留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

运动补偿下双通道星载高光谱成像仪图像配准

赵慧洁 张晓元 贾国瑞 邱显斐 翟亮

赵慧洁, 张晓元, 贾国瑞, 邱显斐, 翟亮. 运动补偿下双通道星载高光谱成像仪图像配准[J]. 红外与激光工程, 2021, 50(3): 20211022. doi: 10.3788/IRLA20211022
引用本文: 赵慧洁, 张晓元, 贾国瑞, 邱显斐, 翟亮. 运动补偿下双通道星载高光谱成像仪图像配准[J]. 红外与激光工程, 2021, 50(3): 20211022. doi: 10.3788/IRLA20211022
Zhao Huijie, Zhang Xiaoyuan, Jia Guorui, Qiu Xianfei, Zhai Liang. Image registration of the dual-channel spaceborne hyperspectral imager with motion compensation[J]. Infrared and Laser Engineering, 2021, 50(3): 20211022. doi: 10.3788/IRLA20211022
Citation: Zhao Huijie, Zhang Xiaoyuan, Jia Guorui, Qiu Xianfei, Zhai Liang. Image registration of the dual-channel spaceborne hyperspectral imager with motion compensation[J]. Infrared and Laser Engineering, 2021, 50(3): 20211022. doi: 10.3788/IRLA20211022

运动补偿下双通道星载高光谱成像仪图像配准

doi: 10.3788/IRLA20211022
基金项目: 国家重点研发计划(2016YFB0500502);长江学者和创新团队发展计划资助(IRT1203)
详细信息
    作者简介:

    赵慧洁(1966−),教授,博士生导师,政府特殊津贴专家。主要从事新型光学遥感探测、星载高光谱建模与仿真、视觉检测等方面研究工作,获得国家科技进步二等奖1项、国家科技发明二等奖1项,机械工业部科学技术奖一等奖1项,国土资源部科学技术奖一等奖1项;参与编写专著3部;发表SCI检索论文100余篇;获国家发明专利授权80余项

    贾国瑞(1984−),副教授,博士生导师,IEEE高级会员。主要从事高光谱成像建模、仿真和数据预处理等方面研究工作,发表论文40余篇(其中SCI 31篇),获发明专利授权25项,登记软件著作权5项,获国防技术发明三等奖1项,获评科技部国家遥感中心“遥感青年科技人才创新资助计划”

    通讯作者: 贾国瑞
  • 中图分类号: T751

Image registration of the dual-channel spaceborne hyperspectral imager with motion compensation

  • 摘要: 最新一代可见近红外(VNIR)和短波红外(SWIR)双通道星载高光谱成像仪,多采用视场分离器将VNIR和SWIR通道分离为多个子视场,同一时刻各子视场对地成像区域不同,在采用运动补偿技术提高图像信噪比时,各子视场对同一地物的观测角不同,导致图像间失配关系复杂,无法获取同一地物的VNIR-SWIR连续光谱。通过建立运动补偿下的严格成像几何模型,定量分析了双通道图像的畸变和失配规律,进而提出了各子视场分别几何定位再相位相关法配准的方案,并利用东天山区域运动补偿下星载双通道高光谱仿真数据进行验证。结果表明,传统的基于图像的配准方案精度为3.9像元,仍无法得到同一地物像元的VNIR-SWIR光谱曲线,文中方案配准精度提高到0.3像元,VNIR和SWIR重叠波段的反射率光谱重合度误差由41.5%降低到1.2%。
  • 图  1  视场分离原理示意图

    Figure  1.  Sketch map of field separation

    图  2  运动补偿成像原理示意图

    Figure  2.  Sketch map of imaging with motion compensation

    图  3  不同行中心像元地面分辨率曲线(n为运动补偿倍率)

    Figure  3.  Ground sampling distance of middle pixel on different lines (n is motion compensation ratio)

    图  4  VNIR和SWIR畸变曲线(n为运动补偿倍率)

    Figure  4.  Distortion curve of VNIR and SWIR (n is motion compensation ratio)

    图  5  SWIR通道失配量变化曲线(n为运动补偿倍率)

    Figure  5.  Mismatch curve of SWIR channel(n is motion compensation ratio)

    图  6  原始高光谱图像(第30波段)

    Figure  6.  Original hyperspectral images (band30)

    图  7  几何校正结果(第30波段)

    Figure  7.  Result of geometric correction (band30)

    图  8  特征地物点的反射率光谱曲线

    Figure  8.  Spectral reflectance curves of feature ground point

    表  1  视场分离角与运动补偿角

    Table  1.   Field separation and motion compensation angles

    Field separation angleMotion compensation angle θn
    SWIR1SWIR2n=2n=4n=6
    0.5°1.0°2.426°7.238°11.932°
    下载: 导出CSV

