《基于pos的机载推扫式高光谱影像几何校正》由会员分享，可在线阅读，更多相关《基于pos的机载推扫式高光谱影像几何校正（8页珍藏版）》请在金锄头文库上搜索。
1、基于 POS 的机载推扫式高光谱影像几何校正 肖凯 杨振杰 王瑞 青海省第二测绘院 青海大学地质工程系 摘 要： 为了分析航空遥感推扫式相机在不同的荷载平台 (有人机和无人机) 地物识别上的区别, 文中运用基于 POS 数据的机载推扫式高光谱影像几何校正原理和关键技术的方法, 对有人机和无人机的影像进行几何校正。结果表明:有人机的影像校正效果好, 弯曲变形的道路基本上校正到理想的形状;无人机的影像校正效果不是很理想, 道路仍有部分崎岖变形, 影像下边缘甚至出现严重的扭曲。由此得出, 有人机姿态比较稳定, 校正效果显著;无人机飞行不稳定, 仍然存在一定的问题, 需要进一步研究。关键词： 推扫式;
2、 POS; 无人机; 几何校正; 作者简介：肖凯 (1974) , 男, 青海西宁人, 工程师。研究方向:测绘。E-mail:收稿日期：2016-12-06Geometric correction of airborne pushbroom hyperspectral image based on POSXIAO Kai YANG Zhenjie WANG Rui The Second Institute of Surveying & Mapping of Qinghai; Department of Geological Engineering, Qinghai University; Ab
3、stract： In order to analyze the characteristics of aerial remote sensing pushbroom camera in different load platforms ( including manned aircraft and UAV) . The principle and key technology of the geometric correction of airborne pushbroom hyperspectral image based on POS data were applied to carry
4、out geometric correction for image of manned aircraft and UAV. The test results shows that the PHI image of the manned aircraft is well adjusted, and the curved path is basically corrected to the ideal shape. The effect of UAV image correction is not ideal. The road still has some rough and deformat
5、ion, and serious distortions even happened during the down edge of the image. The following conclusions can be drawn: the attitude of the manned aircraft is stable, and the correction effect is remarkable, but the flight of UAV is not stable. There are still some problems that need further study.Key
6、word： pushbroom; Position and Orientation System; UAV; geometric correction; Received： 2016-12-0620 世纪以来, 高光谱遥感已经成为当前遥感领域的技术前沿, 是遥感史上的一次飞跃1。无人机遥感由于其时间灵活性和机动性, 很好地满足了对获取的影像高时间分辨率的需求。由中科院上海技术物理研究所研制的推扫式成像光谱仪 (Pushbroom Hyperspectral Image, PHI) 2可放置在轻型无人机上。由于它在飞行过程中很容易抖动, 推扫出的影像会发生严重的变形。因此, 高精度几何校正是解决
7、该问题的关键。集差分 GPS 技术和惯性测量单元 (Inertial Measurement Unit, IMU) 技术于一体的 POS 跟传感器集成在一起, 可以提供传感器的位置和姿态参数, 直接、快速地进行影像的地理定位, 将影像纠正到正确的地理位置3。针对机载推扫式 (包括有人机和无人机) 遥感图像的几何校正。熊桢等4利用机载 GPS 数据对 OMIS 图像进行航线校正的研究, 达到了较好的几何粗校正精度要求;刘军等5利用 INS/DGPS 系统解算的外方位元素对机载线阵推扫型影像PHI 进行几何校正, 分析并解决了间接法几何纠正方案中最佳扫描行的确定以及直接法纠正方案中如何进行目标定位
8、、灰度重采样等问题;张浩等6对刘军等的最佳扫描行确定方法进行改进, 提高了搜索最佳扫描行的效率。但是对于无人机遥感平台上搭载高光谱成像系统的几何处理技术研究还相对较少。本文针对无人机和有人机平台下的几何校正问题展开研究。1 间接法几何校正几何校正的核心是建立在共线方程的基础上, 分为直接法纠正和间接法校正两种方法。使用间接法对推扫型成像光谱数据进行几何校正, 就是利用图像像点对应的地面点坐标 P 反求其在原始影像上像点的位置 p, 并将 p 的灰度值赋给 P。间接法坐标变换函数为:由上式所解得的 (x, y) 是像平面坐标, 对于间接法中涉及到的影像行列坐标 (x, y) , 需做以下变换式中
