圖2)，將Worldview衛(wèi)星影像上的點位交會坐標(biāo)作為控制信息，對資源三號衛(wèi)星影像的直接對地定位精度(該定位精度為資源三號衛(wèi)星與Worldview衛(wèi)星影像數(shù)據(jù)的相對定位精度，非資源三號衛(wèi)星影像數(shù)據(jù)的絕對定位精度)進行評估；隨后，將Worldview衛(wèi)星影像作為基準(zhǔn)，與資源三號衛(wèi)星影像進行聯(lián)合區(qū)域網(wǎng)平差(基于RPC像方平移模型)，實現(xiàn)資源三號衛(wèi)星影像相對Worldview衛(wèi)星影像的相對定位精度提升，結(jié)果見表2。試驗結(jié)果表明：通過聯(lián)合區(qū)域網(wǎng)平差處理，高定位精度衛(wèi)星影像的幾何基準(zhǔn)能夠傳遞至低定位精度衛(wèi)星影像，實現(xiàn)低定位精度影像的定位參數(shù)優(yōu)化和定位能力提升，滿足更高定位精度的影像控制點獲取要求。

表2 資源三號衛(wèi)星影像在華盛頓地區(qū)的對地定位精度(相對于Worldview同地區(qū)影像)Tab.2 Positioning accuracy of ZY-3 image in Washington area (relative to the image of the same region in Worldview) m

圖2 Worldview與資源三號衛(wèi)星影像數(shù)據(jù)控制信息Fig.2 Control information of Worldview and ZY-3 satellite image data

采用SIFT特征點匹配以及隨機采樣一致性(random sample consensus,RANSAC)誤匹配剔除方法，分別對Worldview和資源三號衛(wèi)星影像數(shù)據(jù)進行特征點提取與匹配，并將特征點匹配結(jié)果作為影像控制點，進行影像控制點地理坐標(biāo)計算、局部窗口影像獲取、特征向量存儲等操作，實現(xiàn)影像控制點數(shù)據(jù)的獲取，影像控制點數(shù)量和點位分布如圖3所示，其中資源三號衛(wèi)星影像提取的影像控制點數(shù)量較少，主要原因在于影像成像質(zhì)量不高，有較高的云層覆蓋。

圖3 影像控制點分布與輕量化表示(美國華盛頓地區(qū))Fig.3 Distribution and lightweight representation of image control points (Washington,USA)

試驗中獲取的影像控制點數(shù)據(jù)、輕量化存儲空間見表3。采用特征影像、點位描述信息和點位特征向量來表示圖3中的影像控制點，每個影像控制點占用3032 Byte的存儲空間，與傳統(tǒng)影像控制點獲取與表示方式相比(采用1000×1000像素大小的局部影像和點位描述信息表示)，其輕量化壓縮效率達到329.82倍。

表3 影像控制點輕量化處理結(jié)果(美國華盛頓地區(qū))Tab.3 Lightweight processing results of image control points (Washington,USA)

3.3 影像控制點深度輕量化處理試驗

利用輕量化處理后的Worldview和資源三號衛(wèi)星影像及其控制點特征描述符集，根據(jù)本文給出的哈希映射學(xué)習(xí)方法，計算哈希映射投影矩陣P及閾值向量t(哈希映射學(xué)習(xí)過程通常在地面完成，通過星地鏈路上傳至衛(wèi)星，實現(xiàn)星上影像特征點的快速哈希映射處理)，結(jié)果如圖4所示。

圖4 哈希學(xué)習(xí)方法計算投影矩陣及閾值向量Fig.4 Projection matrix and threshold vector by hash learning method

