程家勝 穆春迪 李揚(yáng) 姜艷媛

?

提高“天繪一號(hào)”衛(wèi)星條帶影像拼接精度的技術(shù)探討

程家勝 穆春迪 李揚(yáng) 姜艷媛

（中國(guó)天繪衛(wèi)星中心，北京 102102）

“天繪一號(hào)”衛(wèi)星2m全色相機(jī)焦平面共8片TDI-CCD器件，分上下兩行品字形交錯(cuò)排列組成。目前地面處理系統(tǒng)采用基于SIFT特征點(diǎn)匹配的分段線性拼接算法，將8片條帶影像進(jìn)行拼接。然而受地形起伏、云層移動(dòng)、影像對(duì)比度等多種因素影響，易出現(xiàn)局部拼接錯(cuò)位現(xiàn)象，條帶拼接精度不高，降低了衛(wèi)星的使用性能。為解決上述問題，文章重點(diǎn)分析了影響拼接精度的因素，并提出了基于分段線性拼接和拼接區(qū)域邏輯自適應(yīng)影像增強(qiáng)技術(shù)的影像拼接方法。經(jīng)過(guò)大量試驗(yàn)驗(yàn)證，該方法有效地解決了長(zhǎng)條帶影像拼接參數(shù)不一致、拼接區(qū)域影像對(duì)比度不高等問題，提高了器件片間拼接精度，在“天繪一號(hào)”衛(wèi)星條帶影像的拼接中取得了良好的應(yīng)用效果。

尺度不變的特征轉(zhuǎn)換算法 分段線性拼接 影像增強(qiáng) “天繪一號(hào)”衛(wèi)星 空間遙感應(yīng)用

0 引言

時(shí)間延遲積分電荷藕合器件圖像傳感器（Time Delay Integration Charge Coupled Device，TDI-CCD）是一種面陣結(jié)構(gòu)、線陣輸出的新型CCD，由于單片TDI-CCD像素個(gè)數(shù)有限，在相機(jī)設(shè)計(jì)時(shí)，為解決空間分辨率和成像幅寬的矛盾，需將多片TDI-CCD連接排列?！疤炖L一號(hào)”衛(wèi)星2m全色相機(jī)焦面共8片TDI-CCD，采用視場(chǎng)中心線兩側(cè)分上下兩行交錯(cuò)排列，相鄰TDI-CCD器件的視場(chǎng)拼接方式分兩排安裝。星下采用基于尺度不變特征轉(zhuǎn)換（Scale-Invariant Feature Transform，SIFT）算法在相鄰TDI-CCD影像上提取匹配點(diǎn)，統(tǒng)計(jì)得到片間水平偏移量和垂直偏移量，然后依次對(duì)相鄰兩片影像進(jìn)行拼接處理，以形成覆蓋整個(gè)相機(jī)有效視場(chǎng)的連續(xù)無(wú)縫的掃描景[1-3]。但在實(shí)際應(yīng)用中發(fā)現(xiàn)，受地形起伏、云層移動(dòng)、影像對(duì)比度等因素影響，拼接精度不高，降低了衛(wèi)星的使用效能。文獻(xiàn)[4-6]提出基于SIFT的圖像匹配算法，但算法針對(duì)全部圖像采用同一拼接參數(shù)，不適用于長(zhǎng)條帶影像；文獻(xiàn)[7]提出了一種基于RANSAC （Random Sample Consensus）特征點(diǎn)提純技術(shù)的SIFT匹配算法，雖然算法匹配精確度較好，但復(fù)雜度較高，不適用于長(zhǎng)條帶遙感影像處理；文獻(xiàn)[8-10]提出了一種簡(jiǎn)化SIFT算法，但算法對(duì)低對(duì)比度影像處理效果有限。

