王 艷，趙薇薇，朱 映，劉 鵬，張致齊

(1.北京市遙感信息研究所，北京 100011;2.武漢工程大學 電氣信息學院，武漢 430074;3.湖北工業(yè)大學 計算機學院，武漢 432200)

0 引言

近年來，遙感對地觀測技術飛速發(fā)展，已步入數(shù)據(jù)獲取手段多樣化和信息海量化的新時代。我國高分辨率對地觀測(遙感)系統(tǒng)重大專項現(xiàn)已全面啟動，到2020年，我國新研制數(shù)十顆高分辨率遙感衛(wèi)星，實現(xiàn)30～50 顆遙感衛(wèi)星同時在軌工作，保守估計每天獲取的數(shù)據(jù)量將達到數(shù)百個TB[1]。為了不斷提升遙感衛(wèi)星應用效能，高分辨率、寬覆蓋、多光譜成像是當今和未來遙感對地觀測發(fā)展的主要目標之一，其顯著特點是獲取的數(shù)據(jù)量呈幾何級數(shù)增長[2]。以我國正計劃研制的空間分辨率為1 m、幅寬為100 km的高分辨率光學遙感衛(wèi)星為例，其獲取的單景影像的數(shù)據(jù)量將達到20 GB。

隨著遙感衛(wèi)星空間分辨率和成像幅寬的不斷提升，海量遙感影像快速處理一直是國內(nèi)外學者及高時效用戶關注的熱點問題。眾多學者在遙感影像如何快速處理的理論和方法上開展了研究。目前，國際上解決海量數(shù)據(jù)計算和實時處理算法時主要采用以圖形處理單元(GPU)為主的并行處理器方案，CPU/GPU異構系統(tǒng)作為當今高性能計算平臺的典型代表具有很大的發(fā)展?jié)摿3]。方留楊[4]基于CPU/GPU異構處理環(huán)境探討光學衛(wèi)星遙感數(shù)據(jù)高性能處理理論和方法；薄濤[5]基于GPU實現(xiàn)了雷達影像加速處理；張哲[6]采用CPU+GPU的架構實現(xiàn)了歸一化差分植被指數(shù)(NDVI)快速提取。隨著對實時處理能力及時效性要求不斷提高，遙感衛(wèi)星要實現(xiàn)實時服務，除了提高處理能力和優(yōu)化處理算法外，在服務模式上也要不斷創(chuàng)新[7]。

對于光學遙感衛(wèi)星地面處理系統(tǒng)，傳統(tǒng)的核心數(shù)據(jù)處理流程主要按標準景方式組織產(chǎn)品生產(chǎn)，隨著高分辨率衛(wèi)星空間分辨率的不斷提高，單景目標產(chǎn)品數(shù)據(jù)量通?？梢赃_到幾十GB，其大側擺大俯仰條件下的融合產(chǎn)品甚至達到上百GB，受計算資源、存儲設備IO、網(wǎng)絡帶寬、用戶終端單機性能等方面的限制，數(shù)據(jù)量過大所帶來的問題日益凸顯。因此，傳統(tǒng)方法從原始數(shù)據(jù)接收、分景編目、標準景產(chǎn)品生產(chǎn)到裁切出感興趣目標區(qū)域(Region of Interest，ROI)耗時過長，無法滿足高時效用戶日常工作需求。

針對海量遙感數(shù)據(jù)處理不及時,難以滿足高時效用戶應用需求的問題，本文開展面向ROI的高分辨率光學衛(wèi)星遙感影像快速處理方法研究，對用戶應用感興趣區(qū)域進行快速定位，確定其在原始數(shù)據(jù)中的位置，進一步對ROI原始數(shù)據(jù)進行相對輻射校正、傳感器校正、系統(tǒng)幾何糾正處理，并基于GPU對處理算法進行并行加速，高效地完成具有地理編碼的高質(zhì)量遙感影像輸出。

1 面向ROI的高分影像快速處理方法

1.1 ROI快速定位

ROI定位需要根據(jù)任務指令中指定的ROI中心的經(jīng)緯度和尺寸，反算整個ROI在原始影像上的覆蓋范圍，從而對該區(qū)域進行后續(xù)處理。高分辨率光學衛(wèi)星通常采用時間延遲積分(Time Delay Integration，TDI)CCD作為成像器件，通過線陣推掃獲取條帶數(shù)據(jù)。由于每一行成像數(shù)據(jù)所對應的姿態(tài)和軌道數(shù)據(jù)不同，導致每一行影像的嚴密成像幾何模型各不相同，通過經(jīng)緯度坐標反算圖像坐標需要迭代進行[8,12]。為了保證定位效率，本文采用三維放射變換模型替代嚴密成像模型，如下式：

s=a0+a1B+a2L+a3H

l=b0+b1B+b2L+b3H

(1)

式中，(a0,a1,a2,a3,b0,b1,b2,b3)為仿射變換系數(shù)，(s,l)為圖像坐標，對應列號和行號，(B,L,H)為經(jīng)緯度坐標和高程。

