超大规模光学卫星影像区域网平差粗差剔除方法及系统

摘要

针对超大规模区域网平差的连接点匹配可能存在的粗差，本发明提出一种超大规模光学卫星影像区域网平差粗差剔除方法及系统，首先以像片为主进行连接点的粗差检测，以两两影像对为检测单元，计算连接点的像方残差并以此为根据进行粗差检测，然后以连接点为主进行粗差检测，通过评价每个连接点一次平差后在不同像片上的像点残差来检测粗差，最后从区域网平差全局出发进行选权迭代，在每次平差后根据像点残差确定连接点的权值组成权矩阵参加下次平差解算，从而抑制在前两级检测中不易发现的粗差，保障平差结果的准确性和鲁棒性。

说明书

技术领域

本发明属于遥感影像处理领域，涉及一种超大规模光学卫星影像区域网平差多级粗差定 位剔除技术方案。

背景技术

在超大规模光学卫星影像区域网平差中为了提高匹配效率采用一种多线程并行的匹配策 略，每个处理节点以一张影像为主片，搜索与主片有重叠的影像，并只在重叠区域进行连接 点的匹配操作，然而，无论是基于灰度的匹配还是基于特征的匹配，误匹配都是不可避免的， 又由于在影像数量过万的超大规模的区域网中涉及上亿次的连接点匹配，无疑增加了误匹配 的可能性，因此需要对连接点的粗差进行检测并剔除。

目前，连接点粗差的检测多通过像点前方交会得到物方坐标，然后由RPC参数计算得到 其像方坐标，再根据计算得到的像方坐标及匹配的连接点坐标计算像点残差，对于非粗差点 位，该残差值应保持一致，对于粗差点则该值呈现一定差异，可通过先验知识设定阈值找到 该粗差点并剔除，而超大规模的区域网平差涉及大量影像的连接点匹配，匹配出的连接点可 能存在多张影像上，不能直接运用上述方法进行粗差检测，在进行粗差的检测与剔除时仍需 一定的策略。但是，尚未有相关技术方案出现。

发明内容

本发明针对超大规模光学卫星影像区域网平差连接点匹配中的误匹配问题，提出一种多 级粗差定位与剔除技术方案。

本发明的技术方案为一种超大规模光学卫星影像区域网平差粗差剔除方法，包括以下步 骤：

步骤1，以一张影像为主片，根据影像拓扑关系查找与其重叠的影像及每处重叠区域的连 接点；

步骤2，将主片与重叠影像分别组成两两影像对，并计算影像对重叠区域连接点的像点残 差；

步骤3，根据像点残差值检测粗差并剔除误匹配点；

步骤4，返回步骤1取下一张影像为主片，直到所有像片间的连接点粗差检测完成，实现 第一级检测剔除，进入步骤5；

步骤5，取一个连接点，根据连接点信息查找其所在的所有影像；

步骤6，在一次平差后计算该连接点在所有影像上的像点残差；

步骤7，根据像点残差值检测粗差并剔除优化；

步骤8，返回步骤5取下一个连接点进行处理，直到所有连接点处理完成，实现第二级检 测剔除，进入步骤9；

步骤9，进行区域网全局选权迭代平差，在每次平差后重新确定该连接点的权值，组成权 矩阵参与下次解算直到平差解算收敛，实现第三级检测剔除。

而且，步骤3和步骤7中，根据像点残差值检测粗差并剔除误匹配点的实现方式为，根据 像点残差计算像点残差的中误差σ，

$\sigma =\sqrt{\frac{\underset{j=1}{\overset{n}{\Sigma }}{(\Delta sl-\overline{\Delta sl})}^2}{n}}$