因此，本文重點(diǎn)分析了影響拼接精度的因素，并提出通過(guò)引入分段線性拼接、拼接區(qū)域邏輯自適應(yīng)影像增強(qiáng)技術(shù)提高拼接精度。經(jīng)驗(yàn)證，該方法有效提高了產(chǎn)品的拼接精度，并在“天繪一號(hào)”衛(wèi)星條帶影像的拼接中取得了良好的應(yīng)用效果。

1 SIFT算法簡(jiǎn)介

由于SIFT算法在相關(guān)文獻(xiàn)上有詳細(xì)介紹，本文只結(jié)合其在“天繪一號(hào)”衛(wèi)星條帶拼接中的具體應(yīng)用進(jìn)行簡(jiǎn)單介紹。

SIFT特征匹配方法，是由Lowe在總結(jié)現(xiàn)有的基于變量技術(shù)的特征提取方法基礎(chǔ)上，提出的一種基于尺度空間局部特征的描述算子[11]，該算子對(duì)于匹配圖像間的旋轉(zhuǎn)、平移、拉伸等仿射變換具有良好的魯棒性?！疤炖L一號(hào)”衛(wèi)星基于SIFT算法的條帶拼接流程主要環(huán)節(jié)如圖1所示，圖中虛線框內(nèi)的主要步驟是經(jīng)典的SIFT算法[12]，由于“天繪一號(hào)”衛(wèi)星相機(jī)結(jié)構(gòu)的特殊性，在SIFT算法需找到匹配點(diǎn)后，分段對(duì)影像進(jìn)行拼接，并對(duì)拼接接縫處進(jìn)行了灰度平滑處理。

圖1 SIFT算法主要環(huán)節(jié)

（1）尺度空間極值檢測(cè)

尺度空間（scale space）是一個(gè)抽象的框架，從算法的觀點(diǎn)看是濾波器的迭代，尺度空間理論的目的是模擬影像數(shù)據(jù)的多尺度特征。高斯卷積核是實(shí)現(xiàn)尺度變換的唯一線性核，二維影像的尺度空間函數(shù)(,,)定義為：

式中(,)代表影像；(,,)是尺度可變高斯函數(shù)，其表達(dá)式如下：

式中 (,)是像素點(diǎn)的空間坐標(biāo)；是尺度坐標(biāo)。

（2）尺度空間關(guān)鍵點(diǎn)提取

由于關(guān)鍵點(diǎn)的提取是在尺度空間中進(jìn)行的，相比較傳統(tǒng)特征點(diǎn)的檢測(cè)方法，SIFT特征點(diǎn)不僅包含了點(diǎn)影像坐標(biāo)，還包含了尺度。為了進(jìn)一步增強(qiáng)匹配穩(wěn)定性、提高抗噪聲能力，SIFT算法采用了多種處理方法實(shí)現(xiàn)特征點(diǎn)的亞像素精度定位，同時(shí)去除了容易受噪聲影響的低對(duì)比度的關(guān)鍵點(diǎn)和不穩(wěn)定的邊緣響應(yīng)點(diǎn)[15-18]。

（3）關(guān)鍵點(diǎn)方向分配

利用關(guān)鍵點(diǎn)鄰域像素的梯度方向分布特性為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)，使算子具備旋轉(zhuǎn)不變性。

式中(,)為(,)處梯度的模值；(,)為(,)處方向公式。其中函數(shù)所用的尺度為每個(gè)關(guān)鍵點(diǎn)各自所在的尺度。

（4）特征點(diǎn)匹配

當(dāng)生成了兩幅影像的SIFT特征向量，利用關(guān)鍵點(diǎn)特征向量的歐氏距離作為相似性度量。取影像1中的某個(gè)關(guān)鍵點(diǎn)，并找出其與影像2中歐氏距離最近的兩個(gè)關(guān)鍵點(diǎn)。在這兩個(gè)關(guān)鍵點(diǎn)中，若最近距離與次近距離比值小于設(shè)定的閾值，則認(rèn)為它們是一對(duì)匹配點(diǎn)。降低這個(gè)比例閾值，SIFT匹配點(diǎn)數(shù)目會(huì)減少，但更加穩(wěn)定。

