超大規(guī)模光學衛(wèi)星影像區(qū)域網(wǎng)平差粗差剔除方法及系統(tǒng)的制作方法
【技術領域】
[0001] 本發(fā)明屬于遙感影像處理領域，涉及一種超大規(guī)模光學衛(wèi)星影像區(qū)域網(wǎng)平差多級 粗差定位剔除技術方案。
【背景技術】
[0002] 在超大規(guī)模光學衛(wèi)星影像區(qū)域網(wǎng)平差中為了提高匹配效率采用一種多線程并行 的匹配策略，每個處理節(jié)點以一張影像為主片，搜索與主片有重疊的影像，并只在重疊區(qū)域 進行連接點的匹配操作，然而，無論是基于灰度的匹配還是基于特征的匹配，誤匹配都是不 可避免的，又由于在影像數(shù)量過萬的超大規(guī)模的區(qū)域網(wǎng)中涉及上億次的連接點匹配，無疑 增加了誤匹配的可能性，因此需要對連接點的粗差進行檢測并剔除。
[0003]目前，連接點粗差的檢測多通過像點前方交會得到物方坐標，然后由RPC參數(shù)計算 得到其像方坐標，再根據(jù)計算得到的像方坐標及匹配的連接點坐標計算像點殘差，對于非 粗差點位，該殘差值應保持一致，對于粗差點則該值呈現(xiàn)一定差異，可通過先驗知識設定閾 值找到該粗差點并剔除，而超大規(guī)模的區(qū)域網(wǎng)平差涉及大量影像的連接點匹配，匹配出的 連接點可能存在多張影像上，不能直接運用上述方法進行粗差檢測，在進行粗差的檢測與 剔除時仍需一定的策略。但是，尚未有相關技術方案出現(xiàn)。

【發(fā)明內容】

[0004] 本發(fā)明針對超大規(guī)模光學衛(wèi)星影像區(qū)域網(wǎng)平差連接點匹配中的誤匹配問題，提出 一種多級粗差定位與剔除技術方案。
[0005] 本發(fā)明的技術方案為一種超大規(guī)模光學衛(wèi)星影像區(qū)域網(wǎng)平差粗差剔除方法，包括 以下步驟：
[0006] 步驟1，以一張影像為主片，根據(jù)影像拓撲關系查找與其重疊的影像及每處重疊區(qū) 域的連接點；
[0007] 步驟2,將主片與重疊影像分別組成兩兩影像對，并計算影像對重疊區(qū)域連接點的 像點殘差；
[0008] 步驟3，根據(jù)像點殘差值檢測粗差并剔除誤匹配點；
[0009] 步驟4,返回步驟1取下一張影像為主片，直到所有像片間的連接點粗差檢測完成， 實現(xiàn)第一級檢測剔除，進入步驟5;
[0010] 步驟5,取一個連接點，根據(jù)連接點信息查找其所在的所有影像；
[0011]步驟6,在一次平差后計算該連接點在所有影像上的像點殘差；
[0012] 步驟7,根據(jù)像點殘差值檢測粗差并剔除優(yōu)化；
[0013] 步驟8,返回步驟5取下一個連接點進行處理，直到所有連接點處理完成，實現(xiàn)第二 級檢測剔除，進入步驟9;
[0014] 步驟9,進行區(qū)域網(wǎng)全局選權迭代平差，在每次平差后重新確定該連接點的權值， 組成權矩陣參與下次解算直到平差解算收斂，實現(xiàn)第三級檢測剔除。
[0015]而且，步驟3和步驟7中，根據(jù)像點殘差值檢測粗差并剔除誤匹配點的實現(xiàn)方式為， 根據(jù)像點殘差計算像點殘差的中誤差〇，
[0017] 其中，0為像點殘差的均值，根據(jù)預設檢測系數(shù)，當每個像點殘差與均值間的差 值大于預設檢測系數(shù)和中誤差σ的乘積，則認為該連接點為粗差，并剔除該點，否則該連接 點無粗差。
[0018] 而且，步驟9中，在每次平差后確定連接點新的權值時，權值根據(jù)每個影像的像點 殘差確定。