    表  2  特征地物几何位置误差

    Table  2.   Geometric errors of feature ground objects

    SIFTProposed method
    Object coordinate VNIRObject coordinate SWIRError/pixelObject coordinate VNIRObject coordinate SWIRError/pixel
    |x||y| Distance|x||y| Distance
    1 (896.49,1214.57) (891.30,1213.94) 5.2 0.6 5.2 (764.34,892.07) (764.52,892.44) 0.2 0.4 0.4
    2 (807.72,801.63) (803.68,802.30) 4.0 0.8 4.1 (721.48,1308.15) (721.63,1308.43) 0.1 0.3 0.3
    3 (683.18,1581.33) (678.90,1582.21) 4.1 0.9 4.2 (1080.13,591.93) (1080.47,592.32) 0.3 0.4 0.5
    4 (415.23,98.09) (417.95,96.88) 2.7 1.2 2.9 (964.61,2115.28) (964.95,2114.86) 0.3 0.4 0.5
    5 (385.33,592.64) (389.34,592) 4.0 0.6 4.0 (1125.58,1641.73) (1125.42,1641.49) 0.3 0.2 0.4
    6 (413.81,1045.86) (416.40,1046.47) 2.6 0.6 2.7 (1217.77,1190.68) (1217.63,1190.51) 0.1 0.2 0.2
    7 (230.92,252.77) (234.06.,251.92) 3.4 0.8 3.5 (1194.58,2019.39) (1194.84,2019.07) 0.3 0.3 0.4
    8 (309.25,868.61) (312.89,869.13 3.6 0.5 3.7 (1275.79,1390.07) (1275.88,1390.28) 0.1 0.1 0.1
    9 (168.55,1439.82) (173.13,1440.84) 4.6 1.0 4.7 (1569.27,872.26) (1569.46,872.17) 0.2 0.1 0.2
    10 (93.60,1874.59) (97.04,1875.85) 3.4 1.3 3.6 (1747.45,470.69) (1747.35,470.54) 0.1 0.1 0.1
    Average 3.8 0.8 3.9 Average 0.2 0.3 0.3
    下载: 导出CSV
  • [1] Marshall M, Thenkabail P. Advantage of hyperspectral EO-1 Hyperion over multispectral IKONOS, GeoEye-1, WorldView-2, Landsat ETM+, and MODIS vegetation indices in crop biomass estimation [J]. ISPRS Journal of Photogrammetry & Remote Sensing, 2015, 108: 205-218.
    [2] Guanter L, Kaufmann H, Segl K, et al. The EnMAP spaceborne imaging spectroscopy mission for earth observation [J]. Remote Sensing, 2015, 7(7): 8830-8857. doi:  10.3390/rs70708830
    [3] Zhang L. Perspectives on Chinese developments in spaceborne imaging spectroscopy: What to expect in the next 5–10 years[C]//Geoscience and Remote Sensing Symposium (IGARSS), 2016.
    [4] Gao Ya, Zhou Jialin, Hou Xue, et al. Registration algorithm for hyperspectral image based on Gaussian fitting [J]. Infrared and Laser Engineering, 2016, 45(S2): S223002. (in Chinese)
    [5] Wang Yun. Study on systematic geometric correction and image registration of hyperspectral Images[D]. Beijing: University of Chinese Academy of Sciences, 2011. (in Chinese)
    [6] Liu Zhiwen, Liu Dingsheng, Wei Jingbo. Rigorous geometric model of Tiangong-1 hyperspectral spectrometer [J]. Journal of Remote Sensing, 2014, 18(S1): 62-67. (in Chinese)
    [7] Wu Yinan, Li Guoning, Zhang Ke, et al. Registration model based on homologous points tracking of space camera assembly imaging [J]. Infrared and Laser Engineering, 2016, 45(3): 0326002. (in Chinese)