（5）剔除誤匹配點(diǎn)

由于影像中的噪聲等因素干擾，通過(guò)SIFT所提取的特征點(diǎn)對(duì)并不都正確。對(duì)于錯(cuò)誤的特征點(diǎn)在求解幾何變換參數(shù)時(shí)影響很大，所以需要采取一定的措施剔除無(wú)效的干擾點(diǎn)對(duì)（干擾點(diǎn)對(duì)：指算法判定當(dāng)前點(diǎn)為匹配點(diǎn)，但實(shí)質(zhì)上是錯(cuò)誤匹配的點(diǎn)），即所謂的外點(diǎn)。“天繪一號(hào)”衛(wèi)星采用RANSAC算法剔除誤匹配點(diǎn)，RANSAC算法是根據(jù)一組包含異常數(shù)據(jù)的樣本數(shù)據(jù)集，計(jì)算出數(shù)據(jù)的數(shù)學(xué)模型參數(shù)，得到有效樣本數(shù)據(jù)的算法。RANSAC是一種具有魯棒性的參數(shù)估計(jì)方法，可以處理外點(diǎn)比例大于50%的數(shù)據(jù)集。

2 影響拼接精度原因分析

由于影響“天繪一號(hào)”衛(wèi)星條帶拼接精度的因素與相機(jī)的安裝結(jié)構(gòu)有很強(qiáng)的相關(guān)性，所以在分析影響拼接精度原因之前，先介紹“天繪一號(hào)”衛(wèi)星2m分辨率全色相機(jī)的TDI-CCD器件物理安裝結(jié)構(gòu)。

“天繪一號(hào)”衛(wèi)星2m分辨率全色相機(jī)焦面共有8片TDI-CCD器件，采用視場(chǎng)中心線兩側(cè)分上下兩行交錯(cuò)排列，相鄰兩TDI-CCD器件搭接96個(gè)像素，兩行CCD器件中軸線間距為2 114個(gè)像素。其幾何關(guān)系如圖2所示。

圖2 TDI-CCD器件安裝示意

衛(wèi)星攝影期間需進(jìn)行偏流角控制，保證相鄰兩片TDI-CCD器件間的搭接像素?cái)?shù)量，便于影像拼接處理。

（1）地形起伏對(duì)拼接精度的影響

在衛(wèi)星推掃成像過(guò)程中，由于地形起伏，導(dǎo)致傳感器空間成像的幾何關(guān)系產(chǎn)生改變，所拍攝的影像也產(chǎn)生了相應(yīng)的形變，這種形變是引起拼接誤差的主要因素之一，稱之為像點(diǎn)位移。針對(duì)“天繪一號(hào)”衛(wèi)星，經(jīng)推算，地形起伏每增加233m，線陣之間就會(huì)錯(cuò)位1個(gè)像素。

（2）云層移動(dòng)對(duì)拼接精度的影響

云的移動(dòng)速度一般為10m/s~30m/s左右，最大云速可以達(dá)到49m/s。通過(guò)計(jì)算得到，對(duì)于一般的云速，同一塊云所成像的位置差異達(dá)到3.23~9.68個(gè)像素點(diǎn)，當(dāng)云速最大時(shí)，最大位置差異可達(dá)16個(gè)像素點(diǎn)。可見，假設(shè)在相鄰兩片CCD進(jìn)行拼接時(shí)，在重疊區(qū)域中有云層存在，并且在云上或云的周圍找到特征點(diǎn)時(shí)，那么通過(guò)這些特征點(diǎn)得到的拼接參數(shù)會(huì)對(duì)拼接精度產(chǎn)生較大影響。

如果公益性的勞務(wù)派遣制度能夠切實(shí)執(zhí)行上述功能，那么其最顯著的效果將是保護(hù)農(nóng)民免受損失，使其不至于返貧，從長(zhǎng)遠(yuǎn)看，也有利于移民的非農(nóng)就業(yè)正?；?。

