基于國(guó)產(chǎn)高分遙感影像的條帶拼接及配準(zhǔn)融合算法研究

1、公路年月第期文章編號(hào)：（）中圖分類(lèi)號(hào)：文獻(xiàn)標(biāo)識(shí)碼：基于國(guó)產(chǎn)高分遙感影像的條帶拼接及配準(zhǔn)融合算法研究劉惠彬，劉曉東，楊璇（上海工程技術(shù)大學(xué)電子電氣工程學(xué)院上海市；中交宇科（北京）空間信息技術(shù)有限公司北京市）摘要：針對(duì)國(guó)產(chǎn)遙感衛(wèi)星受硬件水平所限，定軌定姿精度較差，成像幾何質(zhì)量較低等現(xiàn)實(shí)問(wèn)題，以我國(guó)衛(wèi)星影像為研究處理對(duì)象，解決多影像聯(lián)合自動(dòng)匹配、子線(xiàn)陣影像自動(dòng)拼接、全色與多光譜影像智能融合等關(guān)鍵技術(shù)，為影像在交通行業(yè)應(yīng)用奠定了堅(jiān)實(shí)的技術(shù)基礎(chǔ)。關(guān)鍵詞：遙感影像；條帶拼接；配準(zhǔn)；融合衛(wèi)星遙感作為人類(lèi)獲取地球系統(tǒng)數(shù)據(jù)和認(rèn)知地球系統(tǒng)的重要手段，已經(jīng)廣泛應(yīng)用于國(guó)土資源遙感、環(huán)境與大氣探測(cè)、應(yīng)急監(jiān)測(cè)、國(guó)防軍事等

2、諸多領(lǐng)域。在現(xiàn)有技術(shù)體系下，遙感衛(wèi)星的關(guān)鍵處理依賴(lài)于硬件水平、軌道和姿態(tài)精度，但國(guó)產(chǎn)遙感衛(wèi)星受硬件水平所限，定軌定姿精度較低，缺乏與國(guó)外遙感衛(wèi)星抗衡的核心競(jìng)爭(zhēng)力，應(yīng)用水平受到制約。針對(duì)高分（辨率）遙感影像在交通行業(yè)的應(yīng)用，筆者在實(shí)驗(yàn)過(guò)程中發(fā)現(xiàn)主要存在如下兩個(gè)問(wèn)題。（）條帶影像拼接：受硬件水平所限，通常為保證一定幅寬，獲取的高分辨率衛(wèi)星影像是由安置在成像面上多條陣列影像拼接而成，子陣列的拼接需要使用子條帶影像間的連接點(diǎn)進(jìn)行檢校。理論上拼接只在參考高度上是正確的。但是對(duì)大多數(shù)傳感器而言，上述拼接誤差都足夠小，可以忽略不計(jì)。例如對(duì)于影像來(lái)說(shuō)，偏離參考高度可能造成個(gè)像素的拼接誤差。國(guó)內(nèi)學(xué)者對(duì)國(guó)產(chǎn)衛(wèi)星的

3、多子線(xiàn)陣影像拼接進(jìn)行了很多研究，一般都是基于地物成像的連續(xù)性假設(shè)，先建立圖像配準(zhǔn)連接點(diǎn)對(duì)，通過(guò)構(gòu)建子線(xiàn)陣影像間像點(diǎn)坐標(biāo)映射關(guān)系進(jìn)行拼接的。采用這種方法獲得的拼接后影像并不滿(mǎn)足原有線(xiàn)陣的嚴(yán)密成像模型，定位的相對(duì)精度較差，一般在個(gè)像素左右，遠(yuǎn)遠(yuǎn)不能滿(mǎn)足高精度的要求。（）影像配準(zhǔn)融合：隨著高空間分辨率、高光譜分辨率、多種類(lèi)傳感器的不斷發(fā)展（如、）等，我們可直接獲得地面物體的形狀、大小、位置、性質(zhì)及環(huán)境相互關(guān)系等地面目標(biāo)的特征信息。面對(duì)新的高分辨率數(shù)據(jù)類(lèi)型，今后的研究工作應(yīng)對(duì)現(xiàn)有各種融合方法的原理、特點(diǎn)進(jìn)行綜合分析，應(yīng)利用小波分析、神經(jīng)網(wǎng)絡(luò)等理論，致力于發(fā)展更為有效而且可靠的新的融合技術(shù)，以適合于新型