    [8] Wang Yueming, Jia Jianxin, He Zhiping, et al. Key technologies of advanced hyperspectral imaging system [J]. Journal of Remote Sensing, 2016, 20(5): 850-857. (in Chinese)
    [9] Jia G, Zhao H, Shang H. Pixel-size-varying method for simulation of remote sensing images [J]. Journal of Applied Remote Sensing, 2014, 8(1): 083551. (in Chinese) doi:  10.1117/1.JRS.8.083551
    [10] Zhang Hongwei, Fan Xiang, Zhu Bin, et al. Dual-band infrared image registration with the introduction of outliers rejection mechanism [J]. Infrared and Laser Engineering, 2015, 44(S1): 23-28. (in Chinese)
  • [1] 王中军, 晁艳锋.  采用SURF特征和局部互相关信息的图像配准算法 . 红外与激光工程, 2022, 51(6): 20210950-1-20210950-6. doi: 10.3788/IRLA20210950
    [2] 刘永征, 孔亮, 刘学斌, 陈小来, 刘文龙, 张昕.  星载大孔径静态干涉高光谱成像仪高速成像电路设计 . 红外与激光工程, 2020, 49(S1): 20200096-20200096. doi: 10.3788/IRLA20200096
    [3] 荆滢, 齐乃新, 杨小冈, 卢瑞涛.  基于LK和FAST的时间序列图像快速配准算法 . 红外与激光工程, 2018, 47(11): 1126006-1126006(9). doi: 10.3788/IRLA201847.1126006
    [4] 王志强, 程红, 谭海峰, 杨明权, 滕飞.  基于侧抑制竞争的航空遥感影像配准算法 . 红外与激光工程, 2018, 47(S1): 206-212. doi: 10.3788/IRLA201847.S126005
    [5] 黄卓, 陈凤东, 刘国栋, 魏富鹏, 彭志涛, 唐军, 刘楠.  连接向量特征匹配的暗场图像配准方法 . 红外与激光工程, 2018, 47(11): 1126005-1126005(6). doi: 10.3788/IRLA201847.1126005
    [6] 姜宇, 李娜, 孟令杰, 蔡辉, 巩学美, 赵慧洁.  基于误差分析的岩芯高光谱数据几何校正方法 . 红外与激光工程, 2018, 47(5): 526004-0526004(8). doi: 10.3788/IRLA201847.0526004
    [7] 王贵圆, 常本康, 富容国, 冯澍, 孙斌, 李英杰.  分光轴式多源图像融合系统近距离配准方法研究 . 红外与激光工程, 2016, 45(11): 1104003-1104003(7). doi: 10.3788/IRLA201645.1104003
    [8] 李英杰, 张俊举, 常本康, 钱芸生, 刘磊.  远距离多波段红外图像融合系统及配准方法 . 红外与激光工程, 2016, 45(5): 526002-0526002(6). doi: 10.3788/IRLA201645.0526002
    [9] 武奕楠, 李国宁, 张柯, 张宇, 金龙旭.  基于同名点追踪的空间相机成像拼接配准模型 . 红外与激光工程, 2016, 45(3): 326002-0326002(7). doi: 10.3788/IRLA201645.0326002
    [10] 王志强, 程红, 杨桄, 李成, 吴迪.  全局图像配准的目标快速定位方法 . 红外与激光工程, 2015, 44(S1): 225-229.
    [11] 张宏伟, 樊祥, 朱斌, 施展.  引入外点剔除机制的双波段红外图像的配准 . 红外与激光工程, 2015, 44(S1): 23-28.
    [12] 巩盾, 王红.  空间高光谱成像仪的光学设计 . 红外与激光工程, 2014, 43(2): 541-545.
    [13] 韩艳丽, 刘峰.  基于三角形匹配的空间小目标检测算法 . 红外与激光工程, 2014, 43(9): 3134-3140.
    [14] 刘晓诚, 薛模根, 黄勤超, 王峰.  基于矩阵恢复的红外偏振图像分区配准算法 . 红外与激光工程, 2014, 43(8): 2733-2739.
    [15] 李永强, 郭永祥, 王静怡.  基于中阶梯光栅的光谱定标装置设计方法 . 红外与激光工程, 2014, 43(1): 208-211.
    [16] 何林阳, 刘晶红, 李刚, 刘剑.  改进BRISK特征的快速图像配准算法 . 红外与激光工程, 2014, 43(8): 2722-2727.
    [17] 彭晨, 陈钱, 钱惟贤, 徐富元.  复杂地面场景下的红外运动目标跟踪 . 红外与激光工程, 2013, 42(6): 1410-1414.
    [18] 吴明军, 许建铮, 周桢, 张亚涛.  针对运动摄像机的快速低存储开销运动目标检测算法 . 红外与激光工程, 2013, 42(8): 2275-2280.
    [19] 吴泽鹏, 郭玲玲, 朱明超, 贾宏光, 宣明.  结合图像信息熵和特征点的图像配准方法 . 红外与激光工程, 2013, 42(10): 2846-2852.
    [20] 张德新, 马广富, 邵晓巍.  利用目标直线边缘交点的某型航侦CCD相机图像拼接 . 红外与激光工程, 2012, 41(1): 234-238.
  • 加载中
图(8) / 表(2)
计量
  • 文章访问数:  372
  • HTML全文浏览量:  49
  • PDF下载量:  36
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-02-18
  • 修回日期:  2021-03-01
  • 网络出版日期:  2021-05-12
  • 刊出日期:  2021-03-25