（3）對(duì)比度對(duì)拼接精度的影響

對(duì)于兩片CCD器件之間的重疊區(qū)域地物變換不明顯，或者由于大氣干擾、探元響應(yīng)度較低等因素造成影像質(zhì)量下降，此時(shí)通過(guò)SIFT算法提取的特征點(diǎn)數(shù)較少，甚至部分重疊區(qū)無(wú)法找到有效的匹配點(diǎn)對(duì)。另外，“天繪一號(hào)”衛(wèi)星獲取的部分高緯度地區(qū)影像，由于太陽(yáng)高度角低，影像整體較暗，條帶拼接精度也較差。通過(guò)對(duì)拼接過(guò)程數(shù)據(jù)的分析，結(jié)合SIFT算法原理發(fā)現(xiàn)，SIFT算法尋找特征點(diǎn)的核心主要是依據(jù)灰度梯度的變化。對(duì)于整體灰度值偏暗、對(duì)比度低的影像，重疊區(qū)域內(nèi)找到的特征點(diǎn)較少，經(jīng)過(guò)粗差剔除后剩下的較少匹配點(diǎn)方差較大，導(dǎo)致最終計(jì)算出的片間拼接參數(shù)不準(zhǔn)確，影響了圖像的拼接精度。

3 提高拼接精度的主要技術(shù)途徑

影響“天繪一號(hào)”衛(wèi)星2m分辨率全色相機(jī)影像條帶間拼接精度的因素是多方面的，本節(jié)主要針對(duì)地形起伏、對(duì)比度低的問題，提出了分段線性拼接、拼接區(qū)域邏輯自適應(yīng)增強(qiáng)技術(shù)，并進(jìn)行試驗(yàn)驗(yàn)證。

（1）分段線性拼接技術(shù)

由于“天繪一號(hào)”衛(wèi)星2m分辨率全色相機(jī)的單景影像行數(shù)較大，加之受衛(wèi)星平臺(tái)穩(wěn)定性、偏流角控制精度、地形起伏等因素的影響，往往導(dǎo)致每景影像用一個(gè)統(tǒng)一的拼接參數(shù)無(wú)法達(dá)到較好的拼接效果，即出現(xiàn)局部拼接錯(cuò)位的現(xiàn)象，如圖3所示。

圖3 整景采用統(tǒng)一參數(shù)拼接效果

因此，在“天繪一號(hào)”衛(wèi)星2m分辨率全色相機(jī)影像條帶拼接時(shí)，采用了分段擬合的方法來(lái)解決拼接參數(shù)不一致的問題。影像拼接方法詳見圖4。

圖4 基于SIFT算法的影像拼接流程

采用分段線性拼接技術(shù)后，作者選取了部分拼接精度達(dá)到指標(biāo)要求的影像，并計(jì)算出每段的拼接參數(shù)。結(jié)果發(fā)現(xiàn)，每段的拼接參數(shù)有一定的波動(dòng)，總體呈現(xiàn)緩慢變化的趨勢(shì)，所以進(jìn)一步得出“天繪一號(hào)”衛(wèi)星必須采用分段線性拼接的方式，整景采用統(tǒng)一的參數(shù)必然導(dǎo)致局部拼接精度不高的結(jié)論。

3.2 拼接區(qū)域邏輯自適應(yīng)增強(qiáng)技術(shù)

SIFT算法的核心是根據(jù)影像灰度的變化尋找特征點(diǎn)，提高影像的對(duì)比度，有利于特征點(diǎn)的尋找，進(jìn)而可提高拼接精度?；谶@一思想，在“天繪一號(hào)”衛(wèi)星條帶拼接處理之前，先對(duì)待拼接區(qū)域影像進(jìn)行自適應(yīng)邏輯影像增強(qiáng)，提高影像的對(duì)比度。