得到哈希映射投影矩陣P及閾值向量t之后，將Worldview和資源三號衛(wèi)星影像控制點特征描述符進行深度輕量化處理。對于每一個影像控制點，其深度輕量化處理處理步驟為：將影像控制點128維浮點型特征向量表示為x，通過投影矩陣P及閾值向量t構(gòu)成的哈希映射函數(shù)y=sign(Px+t)，將x映射為128位字符型數(shù)據(jù)y；在不考慮投影矩陣P及閾值向量t的存儲空間時，每個影像控制點的存儲空間由SIFT特征向量描述下的532 Byte(在表1給出不含局部影像的524 Byte的基礎(chǔ)上，增加用于表示像點坐標(biāo)子像素精度偏移的8 Byte)降低為28 Byte(由于沒有局部影像，同時不需要記錄影像中心點的偏移坐標(biāo)，只需要記錄16 Byte的哈希映射向量和12 Byte的地理坐標(biāo)，共28 Byte)，數(shù)據(jù)量壓縮約19倍。

在考慮投影矩陣P及閾值向量t的存儲空間條件下，Worldview和資源三號衛(wèi)星影像控制點深度輕量化處理結(jié)果及分析見表4。試驗結(jié)果表明，本文方法能夠?qū)崿F(xiàn)影像控制點浮點型特征向量的深度輕量化處理。

表4 影像控制點哈希映射輕量化處理結(jié)果(美國華盛頓地區(qū))Tab.4 Hash map lightweight processing results of image control points (Washington,USA)

3.4 深度輕量化影像控制點匹配性能分析試驗

選用Worldview影像和資源三號(前視)影像，進行影像控制點SIFT特征向量匹配、哈希映射向量匹配處理和對比分析，以驗證影像控制點深度輕量化方法的匹配性能，結(jié)果如圖5所示。另外，根據(jù)華盛頓地區(qū)Worldview立體影像生成的高精度地形，對Worldview影像和資源三號(前視)影像輕量化控制點匹配結(jié)果進行交會處理和坐標(biāo)精度分析，匹配結(jié)果的像方精度分析結(jié)果見表5。

圖5 SIFT特征向量與哈希映射向量匹配結(jié)果 Fig.5 SIFT eigenvector and Hash mapping vector matching results

表5 影像控制點匹配結(jié)果(美國華盛頓地區(qū))Fig.5 Matching results of image control points (Wash-ington,USA)

由圖5可知，哈希映射向量匹配方法獲取的匹配點數(shù)量和分布更優(yōu)。在影像控制點匹配數(shù)量和精度方面，哈希映射向量匹配方法略優(yōu)于SIFT映射向量匹配方法，主要原因為：哈希映射向量匹配方法增加了對SFIT特征向量的學(xué)習(xí)過程，能夠更好地運用同名匹配點的內(nèi)部結(jié)構(gòu)，去除誤匹配點，提升匹配效果。試驗結(jié)果表明，從輕量化影像控制點匹配性能角度而言，哈希映射后的影像控制點不但減少了數(shù)據(jù)量，而且具有更好的匹配性能。

將Worldview影像上提取的控制點與同地區(qū)的Google正射衛(wèi)星影像進行哈希映射向量匹配，并進行RANSAC誤匹配剔除等操作，得到3458對匹配點(匹配點數(shù)較多，為了確保顯示效果，本文只給出了部分匹配區(qū)域的匹配結(jié)果)，結(jié)果如圖6和圖7所示。由圖6可知，影像控制點匹配結(jié)果無誤差，分布相對均勻，能夠滿足應(yīng)用要求。圖7為SIFT匹配結(jié)果與哈希映射向量匹配結(jié)果的匹配距離色彩映射圖，本文選取了前124對點進行了匹配距離繪制，結(jié)果表明SIFT特征向量匹配與哈希映射向量匹配的匹配距離最小值均發(fā)生在距離色彩映射圖的對角線區(qū)域，且哈希距離值較低，輕量化控制點匹配效果較為理想。

圖6 Worldview影像與google正射影像控制點哈希映射匹配結(jié)果圖(局部范圍)Fig.6 Hash map matching result of Worldview image and Google orthophoto control point (local area)

圖7 Worldview影像與google正射影像控制點匹配距離色彩映射圖Fig.7 Color map of control point matching distance between Worldview image and Google orthophoto