运动补偿下双通道星载高光谱成像仪图像配准

doi: 10.3788/IRLA20211022
    作者简介:

    赵慧洁(1966−),教授,博士生导师,政府特殊津贴专家。主要从事新型光学遥感探测、星载高光谱建模与仿真、视觉检测等方面研究工作,获得国家科技进步二等奖1项、国家科技发明二等奖1项,机械工业部科学技术奖一等奖1项,国土资源部科学技术奖一等奖1项;参与编写专著3部;发表SCI检索论文100余篇;获国家发明专利授权80余项

    贾国瑞(1984−),副教授,博士生导师,IEEE高级会员。主要从事高光谱成像建模、仿真和数据预处理等方面研究工作,发表论文40余篇(其中SCI 31篇),获发明专利授权25项,登记软件著作权5项,获国防技术发明三等奖1项,获评科技部国家遥感中心“遥感青年科技人才创新资助计划”

    通讯作者: 贾国瑞
基金项目:  国家重点研发计划(2016YFB0500502);长江学者和创新团队发展计划资助(IRT1203)
  • 中图分类号: T751

摘要: 最新一代可见近红外(VNIR)和短波红外(SWIR)双通道星载高光谱成像仪,多采用视场分离器将VNIR和SWIR通道分离为多个子视场,同一时刻各子视场对地成像区域不同,在采用运动补偿技术提高图像信噪比时,各子视场对同一地物的观测角不同,导致图像间失配关系复杂,无法获取同一地物的VNIR-SWIR连续光谱。通过建立运动补偿下的严格成像几何模型,定量分析了双通道图像的畸变和失配规律,进而提出了各子视场分别几何定位再相位相关法配准的方案,并利用东天山区域运动补偿下星载双通道高光谱仿真数据进行验证。结果表明,传统的基于图像的配准方案精度为3.9像元,仍无法得到同一地物像元的VNIR-SWIR光谱曲线,文中方案配准精度提高到0.3像元,VNIR和SWIR重叠波段的反射率光谱重合度误差由41.5%降低到1.2%。

English Abstract

    • 高光谱成像仪是遥感卫星中的常用载荷,其中可见近红外(VNIR)和短波红外(SWIR)双通道成像光谱仪应用广泛。早期星载双通道成像光谱仪如Hyperion[1],两通道共用同一前置光路,利用二向色性元件将入射光分离到VNIR和SWIR两通道,分别进行分光、成像,两通道成像地面视场一致。但在两通道重叠波段(一般为900~1000 nm),由于入射光被分为两路,导致两通道各自的光能量弱,成像信噪比低。最新一代星载双通道成像光谱仪,如德国EnMap[2]、我国TG-1的HSI和GF-5的高光谱成像仪[3]等,采用视场分离器,使VNIR和SWIR两通道通过不同狭缝对不同地面视场成像,各通道的入射光来自各自对应的视场,成像信噪比高,但两通道同一时刻成像区域不同,通道间图像存在失配。

      对于早期星载双通道成像光谱仪,一般针对不同时相的图像进行配准,如基于图像灰度信息利用高斯函数拟合得到匹配控制点,配准不同时相Hyperion全波段图像[4];不同通道间的图像配准研究主要针对亚像素,如采用扩展相位相关法配准Hyperion的VNIR和SWIR通道图像,该方法适于已达到像素级匹配的图像[5]。对于新型星载双通道成像光谱仪,一般通过严格成像几何模型对图像进行系统级几何校正[6],而不同通道图像间的高精度拼接配准研究较少。双通道成像光谱仪不同通道成像视场不一致且图像灰度差异大,与该成像特点类似的仪器,一般基于几何关系进行配准,如武奕楠等针对多个CCD交错排列组成的空间相机,根据严格几何模型追踪同一地物在不同通道CCD像面的轨迹,实现不同通道图像拼接配准[7],该方法对卫星和仪器参数精度要求高,很难达到亚像素级配准精度。

      随着成像光谱仪空间、光谱分辨率的提高,为保证图像信噪比,通过运动补偿增加积分时间的方法被广泛应用,如TG-1的HSI、GF-5的高光谱成像仪等[3, 8]。运动补偿成像时,不断变化的补偿角使推扫图像在沿轨方向出现不同程度的畸变,从而导致存在视场分离的双通道图像失配更复杂,王运等研究结果表明沿轨方向通道间失配量呈现非线性变化[5]。在运动补偿引起的畸变效应影响下,传统的基于图像特征、灰度和相位配准的方法可能失效。因此,需要进一步研究运动补偿倍率、视场分离角等因素对双通道图像畸变和失配的影响,进而确定合理的配准方案。

      文中通过运动补偿下VNIR和SWIR通道各视场成像几何模型,从图像配准的角度定量分析双通道图像的畸变与失配规律。在此基础上,提出了先基于各通道各子视场成像几何模型粗配准,再基于图像分区域相位相关精配准的方案,并利用运动补偿下东天山星载高光谱仿真数据进行验证,配准精度达0.3像元,VNIR和SWIR重叠波段光谱反射率的重合度误差1.2%。

    • 文中研究的成像光谱仪,通过视场分离形成VNIR和SWIR两通道,沿轨方向存在的视场分离角,造成同一时刻两通道成像地物不同。SWIR通道受探测器限制,采用双狭缝成像,每个狭缝对应2个成像探测器,4个探测器交错排列,对应4个子视场:SWIR1-1、SWIR2-1、SWIR1-2和SWIR2-2,子视场间相互重叠拼接形成宽幅视场,如图1所示。SWIR1-1和SWIR1-2通过狭缝S1成像,相对VNIR的视场分离角相同,SWIR2-1和SWIR2-2通过狭缝S2成像,视场分离角相同。经过一段时间推扫,得到的1个VNIR和4个SWIR图像,在沿轨方向上存在失配。

