朱林紅,鐘若飛,王 亞,李清揚

(1. 首都師范大學(xué)三維信息獲取與應(yīng)用教育部重點實驗室,北京 100048; 2. 首都師范大學(xué)資源環(huán)境與旅游學(xué)院,北京 100048; 3. 遵義師范學(xué)院信息工程學(xué)院,貴州 遵義 563099)

衛(wèi)星影像幾何定位是影像應(yīng)用的前提,目前國外星載SAR衛(wèi)星的系統(tǒng)級幾何定位精度均可達(dá)10 m以內(nèi),如歐空局發(fā)射的Sentinel-1干涉寬幅模式影像的絕對定位精度為7 m[1],條帶模式可達(dá)2.5 m。德國的TerraSAR-X標(biāo)準(zhǔn)影像產(chǎn)品,經(jīng)過精細(xì)化的系統(tǒng)標(biāo)定和處理,其定位精度可達(dá)分米量級[2]。我國首顆全極化SAR衛(wèi)星高分三號系統(tǒng)幾何定位精度可達(dá)3 m[3]。海絲一號(HISEA-1)SAR衛(wèi)星于2020年12月22日由中國文昌發(fā)射中心發(fā)射升空,于2020年12月25日首次開機成像[4]。受傳感器自身限制及成像區(qū)域地形起伏的影響,目前得到的SAR正射校正影像地理定位誤差較大,部分區(qū)域無法滿足遙感應(yīng)用的要求。Sentinel-1衛(wèi)星具有高重訪周期和中高空間分辨率的特性,IW模式影像具有7 m的高地理定位精度,可以通過公開渠道獲取,適合作為基準(zhǔn)影像與HISEA-1衛(wèi)星影像進(jìn)行聯(lián)合匹配。因此,針對現(xiàn)有的HISEA-1 SAR影像數(shù)據(jù)量大、存在較大的定位誤差和明顯的斑點噪聲等問題,本文提出一種相位一致性和結(jié)構(gòu)特征相結(jié)合的自動圖像配準(zhǔn)方法,用于糾正HISEA-1 SAR影像的定位精度。

1 HISEA-1及Sentinel-1數(shù)據(jù)

HISEA-1 SAR載荷極化方式為VV單極化,重訪周期約為15 d,主要有3種拍攝方式:條帶模式(SM)、掃描模式(NS/ES)和聚束模式(SP)。Sentinel-1具有4種拍攝模式[5]:條帶模式(SM)、干涉寬幅模式(IW)、超寬模式(EW)和波模式(WV)。IW模式是陸地上的主要采集模式,以單極化(HH或VV)或雙極化(HH+HV或VV+VH)方式成像,重訪周期為6 d,定位精度為7 m。HISEA-1 SAR和Sentinel-1衛(wèi)星的主要參數(shù)見表1。

表1 HISEA-1 SAR和Sentinel-1衛(wèi)星主要參數(shù)對比

衛(wèi)星影像的定位精度主要取決于衛(wèi)星影像獲取的星歷數(shù)據(jù)和姿態(tài)數(shù)據(jù)、星時精度及傳感器本身的幾何性能等[6]。受衛(wèi)星成本和重量限制,目前HISEA-1 SAR正射影像的定位誤差接近200 m。

本文將預(yù)處理后的HISEA-1 SAR L1 SLC和L2 ORG影像分別與Sentinel-1 L1 IW GRD影像重疊后,均存在接近200 m的地理偏移。目前,只能利用已知地面控制點,手動糾正HISEA-1SAR影像,提高其幾何精度,這個過程耗時且誤差較大,無法滿足實際應(yīng)用的要求。因此,本文使用HISEA-1 SAR L2 ORG和Sentinel-1 L1 IW GRD影像,實現(xiàn)兩者精確配準(zhǔn),利用Sentinel-1數(shù)據(jù)的高精度定位優(yōu)勢糾正HISEA-1 SAR影像產(chǎn)品的定位精度,同時最大限度地糾正HISEA-1 SAR影像內(nèi)部的幾何畸變。

2 方 法

2.1 數(shù)據(jù)預(yù)處理

由于HISEA-1 SAR L2與Sentinel-1 L1影像地理覆蓋范圍不同,因此在執(zhí)行圖像配準(zhǔn)之前,需要對Sentinel-1影像進(jìn)行預(yù)處理和裁剪操作,確保后續(xù)配準(zhǔn)流程順利進(jìn)行。本文的配準(zhǔn)方法主要包括3個步驟:特征點檢測、結(jié)構(gòu)特征匹配和去除誤匹配。其中,Sentinel-1 L1作為基準(zhǔn)圖像,HISEA-1 SAR L2作為待配準(zhǔn)圖像。主要技術(shù)流程如圖1所示。