為了進一步驗證哈希映射向量的匹配性能，將利用資源三號衛(wèi)星影像上提取的控制點與同地區(qū)的天繪一號衛(wèi)星影像進行哈希映射向量匹配，并進行RANSAC誤匹配剔除等操作，得到317對匹配點(本文同樣只給出了部分匹配區(qū)域的匹配結(jié)果，以確保顯示效果)，結(jié)果如圖8和圖9所示。由圖8和圖9可知，影像控制點匹配結(jié)果理想，SIFT特征向量匹配與哈希映射向量匹配的匹配距離最小值均發(fā)生在距離色彩映射圖的對角線區(qū)域，且哈希距離值較低。試驗結(jié)果表明，本文設(shè)計的影像控制點深度輕量化處理流程及其匹配性能可以實現(xiàn)智能遙感衛(wèi)星在軌匹配應(yīng)用。

圖8 資源三號影像與天繪一號影像控制點哈希映射匹配結(jié)果圖(左下角范圍)Fig.8 Hash map matching result of ZY-3 and TH-1 satellite image control point (lower left area)

圖9 資源三號影像與天繪一號影像控制點匹配距離色彩映射Fig.9 Color map of control point matching distance between ZY-3 and TH-1 image

3.5 深度輕量化影像控制點匹配應(yīng)用試驗

智能遙感衛(wèi)星系統(tǒng)可實現(xiàn)端到端的遙感衛(wèi)星測繪應(yīng)用，其數(shù)據(jù)接收對象可能不再是遙感數(shù)據(jù)接收中心或者遙感數(shù)據(jù)服務(wù)廠商，而大部分將是不熟悉衛(wèi)星影像數(shù)據(jù)測繪處理的“非專業(yè)”用戶，這些用戶更希望直接從衛(wèi)星上獲取影像產(chǎn)品，或者通過客戶端軟件直接生成影像產(chǎn)品。帶平面坐標(biāo)的糾正影像產(chǎn)品可用于面積估算、水平距離量測、水平方位估計等遙感應(yīng)用，由于糾正影像產(chǎn)品制作需要控制信息支持(控制信息一般不提供給用戶)，相關(guān)處理工作無法在“非專業(yè)”用戶客戶端軟件上完成，需要智能遙感衛(wèi)星系統(tǒng)在星上直接處理實現(xiàn)。

選用Worldview影像和資源三號立體影像(前視和后視)，進行深度輕量化影像控制點立體匹配，結(jié)果如圖10所示。由圖10可知，圖10(a)與10(b)的匹配映射關(guān)系保持一致，圖10(c)與圖10(d)中的資源三號前視和后視影像匹配映射基本保持平行，映射角度(計算同名像點“縱坐標(biāo)差值”與“影像寬度減去前視影像橫坐標(biāo)，再加上后視影像橫坐標(biāo)”的比值，并將比值轉(zhuǎn)換為直線傾角)保持在-1.5°～-1.7°范圍之內(nèi)，這表明輕量化影像控制點在立體影像中同樣可以準(zhǔn)確匹配，可用于立體測繪衛(wèi)星的在軌匹配處理。

圖10 Worldview影像與資源三號影像控制點哈希映射匹配結(jié)果圖(立體匹配)Fig.10 Image control point hash map matching result of Worldview and ZY-3 image (stereo matching)

根據(jù)Worldview和資源三號立體前視影像匹配獲取的影像控制點，對資源三號衛(wèi)星前視影像進行基于多項式模型的幾何糾正處理(Worldview影像數(shù)據(jù)帶有地理坐標(biāo)信息，為了便于幾何糾正精度分析，本文試驗以Worldview影像為基準(zhǔn)進行糾正；在星上應(yīng)用過程中，可以直接采用影像控制點進行糾正，或者相對于正射影像進行糾正處理)，結(jié)果如圖11所示。圖11給出了在相同的經(jīng)緯度格網(wǎng)條件下，Worldview原始影像和資源三號糾正影像結(jié)果；試驗共采用了842個影像控制點，其中742個點用作糾正處理，100個點用作精度檢查，結(jié)果見表6。

