一種適用于大區域的多尺度遙感影像匹配方法及系統的制作方法
【專利摘要】本發明提供一種適用于大區域的多尺度遙感影像匹配方法及系統，該方法包括：根據基準影像和每一待匹配影像附帶的RPC參數，并結合DEM數據，分別計算基準影像與每一待匹配影像的同名區；分別對同名區進行網格化規則分塊，從獲得的至少一個規則格網子塊中提取Forstner特征點，分別形成基準影像與每一待匹配影像對應的匹配基準點集；進行基于匹配基準點集的動態影像匹配，分別獲取基準影像與每一待匹配影像對應的匹配點集。本發明解決了傳統匹配方法在進行大區域中的多尺度遙感影像匹配時存在的速度較慢、精度較低的問題，且對山地、高山等地形起伏大的地方也具有較高的可靠性。
【專利說明】
一種適用于大區域的多尺度遙感影像匹配方法及系統
技術領域
[0001]本發明涉及衛星遙感影像處理技術領域，具體涉及一種適用于大區域的多尺度遙感影像匹配方法及系統。
【背景技術】
[0002]近幾年來隨著傳感器技術、航空航天技術和數據通訊技術的不斷發展，新型傳感器不斷涌現，已從過去的單一傳感器發展到現在的多種類型的傳感器，在同一個地區現在已經可以獲得非常多的具有不同尺度、不同光譜、不同時相的多源遙感影像數據，即大區域中的多尺度遙感影像數據。這使得現代遙感技術進入一個全新階段，一個能動態、快速、多平臺、多時相、高分辨率地提供對地觀測數據的階段。這些大區域中的多尺度遙感影像數據的融合能夠彌補單一數據源的不足，并且擁有非常廣闊的應用前景。
[0003]在衛星遙感影像處理技術領域，影像匹配技術是數字攝影測量自動化的核心技術，也是計算機視覺和圖像分析等的關鍵技術。現有的影像匹配方法大體上可以分為基于灰度的影像匹配和基于特征的影像匹配兩個大類，目前應用比較多的主要有核線匹配方法和金字塔匹配方法。由于大區域中的多尺度遙感影像之間存在巨大差異，因此利用現有的匹配方法進行影像匹配時，其匹配速度較慢，精度較低，且對山地、高山等地形起伏較大的地方具有較低的可靠性。
【發明內容】
[0004]本發明提供一種適用于大區域的多尺度遙感影像匹配方法及系統，以解決現有技術中的匹配方法在進行大區域中的多尺度遙感影像匹配時存在的速度較慢、精度較低的問題。
[0005]第一方面，本發明提供一種適用于大區域的多尺度遙感影像匹配方法，所述方法包括:
[0006]選擇多尺度遙感影像集中的一張遙感影像作為基準影像，將所述多尺度遙感影像集中的其他遙感影像作為待匹配影像；
[0007]根據所述基準影像和每一所述待匹配影像附帶的RPC參數，并結合DEM數據，分別計算所述基準影像與每一所述待匹配影像的同名區；
[0008]分別對所述同名區進行網格化規則分塊，從獲得的至少一個規則格網子塊中提取Forstner特征點，分別形成所述基準影像與每一所述待匹配影像對應的匹配基準點集；
[0009]進行基于所述匹配基準點集的動態影像匹配，分別獲取所述基準影像與每一所述待匹配影像對應的匹配點集。
[0010]第二方面，本發明提供一種適用于大區域的多尺度遙感影像匹配系統，所述系統包括:
[0011 ]選擇模塊，用于選擇多尺度遙感影像集中的一張遙感影像作為基準影像，將所述多尺度遙感影像集中的其他遙感影像作為待匹配影像；
[0012]計算模塊，用于根據所述基準影像和每一所述待匹配影像附帶的RPC參數，并結合DEM數據，分別計算所述基準影像與每一所述待匹配影像的同名區；
[0013]提取模塊，用于分別對所述同名區進行網格化規則分塊，從獲得的至少一個規則格網子塊中提取Forstner特征點，分別形成所述基準影像與每一所述待匹配影像對應的匹配基準點集；