圖1 HISEA-1 SAR和Sentinel-1圖像配準(zhǔn)技術(shù)流程

2.2 特征點檢測

HISEA-1 SAR L2和Sentinel-1 L1圖像配準(zhǔn)的第一步是實現(xiàn)精確可靠的對應(yīng)關(guān)系。由于成像模式和極化方式不同,HISEA-1 SAR和Sentinel-1影像具有顯著的非線性輻射差異,得到穩(wěn)定的特征點對于兩者的配準(zhǔn)至關(guān)重要。相位一致性(PC)模型已被證實對非線性輻射差異具有穩(wěn)定性,可以捕捉多傳感器圖像之間的共同特征[7]。因此,本文使用相位一致性在Sentinel-1影像上進(jìn)行特征點檢測。完成Sentinel-1影像PC模型的計算后,分別計算最小矩圖m和最大矩圖M檢測角點和邊緣點[8]。最小矩圖m可以獲得明顯的角點特征,對最小矩圖m進(jìn)行極大值檢測和非極大值抑制篩選最終角點?；贔AST算子計算速度快的優(yōu)勢,以及最大矩圖M可以較好地檢測出邊緣特征,對最大矩圖M進(jìn)行FAST特征檢測。首先,根據(jù)影像幅寬大小自動選擇響應(yīng)強度高的角點作為邊緣點;然后,將角點與邊緣點合并作為最終的特征點,以確保在匹配過程中可以得到足夠數(shù)量且均勻分布的對應(yīng)關(guān)系,從而提高特征檢測的穩(wěn)定性。

2.3 結(jié)構(gòu)特征匹配

在模板匹配方法中,方向梯度特征通道(CFOG)[9]是一種兼顧穩(wěn)定性和計算效率的結(jié)構(gòu)特征描述符。相比其他先進(jìn)的結(jié)構(gòu)特征描述符,如HOG[10]、LSS[11]和HOPC[12],CFOG具有更快、更穩(wěn)健的匹配性能。CFOG的構(gòu)建過程主要包括兩部分[13]:方向梯度特征和三維高斯卷積。首先,計算圖像多個方向的梯度特征,將每個方向的特征在Z方向進(jìn)行排列,形成三維的多方向梯度特征圖;然后,利用近似三維的高斯卷積核,在水平方向代替三線性插值進(jìn)行卷積生成直方圖,在垂直方向?qū)μ荻忍卣鲌D進(jìn)行卷積操作,生成CFOG特征描述符。它可以減少局部幾何畸變的影響,通過對集合領(lǐng)域的梯度信息進(jìn)行特征描述,提高斑點噪聲與非線性輻射差異的穩(wěn)健性。

本文充分考慮HISEA-1 SAR影像數(shù)據(jù)量大和初始地理參考信息的特點,根據(jù)HISEA-1 SAR和Sentinel-1影像之間的地理偏移,自動確定待配準(zhǔn)圖像上的搜索范圍,然后分別提取模板窗口和搜索窗口的CFOG特征描述符,實現(xiàn)基準(zhǔn)影像和待配準(zhǔn)影像的像素級特征描述。三維相位相關(guān)性(三維PC)通過使用快速傅里葉變換(FFT),極大地提高了圖像匹配效率,因此使用三維PC作為相似性度量在頻率域中對結(jié)構(gòu)特征描述符進(jìn)行相似性評估,實現(xiàn)HISEA-1 SAR和Sentinel-1影像的自動配準(zhǔn)。

2.4 去除誤匹配

由于HISEA-1 SAR影像的斑點噪聲與內(nèi)部畸變等,在上述匹配過程中不可避免地產(chǎn)生異常值,因此有必要去除誤匹配以提高圖像配準(zhǔn)的質(zhì)量。在基于參數(shù)的去除離群值方法中,標(biāo)準(zhǔn)化重心坐標(biāo)系(NBCS)[14]是目前主流穩(wěn)健高效的特征匹配方法,不同的初始特征匹配方法對NBCS算法幾乎沒有影響。NBCS算法采用非均勻采樣策略,隨機選取3對初始匹配點計算仿射變換模型參數(shù),根據(jù)NBC原則判斷內(nèi)點個數(shù),迭代上述過程遍歷可能的仿射變換模型,內(nèi)點最多即為最優(yōu)解,大大降低了匹配過程的計算復(fù)雜度。