      图  1  视场分离原理示意图

      Figure 1.  Sketch map of field separation

      运动补偿原理如图2所示,卫星从t1时刻开始运动补偿,补偿镜使观测光线相对星下点A夹角为θn,指向A1;控制补偿镜转动,t2时观测光线相对星下点B夹角-θn,指向B1t1t2完成一次运动补偿,t3时刻开始下一次运动补偿,补偿倍率为n时,|AB|=n*|A1B1|。推扫成像时补偿角不断变化,仪器的运动补偿镜匀角速度转动,起始时刻运动补偿角为:

      $${\theta _n} = \arcsin \left( {\frac{{R\sin \alpha }}{{\sqrt {{{\left( {R + H} \right)}^2} + {R^2} - 2R\left( {R + H} \right)\cos \alpha } }}} \right)$$ (1)

      式中:α=(n-1)|A1B1|/2RR为地球半径;H为轨道高度。运动补偿时,图像在连续变化的观测角下获取,但积分时间内角度变化很小,可将运动补偿角等效为积分时间中点的倾斜观测角。第i推扫行运动补偿角为:

      $$ {\theta }_{i}={\theta }_{n}-\left(2i-1\right) \cdot {\theta }_{n} \cdot \tau /\Delta T$$ (2)

      式中:ΔT为成像时长;τ为积分时间。

      图  2  运动补偿成像原理示意图

      Figure 2.  Sketch map of imaging with motion compensation

      推扫成像时各行的成像关系相互独立,以VNIR为基准建立第i行像空间坐标系Fi,原点为投影中心Siz轴由像面中心指向Siy轴平行于推扫行,x轴满足右手法则。像元p(i,j)的观测光线与VNIR中心光线夹角:

      $$\left\{ \begin{array}{l} {\theta _{xi}} = \Delta x + {\theta _i}\\ {\theta _{yi}} = \arctan \left( {\left( {j - \Delta y - \dfrac{{{N_V} - 1}}{2}} \right) \cdot \dfrac{{\Delta d}}{f}} \right) \end{array} \right.$$ (3)

      式中:Δx为视场分离角;Δy为SWIR子视场中心相对VNIR中心y方向的偏移量;NV为VNIR探测器像元个数;Δd为探测器尺寸;f为系统焦距。运动补偿下,p(i, j)的像空间观测矢量为:

      $$\overrightarrow {{u_{Fi}}} = {\left[ {\begin{array}{*{20}{c}} {\tan {\theta _{xi}}}&{\tan {\theta _{yi}}}&{ - 1} \end{array}} \right]^{\rm{T}}}$$ (4)

      ${\vec u_{Fi}}$通过坐标转换得到地面坐标系观测矢量${\vec u_{Ei}}$,与国家标准的数字高程模型(DEM)产品求交点,得到对应地面点经纬度坐标P (Bij, Lij, Hij)[9]。推扫成像时间内,依次计算各通道的每一行所有像元的地面点坐标,建立了各通道各子视场的严格成像几何模型。

    • 推扫成像时各行图像是在不同时刻得到的,运动补偿时各行的成像观测角度不同,从而导致成像过程中不同行对应的地面分辨率不同。

      令轨道高度708 km,倾角98.217°,VNIR、SWIR探测器像元数:NV=2 000,NS=512,瞬时视场角42.5 μrad,视场分离角与运动补偿角如表1所示,根据VNIR和SWIR各子视场成像几何模型,确定像元p(i, j)与地面点P(Bi, j, Li, j, Hi, j)对应关系。利用相邻像元在沿轨方向x、交轨方向y上对应的地面点距离,表征地面分辨率:

      $$\Delta {r_x}\left( {i,j} \right) = \frac{{{L_{i + 1,j}} - {L_{i,j}}}}{{\cos \left( {{\alpha _{i,j}} - \dfrac{\pi }{2}} \right)}},\Delta {r_y}\left( {i,j} \right) = \dfrac{{{B_{i,j + 1}} - {B_{i,j}}}}{{\cos \left( {{\beta _{i,j}} - \dfrac{\pi }{2}} \right)}}$$ (5)

      式中:αi, j为沿轨方向与经度方向夹角;βi, j为交轨方向与纬度方向夹角。

      表 1  视场分离角与运动补偿角

      Table 1.  Field separation and motion compensation angles

      Field separation angleMotion compensation angle θn
      SWIR1SWIR2n=2n=4n=6
      0.5°1.0°2.426°7.238°11.932°

      运动补偿主要影响沿轨方向的地面分辨率(Ground Sampling Distance,GSD),不同补偿倍率下,VNIR和SWIR图像各行中心像元在x方向地面分辨率如图3所示。运动补偿下,VNIR和SWIR图像各行像元的地面分辨率发生非线性变化,补偿倍率越大地面分辨率变化越大。相同运动补偿倍率下,由于存在视场分离角,VNIR和SWIR的同一行图像对应地面分辨率不同。