[0014]匹配模塊，用于進行基于所述匹配基準點集的動態影像匹配，分別獲取所述基準影像與每一所述待匹配影像對應的匹配點集。
[0015]本發明提供一種適用于大區域的多尺度遙感影像匹配方法及系統，針對推掃式光學衛星遙感影像成像的特點，對輸入的多尺度遙感影像集，利用遙感影像附帶的RPC參數，并加入全球DEM數據作為輔助數據，實現了快速的同名區位置預測，然后在同名區內提取尺度不變的特征點進行匹配，有效減少了無效輸入，加快了匹配速度;在匹配過程中，通過調整高程值，動態調整匹配位置，最終確定最佳的匹配點。另外，通過最小二乘影像匹配和隨機采樣一致性方法對匹配點進行處理，可以得到高精度的匹配點。
[0016]本發明解決了傳統匹配方法在進行大區域中的多尺度遙感影像匹配時存在的速度較慢、精度較低的問題，且對山地、高山等地形起伏大的地方也具有較高的可靠性。
【附圖說明】
[0017]為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0018]圖1為本發明實施例提供的一種適用于大區域的多尺度遙感影像匹配方法的流程示意圖；
[0019]圖2為本發明實施例提供的一種適用于大區域的多尺度遙感影像匹配方法的流程示意圖；
[0020]圖3為圖2中步驟201中選取的多尺度遙感影像集的示意圖；
[0021]圖4為圖2步驟202的具體流程示意圖；
[0022]圖5為圖4中步驟2022中兩個四邊形進行求交運算的示意圖；
[0023]圖6為圖2中步驟205的具體流程示意圖；
[0024]圖7為利用圖2中提供的方法對基準影像和待匹配影像進行匹配后的匹配結果示意圖；
[0025]圖8為本發明實施例提供的一種適用于大區域的多尺度遙感影像匹配系統的結構示意圖。
【具體實施方式】
[0026]為使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明實施方式作進一步地詳細描述。
[0027]目前，在衛星遙感影像處理技術領域，用于采集遙感影像的光學衛星主要分為擺掃式和推掃式兩大類。一般說來，推掃式光學衛星遙感影像大多為線陣推掃式遙感影像，其核線類似于雙曲線，且左影像上的每一個點都對應右影像上不同的核線，因此，基于核線的影像匹配就變得相當復雜。此外，由于線陣推掃式遙感影像的數據量巨大，生成金字塔影像的速度很慢，影響了影像匹配的效率。正是由于線陣推掃式遙感影像的這些特點，導致傳統的核線匹配方法和金字塔匹配方法的匹配效果都不夠理想，為此，需要尋找一種匹配速度快、精度高的影像匹配方法。
[0028]有理函數模型(Rat1nal Funct1n Mode，RFM)是衛星遙感影像的通用幾何處理模型。它用有理多項式函數來擬合嚴格的幾何模型，使幾何模型處理簡化，易于計算，并獨立于傳感器。文中的RPC參數，即是指有理函數模型中的各有理多項式系數。另外，文中所述的DEM為數字高程模型(Digital Elevat1n Model)的英文縮寫。
[0029]本發明實施例提供一種適用于大區域的多尺度遙感影像匹配方法，參照圖1所示，該方法包括:
[0030]101、選擇多尺度遙感影像集中的一張遙感影像作為基準影像，將多尺度遙感影像集中的其他遙感影像作為待匹配影像。
[0031]102、根據所述基準影像和每一所述待匹配影像附帶的RPC參數，并結合DEM數據，分別計算所述基準影像與每一所述待匹配影像的同名區。