4、數(shù)據(jù)自身融合的方法及高分辨率（）與低分辨率（，甚至更低）數(shù)據(jù)間的融合處理技術(shù)，充分有效地利用不同尺度、不同時(shí)相、不同類(lèi)型的海量遙感數(shù)據(jù)。盡管目前的融合算法很多，但是缺乏從特定應(yīng)用角度的融合算法設(shè)計(jì)。大多數(shù)算法沒(méi)有從物理機(jī)理和應(yīng)用目的進(jìn)行分析，而是依據(jù)圖像質(zhì)量的評(píng)價(jià)體系進(jìn)行設(shè)計(jì)和比較，這樣得到的結(jié)果不具有針對(duì)性，雖然圖像整體效果增強(qiáng)，但是不能滿(mǎn)足增強(qiáng)感興趣的信息的目的。本文通過(guò)研究基于高精度幾何檢校場(chǎng)的在軌幾何檢校，基于已知地理參考數(shù)據(jù)的遙感影像智能匹配和高精度定位，高分子線(xiàn)陣拼接，全色影像與多光譜影像的自動(dòng)配準(zhǔn)與融合等關(guān)鍵技術(shù)，提高國(guó)產(chǎn)遙感衛(wèi)星的對(duì)地定位精度，改進(jìn)幾何成像質(zhì)量，并根據(jù)相關(guān)理論和

5、算法，研究國(guó)產(chǎn)遙感衛(wèi)星的幾何質(zhì)量改進(jìn)軟件模塊，最終為國(guó)產(chǎn)高分衛(wèi)星技術(shù)在交通行業(yè)的應(yīng)用提供國(guó)產(chǎn)遙感衛(wèi)星的高精度幾何檢校參數(shù)和定位參數(shù)、高質(zhì)量拼接影像和彩色融合影像。收稿日期：基本原理?xiàng)l帶影像拼接線(xiàn)陣影像的拼接可分為像方拼接與物方拼接兩種方式。若要在像方直接完成各影像的準(zhǔn)確拼接，必須在各影像間進(jìn)行匹配，通過(guò)匹配得到的同名點(diǎn)解算影像間的位置關(guān)系。但由于影像受到投影差的影響，對(duì)于高程起伏較大的區(qū)域，通過(guò)簡(jiǎn)單的位置解算顯然無(wú)法實(shí)現(xiàn)影像的精確接邊。而高分辨率相機(jī)內(nèi)部之間像素重疊一般較小，也決定了僅僅通過(guò)該重疊范圍內(nèi)的匹配點(diǎn)很難正確解算出影像間復(fù)雜的幾何關(guān)系，因此先對(duì)影像進(jìn)行正射糾正處理，選擇在物方進(jìn)行拼接

6、是十分合理的。由于子線(xiàn)陣重疊區(qū)域過(guò)小，相互之間無(wú)法直接匹配定向，因此可利用已有的物方影像數(shù)據(jù)為基準(zhǔn)對(duì)高分辨率相機(jī)各影像進(jìn)行再定向，進(jìn)而實(shí)現(xiàn)基于物方的無(wú)縫拼接。該物方影像可以是高精度的地理參考影像，也可以是同衛(wèi)星同軌道的同時(shí)相影像。比如衛(wèi)星的影像再定向即是以該衛(wèi)星同時(shí)相的全色影像為基準(zhǔn)。以國(guó)產(chǎn)衛(wèi)星的高分辨率相機(jī)（相機(jī)）為例，其相機(jī)的焦平面與地面對(duì)應(yīng)關(guān)系如圖所示。要想獲取此類(lèi)傳感器的標(biāo)準(zhǔn)景正射影像產(chǎn)品，需解決多個(gè)子線(xiàn)陣影像（影像）之間的拼接問(wèn)題。下文將以衛(wèi)星的相機(jī)為例，介紹多子線(xiàn)陣影像的標(biāo)準(zhǔn)景正射影像制作方法。圖的相機(jī)焦平面與輸出數(shù)據(jù)的對(duì)應(yīng)關(guān)系子線(xiàn)陣影像的拼接可分為像方拼接與物方拼接兩種方式。若要