3 試 驗

在定量試驗中,將去除誤匹配之后的對應(yīng)關(guān)系作為控制點,用于計算最終仿射變換模型的幾何參數(shù)。同時,以同名點對連線展示特征匹配結(jié)果,以彩色棋盤格和融合結(jié)果展示配準(zhǔn)效果,并對圖像局部放大以便觀察配準(zhǔn)細(xì)節(jié)。

3.1 試驗數(shù)據(jù)

本文選擇兩組HISEA-1 SAR L2 ORG和Sentinel-1 L1 IW GRD影像進(jìn)行試驗,圖像分別位于浙江省杭州市和福建省福州市,覆蓋4種不同的地形:平原、山地、丘陵和海岸帶。同時,給出每組圖像的歸一化灰度直方圖,表明HISEA-1 SAR和Sentinel-1影像之間的非線性輻射差異。所有試驗數(shù)據(jù)及其歸一化灰度直方圖,如圖2—圖3所示。

圖2 浙江省杭州市區(qū)域

圖3 福建省福州市區(qū)域

3.2 圖像配準(zhǔn)精度分析

為了更清晰地展示配準(zhǔn)結(jié)果,將Sentinel-1影像先進(jìn)行偽彩色處理[15],再與HISEA-1 SAR影像進(jìn)行分塊疊加顯示,結(jié)合匹配點圖、融合結(jié)果圖及局部放大的子圖觀察圖像配準(zhǔn)的效果和細(xì)節(jié)。本文算法配準(zhǔn)性能評估從正確匹配率(CMR)、均方根誤差(RMSE)、運行時間3方面進(jìn)行分析[16]。算法的運行環(huán)境:Intel Core i7-8565U為1.8 GHz,CPU為 16 GB,以及 Matlab R 2018b軟件。

最終配準(zhǔn)結(jié)果如圖4—圖5所示,在匹配點圖中,兩組影像均可得到足夠數(shù)量且均勻分布的匹配點對,在融合圖像和彩色棋盤格圖像中可以觀察到兩幅影像拼接處過渡平滑。在定量試驗中,兩組HISEA-1 SAR與Sentinel-1影像配準(zhǔn)的正確匹配率均達(dá)約80%,均方根誤差分別為0.47和0.54,配準(zhǔn)時間均小于1 min,具體統(tǒng)計結(jié)果見表2。

圖4 浙江省杭州市區(qū)域配準(zhǔn)結(jié)果

圖5 福建省福州市區(qū)域配準(zhǔn)結(jié)果

表2 研究區(qū)域匹配結(jié)果統(tǒng)計

4 結(jié) 語

本文基于相位一致性原理和SAR影像結(jié)構(gòu)特征提出了自動模板匹配方案。其中,使用的相位一致性模型可確保對應(yīng)關(guān)系均勻分布在Sentinel-1影像上,從而提高特征檢測的穩(wěn)定性;CFOG結(jié)構(gòu)特征描述符可克服HISEA-1 SAR和Sentinel-1影像之間的非線性輻射差異,可保證匹配算法的穩(wěn)健性;基于三維相位相關(guān)的相似性度量顯著提高了算法的計算效率;使用仿射不變的NBCS算法去除誤匹配,實現(xiàn)了HISEA-1 SAR L2 ORG和Sentinel-1 L1 IW GRD影像之間的自動配準(zhǔn)。若這兩類影像實現(xiàn)了精確配準(zhǔn),則HISEA-1 SAR和Sentinel-1影像之間的對應(yīng)像素坐標(biāo)應(yīng)該具有相同的地理坐標(biāo)。根據(jù)這一前提條件,HISEA-1 SAR影像的定位誤差即為HISEA-1 SAR和Sentinel-1影像之間的配準(zhǔn)偏移,以此提高現(xiàn)有的HISEA-1 SAR數(shù)據(jù)的定位精度。

從本質(zhì)上來說,HISEA-1 SAR與Sentinel-1影像之間的配準(zhǔn)屬于非剛性幾何變換范疇,HISEA-1 SAR影像相對于幾何精校正后的Sentinel-1影像存在輕微的內(nèi)部畸變,且受地形起伏和斑點噪聲等因素的影響,目前糾正的HISEA-1 SAR影像系統(tǒng)定位精度有待提高,后續(xù)還需要對其進(jìn)行幾何精度驗證。同時,本文算法仍存在可以改進(jìn)之處,以提高算法運行時間,達(dá)到實時的應(yīng)用要求。因此在未來工作中,可以針對上述問題進(jìn)行深入的研究。

致謝：感謝天儀研究院提供的影像數(shù)據(jù)。