[0032]103、分別對同名區進行網格化規則分塊，從獲得的至少一個規則格網子塊中提取Forstner特征點，分別形成基準影像與每一待匹配影像對應的匹配基準點集。
[0033]104、進行基于匹配基準點集的動態影像匹配，分別獲取基準影像與每一待匹配影像對應的匹配點集。
[0034]本發明提供的一種適用于大區域的多尺度遙感影像匹配方法，針對推掃式光學衛星遙感影像成像的特點，對輸入的多尺度遙感影像集，利用遙感影像附帶的RPC參數，并加入全球DEM數據作為輔助數據，實現了快速的同名區位置預測，然后在同名區內提取尺度不變的特征點進行匹配，有效減少了無效輸入，加快了匹配速度;另外，在匹配過程中，通過調整高程值，動態調整匹配位置，最終確定最佳的匹配點。
[0035]本發明實施例提供的一種適用于大區域的多尺度遙感影像匹配方法，參照圖2所示，該方法包括:
[0036]201、選擇多尺度遙感影像集中的一張遙感影像作為基準影像，將多尺度遙感影像集中的其他遙感影像作為待匹配影像。
[0037]其中，多尺度遙感影像集為從同一個大區域中獲取的多個具有不同尺度、不同光譜、不同時相的多源遙感影像數據。具體實施匹配過程時，先從多尺度遙感影像集中選擇一張遙感影像作為基準影像，然后選擇其他遙感影像中的一張遙感影像作為待匹配影像后進行匹配，本發明實施例對基準影像的選取方式不做特殊限定。
[0038]具體地，在本發明實施例提供的一個具體用例中，選取天繪一號衛星中01星和02星拍攝的安徽某地區的100張遙感影像作為數據源，即本發明實施例中所述的多尺度遙感影像集。其覆蓋范圍約12萬平方公里，具體參照圖3中所示。
[0039]本實施例中，選擇多尺度遙感影像集中的一張遙感影像1_5_112影像作為基準影像，然后再選擇多尺度遙感影像集中的另一張遙感影像3_5_112影像作為待匹配影像。
[0040]202、根據基準影像和待匹配影像附帶的RPC參數，并結合DEM數據，計算基準影像與待匹配影像的同名區。
[0041]具體地，針對上述步驟中選取的基準影像1_5_112影像和待匹配影像3_5_112影像，根據這兩張遙感影像附帶的RPC參數，并結合DEM數據，進一步快速計算1_5_112影像和3_5_112影像的同名區。
[0042]進一步地，參照圖4所示，其具體的計算過程如下:
[0043]2021、根據基準影像和待匹配影像附帶的RPC參數和所選DEM數據，將基準影像和待匹配影像的四個角點分別投影到平均高程面上，得到兩個四邊形。
[0044]具體地，對于1_5_112影像和3_5_112影像，分別讀取這兩張影像附帶的RPC參數，獲取這兩張影像分別所在的大致的經瑋度坐標，根據其經瑋度坐標讀取全球30米的DEM數據中的高程值H作為平均高程面。分別將1_5_112影像和3_5_112影像的四個角點分別投影到平均高程面上，分別獲得四個角點對應的經瑋度坐標，將四個角點對應的經瑋度坐標組成四邊形，即分別得到兩個四邊形SI和S2。
[0045]2022、對兩個四邊形進行求交運算，得到一個多邊形，將多邊形的外接矩形確定為基準影像和待匹配影像的影像重疊區。
[0046]具體地，參照圖5所示，對步驟2021中得到的兩個四邊形SI和S2進行四邊形求交運算，得到一個多邊形S3。將多邊形S3的外接矩形確定為1_5_112影像和3_5_112影像的影像重疊區。
[0047]2023、根據基準影像附帶的RPC參數，將影像重疊區反算到基準影像上，獲取基準影像與待匹配影像的同名區。