本文先建立直角坐標(biāo)系，設(shè)定CCD相機(jī)安裝面為軸、衛(wèi)星飛行方向?yàn)檩S（此處軸、軸的定義主要是依據(jù)相機(jī)的物理結(jié)構(gòu)和衛(wèi)星的飛行方向定義）。預(yù)處理系統(tǒng)接收到條帶影像后，首先根據(jù)相機(jī)的物理結(jié)構(gòu)讀取相鄰兩條帶的重疊區(qū)，“天繪一號(hào)”衛(wèi)星相鄰兩條帶軸方向重疊96個(gè)像素，故系統(tǒng)相鄰兩條帶各讀取110個(gè)像素。然后依次計(jì)算每段影像的灰度值范圍，根據(jù)灰度值區(qū)間范圍自動(dòng)進(jìn)行灰度值拉伸；之后基于SIFT算法尋找匹配點(diǎn)，經(jīng)過(guò)粗差剔除后計(jì)算拼接參數(shù)。拼接區(qū)域邏輯自適應(yīng)增強(qiáng)技術(shù)流程如圖6所示。

圖5 分段拼接效果

圖6 影像自適應(yīng)增強(qiáng)流程

Fig.6 Adaptive enhancement process of image

圖7為拼接區(qū)域邏輯自適應(yīng)增強(qiáng)前、后SIFT算法找到的匹配點(diǎn)。左圖為未經(jīng)過(guò)自適應(yīng)邏輯增強(qiáng)找到的匹配點(diǎn)，右圖為經(jīng)過(guò)自適應(yīng)邏輯增強(qiáng)后找到的匹配點(diǎn)。從圖7可以看出，經(jīng)過(guò)拼接區(qū)域邏輯自適應(yīng)增強(qiáng)處理后，拼接區(qū)域的匹配點(diǎn)明顯增多，理論上匹配點(diǎn)越多，根據(jù)匹配點(diǎn)計(jì)算出的拼接參數(shù)越準(zhǔn)確，拼接精度將越高。

圖7 自適應(yīng)增強(qiáng)前后匹配點(diǎn)對(duì)

為驗(yàn)證上述結(jié)論的正確性，本文隨機(jī)選取了“天繪一號(hào)”02星2017年6月18日拍攝的法國(guó)西部地區(qū)影像進(jìn)行試驗(yàn)驗(yàn)證。圖8為拼接區(qū)域邏輯自適應(yīng)增強(qiáng)前后的拼接參數(shù)（為便于顯示，只截取了前64段拼接區(qū)拼接參數(shù)），橫軸為分段序號(hào)，縱軸為對(duì)應(yīng)的拼接參數(shù)值（單位：像素）。

衛(wèi)星平臺(tái)在正常情況下是比較穩(wěn)定的，拼接參數(shù)的變化應(yīng)該是緩慢的，波動(dòng)較大的參數(shù)屬于異常值。從圖8的拼接參數(shù)輸出結(jié)果看，自適應(yīng)增強(qiáng)處理前拼接參數(shù)波動(dòng)較大；拼接區(qū)域邏輯自適應(yīng)增強(qiáng)后，拼接參數(shù)波動(dòng)明顯變小。波動(dòng)較大的拼接參數(shù)屬于異常值，如果用異常拼接參數(shù)直接進(jìn)行拼接，勢(shì)必導(dǎo)致拼接精度下降。為驗(yàn)證此觀點(diǎn)，本文對(duì)圖8中自適應(yīng)增強(qiáng)處理前、后的拼接情況進(jìn)行了拼接精度對(duì)比檢查。結(jié)果發(fā)現(xiàn)，拼接區(qū)域邏輯自適應(yīng)增強(qiáng)后，拼接精度明顯提高，如圖9所示。

