异源星载光学、SAR遥感影像的空间信息提取关键技术研究

For the multi-sensor images from the spaceborne optical and SAR sensors, the spatial information extraction is still difficult to meet the actual demand. The main reason is that these two kinds of images are totally different in the imaging spectrum, mechanism and mode, which cause the block adjustment and image matching more complex and difficult. To solve the problem, the project intends to carry out the in-depth study on the key issues of bundle adjustment and corresponding points matching in the aerotriangulation, and they specifically includes: firstly, the robust and unbiased estimation of the Rational Function Model (RFM) parameters for remote sensing imagery. Secondly, RFM bundle adjustment based on the improved error compensation model for multi-sensor remote sensing images. And thirdly, robust image match incorporating the geometric restraints and high order structure feature constraints. For the first two items, they are about the research on the improvement of the accuracy of RFM parameters and SAR imagery's error compensation model, by which the precise positioning of the multi-sensor images is obtained. For the third item, it realizes the robust corresponding points matching by introducing the RFM bundle adjustment and hypergraph matching techniques. This study is propitious to complementary advantages of multi-sensor remote sensing images in spatial information acquisition, and help dig the image's ability of spatial infromation extraction in the maximum degree, which has high values in theory and practice.

目前，针对异源星载光学、SAR遥感影像的空间信息提取，仍难以满足实际需求。关键原因在于两种影像的成像波谱、机理、方式完全不同，这造成影像精确定向定位和同名点匹配更加复杂和困难。针对该问题，本课题拟对其中的区域网平差、影像匹配等关键问题进行深入研究，具体内容包括：1）遥感影像有理函数模型参数的稳健无偏估计；2）基于改进误差补偿模型的异源影像有理函数模型区域网平差；3）顾及几何约束条件和高阶结构特征的异源遥感影像同名点自动匹配。对于前两项，通过对有理函数模型参数求解的优化和SAR影像误差补偿模型的研究，来实现异源遥感影像的精确几何定位；对于后者，通过有理函数区域网平差模型和超图匹配模型引入约束条件，实现同名点的精确可靠匹配。本研究有利于异源遥感影像在空间信息获取方面的优势互补，最大程度挖掘影像信息提取能力，具有较高的理论价值和应用价值。

在国家自然科学基金的支持下，本课题组对异源光学、SAR遥感影像的空间信息提取关键技术开展了深入的研究。本课题的主要研究进展总结如下：. 1）发展了遥感影像有理函数模型（RFM）参数的稳健估计方法。针对目前求解算法均基于法方程系数矩阵，而法方程系数矩阵的状态数是误差方程系数矩阵状态数的平方，给RFM模型参数求解的鲁棒性和精度造成影响的问题，研究了直接基于误差方程系数矩阵方法的求解方法。在Levenberg-Marquardt算法基础上，推导了求解公式；为了提高效率，融入了基于GPU的矩阵分解算法；针对所提出方法，研究分析了合适的虚拟控制格网参数。试验结果表明，所提出方法可获取更加精度的RFM模型参数，且具有良好运算效率。. 2）发展了异源光学和SAR遥感影像联合定位方法。针对SAR侧视斜距投影方式，地形起伏引起的像点位移较光学影像更加严重的特点，研究了基于类光学像方改正的异源光学和SAR遥感影像联合定位方法。构建了SAR侧视斜距投影与光学透视中心投影转换模型，建立了针对SAR遥感影像的像方误差补偿模型，推导形成了异源光学和SAR遥感影像区域网平差模型。试验结果表明，该模型相比严格几何模型，定位精度更加稳健；相比RFM模型区域网平差方法，定位精度有所改进。. 3）发展了异源遥感影像同名点匹配方法。针对异源遥感影像同名点匹配难题，研究了顾及高阶结构特征的异源遥感影像同名点匹配方法。通过划分特征点点簇，匹配过程融入区域网平差模型和超图模型，充分利用同名点所需满足的几何约束和高阶结构特征，提高的影像匹配成功率和可靠性。试验表明，本方法可以获得大量均匀分布的同名点，能满足异源遥感影像联合定位的需求。