其中，为像点残差的均值，根据预设检测系数，当每个像点残差与均值间的差值大于预 设检测系数和中误差σ的乘积，则认为该连接点为粗差，并剔除该点，否则该连接点无粗差。

而且，步骤9中，在每次平差后确定连接点新的权值时，权值根据每个影像的像点残差确 定。

而且，权值计算公式如下，

p＝1/Δsl

其中，p为权值。

本发明还相应提出一种超大规模光学卫星影像区域网平差粗差剔除系统，包括以下步骤：

第一模块，用于以一张影像为主片，根据影像拓扑关系查找与其重叠的影像及每处重叠 区域的连接点；

第二模块，用于将主片与重叠影像分别组成两两影像对，并计算影像对重叠区域连接点 的像点残差；

第三模块，用于根据像点残差值检测粗差并剔除误匹配点；

第四模块，用于命令第一模块取下一张影像为主片，直到所有像片间的连接点粗差检测 完成，实现第一级检测剔除，命令第五模块工作；

第五模块，用于取一个连接点，根据连接点信息查找其所在的所有影像；

第六模块，用于在一次平差后计算该连接点在所有影像上的像点残差；

第七模块，用于根据像点残差值检测粗差并剔除优化；

第八模块，用于命令第五模块取下一个连接点进行处理，直到所有连接点处理完成，实 现第二级检测剔除，命令第九模块工作；

第九模块，用于进行区域网全局选权迭代平差，在每次平差后重新确定该连接点的权值， 组成权矩阵参与下次解算直到平差解算收敛，实现第三级检测剔除。

而且，第三模块和第七模块中，根据像点残差值检测粗差并剔除误匹配点的实现方式为， 根据像点残差计算像点残差的中误差σ，

$\sigma =\sqrt{\frac{\underset{j=1}{\overset{n}{\Sigma }}{(\Delta sl-\overline{\Delta sl})}^2}{n}}$

其中，为像点残差的均值，根据预设检测系数，当每个像点残差与均值间的差值大于预 设检测系数和中误差σ的乘积，则认为该连接点为粗差，并剔除该点，否则该连接点无粗差。

而且，第九模块中，在每次平差后确定连接点新的权值时，权值根据每个影像的像点残 差确定。

而且，权值计算公式如下，

p＝1/Δsl

其中，p为权值。

本发明的优点在于：采用分级的粗差检测策略，在三个不同层次上对粗差进行检测，既 顾及每个连接点每张像片，又考虑整体平差模型，在以片为主进行连接点粗差检测时，在同 张影像的不同连接点之间根据3倍中误差的原则检测粗差，可以有效检测出影像对之间较明显 的误匹配点，在以点为主进行连接点粗差检测时，在一次平差后，由同一连接点在不同影像 上的像点残差根据3倍中误差的原则进行粗差检测，对于高程方向上的粗差效果明显，确保粗 差检测策略的严密性，第三级检测从区域网全局出发，通过改变连接点的权值抑制不易检测 的粗差点对平差模型的影响，从而保证平差结果的准确性和鲁棒性。

附图说明

图1为本发明实施例的流程示意图。

具体实施方式

以下结合附图和实施例详细说明本发明具体实施方式。

本发明提出一种多级的粗差检测与剔除的方法：第一级为以像片为主进行连接点的粗差 剔除，所谓以像片为主即以一张影像为主片并找到与其重叠的影像及重叠区域的连接点，在 两张影像之间对这些连接点进行粗差的检测，检测方法仍采用上述计算像点残差的方法；第 二级检测为以连接点为主进行粗差检测，首先确定该连接点位于哪几张影像上，然后在一次 平差后计算各影像像点坐标的残差值，根据其残差值进行粗差的检测，若残差值大于设定的 阈值即为粗差，将其剔除；第三级为从区域网平差全局出发的选权迭代，在每次平差后根据 像点残差确定连接点的权值组成权矩阵参加下次平差解算，本发明中权值为残差的倒数即该 点残差越大其权值反而越小，则该点对区域网的影响会明显下降，通过该方法可以有效抑制 在前两级检测中不易发现的粗差，从而保证平差结果的准确性和鲁棒性。