[0048]具體地，根據1_5_112影像附帶的RPC參數，將步驟2022中確定的影像重疊區的四個角點對應的經瑋度坐標，按照RPC反算公式從平均高程面上反算到1_5_112影像上，從而可以獲取1_5_112影像和3_5_112影像的同名區。
[0049]203、對同名區進行網格化規則分塊，從獲得的至少一個規則格網子塊中提取Forstner特征點，形成基準影像與待匹配影像對應的匹配基準點集。
[0050]其中，對步驟202中計算出的同名區進行網格化規則分塊，是指把同名區切分為一定大小的至少一個規則格網子塊，切分后的各規則格網子塊之間可以有重疊，也可以無重疊。本發明實施例中，對各規則網格子塊的大小不做特殊限定。
[0051 ]另外，從各規則格網子塊中提取Forstner特征點時，用于提取的Forstner算子通過計算像素為中心的窗口的灰度協方差矩陣以及每一個像素Roberts的梯度，在影像中尋找盡可能小并且接近于圓的誤差橢圓點為特征點。
[0052]具體地，經過該步驟后，從1_5_112影像和3_5_112影像的同名區中提取出至少一個Forstner特征點，這些Forstner特征點形成了 1_5_112影像和3_5_112影像對應的匹配基準點集。
[0053]204、對基準影像和待匹配影像進行影像分辨率一致化處理。
[0054]其中，為了消除基準影像和待匹配影像之間影像尺度的影響，需要對基準影像和待匹配影像進行影像分辨率一致化處理。分別獲取基準影像的影像分辨率與待匹配影像的影像分辨率，若基準影像的影像分辨率大于待匹配影像的影像分辨率，則對待匹配影像進行降采樣處理;否則，則進行升采樣處理。
[0055]具體地，分別獲取1_5_112影像的影像分辨率Rl和3_5_112影像的影像分辨率R2，若R1>R2，則對3_5_112影像進行降采樣處理;否則，則對3_5_112影像進行升采樣處理，從而可消除1_5_112影像和3_5_112影像之間影像尺度的影響。
[0056]205、進行基于匹配基準點集的動態影像匹配，獲取基準影像與待匹配影像對應的匹配點集。
[0057]其中，在獲取了匹配基準點集后，對消除了影像尺度的基準影像和待匹配影像進行動態影像匹配，從而獲取基準影像與待匹配影像對應的匹配點集。本發明實施例中所述的動態影像匹配，是指通過調整高程值，動態調整匹配位置，最終確定優選的匹配點。
[0058]進一步地，參照圖6所示，其具體的獲取過程如下:
[0059]2051、分別選擇匹配基準點集中的每一匹配基準點作為基準特征點。
[0060]其中，先從匹配基準點集中選擇一個匹配基準點作為基準特征點，在這個匹配基準點的匹配過程結束后，再選擇另一個匹配基準點作為基準特征點進行匹配，本發明實施例對基準特征點的選取方式不做特殊限定。
[0061]具體地，本實施例中，先選取匹配基準點P(xl，yl)作為基準特征點。
[0062]2052、根據基準影像附帶的RPC參數，并結合DEM數據，迭代計算出基準特征點的初始經瑋度坐標以及初始高程值，得到基準特征點的初始地面點;根據待匹配影像附帶的RPC參數，將初始地面點反算到待匹配影像上，得到初始匹配點；
[0063]具體地，讀取1_5_112影像附帶的RPC參數及全球30m的DEM數據，并結合基準特征點像方坐標P (XI，y I)，迭代計算出基準特征點P (XI，y I)的初始經瑋度坐標(BI，LI)，讀取全球30m的DEM數據處該初始經瑋度坐標(BI，L1)的高程值Hl，將Hl作為初始高程面。將基準特征點P(xl，yl)投影到初始高程面上，得到基準特征點PUl，yl)投影在初始高程面上的初始地面點物方坐標(Px，Ly);