7、在像方直接完成各影像的準(zhǔn)確拼接，必須在各影像間進(jìn)行匹配，通過(guò)匹配得到的同名點(diǎn)解算影像間的位置關(guān)系。但由于影像受到投影差的影響，對(duì)于高程起伏較大的區(qū)域，通過(guò)簡(jiǎn)單的位置解算顯然無(wú)法實(shí)現(xiàn)影像的精確接邊。而相機(jī)內(nèi)部之間個(gè)像素的重疊，也決定了僅僅通過(guò)該重疊范圍內(nèi)的匹配點(diǎn)很難正確解算出影像間復(fù)雜的幾何關(guān)系，因此先對(duì)影像進(jìn)行正射糾正處理，選擇在物方進(jìn)行拼接是十分合理的。由于子線(xiàn)陣重疊區(qū)域過(guò)小，相互之間無(wú)法直接匹配定向，因此可利用已有的物方影像數(shù)據(jù)為基準(zhǔn)對(duì)各影像進(jìn)行再定向，進(jìn)而實(shí)現(xiàn)基于物方的無(wú)縫拼接。該物方影像可以是高精度的地理參考影像，也可以是同衛(wèi)星同軌道的同時(shí)相影像。衛(wèi)星的影像再定向即是以該衛(wèi)星同時(shí)相的全

8、色影像為基準(zhǔn)。其處理過(guò)程主要分為四個(gè)步驟：首先進(jìn)行全色影像的對(duì)地精確定位，使其成為定向的物方基準(zhǔn)；其次進(jìn)行全色影像與各影像之間的匹配，得到兩者之間大量的同名點(diǎn)；再次根據(jù)全色影像的定向參數(shù)，將匹配的點(diǎn)位單片交會(huì)到數(shù)據(jù)上，獲取點(diǎn)位的物方三維坐標(biāo)，并將其作為控制點(diǎn)，對(duì)影像的初始定向參數(shù)進(jìn)行精化；最后基于有理函數(shù)模型（），利用各影像和全色上的同名點(diǎn)進(jìn)行像方與物方的模型關(guān)系解算，得到高擬合精度的有理多項(xiàng)式系數(shù)（）參數(shù)。完成再定向后，直接進(jìn)行子線(xiàn)陣影像的糾正、鑲嵌、羽化的同步處理。糾正至地面坐標(biāo)系后，各影像之間存在一定的重疊，其位置關(guān)系如圖所示。因此不同于對(duì)單張影像的正射糾正，正射影像在重疊區(qū)域存在一個(gè)地

9、面點(diǎn)與多個(gè)像方點(diǎn)對(duì)應(yīng)的情況，在糾正過(guò)程中要設(shè)法明確每一個(gè)地面點(diǎn)對(duì)應(yīng)的像方點(diǎn)（可能是一個(gè)點(diǎn)，也可能是存在于不同影像上的多個(gè)點(diǎn)），并從中選擇最適合的像點(diǎn)進(jìn)行灰度賦值，即可得到無(wú)縫拼接的正射影像。由于影像之間最多只存在二度重疊，所以?xún)H在影像接邊處存在二選一的情況，如圖所示，當(dāng)?shù)孛纥c(diǎn)在和兩片影像上均存在對(duì)應(yīng)點(diǎn)時(shí)（由于兩片影像的定向參數(shù)精度并不完全一致，故像方的對(duì)應(yīng)點(diǎn)可能存在差別），通過(guò)比較、到其所在影像邊緣的距離、的值，可知點(diǎn)在像方距離哪一片影像更近，進(jìn)而決定從該影像上獲取灰度值。 公路 年第期圖片正射影像的位置關(guān)系圖重疊區(qū)域中地面點(diǎn)與像方點(diǎn)的對(duì)應(yīng)關(guān)系綜上，當(dāng)某地面點(diǎn)在兩片影像上均存在對(duì)應(yīng)點(diǎn)時(shí)，可得出