      图  3  不同行中心像元地面分辨率曲线(n为运动补偿倍率)

      Figure 3.  Ground sampling distance of middle pixel on different lines (n is motion compensation ratio)

      VNIR通道中心行运动补偿角为0,即垂直观测;SWIR通道由于视场分离角的影响,垂直观测的推扫行与视场分离角有关。以垂直观测的图像行作为参考行m,运动补偿下沿轨方向像元到参考行像元的地面点坐标距离,与无畸变时地面距离的差值作为畸变量:

      $$ {\delta }_{x}\left(i,j\right)=\frac{{L}_{i,j}-\left[{L}_{m,j}+\left(i-m\right) \cdot \Delta {r}_{L}\left(m,j\right)\right]}{\Delta {r}_{L}\left(m,j\right)}$$ (7)

      式中:$ \Delta {r_L}\left( {m,j} \right){\rm{ = }}{L_{m + 1,\;j}} - {L_{m,\;j}} $

      VNIR和SWIR子视场图像各行中心像元沿x方向的畸变量曲线如图4所示。运动补偿下,VNIR和SWIR图像各行在沿轨方向存在非线性畸变,且运动补偿倍率越大,推扫成像行数越多,畸变越大。6倍运动补偿,成像2 000行时,VNIR最大畸变18像元,SWIR2最大畸变达28像元。同一运动补偿倍率下,对比同一时刻的VNIR和SWIR同一行图像,两者畸变大小不同,即推扫得到的VNIR和SWIR图像畸变不一致。

      图  4  VNIR和SWIR畸变曲线(n为运动补偿倍率)

      Figure 4.  Distortion curve of VNIR and SWIR (n is motion compensation ratio)

    • 利用SWIR像元相对VNIR同一像元的地面点经纬度坐标距离,表示SWIR通道该像元的失配量。VNIR像元p(i, j)对应地面点P(Bi, j, Li, j, Hi, j),SWIR像元p′(i, j)对应地面点P′(Bi, j, Li, j, Hi, j),则SWIR像元相对VNIR像元的失配量为:

      $$\begin{split} &\left[ {\begin{array}{*{20}{c}} {\Delta {p_x}\left( {i,j} \right)} \\ {\Delta {p_y}\left( {i,j} \right)} \end{array}} \right] =\\ &\frac{1}{{\cos \left( {{\beta _{i,j}} - {\alpha _{i,j}}} \right)}}\left[ {\begin{array}{*{20}{c}} {\cos {\beta _{i,j}}}&{\sin {\beta _{i,j}}} \\ { - \sin {\alpha _{i,j}}}&{\cos {\alpha _{i,j}}} \end{array}} \right]\left[ {\begin{array}{*{20}{c}} {\dfrac{{{B_{i,j}}^\prime - {B_{i,j}}}}{{\Delta {r_x}\left( {i,j} \right)}}} \\ {\dfrac{{{L_{i,j}}^\prime - {L_{i,j}}}}{{\Delta {r_y}\left( {i,j} \right)}}} \end{array}} \right] \end{split}$$ (8)

      SWIR两个子视场图像沿x方向各行中心像元的失配量曲线如图5示。对于SWIR图像,沿x方向每行的失配量绝对值先减小后增大,运动补偿倍率越高,成像行数越多,失配量越大,各行的失配量非线性变化。

      图  5  SWIR通道失配量变化曲线(n为运动补偿倍率)

      Figure 5.  Mismatch curve of SWIR channel(n is motion compensation ratio)

      对比同一SWIR子视场不同运动补偿倍率下的失配曲线,补偿倍率n越大,失配量变化曲线的曲率越大,失配量的变化范围也越大。2倍运动补偿,成像2 000行时,SWIR2-1失配量变化在1像元内;6倍运动补偿时,相同条件下失配量变化达23像元。对比同一运动补偿倍率下,SWIR两个子视场图像的失配曲线,在视场分离角影响下,起始行和终止行失配量不对称。SWIR2-1的初始视场分离角较大,同一时刻两个子视场的同一行图像,SWIR2-1失配量较大,SWIR2-1图像的失配量变化范围也大于SWIR1-1。

      综上所述,运动补偿造成的非线性畸变,使SWIR图像不同区域失配量不同,边缘失配大中心小。随运动补偿倍率、视场分离角和成像行数增大,图像的失配量变化范围也迅速增大。设计运动补偿倍率和视场分离角时,考虑信噪比的同时应结合两者对图像畸变和失配的影响,根据图像的应用需求具体分析。对于运动补偿下SWIR和VNIR图像配准,需要先消除VNIR和SWIR各视场图像的畸变再配准。