参见图1，实施例的流程可以分为如下几个步骤，每个步骤实施的具体方法、公式以及 流程如下：

1.以一张影像为主片，根据影像拓扑关系查找与其重叠的影像及每处重叠区域的连接 点，这里主片的选取最好与匹配时选取的主片保持一致，具体实施时可在预先进行的多线程 并行匹配处理中通过计算地面范围找到与主片重叠的影像，根据匹配记录直接进行查找。

2.将主片与重叠影像分别组成两两影像对，并计算影像对重叠区域连接点的像点残差。 在以片为主的粗差检测中每次检测主片与一张重叠影像之间的连接点粗差，粗差的检测以非 主片上的像点残差为依据，像点残差计算方法如下：

a、利用连接点两张影像上的像方坐标和RPC参数进行前方交会，平差解算连接点物方 坐标X，平差运用的RPC模型为：

$\left(\begin{array}{c}x=\frac{\underset{\alpha =0}{\overset{3}{\Sigma }}\underset{\beta =0}{\overset{3}{\Sigma }}\underset{\gamma =0}{\overset{3}{\Sigma }}{\mathrm{Sn}}_{\alpha \beta \gamma }{U}^a{V}^{\beta }{W}^{\gamma }}{\underset{\alpha =0}{\overset{3}{\Sigma }}\underset{\beta =0}{\overset{3}{\Sigma }}\underset{\gamma =0}{\overset{3}{\Sigma }}{\mathrm{Sd}}_{\alpha \beta \gamma }{U}^a{V}^{\beta }{W}^{\gamma }}\\ y=\frac{\underset{\alpha =0}{\overset{3}{\Sigma }}\underset{\beta =0}{\overset{3}{\Sigma }}\underset{\gamma =0}{\overset{3}{\Sigma }}{\mathrm{Ln}}_{\alpha \beta \gamma }{U}^a{V}^{\beta }{W}^{\gamma }}{\underset{\alpha =0}{\overset{3}{\Sigma }}\underset{\beta =0}{\overset{3}{\Sigma }}\underset{\gamma =0}{\overset{3}{\Sigma }}{\mathrm{Ld}}_{\alpha \beta \gamma }{U}^a{V}^{\beta }{W}^{\gamma }}\end{array}\right)---\left(1\right)$

式中，Sn_αβγ,Sd_αβγLn_αβγ,Ld_αβγ表示有理多项式系数(rationalpolynomialcoefficients,RPC)， (U^α,V^β,W^γ)简化记为(U,V,W)，(U,V,W)和(x,y)分别表示正则化的地面点大地坐标和像点坐标， 它们与非正则化的地面点大地坐标(Lat,Lon,Height)和像点坐标(s,l)之间的关系如公式(2)，其 中，LAT_OFF、LAT_SCALE、LON_OFF、LON_SCALE、H_OFF和H_SCALE为地面坐标的正则 化参数；S_OFF、S_SCALE、L_OFF和L_SCALE为影像坐标的正则化参数。

$\begin{array}{cc}\begin{array}{c}V=\frac{Lat-LAT\_OFF}{LAT\_SCALE}\\ U=\frac{Lon-LIN\_OFF}{LON\_SCALE}\\ W=\frac{Height-H\_OFF}{H\_SCALE}\end{array}& \begin{array}{c}y=\frac{s-S\_OFF}{s\_SCALE}\\ x=\frac{l-L\_OFF}{l\_SCALE}\end{array}\end{array}---\left(2\right)$

则平差模型公式为：

$\left(\begin{array}{c}l=F_x(Lat,Lon,Height)\\ s=F_y(Lat,Lon,Height)\end{array}\right)---\left(3\right)$

其中，F_x(Lat,Lon,Height)、F_y(Lat,Lon,Height)是像点坐标(s,l)相应的方程表示。

对于连接点像点而言，RPC模型参数已知，由于其对应的物方点坐标未知，因此，所构 建的误差方程式中未知为相应的连接点物方坐标(Lat,Lon,Height)。对于连接点物方坐标 (Lat,Lon,Height)而言，式(3)为一非线性方程，需要对其赋予初值(Lat,Lon,Height)⁰并进行线性化 处理，如式(4)：