9、, pixel size 为像元尺寸大小。假定相机每一行的外方位元素已知, 则可按如下流程 (图 1) 进行校正。图 1 间接法几何纠正 Fig.1Indirect geometric correction 下载原图间接法校正的关键在于确定地面点的最佳扫描行, 进而得到该扫描行对应的外方位元素。其解法如下:设搜索窗口的起始行为 Ls, 结束行为 Le, Le与 Ls之间相隔 N 行。(1) 设定最佳扫描行的初始值。将起始行作为最佳扫描行的初始变化参量, 即L=Ls。(2) 计算 x 值。将 L 所对应的外方位数据代入公式 (1) 计算其 x 值, 记为 x。若 ( 为给定阈值) , 则结束进程
10、, L s为最佳扫描行。否则继续下一步。(3) 确定最佳扫描行。将 x 转换为图像行列号后, 修改最佳扫描行为 L=L+int, 计算其 xi值, 重复迭代直至 , 记录此时 L 为最佳扫描行。2 基于 POS 的几何校正几何校正的关键是要得到每一行对应的外方位元素, 由于推扫式相机是逐行采集数据的, 而每一行的数据采集时对应的位置又不相同, 因此需要 POS 给每一行影像数据提供相应的方位;另外 POS 和相机系统不是统一的坐标系, 还需要经过坐标系转化。基于 POS 数据的几何校正步骤为首先要将 POS 数据和高光谱影像获取的时间标准统一并对应;然后通过坐标系转化建立影像像元与地面坐标的对
11、应关系;最后对校正像元重采样, 重建校正后影像。2.1 POS 数据与影像数据时间匹配POS 的采样频率与成像光谱仪数据的采样频率不一致, 可见近红外波段图像的采样频率为每秒 20 条扫描行, 而 POS 每秒可以采集 200 次。因此, 必须先确定 POS 与成像光谱仪的时间对应关系, 对 POS 数据进行时间维上的重采样。2.2 影像像元与对应地面实际坐标的转化影像像元与地面实际坐标转化需要已知像元所在扫描行的外方位元素, 外方位元素的获取需要借助 POS 数据经过一系列转化得到。机载推扫式成像光谱数据外方位元素的解算涉及到惯性导航系统和摄影测量系统两个领域。惯性导航系统中常用的坐标系有地
12、心坐标系 (E) 、导航坐标系 (g) 和 IMU 坐标系 (b) 。POS 输出的导航解属于惯性导航领域, 它包括 IMU 坐标系 (b) 在 WGS-84 直角坐标系中的坐标 (X IMU, YIMU, ZIMU) 以及其在导航坐标系 (g) 中的侧滚 (Roll) 、俯仰 (Pitch) 和偏航角 (Heading) (, , ) 。摄影测量系统中常用的坐标系有地面摄影测量坐标系 (m) 、传感器坐标系 (c) 和像空间坐标系 (i) 。外方位元素属于摄影测量领域, 它包括曝光瞬间传感器投影中心在地面摄影测量坐标系 (m) 中的位置 (X s, Ys, Zs) 以及像空间坐标系 (i)
13、到地面摄影测量坐标系 (m) 的旋转角 (, , ) 。扫描行外方位元素与现有的 POS 导航解的坐标转换如下:(1) 角元素的确定。根据前述外方位元素的定义, 像空间坐标系 (i) 可以看成是地面摄影测量坐标系 (m) 依次经过绕 Y, X, Z 轴旋转角度 , , 得到, 这一过程可以分多步坐标系统变换完成。地面摄影测量坐标系 (m) 到像空间坐标系 (i) 的旋转矩阵 Ci (, , ) 可表示为:确定 CE, Cg, Cb、C c和 Ci, 即可由上式解出外方位角元素 , 和 。式中, C E:地面摄影测量坐标系 (m) 变换到地心坐标系 (E) (WGS-84) ;C g:地心坐标系
14、 (WGS-84) 变换到导航坐标系 (g) ;C b:导航坐标系 (g) 变换到 IMU坐标系 (b) ;C c:IMU 坐标系 (b) 变换到传感器坐标系 (c) ;C i:传感器坐标系 (c) 变换到像空间坐标系 (i) 。(2) 线元素的确定。镜头透视中心在地面摄影测量坐标系中的坐标可通过下式得到:其中, (x 1, y1, z1) 为传感器透视中心在 IMU 坐标系中的偏心矢量; (X 0, Y0, Z0) 为地面摄影测量坐标系原点 (L 0, B0) 对应的地心直角坐标。得到扫描行的外方位元素后, 就可以利用式 (1) 进行校正像元的列号计算。2.3 校正像元重采样校正像元的灰度值
15、是从原始影像上像元灰度值通过一定方法获取的, 主要有最邻近法、双线性内插法和三次卷积法7, 本文选择双线性内插法。3 试验与分析本文的航空作业分为两次, 一次固定翼有人机试验和一次旋翼无人机试验, 搭载相同的高光谱成像仪 PHI 设备。其中有人机上搭载的是 POS/AV510 系统, 而无人机试验搭载的是国产 XW-ADU7635POS 系统。有人机试验是在 2013 年 12 月 9 日, 数据采集时间从当地时间 1244 开始到1435 结束, 飞行期间天气晴朗。飞机起降地点选择山东平阴机场, 机场南北长约 0.7km, 东西宽 0.05 km, 自南向北起飞, 飞行航高 1.6 km (
16、图 2) 。飞行航线按东西方向规划, 共设计 8 条航带, 测区东西长 30 km, 南北宽 11.25 km, 主要涵盖了城乡居民点、水体和农田植被等。这次有人飞行主要载荷情况见图3。无人机试验是在江苏扬州, 选择一块时间为 2014 年 10 月 17 日, 天气晴朗。由于无人机飞行不是很稳定, 没有规划特定的航迹, 也没有特定的速度。在大概4 km 的地方飞行高度为 0.2 km 左右, 飞行大概 3 min 后收回地面。3.1 几何校正数据处理与分析本次选取的有人机成像光谱实验数据大小为 464149 985344 (分别代表列、行、波段数) 。选取其中道路标识明显的一小块影像进行校正, 影像大小为464 列225 行。由于该区域地势比较平坦, 在没有 DEM 的支持下, 可取当地平均海拔作为高程, 即 H=0.037 km。对于无人机影像, 从中选取了一块变形比较小的相对平坦区域。图 2 平阴机场航线设