    • 利用VNIR和SWIR的严格成像几何模型,分别校正图像畸变进行粗配准。对于残留失配量,采用基于图像的方法精配准。由于地物在不同波长下反射特性不同,同一地物在VNIR和SWIR通道成像时灰度特征存在差异。精配准时先预处理得到相似度较高的待配准图像,采用对灰度依赖较小的相位相关法配准。

    • 根据几何定标得到的传感器参数、卫星姿轨数据和运动补偿角度等,建立VNIR通道和SWIR通道各子视场的成像几何模型,得到像元p(i, j)对应的地面点坐标P(Bi, j, Li, j, Hi, j)。经纬度坐标(Bi, j, Li, j, Hi, j)投影到地图坐标系,像元坐标p(i, j)和地图投影坐标P(Xi, j, Yi, j)一一对应。以VNIR中心像元的地面分辨率为采样间隔rxry,得到地图坐标系下几何校正后图像像元坐标p(I, J):

      $$I = \frac{{{X_{i,j}} - {X_{\min }}}}{{{r_x}}},J = - \frac{{{Y_{i,j}} - {Y_{\max }}}}{{{r_y}}}$$ (8)

      式中:rxry相等;XminYmax为校正后图像左上点像元的地图投影坐标。

      采用双线性插值确定(Xi, j, Yi, j)到(I, J)的插值关系,重采样得到像元p(I, J)灰度值,依次对VNIR和SWIR子视场图像几何校正,四个SWIR子视场图像按地理坐标拼接。

    • (1)图像预处理

      剔除吸收峰、边缘波段等低信噪比波段,计算VNIR和SWIR剩余有效波段图像间的灰度互相关值,分别选取相关性好的连续10个波长,进行最小噪声分量变换(MNF),变换后第一分量包含绝大多数特征且信噪比高,选取VNIR和SWIR第一分量作为参考图和待配准图。

      (2)像素级失配量估计

      VNIR图像fv(x, y)和SWIR图像fs(x-Δx, y-Δy)的离散傅里叶变换为FVFS,则相位相关函数为[5]

      $$ C(x,y)={F}^{-1}\left(FS \cdot \overline{FV}/\left|FS \cdot \overline{FV}\right|\right)$$ (9)

      式中:C(x,y)为脉冲函数,根据脉冲峰值位置可确定SWIR相对VNIR图像的失配量ΔxΔy

      (3)亚像素级失配量估计

      传统相位相关法只能确定像元级失配量,在相位相关峰值邻域利用函数拟合可将精度扩展到亚像素,sinc函数是常用的精度较高的拟合函数[5]。将VNIR和SWIR划分成有重叠的图像块fv(xm, ym)和fs(xmΔxm, ymΔym),图像块间的相位相关函数为C(xm, ym)。用sinc函数在C(xm, ym)峰值邻域拟合,并在xy方向上分离变量:

      $$\begin{gathered} {C_\eta }({x_m}) = {\alpha _{xm}}\frac{{\sin \pi ({x_m} - \varDelta {x_m})}}{{\pi ({x_m} - \varDelta {x_m})}} + {\gamma _{xm}} \\ {C_\eta }({y_m}) = {\alpha _{ym}}\frac{{\sin \pi ({y_m} - \varDelta {y_m})}}{{\pi ({y_m} - \varDelta {y_m})}} + {\gamma _{ym}} \\ \end{gathered} $$ (10)

      式中:αxmαym为相关系数;γxm、γym为噪声项。通过最小二乘法,得到图像块中心在xy方向失配量ΔxmΔym。将图像块中心失配量,采用三次样条插值得到每个像元的亚像素失配量。

      根据SWIR的像素级失配量移动图像,再利用亚像素级失配量,对SWIR图像空间重采样。

    • 利用东天山HyMap高光谱数据,仿真得到运动补偿下双通道高光谱辐亮度数据。为验证运动补偿的影响分析以及配准方案有效性,选择高倍率运动补偿图像:4倍补偿,SWIR1、SWIR2视场分离角0.5°和1°,成像1335行时得到VNIR和SWIR四个子视场图像,如图6所示。

      图  6  原始高光谱图像(第30波段)

      Figure 6.  Original hyperspectral images (band30)

      建立VNIR、SWIR几何校正模型,校正图像畸变,将SWIR子视场按地理坐标拼接,如图7所示。选择VNIR波段:band14~band23,SWIR波段:band31~band40,通过MNF变换得到参考图和待配准图。利用相位相关法得到图像整体像素级失配量Δx=−1 pixel,Δy=1 pixle。将VNIR和SWIR划分成100×100图像块,中心间隔50,扩展相位相关法得到各像元的亚像素失配量Δxm:−0.4~0.4 pixel,Δym:−0.3~0.4 pixel。对SWIR图像空间重采样,完成双通道图像配准。

      图  7  几何校正结果(第30波段)

      Figure 7.  Result of geometric correction (band30)