$\left(\begin{array}{c}{v}_l=F_x{\left(Lat,Lon,Height\right)}^0+\frac{\partial F_x}{\partial \left(Lat,Lon,Height\right)}{|}_{{\left(Lat,Lon,Height\right)}^0}d\left(Lat,Lon,Height\right)-l\\ v_s=F_y{\left(Lat,Lon,Height\right)}^0+\frac{\partial F_y}{\partial \left(Lat,Lon,Height\right)}{|}_{{\left(Lat,Lon,Height\right)}^0}d\left(Lat,Lon,Height\right)-s\end{array}\right)---\left(4\right)$

其中，(v_l,v_s)表示相应的像方的改正数，d(Lat,Lon,Height)表示连接点的物方坐标改正数。

具体实施时，本领域技术人员可自行设定初值(Lat,Lon,Height)⁰，或者设定初值求取规则， 可采用现有技术，例如使用初始定向参数，采用前方交会的方式确定初值。

对所有连接点像点构建观测误差方程，并写成矩阵形式：

V＝Ax-LP(5)

其中，V代表像点坐标观测值残差向量；x＝[X₁…X_j…X_n]^T(j＝1,2…n)代表各连接 点物方坐标改正值向量，X_j＝d(Lat,Lon,Height)_j代表第j个连接点的物方坐标改正数，n代表 连接点个数；A为对应未知数的偏导数系数矩阵，L和P分别为相应的常向量和权矩阵。

根据最小二乘平差原理，对观测误差方程进行法化，可得到法方程如式(6)：

A^TPAx＝A^TPL(6) 根据法方程解算即有x＝(A^TPA)^-1(A^TPL).

b、根据物方坐标(Lat,Lon,Height)及重叠影像的RPC参数计算物方坐标对应的像点坐标， 记为(s',l')，RPC反算公式如式(1)所示。

c、根据计算得到的像点坐标(s',l')和连接点像方坐标(s,l)计算得到像方残差(Δs,Δl)， 计算公式如式(7)，则理论像点和连接点之间的距离为Δsl，其计算公式如式(8):

$\left(\begin{array}{c}\Delta s=s-s^{\prime }\\ \Delta l=l-l^{\prime }\end{array}\right)---\left(7\right)$

$\Delta sl=\sqrt{{(s-s^{\prime })}^2{(l-l^{\prime })}^2}---\left(8\right)$

3.根据像点残差值检测粗差并剔除。根据像点残差计算像点残差的中误差σ，其计算公 式如式(9)：

$\sigma =\sqrt{\frac{\underset{j=1}{\overset{n}{\Sigma }}{(\Delta sl-\overline{\Delta sl})}^2}{n}}---\left(9\right)$

其中，为像点残差的均值，本领域技术人员可自行预设检测系数，本发明实施例设 定检测系数为3，以3σ为标准进行残差检测，每个像点残差与均值间的差值大于3σ则认为 该连接点为粗差，并剔除该点，否则该连接点无粗差。

4.返回步骤1取下一张影像为主片，重复进行1、2、3以下一张影像为主片同样处理， 直到所有像片间的连接点粗差检测完成，进入步骤5。具体实施时，可以判断所有像对间连 接点粗差是否完成，否则返回步骤1，是则进入步骤5。为避免重复检测，在一次检测时出现 的影像对在后续检测出现时不再重复检测，即以a为主片时对影像对a、b之间的连接点进行 了粗差检测则在以b为主片时的b、a影像对不再检测。

5.取一个连接点，即以这个连接点为主，查找其在哪几张影像上，可根据匹配文件记录 进行查找。

6.第二级粗差检测计算在一次平差解算后该连接点在所有影像上的像点残差。残差计算 方式同步骤2，但在平差模型的像方引入各景影像的一个仿射变换模型(10)，则在式(1)基础上 构建的平差模型公式为(11)：