圖8 自適應(yīng)增強(qiáng)處理前后拼接參數(shù)對(duì)比

圖9 自適應(yīng)增強(qiáng)處理前后局部拼接效果

拼接區(qū)域邏輯自適應(yīng)增強(qiáng)技術(shù)已經(jīng)在“天繪一號(hào)”衛(wèi)星數(shù)據(jù)預(yù)處理系統(tǒng)中得到工程化應(yīng)用。經(jīng)統(tǒng)計(jì)，該技術(shù)的成功應(yīng)用有效提高了“天繪一號(hào)”衛(wèi)星2m分辨率全色相機(jī)的影像條帶間拼接精度。

在此需說(shuō)明，拼接區(qū)域影像自適應(yīng)增強(qiáng)的目的是用于計(jì)算拼接參數(shù)，最終的拼接區(qū)影像是通過(guò)對(duì)增強(qiáng)處理前的影像采樣獲取，所以稱為拼接區(qū)域邏輯自適應(yīng)增強(qiáng)。

3.3 測(cè)試結(jié)果

為驗(yàn)證分段線性拼接技術(shù)和拼接區(qū)域邏輯自適應(yīng)增強(qiáng)技術(shù)對(duì)“天繪一號(hào)”衛(wèi)星2m分辨率全色相機(jī)的影像條帶間拼接效果，本文針對(duì)“天繪一號(hào)”衛(wèi)星01、02星2017年10月、11月攝影的云量小于20%的有效數(shù)據(jù)進(jìn)行了對(duì)比測(cè)試。

為便于描述，文中未采用分段線性拼接技術(shù)和拼接區(qū)域邏輯自適應(yīng)增強(qiáng)技術(shù)的算法稱為舊算法；采用分段線性拼接技術(shù)和拼接區(qū)域邏輯自適應(yīng)增強(qiáng)技術(shù)的算法稱為新算法。測(cè)試過(guò)程中，對(duì)于同一景數(shù)據(jù)，分別采用新、舊算法進(jìn)行拼接，后采用相同的檢測(cè)手段進(jìn)行拼接精度檢查。本文中，對(duì)拼接精度大于1個(gè)像素的數(shù)據(jù)視為不合格產(chǎn)品，稱為錯(cuò)位數(shù)據(jù)。測(cè)試結(jié)果如表1和圖10所示。表1中單月錯(cuò)位率為單月錯(cuò)位景數(shù)占單月總檢測(cè)景數(shù)的百分比；合計(jì)錯(cuò)位率為兩月錯(cuò)位景數(shù)之和占兩月總檢測(cè)景數(shù)的百分比。

表1 新、舊算法拼接錯(cuò)位率測(cè)試結(jié)果

Tab.1 Test results of stitching misplacement rate of new and old algorithms %

圖10 新、舊算法拼接錯(cuò)位率測(cè)試結(jié)果

從測(cè)試結(jié)果可以看出，01星、02星、雙星合計(jì)的新算法較舊算法，錯(cuò)位率降低約7個(gè)百分點(diǎn)；另外可以看出新算法01、02星錯(cuò)位率隨時(shí)間的變化較小，算法性能較舊算法穩(wěn)定。

4 結(jié)束語(yǔ)

“天繪一號(hào)”衛(wèi)星地面預(yù)處理系統(tǒng)基于SIFT算法進(jìn)行2m的分辨率全色相機(jī)條帶影像拼接，但由于受多種因素的影響，拼接精度不理想。本文在分析各種影響因素的前提下，針對(duì)“天繪一號(hào)”衛(wèi)星的成像特點(diǎn)，提出了分段線性擬合，并采用了拼接區(qū)域邏輯自適應(yīng)增強(qiáng)技術(shù)，有效提高了“天繪”衛(wèi)星影像拼接精度。本算法對(duì)于云層移動(dòng)等因素的影響，尚無(wú)有效解決辦法，目前采用該算法部分產(chǎn)品仍存在拼接錯(cuò)位現(xiàn)象。另外，實(shí)踐證明，基于物方的虛擬線陣技術(shù)能夠有效解決“天繪一號(hào)”衛(wèi)星多條帶影像拼接精度問題，并得到了工程化應(yīng)用。筆者下一步將重點(diǎn)對(duì)基于像方的拼接技術(shù)和基于物方的虛擬線陣拼接技術(shù)進(jìn)行對(duì)比研究。

[1] LOWE D G. Distinctive Image Features from Scale-Invariant Keypoints[J]. International Journal of Computer Vision, 2004, 60(2): 91-110.