10、下式：（，）（，），（，），（）式中：（，）為正射影像上像點(diǎn)的灰度值；（，）為第片影像上對(duì)應(yīng)像點(diǎn)的灰度值；表示第片上的對(duì)應(yīng)像點(diǎn)到影像近端邊緣處的垂直距離。該方法得到的正射影像會(huì)在影像接邊處存在一定的灰度差異，能夠較明顯地觀察到鋸齒狀的鑲嵌線(xiàn)，因此需要對(duì)鑲嵌線(xiàn)附近的影像進(jìn)行羽化過(guò)渡處理。對(duì)已經(jīng)完成拼接的影像進(jìn)行羽化處理是一個(gè)繁瑣的過(guò)程，但若選擇在糾正拼接的過(guò)程中完成羽化過(guò)渡，只需采用距離加權(quán)法進(jìn)行改進(jìn)即可：（，）（，），（，），（）（，）（）（，）， 烅烄烆（）式中：（），可理解為像方點(diǎn)到“鑲嵌線(xiàn)”的距離；為羽化過(guò)渡區(qū)域的寬度。全色多光譜影像配準(zhǔn)與融合實(shí)現(xiàn)國(guó)產(chǎn)衛(wèi)星全色影像與多光譜影像的融合，其關(guān)

11、鍵技術(shù)在于如何實(shí)現(xiàn)在整景范圍內(nèi)，不同分辨率的多光譜影像和全色影像的高精度配準(zhǔn)。在實(shí)際處理數(shù)據(jù)過(guò)程中，因?yàn)槭艿叫l(wèi)星抖動(dòng)、行時(shí)不準(zhǔn)確等諸多因素的影響，全色與多光譜影像之間的相對(duì)位置往往很難保持較高精度水平。分辨率的不一致與相對(duì)位置關(guān)系的不確定，對(duì)影像之間的高精度配準(zhǔn)帶來(lái)較大影響。另一方面，國(guó)產(chǎn)衛(wèi)星影像由于當(dāng)前探測(cè)器制作工藝和技術(shù)的限制，衛(wèi)星成像系統(tǒng)的光譜響應(yīng)存在一些偏差，全色多光譜影像融合前，需要進(jìn)行一定的輻射處理，消除波段之間的強(qiáng)度不一問(wèn)題、增強(qiáng)影像的清晰度、同時(shí)需要對(duì)融合算法進(jìn)行研究，找到適合國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)的影像融合算法。為解決多尺度影像數(shù)據(jù)產(chǎn)品的配準(zhǔn)與融合問(wèn)題所采取的技術(shù)路線(xiàn)如圖所示。圖多尺度

12、影像配準(zhǔn)與融合技術(shù)路線(xiàn)示意首先，為解決尺度差異問(wèn)題，將影像采用上一步的幾何糾正方法糾正到同一尺度下，并創(chuàng)建糾正影像縮略圖；其次，將縮略圖通過(guò)特征匹配算法進(jìn)行匹配，利用匹配結(jié)果計(jì)算后續(xù)匹配的預(yù)測(cè)值；再次，提取待匹配影像上的特征點(diǎn)，利用匹配預(yù)測(cè)值，以一定的搜索范圍進(jìn)行灰度相關(guān)，并在灰度相關(guān)結(jié)果的基礎(chǔ)上進(jìn)行最小二乘匹配；然后，在影像局部小范圍內(nèi)，充分顧及匹配點(diǎn)位之間的相互聯(lián)系，利用移動(dòng)曲面法進(jìn)行匹配點(diǎn)粗差剔除；最后，將匹配點(diǎn)采用基于年第期劉惠彬等：基于國(guó)產(chǎn)高分遙感影像的條帶拼接及配準(zhǔn)融合算法研究泰森多邊形算法構(gòu)建不規(guī)則三角網(wǎng)，利用對(duì)應(yīng)三角形上的匹配點(diǎn)構(gòu)建局部區(qū)域的仿射變換模型進(jìn)行兩幅影像的配準(zhǔn)糾正，