[0019] 而且，權值計算公式如下，
[0020] p = l/Asl
[0021] 其中，P為權值。
[0022]本發(fā)明還相應提出一種超大規(guī)模光學衛(wèi)星影像區(qū)域網(wǎng)平差粗差剔除系統(tǒng)，包括以 下步驟：
[0023] 第一模塊，用于以一張影像為主片，根據(jù)影像拓撲關系查找與其重疊的影像及每 處重疊區(qū)域的連接點；
[0024] 第二模塊，用于將主片與重疊影像分別組成兩兩影像對，并計算影像對重疊區(qū)域 連接點的像點殘差；
[0025] 第三模塊，用于根據(jù)像點殘差值檢測粗差并剔除誤匹配點；
[0026] 第四模塊，用于命令第一模塊取下一張影像為主片，直到所有像片間的連接點粗 差檢測完成，實現(xiàn)第一級檢測剔除，命令第五模塊工作；
[0027] 第五模塊，用于取一個連接點，根據(jù)連接點信息查找其所在的所有影像；
[0028] 第六模塊，用于在一次平差后計算該連接點在所有影像上的像點殘差；
[0029] 第七模塊，用于根據(jù)像點殘差值檢測粗差并剔除優(yōu)化；
[0030] 第八模塊，用于命令第五模塊取下一個連接點進行處理，直到所有連接點處理完 成，實現(xiàn)第二級檢測剔除，命令第九模塊工作；
[0031] 第九模塊，用于進行區(qū)域網(wǎng)全局選權迭代平差，在每次平差后重新確定該連接點 的權值，組成權矩陣參與下次解算直到平差解算收斂，實現(xiàn)第三級檢測剔除。
[0032]而且，第三模塊和第七模塊中，根據(jù)像點殘差值檢測粗差并剔除誤匹配點的實現(xiàn) 方式為，根據(jù)像點殘差計算像點殘差的中誤差σ，
[0034] 其中，^為像點殘差的均值，根據(jù)預設檢測系數(shù)，當每個像點殘差與均值間的差 值大于預設檢測系數(shù)和中誤差σ的乘積，則認為該連接點為粗差，并剔除該點，否則該連接 點無粗差。
[0035] 而且，第九模塊中，在每次平差后確定連接點新的權值時，權值根據(jù)每個影像的像 點殘差確定。
[0036] 而且，權值計算公式如下，
[0037] p = 1/ Δ si
[0038] 其中，p為權值。
[0039] 本發(fā)明的優(yōu)點在于:采用分級的粗差檢測策略，在三個不同層次上對粗差進行檢 測，既顧及每個連接點每張像片，又考慮整體平差模型，在以片為主進行連接點粗差檢測 時，在同張影像的不同連接點之間根據(jù)3倍中誤差的原則檢測粗差，可以有效檢測出影像對 之間較明顯的誤匹配點，在以點為主進行連接點粗差檢測時，在一次平差后，由同一連接點 在不同影像上的像點殘差根據(jù)3倍中誤差的原則進行粗差檢測，對于高程方向上的粗差效 果明顯，確保粗差檢測策略的嚴密性，第三級檢測從區(qū)域網(wǎng)全局出發(fā)，通過改變連接點的權 值抑制不易檢測的粗差點對平差模型的影響，從而保證平差結果的準確性和魯棒性。
【附圖說明】
[0040] 圖1為本發(fā)明實施例的流程示意圖。
【具體實施方式】
[0041] 以下結合附圖和實施例詳細說明本發(fā)明【具體實施方式】。
[0042] 本發(fā)明提出一種多級的粗差檢測與剔除的方法:第一級為以像片為主進行連接點 的粗差剔除，所謂以像片為主即以一張影像為主片并找到與其重疊的影像及重疊區(qū)域的連 接點，在兩張影像之間對這些連接點進行粗差的檢測，檢測方法仍采用上述計算像點殘差 的方法;第二級檢測為以連接點為主進行粗差檢測，首先確定該連接點位于哪幾張影像上， 然后在一次平差后計算各影像像點坐標的殘差值，根據(jù)其殘差值進行粗差的檢測，若殘差 值大于設定的閾值即為粗差，將其剔除;第三級為從區(qū)域網(wǎng)平差全局出發(fā)的選權迭代，在每 次平差后根據(jù)像點殘差確定連接點的權值組成權矩陣參加下次平差解算，本發(fā)明中權值為 殘差的倒數(shù)即該點殘差越大其權值反而越小，則該點對區(qū)域網(wǎng)的影響會明顯下降，通過該 方法可以有效抑制在前兩級檢測中不易發(fā)現(xiàn)的粗差，從而保證平差結果的準確性和魯棒 性。