$\left(\begin{array}{c}\Delta l=a_0+a_{1}l+a_{2}s\\ \Delta s=b_0+b_{1}s+b_{2}s\end{array}\right)---\left(10\right)$

$\left(\begin{array}{c}l+\Delta l=F_x(Lat,Lon,Height)\\ s+\Delta s=F_y(Lat,Lon,Height)\end{array}\right)---\left(11\right)$

最后解算的参数为连接点对应的物方坐标(Lat,Lon,Height)及6个像方的仿射变换参数a₀、 a₁、a₂、b₀、b₁、b₂，平差解算方式仍然是最小二乘平差，与上述方法相同，这里不再赘述。 计算像点残差所需参数为附加仿射变变换参数的像点坐标(s”,l”)与原始像点坐标(s',l')，若 连接点坐标为(s,l)，则根据式(1)及各影像的初始RPC即可得到各影像对应的原始像方坐标 (s',l')，则根据仿射变化参数有变换后的坐标(s”,l”)：

$\left(\begin{array}{c}{l}^{\prime \prime }=l+\Delta l\\ s^{\prime \prime }=s+\Delta s\end{array}\right)---\left(10\right)$

再根据式(7)、(8)计算像点残差，残差计算时只需在公式中用(s”,l”)替换(s,l)即可。

7.根据像点残差检测粗差，检测标准同样选择3倍中误差，中误差计算方式同步骤3。

8.重复5、6、7步以下一个连接点为主进行处理，直到所有连接点检测完成，进入步骤 9。具体实施时，可以判断所有连接点是否处理完成，否则返回步骤5，是则进入步骤9。

9.进行区域网全局选权迭代平差：上述1～8完成了前两级的粗差探测与剔除，第3级的 粗差检测方法贯穿整个迭代平差解算过程，是通过改变权值来抑制前两级探测不易发现的粗 差，方法为在每次平差后确定连接点新的权值，权值根据每个影像的像点残差确定，本发明 中权值为像点残差的倒数，其计算公式如式(11)所示：

p＝1/Δsl(11)

其中，p为权值。

由新的权值组成新的权矩阵参加下次平差解算，直到权值趋于稳定(例如上一次到本次的差 值小于预设阈值)，结束迭代过程。

进一步地，第2级的一次平差权值可设置为1，也可以借鉴第3级的粗差检测方法调整 权值。

具体实施时，本发明所提供方法可基于软件技术实现自动运行流程，也可采用模块化方 式实现相应系统。本发明实施例提出一种超大规模光学卫星影像区域网平差粗差剔除系统， 包括以下步骤：

第一模块，用于以一张影像为主片，根据影像拓扑关系查找与其重叠的影像及每处重叠 区域的连接点；

第二模块，用于将主片与重叠影像分别组成两两影像对，并计算影像对重叠区域连接点 的像点残差；

第三模块，用于根据像点残差值检测粗差并剔除误匹配点；

第四模块，用于命令第一模块取下一张影像为主片，直到所有像片间的连接点粗差检测 完成，实现第一级检测剔除，命令第五模块工作；

第五模块，用于取一个连接点，根据连接点信息查找其所在的所有影像；

第六模块，用于在一次平差后计算该连接点在所有影像上的像点残差；

第七模块，用于根据像点残差值检测粗差并剔除优化；

第八模块，用于命令第五模块取下一个连接点进行处理，直到所有连接点处理完成，实 现第二级检测剔除，命令第九模块工作；

第九模块，用于进行区域网全局选权迭代平差，在每次平差后重新确定该连接点的权值， 组成权矩阵参与下次解算直到平差解算收敛，实现第三级检测剔除。

各模块具体实现可参见相应步骤，本发明不予赘述。

本文中所描述的具体实施仅仅是对本发明精神作举例说明。本发明所属技术领域的技术 人员可以对所描述的具体实施做各种各样的修改或补充或采用类似的方式替代，但并不会偏 离本发明的精神或者超越所附权利要求书所定义的范围。