[0064]讀取3_5_112影像附帶的RPC參數，將初始地面點(？1，1^)反算到3_5_112影像上，得到基準特征點P(xl，yl)對應的初始匹配點像方坐標Q(xl，yl)。
[0065]2053、計算基準特征點和初始匹配點的相關系數，并判斷相關系數的值是否大于相關系數閾值。
[0066]具體地，計算基準特征點P(xl，yl)和初始匹配點Q(xl，yl)的相關系數P，并將相關系數P的值與預先設置好的相關系數閾值Po進行比較，判斷相關系數P的值是否大于相關系數閾值Po。
[0067]2054、若是，則繼續執行下述步驟:
[0068]S1、定義相關系數的值為新的相關系數閾值；
[0069]S2、基準特征點和初始匹配點做RPC前方交會，得到新的地面點；
[0070]S3、定義新的地面點對應的高程值為初始高程面的高程值；
[0071]S4、重新計算得到基準特征點和初始匹配點的新的相關系數，并判斷新的相關系數的值是否不大于新的相關系數閾值；
[0072]S5、若是，則根據新的相關系數，計算與基準特征點對應的匹配點；否則，繼續執行步驟S I。
[0073]其中，若步驟2053中相關系數P的值小于或等于相關系數閾值Po時，則認為該基準特征點沒有對應的匹配點，需要進行下一個匹配基準點的匹配，即繼續執行步驟2051;若步驟2054執行完畢后，即獲取到了基準特征點對應的匹配點后，則認為該基準特征點的匹配過程已經結束，也需要進行下一個匹配基準點的匹配，即繼續執行步驟2051。
[0074]以此類推，直到匹配基準點集中的所有匹配基準點均進行了上述的匹配過程，輸出匹配基準點和與其對應的匹配點，從而獲取了基準影像與待匹配影像對應的匹配點集。
[0075]可選地，為進一步提高獲取到的匹配點集的精度，該方法還可以包括:
[0076]206、對獲取到的匹配點集進行隨機抽樣一致性算法處理。
[0077]其中，將上述獲取到的匹配點集作為輸入，隨機選取三對匹配點，計算出仿射參數，利用該仿射參數計算出其余匹配點的誤差。通過不斷迭代，選取最優的仿射參數，通過剔除該仿射參數下大的誤差點來達到剔除錯誤匹配點的目的。
[0078]207、對經過隨機抽樣一致性算法的匹配點集進一步進行最小二乘法影像匹配處理。
[0079]其中，利用最小二乘法可以充分考慮兩張遙感影像之間的幾何變形、灰度輻射畸變等因素，同時引入平差參數，從而可列出兩張影像之間的灰度函數式。
[0080]求解上述灰度函數式即可獲得每個匹配點的影像坐標的改正數，利用改正數修正該匹配點，最終獲得更加精確的影像坐標值。
[0081]208、輸出高精度的匹配點集。
[0082]其中，獲取到的匹配點集通過最小二乘影像匹配和隨機采樣一致性方法處理后其精度更高，輸出這些高精度的匹配點集即可。經過上述步驟的處理，最終輸出的匹配點集精度較高，可以達到亞像素級。
[0083]需要說明的是，為敘述方便，本發明實施例中僅詳細描述了基準影像與其中一張待匹配影像的具體匹配過程，基準影像與其余待匹配影像的具體匹配過程與上述過程相同，在此不再贅述。
[0084]具體地，參照圖7所示，圖7中示出了利用本發明實施例提供的匹配方法對1_5_112影像和3_5_112影像進行匹配后的最終結果。其中，圖7上側視圖為1_5_112影像，下側視圖為3_5_112影像，圖中十字絲為對應的匹配點。