13、同時(shí)進(jìn)行信息融合，最終得到多尺度影像的信息融合產(chǎn)品。（）粗匹配。由于受到衛(wèi)星姿態(tài)軌道參數(shù)、相機(jī)參數(shù)以及數(shù)據(jù) 精 度 的 影 響，正 射 糾 正 之 后 得 到 兩 幅的精度往往并不一致，這導(dǎo)致兩幅影像上的同名點(diǎn)坐標(biāo)存在差異，無(wú)法直接進(jìn)行影像融合。對(duì)于同名點(diǎn)坐標(biāo)差距達(dá)到幾百個(gè)像素的影像，如果直接利用坐標(biāo)預(yù)測(cè)進(jìn)行灰度匹配，則需要設(shè)置非常大的搜索窗口才有可能找到同名點(diǎn)，這樣將極大延長(zhǎng)匹配用時(shí)，也將降低匹配結(jié)果的可靠性。特征匹配算法無(wú)需進(jìn)行區(qū)域搜索，其匹配結(jié)果在剔除粗差后具有很高的可靠性。故在進(jìn)行基于灰度相關(guān)的影像匹配之前，首先采用算法對(duì)影像縮略圖進(jìn)行粗匹配。雖然這種方法計(jì)算量大、相較灰度匹配更加耗時(shí)

14、，并不適合直接用于像幅較大的衛(wèi)星遙感影像之間的匹配，但是這種劣勢(shì)反映到影像縮略圖上則基本可以忽略不計(jì)。如圖所示為對(duì)兩幅衛(wèi)星的全色與多光譜正射影像縮略圖的匹配結(jié)果。圖全色與多光譜影像縮略圖粗匹配結(jié)果（）相關(guān)系數(shù)法與最小二乘匹配。在進(jìn)行精匹配之前，需要對(duì)影像做以下兩個(gè)方面處理：首先，將多光譜影像灰度化，并采用濾波器對(duì)全色影像與灰度化的多光譜影像進(jìn)行增強(qiáng)，這樣不僅可以消除影像灰度尺度的不一致，同時(shí)可提高影像的信噪比，從而保證影像特征在灰度空間的高相關(guān)性；其次，采用改進(jìn)的算子提取子像素級(jí)特征點(diǎn)，通過(guò)設(shè)置合理的閾值將影像劃分為格網(wǎng)，可以提取得到均勻分布的特征點(diǎn)。然后以相關(guān)系數(shù)為相似性測(cè)度進(jìn)行影像精匹配。

15、相關(guān)系數(shù)法是一種常用的在空間域中直接利用像元灰度進(jìn)行相關(guān)的算法。對(duì)于兩個(gè)圖像子窗口構(gòu)成的灰度矩陣而言，其相關(guān)系數(shù)（，）定義如下：（，）（，）（，）（，）·（，）槡（）式中：，為參考圖像子窗口中（，）處的像素灰度值；，為匹配圖像中以參考點(diǎn)（，）為中心的搜索區(qū)域（，）處的像素灰度值；、為窗口內(nèi)的平均值。基于相關(guān)系數(shù)法的影像匹配結(jié)果只能達(dá)到像素級(jí)精度，以其匹配結(jié)果為初值再進(jìn)行最小二乘匹配，將能達(dá)到子像素級(jí)的匹配精度。最小二乘影像匹配的基本思想，即在影像匹配中引入影像間的幾何變形參數(shù)與輻射畸變參數(shù)，同時(shí)按最小二乘的原則解求這些參數(shù)。由于影像匹配窗口的尺寸均很小，所以一般只考慮一次畸變：（）式

16、中：，為左片像點(diǎn)坐標(biāo)；，為右片像點(diǎn)坐標(biāo)；，（，）為變形參數(shù)。同時(shí)再考慮到右方影像相對(duì)于左方影像的線(xiàn)性灰度畸變，則可得：（，）（，）（，）（，） （）最小二乘影像匹配的具體步驟如下。幾何變形改正。根據(jù)幾何變形改正參數(shù)，由式（）將左方影像窗口的影像坐標(biāo)變換至右方影像陣列。重采樣。由于換算所得的坐標(biāo)，一般不可能是右方影像陣列中的整數(shù)行列號(hào)，因此重采樣是必須的，由重采樣獲得（，）。一般來(lái)說(shuō)，重采樣可采用雙線(xiàn)性?xún)?nèi)插。輻射畸變改正。利用由最小二乘影像匹配所求得輻射畸變改正參數(shù)，對(duì)上述重采樣的結(jié)果作輻射改正：·（，）。根據(jù)左、右灰度陣列（，）和·（，），計(jì)算左、右影像匹配窗口中的相關(guān)系數(shù)