[2] 王任享, 王建榮, 王新義, 等. LMCCD相機(jī)衛(wèi)星攝影測(cè)量的特性[J]. 測(cè)繪科學(xué), 2004, (4): 10-12. WANG Renxiang, WANG Jianrong, WANG Xinyi, et al. The Satellite Photogrammetric Performance of LMCCD Camera[J]. Science of Surveying Mapping, 2004, (4): 15-17. (in Chinese)

[3] 谷口慶治. 數(shù)字圖像處理基礎(chǔ)[M]. 北京: 科學(xué)出版社, 2005: 31-55. Taniguchi Yoji. Digital Image Processing Foundation[M]. Science Press, 2005: 31-55. (in Chinese)

[4] 賈世杰, 王鵬翔, 姜海洋, 等. 基于SIFT的圖像匹配算法[J]. 大連交通大學(xué)學(xué)報(bào), 2010, 9, 31(4): 17-21. JIA Shijie, WANG Pengxiang, JIANG Haiyang, et al. Study of Image Matching Algorithm Based on SIFT[J]. Journal of Dalian Jiaotong University, 2010, 31(4): 17-21. (in Chinese)

[5] 曹楠, 王萍. 基于SIFT特征匹配的圖像無(wú)縫拼接算法[J]. 計(jì)算機(jī)與運(yùn)用化學(xué), 2011, 28(2): 242-244. CAO Nan, WANG Ping. Seamless Image Stitching Based on SIFT Feature Matching[J]. Computers and Applied Chemistry, 2011, 28(2): 242-244. (in Chinese)

[6] 徐亞明, 刑誠(chéng), 陳曉東. 一種基于拼接線的無(wú)人機(jī)序列影像拼接方法[J]. 武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）, 2011, 36(11): 1265-1269. XU Yaming, XING Cheng, CHEN Xiaodong. A Mosaicking Method for UAV Sequence Images Based on Seam Line[J]. Geomatics and Information Science of Wuhan University, 2011, 36(11): 1265-1269. (in Chinese)

[7] 賈西茜, 催希民, 邱亞輝, 等. 無(wú)地面控制點(diǎn)航空?qǐng)D像無(wú)縫拼接算法[J]. 影像技術(shù), 2011, 23(4): 34-39. JIA Xiqian, CUI Ximin, QIU yahui, et al. Airphoto Seamless Mosaic Algorithm without Ground Control Point[J]. Image Technology, 2011, 23(4): 34-39. (in Chinese)

[8] YANG H, WANG Q. A Novel Local Feature Descriptor for Image Matching[C]//2008 IEEE International Conference on Multimedia and Expo, Hannover, Germany, 2008: 1405-1408.

[9] LOWE D G. Object Recognition from Local Scale-invariant Features[C]//The 7th International conference on Computer Vision, kerkyra, Greece, 1999.

[10] 劉立, 彭復(fù)員, 趙坤, 等. 采用簡(jiǎn)化SIFT算法實(shí)現(xiàn)快速圖像匹配[J]. 紅外與激光工程, 2008, 37(1): 181-184. LIU Li, PENG Fuyuan, ZHAO Kun, et al. Simplified SIFT Algorithm for Fast Image Matching[J]. Infrared and Laser Engineering, 2008, 37(1): 181-184. (in Chinese)

[11] 呂江安, 于晉, 陳琦. 基于SIFT特征的三線陣CCD影像立體匹配[J]. 航天返回與遙感, 2010, 31(2): 38-45. LYU Jiang’an, YU Jin, CHEN Qi. Stereo Matching of Three-line CCD Imagery Based on SIFT[J]. Spacecraft Recovery & Remote Sensing, 2010, 31(2): 38-45. (in Chinese)