[0085]本發明提供的一種適用于大區域的多尺度遙感影像匹配方法，針對推掃式光學衛星遙感影像成像的特點，對輸入的多尺度遙感影像集，利用遙感影像附帶的RPC參數，并加入全球DEM數據作為輔助數據，實現了快速的同名區位置預測，然后在同名區內提取尺度不變的特征點進行匹配，有效減少了無效輸入，加快了匹配速度;在匹配過程中，通過調整高程值，動態調整匹配位置，最終確定最佳的匹配點。另外，通過最小二乘影像匹配和隨機采樣一致性方法對匹配點進行處理，可以得到高精度的匹配點。
[0086]需要說明的是，對于上述方法的實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發明并不受所描述的動作順序的限制。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬于優選實施例，所涉及的動作并不一定是本發明所必需的。
[0087]本發明實施例提供一種適用于大區域的多尺度遙感影像匹配系統，參照圖8所示，該系統包括:
[0088]選擇模塊81，用于選擇多尺度遙感影像集中的一張遙感影像作為基準影像，將多尺度遙感影像集中的其他遙感影像作為待匹配影像；
[0089]計算模塊82，用于根據基準影像和每一待匹配影像附帶的RPC參數，并結合DEM數據，分別計算基準影像與每一待匹配影像的同名區；
[0090]提取模塊83，用于分別對同名區進行網格化規則分塊，從獲得的至少一個規則格網子塊中提取Forstner特征點，分別形成基準影像與每一所述待匹配影像對應的匹配基準點集；
[0091]匹配模塊84，用于進行基于匹配基準點集的動態影像匹配，分別獲取基準影像與每一待匹配影像對應的匹配點集。
[0092]優選地，計算模塊82具體用于:
[0093]對于基準影像和每一待匹配影像，根據基準影像和待匹配影像附帶的RPC參數，將基準影像和待匹配影像的四個角點分別投影到平均高程面上，得到兩個四邊形；
[0094]對兩個四邊形進行求交運算，得到一個多邊形，將多邊形的外接矩形確定為基準影像和待匹配影像的影像重疊區；
[0095]根據基準影像附帶的RPC參數，將影像重疊區反算到基準影像上，獲取基準影像與待匹配影像的同名區。
[0096]優選地，在進行基于匹配基準點集的動態影像匹配，分別獲取基準影像與每一待匹配影像對應的匹配點集之前，匹配模塊84還用于:
[0097]對基準影像和每一待匹配影像進行影像分辨率一致化處理。
[0098]優選地，匹配模塊84具體用于:
[0099]對于所述基準影像和每一所述待匹配影像，分別選擇對應的所述匹配基準點集中的每一匹配基準點作為基準特征點；
[0100]根據所述基準影像附帶的RPC參數，并結合DEM數據，迭代計算出所述基準特征點的初始經瑋度坐標以及初始高程值，得到所述基準特征點的初始地面點；根據所述待匹配影像附帶的RPC參數，將所述初始地面點反算到所述待匹配影像上，得到初始匹配點；
[0101]計算所述基準特征點和所述初始匹配點的相關系數，并判斷所述相關系數的值是否大于相關系數閾值；
[0102]若是，則定義所述相關系數的值為新的相關系數閾值，然后所述基準特征點和所述初始匹配點做RPC前方交會，得到新的地面點，定義所述新的地面點對應的高程值為初始高程值后，重新計算得到所述基準特征點和所述初始匹配點的新的相關系數;直到所述新的相關系數的值不大于所述新的相關系數閾值時，則根據所述新的相關系數，計算與所述基準特征點對應的匹配點。
[0103]優選地，在進行基于匹配基準點集的動態影像匹配，分別獲取基準影像與每一待匹配影像對應的匹配點集之后，匹配模塊84還用于:
[0104]對所述匹配點集進行隨機抽樣一致性算法處理及最小二乘法影像匹配處理，獲取高精度的匹配點集。
