移动测量系统宽幅影像的几何拼接与量测

研究了移动测量系统宽幅影像的拼接与量测算法。通过建立三幅影像柱面全景投影的几何关系,能够直接拼接完成宽幅影像。利用宽幅影像和原始影像间反投影变换关系以及三幅原始影像的同、异步立体像对,可建立宽幅影像与物方空间坐标间一一对应关系,从而实现宽幅影像目标的量测算法。宽幅影像的投影拼接和量测实验表明,利用柱面全景投影拼接得到宽幅影像的方法可应用于移动测量平台宽幅影像序列的拼接;在原始影像具备同步立体像对的条件下,宽幅影像量测的绝对精度可达1 m以内,相对精度可达0.2 m以内,满足城市环境实景目标量测的精度需求。

亚米级宽幅卫星边缘视场影像的DSM生成研究

宽幅卫星影像常用于小侧摆角条件下拍摄制作大面积的正射影像成果,针对其具有大视场角的特点,提出了大视场角边缘视场结合小侧摆角构建立体像对制作DSM成果的方案。方案分析了宽幅卫星影像特点,选取边缘视场标准景分幅影像结合拍摄侧摆角构建卫星立体像对,阐述了数据处理技术流程。通过“吉林一号”宽幅系列卫星影像进行了DSM成果制作实验,并开展了不同太阳高度角条件下拍摄获取的影像制作的DSM成果纹理质量对比实验。实验结果表明,该方案可实现基高比大于0.5的立体条件,并获取高精度DSM成果,精度可满足1∶10000比例尺的DSM制图要求。此外,对比实验表明,太阳高度角越大,DSM成果纹理越清晰。

基于高分六号宽幅影像的油菜种植分布区域提取方法

油菜作为我国主要的农业经济作物及食用油的主要来源,及时、准确地获取其种植分布信息,是全面掌握油菜种植状况、加强生产管理、优化作物种植空间格局的重要依据。高分六号(GF-6)的宽视场(Wide Field View,WFV)传感器在可见光-近红外波段基础上增设了2个红边波段、1个黄波段和1个紫波段,为油菜遥感识别提供了更加丰富的光谱信息,进而相较于蓝、绿、红、近红外4个“传统波段”的识别精度有所提升。本文以油菜开花期内两景不同时相GF-6 WFV影像拼接图像作为数据源,选择油菜生产优势区的河南省固始县为研究区,针对油菜同其他地物的“异物同谱”现象以及不同生长阶段油菜的“同物异谱”现象,利用油菜开花期独特的反射光谱特征,结合均值间标准化近距离提出了NDSI_(28)、S_(34)、NDSI_(23)和NDSI_(46)共4个光谱指数,并由此构建油菜种植区域提取的决策树模型。研究结果表明,基于4个指数组合构建的决策树模型对油菜种植分布信息的提取达到了较好的效果,总体精度为96.17%,与随机森林、支持向量机、最大似然法相比分别高出0.31%、0.88%和1.24%;制图精度方面,决策树法为98.15%,比随机森林、支持向量机、最大似然法分别高4.72%、4.21%和5.59%;对于用户精度,决策树法为86.89%,较随机森林、最大似然法分别低2.2%和1.63%,比支持向量机高0.11%。由此说明,GF-6 WFV数据中的新增波段极大地丰富了其光谱信息,使其在包括油菜在内的农作物种植分布信息提取中具有独特的优势和巨大潜力。

GPU支持的宽幅遥感影像RPC校正并行处理

RPC校正是光学遥感影像生产流程中重要的环节,将遥感影像从图像坐标转换到地理坐标。为缩短RPC校正过程的时间,实现影像的近实时处理,使用当前性能一流的GPU(NVIDIA TITAN RTX)实现了宽幅遥感影像的并行RPC校正,GPU为每个需要计算的像素分配线程,完成坐标变换、重采样等计算过程,实现并行处理;并与CPU运算RPC校正过程的效率作对比。实验结果显示,与CPU处理不分块时的RPC校正相比,GPU并行的加速比与遥感影像的数据量有关,数据量越大,则并行加速比越高;并行处理在高分二号多光谱影像和全色影像上的运算加速比分别为3.71,8.27,整体加速比分别为1.59,5.07。该方法能够显著加快遥感影像RPC校正的速率。

宽刈幅多光谱影像正射纠正技术研究

宽刈幅多光谱遥感数据已经成为重要的数据源。如何使用商业遥感图像处理软件快速完成宽刈幅多光谱影像的正射纠正,得到了广泛关注。以北京一号小卫星多光谱影像为例,探讨了宽刈幅遥感影像正射纠正的技术方法,同时对比试验了基于通用推扫式模型(Generic Pushbroom Model,GPM)和有理函数模型(Rational Function Model,RFM)下正射纠正产品几何精度的影响因素。