[0043] 參見圖1，實施例的流程可以分為如下幾個步驟，每個步驟實施的具體方法、公式 以及流程如下：
[0044] 1.以一張影像為主片，根據(jù)影像拓撲關系查找與其重疊的影像及每處重疊區(qū)域的 連接點，這里主片的選取最好與匹配時選取的主片保持一致，具體實施時可在預先進行的 多線程并行匹配處理中通過計算地面范圍找到與主片重疊的影像，根據(jù)匹配記錄直接進行 查找。
[0045] 2.將主片與重疊影像分別組成兩兩影像對，并計算影像對重疊區(qū)域連接點的像點 殘差。在以片為主的粗差檢測中每次檢測主片與一張重疊影像之間的連接點粗差，粗差的 檢測以非主片上的像點殘差為依據(jù)，像點殘差計算方法如下：
[0046] a、利用連接點兩張影像上的像方坐標和RPC參數(shù)進行前方交會，平差解算連接點 物方坐標X，平差運用的RPC模型為：
[0048]式中，Snah，Sdc^Lnah，Ldah表不;有理多項式系數(shù)（rational polynomial (：〇#行(^1^，〇,〇]°妒，）簡化記為〇]，，1)，〇]，￥，1)和&，7)分別表示正則化的地面 點大地坐標和像點坐標，它們與非正則化的地面點大地坐標(Lat, Lon, Height)和像點坐標 (s，1)之間的關系如公式（2)，其中，LAT_0FF、LAT_SCALE、L0N_0FF、L0N_SCALE、!1_0卩卩和!1_ SCALE為地面坐標的正則化參數(shù);3_0??、3_3041^丄_0??和1^3041^為影像坐標的正則化參 數(shù)。
[0052]其中，F(xiàn)x(Lat，Lon，Height)、Fy(Lat，Lon，Height)是像點坐標(s，1)相應的方程表 不。
[0053]對于連接點像點而言，RPC模型參數(shù)已知，由于其對應的物方點坐標未知，因此，所 構建的誤差方程式中未知為相應的連接點物方坐標(Lat，Lon，Height)。對于連接點物方坐 標(Lat, Lon, Height)而言，式（3)為一非線性方程，需要對其賦予初值(Lat, Lon，Height)Q 并進行線性化處理，如式(4):
[0055]其中，（vi，vs)表示相應的像方的改正數(shù)，d (Lat，Lon，Height)表示連接點的物方坐 標改正數(shù)。
[0056]具體實施時，本領域技術人員可自行設定初值(Lat, Lon, Height)'或者設定初值 求取規(guī)則，可采用現(xiàn)有技術，例如使用初始定向參數(shù)，采用前方交會的方式確定初值。
[0057]對所有連接點像點構建觀測誤差方程，并寫成矩陣形式：
[0058] V=Ax-L P (5)
[0059] 其中，V代表像點坐標觀測值殘差向量;1=[乂^^^ = 1，2-11)代表各連接 點物方坐標改正值向量，Xj = d (Lat，Lon，He i ght) j代表第j個連接點的物方坐標改正數(shù)，η代 表連接點個數(shù);Α為對應未知數(shù)的偏導數(shù)系數(shù)矩陣，L和Ρ分別為相應的常向量和權矩陣。
[0060] 根據(jù)最