[0105]本發明提供的一種適用于大區域的多尺度遙感影像匹配系統，針對推掃式光學衛星遙感影像成像的特點，對輸入的多尺度遙感影像集，利用遙感影像附帶的RPC參數，并加入全球DEM數據作為輔助數據，實現了快速的同名區位置預測，然后在同名區內提取尺度不變的特征點進行匹配，有效減少了無效輸入，加快了匹配速度;在匹配過程中，通過調整高程值，動態調整匹配位置，最終確定最佳的匹配點。另外，通過最小二乘影像匹配和隨機采樣一致性方法對匹配點進行處理，可以得到高精度的匹配點。
[0106]需要說明的是，本領域技術人員可以清楚地了解到，為描述的方便和簡潔，上述適用于大區域的多尺度遙感影像匹配系統的具體工作過程和描述，可以參考上述的方法實施例中的對應過程，在此不再贅述。
[0107]以上僅為本發明的較佳實施例，并不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。
【主權項】
1.一種適用于大區域的多尺度遙感影像匹配方法，其特征在于，所述方法包括: 選擇多尺度遙感影像集中的一張遙感影像作為基準影像，將所述多尺度遙感影像集中的其他遙感影像作為待匹配影像； 根據所述基準影像和每一所述待匹配影像附帶的RPC參數，并結合DEM數據，分別計算所述基準影像與每一所述待匹配影像的同名區； 分別對所述同名區進行網格化規則分塊，從獲得的至少一個規則格網子塊中提取Forstner特征點，分別形成所述基準影像與每一所述待匹配影像對應的匹配基準點集； 進行基于所述匹配基準點集的動態影像匹配，分別獲取所述基準影像與每一所述待匹配影像對應的匹配點集。2.根據權利要求1所述的方法，其特征在于，所述根據所述基準影像和每一所述待匹配影像附帶的RPC參數，并結合DEM數據，分別計算所述基準影像與每一所述待匹配影像的同名區包括: 對于所述基準影像和每一所述待匹配影像，根據所述基準影像和所述待匹配影像附帶的RPC參數和所選DEM數據，將所述基準影像和所述待匹配影像的四個角點分別投影到平均高程面上，得到兩個四邊形； 對兩個所述四邊形進行求交運算，得到一個多邊形，將所述多邊形的外接矩形確定為所述基準影像和所述待匹配影像的影像重疊區； 根據所述基準影像附帶的RPC參數，將所述影像重疊區反算到所述基準影像上，獲取所述基準影像與所述待匹配影像的同名區。3.根據權利要求1所述的方法，其特征在于，在所述進行基于所述匹配基準點集的動態影像匹配，分別獲取所述基準影像與每一所述待匹配影像對應的匹配點集之前，所述方法還包括: 對所述基準影像和每一所述待匹配影像進行影像分辨率一致化處理。4.根據權利要求1所述的方法，其特征在于，所述進行基于所述匹配基準點集的動態影像匹配，分別獲取所述基準影像與每一所述待匹配影像對應的匹配點集包括: 對于所述基準影像和每一所述待匹配影像，分別選擇對應的所述匹配基準點集中的每一匹配基準點作為基準特征點； 根據所述基準影像附帶的RPC參數，并結合DEM數據，迭代計算出所述基準特征點的初始經瑋度坐標以及初始高程值，得到所述基準特征點的初始地面點；根據所述待匹配影像附帶的RPC參數，將所述初始地面點反算到所述待匹配影像上，得到初始匹配點； 計算所述基準特征點和所述初始匹配點的相關系數，并判斷所述相關系數的值是否大于相關系數閾值； 若是，則定義所述相關系數的值為新的相關系數閾值，然后所述基準特征點和所述初始匹配點做RPC前方交會，得到新的地面點，定義所述新的地面點對應的高程值為初始高程值后，重新計算得到所述基準特征點和所述初始匹配點的新的相關系數;直到所述新的相關系數的值不大于所述新的相關系數閾值時，則根據所述新的相關系數，計算與所述基準特征點對應的匹配點。