    • 为验证配准的几何精度,选取10个特征地物作为控制点,如图7所示。利用控制点11×11邻域的灰度值求质心坐标,有效波长下质心坐标均值作为特征地物几何位置。传统方法直接基于SIFT特征配准图像[10],与文中方案配准结果对比如表2所示。运动补偿下VNIR和SWIR不同区域失配差别大,基于SIFT配准后仍存在平均3.9像元的误差,而文中方案的精度为0.3像元。

      表 2  特征地物几何位置误差

      Table 2.  Geometric errors of feature ground objects

      SIFTProposed method
      Object coordinate VNIRObject coordinate SWIRError/pixelObject coordinate VNIRObject coordinate SWIRError/pixel
      |x||y| Distance|x||y| Distance
      1 (896.49,1214.57) (891.30,1213.94) 5.2 0.6 5.2 (764.34,892.07) (764.52,892.44) 0.2 0.4 0.4
      2 (807.72,801.63) (803.68,802.30) 4.0 0.8 4.1 (721.48,1308.15) (721.63,1308.43) 0.1 0.3 0.3
      3 (683.18,1581.33) (678.90,1582.21) 4.1 0.9 4.2 (1080.13,591.93) (1080.47,592.32) 0.3 0.4 0.5
      4 (415.23,98.09) (417.95,96.88) 2.7 1.2 2.9 (964.61,2115.28) (964.95,2114.86) 0.3 0.4 0.5
      5 (385.33,592.64) (389.34,592) 4.0 0.6 4.0 (1125.58,1641.73) (1125.42,1641.49) 0.3 0.2 0.4
      6 (413.81,1045.86) (416.40,1046.47) 2.6 0.6 2.7 (1217.77,1190.68) (1217.63,1190.51) 0.1 0.2 0.2
      7 (230.92,252.77) (234.06.,251.92) 3.4 0.8 3.5 (1194.58,2019.39) (1194.84,2019.07) 0.3 0.3 0.4
      8 (309.25,868.61) (312.89,869.13 3.6 0.5 3.7 (1275.79,1390.07) (1275.88,1390.28) 0.1 0.1 0.1
      9 (168.55,1439.82) (173.13,1440.84) 4.6 1.0 4.7 (1569.27,872.26) (1569.46,872.17) 0.2 0.1 0.2
      10 (93.60,1874.59) (97.04,1875.85) 3.4 1.3 3.6 (1747.45,470.69) (1747.35,470.54) 0.1 0.1 0.1
      Average 3.8 0.8 3.9 Average 0.2 0.3 0.3

      为验证配准后VNIR-SWIR光谱的一致性,将配准后的VNIR-SWIR辐亮度数据经过FLAASH大气校正,得到地物光谱反射率曲线,通过重叠波段的光谱反射率重合度误差评价:

      $$ORE(p) = \left( {\frac{1}{{{N_o}}}\sum\limits_{i = 1}^{{N_o}} {\frac{{{R_S}({\lambda _{Si}},p)}}{{{R_V}({\lambda _{Si}},p)}}} - O{R_0}} \right) \times 100 {\text{%}} $$ (11)

      式中:No为SWIR通道重叠波段数目;OR0=1为理想情况下的光谱重合度;RS(λSi, p)为SWIR通道波长λSi处像元p的光谱反射率;RV(λSi, p)为VNIR通道的光谱反射率。VNIR和SWIR通道光谱分辨率不同,分别为4.6 nm和9.7 nm,故VNIR通道的RV(λSi, p)由λSi附近波长插值得到。

      分别采用文中方案和SIFT特征配准前后,VNIR图像中特征地物9的光谱反射率曲线如图8(a)(b)所示,文中方案配准后能够得到特征地物的VNIR-SWIR连续光谱曲线,SIFT特征法配准后VNIR和SWIR光谱曲线不属于同一地物像元,因而不能衔接。图8(c)为两种方法配准后重叠波段的光谱反射率曲线,采用文中方案配准后重叠波段VNIR和SWIR的光谱反射率曲线基本重合,明显优于SIFT特征配准结果。计算10个特征地物的ORE,SIFT特征法重合度误差为41.5%,文中方案重合度误差为1.2%。

      图  8  特征地物点的反射率光谱曲线

      Figure 8.  Spectral reflectance curves of feature ground point

    • 运动补偿下存在视场分离的VNIR-SWIR双通道星载高光谱成像仪,两通道图像在沿轨方向产生了不一致的非线性畸变,造成图像之间随区域变化的非线性失配。畸变和失配量变化随运动补偿倍率、视场分离角、成像行数增大而增大,6倍运动补偿,1°视场分离角,成像2 000行时,两通道图像不同区域失配量变化达23像元。针对这一失配规律,提出先基于严格成像几何模型粗配准,再基于相位相关精配准的配准方案。利用东天山高光谱仿真数据进行验证,结果表明图像配准精度达0.3像元,两通道重叠波段光谱反射率曲线重合度误差为1.2%,在几何定位和光谱一致性方面,相对传统方案均有显著提升。

参考文献 (10)

目录

    /

    返回文章
    返回