17、，判斷是否需要繼續(xù)迭代。一般來(lái)說(shuō)，若相關(guān)系數(shù)小于前一次迭代后所求得的相關(guān)系數(shù)，則可認(rèn)為迭代結(jié)束，也可根據(jù)幾何變形參數(shù)是否小于某個(gè)預(yù)定的 公路 年第期閾值判斷迭代是否結(jié)束。若迭代結(jié)束，轉(zhuǎn)至步驟。采用最小二乘影像匹配，解求變形參數(shù)的改正值：，。計(jì)算變形參數(shù)：，轉(zhuǎn)至步驟。計(jì)算最佳匹配點(diǎn)位置。根據(jù)最小二乘匹配的精度理論可知：匹配精度取決于影像灰度的梯度·，·。因此，可用梯度的平方為權(quán)，在左方影像窗口內(nèi)對(duì)坐標(biāo)做加權(quán)平均：··· ···（）（）匹配點(diǎn)粗差剔除。無(wú)論是基于特征的粗匹配，還是基于灰度的精匹配，其匹配結(jié)果都必須進(jìn)行粗

18、差剔除以保證其可靠性。在將原始影像糾正為之后，影像匹配的粗差剔除需要解決三個(gè)方面的問(wèn)題：一是線(xiàn)陣列成像時(shí)刻的外方位元素是以?huà)呙栊袨閱卧涗浀模诖蠓秶跋竦募m正過(guò)程中，各掃描行影像的外方位元素變化比較大；二是目前線(xiàn)陣的制作工藝水平有限，探元的畸變會(huì)使得像元產(chǎn)生不規(guī)則的變形；三是不同傳感器在成像時(shí)刻的系統(tǒng)誤差是不同的，在配準(zhǔn)處理中這種系統(tǒng)誤差也無(wú)法通過(guò)傳統(tǒng)的策略進(jìn)行抵消。因此，很難有一種嚴(yán)格的數(shù)學(xué)模型來(lái)精確描述影像之間的幾何關(guān)系，以便作為影像匹配粗差剔除的依據(jù)。分析上述幾個(gè)方面的問(wèn)題，不難看出，在融合影像的局部小范圍內(nèi)，若充分顧及匹配點(diǎn)位之間的相互聯(lián)系，并進(jìn)一步消除成像系統(tǒng)誤差，才能得到近似滿(mǎn)足

19、同名像點(diǎn)投影關(guān)系的數(shù)學(xué)模型，進(jìn)而對(duì)匹配粗差進(jìn)行有效剔除。如圖所示，假設(shè)有像點(diǎn)和是相對(duì)于點(diǎn)的兩個(gè)可能的匹配結(jié)果，在各點(diǎn)所在的曲面上，實(shí)心點(diǎn)位為待定點(diǎn)，空心點(diǎn)位為關(guān)系點(diǎn)。將待定點(diǎn)與其附近的關(guān)系點(diǎn)構(gòu)建三角網(wǎng)之后可以看到，圖（）中點(diǎn)與圖（）中點(diǎn)為正確匹配點(diǎn)，盡管圖（）與圖（）存在畸變，通過(guò)局部模型變換可以將這種畸變消除；此時(shí)若出現(xiàn)圖（）中的錯(cuò)誤匹配點(diǎn)，則通過(guò)比較局部模型誤差可以探測(cè)出該粗差。綜上所述，本文剔除粗差的具體算法可分為以下幾步：依據(jù)任一影像的像點(diǎn)坐標(biāo)構(gòu)建匹配點(diǎn)集的三角網(wǎng)結(jié)構(gòu)；采用移動(dòng)曲面擬合的思想，在三角網(wǎng)上進(jìn)行有限曲面遍歷，利用曲面上的關(guān)系點(diǎn)進(jìn)行模型解算，并對(duì)曲面上待定點(diǎn)進(jìn)行估計(jì)；統(tǒng)計(jì)曲面