表6 資源三號影像幾何糾正精度Tab.6 Geometric rectification precision of ZY-3 image

圖11 資源三號影像幾何糾正結(jié)果Fig.11 Geometric rectification result of ZY-3 image

由圖11和表6可知，資源三號影像在影像控制點條件下得到了準(zhǔn)確糾正處理。

3.6 全球影像控制點輕量化處理能力分析

通過將傳統(tǒng)影像控制點的局部影像數(shù)據(jù)進行特征向量描述符表示與哈希映射處理，影像控制點存儲空間得到了極大地壓縮，具體壓縮情況見表7。在理想條件下，采用哈希映射模式對影像控制點特征向量描述符進行映射，與傳統(tǒng)模式下的影像控制點的儲存空間相比，壓縮倍率達到329.82；如果星上影像控制點不加載局部影像數(shù)據(jù)，每個星上影像控制點的存儲空間僅為28 Byte，壓縮倍率達到35 715.00。由于哈希映射后的二進制字符串滿足特征向量匹配要求，且保持有SIFT特征向量同等匹配能力，輕量化處理后的影像控制點能夠?qū)崿F(xiàn)在智能遙感衛(wèi)星在軌匹配應(yīng)用。

表7 單個影像控制點輕量化壓縮倍率Tab.7 Lightweight compression ratio of single image control point

根據(jù)本文給出的影像控制點提取與輕量化處理方法，對星載輕量化全球影像控制點數(shù)據(jù)量進行分析，結(jié)果見表8。由表7和表8可知，輕量化處理后的全球影像控制點的存儲空間較小，能夠在有限的星上存儲空間條件下上注衛(wèi)星并進行智能遙感衛(wèi)星在軌匹配應(yīng)用。

表8 哈希映射模式下全球控制點存儲空間分析Tab.8 Analysis of storage space of global control points in hash mapping mode

隨著智能遙感衛(wèi)星在軌匹配應(yīng)用需求的變化，星載輕量化影像控制點需要不斷補充與更新。在現(xiàn)有星載輕量化影像控制點基礎(chǔ)上，地面系統(tǒng)新生成的輕量化控制點，可通過星地傳輸鏈路，分階段逐步上注至智能遙感衛(wèi)星，進行星載輕量化影像控制點的自動補充與更新，提升影像控制點輕量化處理與應(yīng)用性能。輕量化控制點上注衛(wèi)星與星上更新需要綜合使用衛(wèi)星數(shù)傳和星上處理資源，這部分內(nèi)容將在后續(xù)研究過程中深入分析。

4 結(jié)論與展望

本文對智能遙感衛(wèi)星系統(tǒng)星上自主處理模式的控制信息應(yīng)用需求進行了分析，開展了星載輕量化全球影像控制點數(shù)據(jù)制作方法研究，設(shè)計了一種高精度立體衛(wèi)星影像與公開DEM數(shù)據(jù)輔助下的全球影像控制點獲取方案，給出了該方案的技術(shù)流程，分析了該方案的應(yīng)用性能；針對傳統(tǒng)模式影像控制點在軌存儲受限和星上匹配應(yīng)用困難等問題，設(shè)計了一種適合于星上存儲與匹配應(yīng)用的影像控制點輕量化表達模式，通過控制點特征描述符提取、哈希映射學(xué)習(xí)與哈希向量表示，實現(xiàn)影像控制點的深度輕量化處理，在大幅壓縮影像控制點的星上存儲空間的同時，保持影像控制點的匹配性能。利用多套衛(wèi)星影像數(shù)據(jù)進行了影像控制點提取、輕量化處理與匹配性能對比等試驗，驗證了輕量化影像控制點的匹配有效性，得到了全球影像控制點輕量化處理能力分析結(jié)論，可為智能遙感衛(wèi)星全球控制信息在軌輔助單像高精度對地定位、在軌幾何糾正處理等在軌應(yīng)用提供支持。