[12] 田國(guó)梁, 黃巧林, 何紅艷, 等. 遙感衛(wèi)星圖像幾何定位精度評(píng)估方法淺析[J]. 航天返回與遙感, 2017, 38(5): 106-112. TIAN Guoliang, HUANG Qiaolin, HE Hongyan, et al. Analysis on Geometric Positioning Accuracy Evaluation of Remote Sensing Satellite Image[J]. Spacecraft Recovery & Remote Sensing, 2017, 38(5): 106-112. (in Chinese)

[13] 王歡, 蔣顯嵐. 4種無(wú)人機(jī)遙感影像快速拼接方法的試驗(yàn)分析[J]. 測(cè)繪與空間地理信息, 2015, 38(8): 117-118. WANG Huan, JIANG Xianlan. Experimental Analysis of 4 Kinds of Remote Sensing Image Mosaic Method for UAV[J]. Geomatics & Spatial Information Technology, 2015, 38(8): 117-118. (in Chinese)

[14] 付云潔. 遙感影像拼接縫消除算法改進(jìn)研究[J]. 測(cè)繪與空間地理信息, 2013, 36(9): 151-153. FU Yunjie. Improving Research on Seamless Mosaicking Algorithm of Remote Sensing Images[J]. Geomatics & Spatial Information Technology, 2013, 36(9): 151-153. (in Chinese)

[15] 李國(guó), 張俊, 龔志輝. 彩色遙感影像色彩保持直接線性增強(qiáng)方法[J]. 地理空間信息, 2012, 10(5): 47-49. LI Guo, ZHANG Jun, GONG Zhihui. Color Retention Direct Linear Enhancement Method for Color Remote Sensing Images[J]. Geospatial Information, 2012, 10(5): 47-49. (in Chinese)

[16] 朱紅, 宋偉東, 譚海, 等. 多尺度細(xì)節(jié)增強(qiáng)的遙感影像超分辨率重建[J]. 測(cè)繪學(xué)報(bào), 2016, 45(9): 1081-1088. ZHU Hong, SONG Weidong, TAN Hai, et al. Remote Sensing Images Super Resolution Reconstruction Based on Multi-scale Detail Enhancement[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(9): 1081-1088. (in Chinese)

（編輯：龐冰）

Technical Study on Improving Stitching Accuracy for TH-1 Satellite Strip Images

CHENG Jiasheng MU Chundi LI Yang JIANG Yanyuan

（Tianhui Satellite Center of China, Beijing 102102, China）

Focal plane of the full color camera on TH-1 satellite consists of eight TDI-CCD elements, which are staggered in upper and lower rows. The eight TDI-CCD strip images are currently stitched by SIFT-based feature point matching algorithm to form one wide-area image. However, due to terrain change, cloud movement and the difference of image contrast, the stitching accuracy is usually low by misplacement, thus reducing the performance of TH-1 image data significantly. In the paper, we focus on analyzing influencing factors of stitching accuracy, and then propose a new method to improve the accuracy by introducing piecewisely linear stitching and logically adaptive image enhancement of the stitching area. The method is validated by real data processing and is currently applied for TH-1strip image stitching, which is effective to solve the stitching parameters inconsistency and low remote sensing image contrast.

Scale-Invariant Feature Transform; piecewisely linear stitching; image enhancement; TH-1 satellite; space remote sensing application

P407.8

A

1009-8518(2018)02-0084-09

10.3969/j.issn.1009-8518.2018.02.010

2017-08-30

程家勝，男，1984年生，2010年獲國(guó)防科技大學(xué)電子科學(xué)與工程專業(yè)碩士學(xué)位，工程師。主要從事航天攝影測(cè)量等方面的研究工作。E-mail：chengjias_heng@126.com。