5.根據權利要求1所述的方法，其特征在于，在所述進行基于所述匹配基準點集的動態影像匹配，分別獲取所述基準影像與每一所述待匹配影像對應的匹配點集之后，所述方法還包括: 對所述匹配點集進行隨機抽樣一致性算法處理及最小二乘法影像匹配處理，獲取高精度的匹配點集。6.—種適用于大區域的多尺度遙感影像匹配系統，其特征在于，所述系統包括: 選擇模塊，用于選擇多尺度遙感影像集中的一張遙感影像作為基準影像，將所述多尺度遙感影像集中的其他遙感影像作為待匹配影像； 計算模塊，用于根據所述基準影像和每一所述待匹配影像附帶的RPC參數，并結合DEM數據，分別計算所述基準影像與每一所述待匹配影像的同名區； 提取模塊，用于分別對所述同名區進行網格化規則分塊，從獲得的至少一個規則格網子塊中提取Forstner特征點，分別形成所述基準影像與每一所述待匹配影像對應的匹配基準點集； 匹配模塊，用于進行基于所述匹配基準點集的動態影像匹配，分別獲取所述基準影像與每一所述待匹配影像對應的匹配點集。7.根據權利要求6所述的系統，其特征在于，所述獲取模塊具體用于: 對于所述基準影像和每一所述待匹配影像，根據所述基準影像和所述待匹配影像附帶的RPC參數和所選DEM數據，將所述基準影像和所述待匹配影像的四個角點分別投影到平均高程面上，得到兩個四邊形； 對兩個所述四邊形進行求交運算，得到一個多邊形，將所述多邊形的外接矩形確定為所述基準影像和所述待匹配影像的影像重疊區； 根據所述基準影像附帶的RPC參數，將所述影像重疊區反算到所述基準影像上，獲取所述基準影像與所述待匹配影像的同名區。8.根據權利要求6所述的系統，其特征在于，在所述進行基于所述匹配基準點集的動態影像匹配，分別獲取所述基準影像與每一所述待匹配影像對應的匹配點集之前，所述匹配模塊還用于: 對所述基準影像和每一所述待匹配影像進行影像分辨率一致化處理。9.根據權利要求6所述的系統，其特征在于，所述匹配模塊具體用于: 對于所述基準影像和每一所述待匹配影像，分別選擇對應的所述匹配基準點集中的每一匹配基準點作為基準特征點； 根據所述基準影像附帶的RPC參數，并結合DEM數據，迭代計算出所述基準特征點的初始經瑋度坐標以及初始高程值，得到所述基準特征點的初始地面點；根據所述待匹配影像附帶的RPC參數，將所述初始地面點反算到所述待匹配影像上，得到初始匹配點； 計算所述基準特征點和所述初始匹配點的相關系數，并判斷所述相關系數的值是否大于相關系數閾值； 若是，則定義所述相關系數的值為新的相關系數閾值，然后所述基準特征點和所述初始匹配點做RPC前方交會，得到新的地面點，定義所述新的地面點對應的高程值為初始高程值后，重新計算得到所述基準特征點和所述初始匹配點的新的相關系數;直到所述新的相關系數的值不大于所述新的相關系數閾值時，則根據所述新的相關系數，計算與所述基準特征點對應的匹配點。10.根據權利要求6所述的系統，其特征在于，在所述進行基于所述匹配基準點集的動態影像匹配，分別獲取所述基準影像與每一所述待匹配影像對應的匹配點集之后，所述匹配模塊還用于: 對所述匹配點集進行隨機抽樣一致性算法處理及最小二乘法影像匹配處理，獲取高精度的匹配點集。
【文檔編號】G06T7/00GK105913435SQ201610227892
【公開日】2016年8月31日
【申請日】2016年4月13日
【發明人】折曉宇, 范曉敏, 陳剛, 王, 王一, 靳笑琳, 趙瑩芝
【申請人】西安航天天繪數據技術有限公司