20、上關(guān)系點(diǎn)的規(guī)律，并根據(jù)統(tǒng)計(jì)結(jié)果進(jìn)行待定點(diǎn)估計(jì)的判定，從而決定待定點(diǎn)是否為粗差；重復(fù)第一步到第三步，直至所有點(diǎn)位滿(mǎn)足局部幾何關(guān)系，算法結(jié)束。圖影像匹配粗差剔除示意（）影像配準(zhǔn)融合。常用的影像融合方法有變換法、變換法、高通濾波法、小波變換法以及線(xiàn)性加權(quán)法。以變換法為例，變換法算法較為簡(jiǎn)單，常用于進(jìn)行衛(wèi)星影像的融合處理。其具體處理步驟如下。取多光譜圖像用于融合的三個(gè)波段數(shù)據(jù)，對(duì)其進(jìn)行變換，得到顏色空間中圖像的亮度（）、色調(diào)（）和飽和度（）三個(gè)分量。將變換后得到的分量用高分辨率全色圖像的亮度分量替換。將，進(jìn)行反變換，生成融合圖像。此外，不正確的匹配點(diǎn)對(duì)會(huì)造成融合后的影像上對(duì)應(yīng)區(qū)域產(chǎn)生明顯的重影現(xiàn)象，從

21、以下融合結(jié)果來(lái)看并沒(méi)有產(chǎn)生該現(xiàn)象，說(shuō)明在經(jīng)過(guò)粗差剔除之后，匹配結(jié)果中已經(jīng)基本不含錯(cuò)誤點(diǎn)。多組試驗(yàn)表明，以上方案能夠在正射影像定位精度不穩(wěn)定的情況下實(shí)現(xiàn)影像精配準(zhǔn)，其配準(zhǔn)精度達(dá)到子像素級(jí)。試驗(yàn)及結(jié)果分析條帶影像拼接圖所示為衛(wèi)星相機(jī)的片原始影像與處理后得到的標(biāo)準(zhǔn)景正射影像結(jié)果，圖所示為羽化前后的接邊區(qū)域的對(duì)比。數(shù)據(jù)的部分波段（的第、波段）存在條帶效應(yīng)，一般認(rèn)為條帶效應(yīng)是由于傳感器上不同探測(cè)單元對(duì)同一地物場(chǎng)景的不同探測(cè)相應(yīng)度造成的，因此需要對(duì)邊緣進(jìn)行羽化，圖是羽化后的效果。多源遙感影像配準(zhǔn)及融合圖所示為試驗(yàn)數(shù)據(jù)的匹配點(diǎn)，以紅年第期劉惠彬等：基于國(guó)產(chǎn)高分遙感影像的條帶拼接及配準(zhǔn)融合算法研究圖衛(wèi)星的原始

22、影像與處理后得到的正射影像圖衛(wèi)星正射影像拼接結(jié)果色標(biāo)記的點(diǎn)為被剔除掉的粗差點(diǎn)。匹配搜索窗口大小為×，匹配窗口大小為×，相關(guān)系數(shù)閾值為。經(jīng)統(tǒng)計(jì)，整景影像的匹配點(diǎn)為個(gè)，其中正確點(diǎn)個(gè)，誤匹配率極低。利用前述方法對(duì)誤匹配點(diǎn)進(jìn)行剔除后，可得到大量均勻分布的正確同名點(diǎn)。圖試驗(yàn)影像匹配結(jié)果圖為對(duì)衛(wèi)星的全色影像與多光譜影像數(shù)據(jù)進(jìn)行處理后得到的高分辨率彩紅外正射影像。可以看到，無(wú)論是飛機(jī)的機(jī)翼還是建筑物的棱角等影像細(xì)節(jié)都表現(xiàn)出良好的融合效果。融合后的彩紅外影像既能清晰地表達(dá)地物的細(xì)節(jié)特征，同時(shí)又具備較為豐富的光譜信息，應(yīng)用價(jià)值較高。圖衛(wèi)星高分辨率彩紅外結(jié)果圖為利用國(guó)產(chǎn)高分號(hào)衛(wèi)星影像全色和多光譜數(shù)據(jù)進(jìn)行配準(zhǔn)融合后的結(jié)果，可以看到融合后道路的幾何紋理及光譜信息都大大增加了，在交通領(lǐng)域具有廣闊的應(yīng)用前景。結(jié)論及展望本文研究國(guó)產(chǎn)高分衛(wèi)星遙感影像條帶拼