ROI快速定位以原始影像條帶數(shù)據(jù)持續(xù)輸入，從T0時刻開始，每隔Δt時間，對當前成像區(qū)域位置進行實時計算，算法原理及流程如圖1所示。

圖1 ROI快速定位示意圖

具體步驟包括：

(1)建立當前成像行的嚴格成像模型；

(2)計算當前行首尾端點的地理坐標，得到點p0,q0；

(3)T1=T0+Δt時刻，重復上述1、2步驟，得到點p1,q1；

(4)判斷ROI中心點是否位于矩形(p0,q0,p1,q1)內(nèi)，如不是，則Δt時間后繼續(xù)重復上述計算；

(5)如ROI中心點位于矩形(pi,qi,pi+1,qi+1)內(nèi)，進一步計算該點準確圖像坐標和ROI區(qū)域范圍(起止行號、起止列號)。

1.2 ROI影像相對輻射校正處理

相對輻射校正是利用相對輻射校正系數(shù)消除影像中的系統(tǒng)條帶噪聲。由于在軌環(huán)境變化，實驗室積分球數(shù)據(jù)不再有效，通常相對輻射校正系數(shù)根據(jù)在軌統(tǒng)計法獲取，并建立相對輻射校正系數(shù)查找表。面向ROI的相對輻射校正，即根據(jù)ROI快速準確定位結果，獲取ROI區(qū)域?qū)獔D像的探元成像范圍，并依據(jù)成像增益、級數(shù)信息，查找對應相對輻射校正系數(shù)，然后根據(jù)下式計算校正后影像灰度：

(2)

式中，DNcali為相對輻射校正后第i號探元的DN值;DNrawi為原始圖像第i號探元的DN值;Bi為第i號探元的偏移值;NGi為第i號探元的歸一化増益。增益值在1.0左右，保證定標后的DN值范圍與原始數(shù)值的范圍基本一致。

1.3 ROI影像傳感器校正

區(qū)別于傳統(tǒng)以景為單位的影像傳感器校正，ROI影像傳感器校正在成像時間和成像空間范圍上更加靈活，因此，對ROI影像進行傳感器校正時，需要依據(jù)成像范圍動態(tài)構建傳感器模型。為了保證ROI傳感器校正精度，在ROI成像范圍內(nèi)依然要考慮平臺震顫引起的姿態(tài)抖動、影像變形問題[9]；在ROI覆蓋多片CCD影像時需要考慮影像拼接問題；對于多光譜影像，還需要考慮多光譜影像配準問題[10]；鏡頭畸變和CCD變形引起的影像畸變問題[11]等。

為了校正這些因素帶來的影響，本文采用基于虛擬CCD穩(wěn)態(tài)重成像原理在ROI成像范圍內(nèi)動態(tài)建立高精度的傳感器校正模型，利用原始嚴密成像模型和傳感器校正模型的幾何定位一致性，建立原始影像與虛擬穩(wěn)態(tài)重成像的坐標映射關系，校正原始影像變形，并解決影像拼接、多光譜影像配準的問題，同時可獲取ROI傳感器校正影像的高精度有理函數(shù)模型(rational function model，RFM)[13]，便于后續(xù)處理與應用。

(1)全視場虛擬CCD幾何成像模型構建。首先基于原始多片CCD建立覆蓋整景影像范圍的全視場虛擬CCD的內(nèi)方位元素模型，并依據(jù)成像時間進一步建立其幾何成像模型。

(2)動態(tài)ROI傳感器校正模型建立。區(qū)別于全視場的傳感器校正，動態(tài)ROI傳感器校正是在ROI快速確定其成像時間范圍和空間范圍基礎上，針對ROI成像區(qū)域進行傳感器校正(如圖2中紅色區(qū)域)，避免對ROI范圍外的數(shù)據(jù)進行處理，降低冗余數(shù)據(jù)處理。依據(jù)ROI地理范圍，通過全視場虛擬CCD的幾何成像模型反算得到ROI在全視場虛擬CCD的起始探元號，最后以全視場虛擬CCD的起始探元號對應的內(nèi)方位參數(shù)作為動態(tài)虛擬CCD的內(nèi)方位參數(shù)，建立傳感器校正模型。

圖2 動態(tài)ROI傳感器校正模型構建示意圖

(3)傳感器校正處理。在校正模型建立的基礎上，通過原始影像和校正后影像的坐標映射關系即可重采樣得到傳感器校正影像，即獲取到ROI傳感器校正影像及其精確的RPC文件。

2 基于GPU的ROI影像快速處理流程

GPU計算性能高、功耗低、軟硬件架構通用，可在受限環(huán)境下提供高性能計算能力，成為國際上解決大數(shù)據(jù)計算和實時處理問題的主流方案[14]。遙感影像具有天然的并行計算優(yōu)勢，可使用GPU進行并行加速處理，進一步提高ROI影像處理效率。本文實驗平臺的GPU都為NVIDIA系列GPU，因此選擇CUDA作為通用計算模型。為了避免傳統(tǒng)處理基于分景編目再根據(jù)分景信息處理影像產(chǎn)品標準生產(chǎn)模式不靈活，難以滿足快速處理需求的問題，直接基于原始0級數(shù)據(jù)進行處理，根據(jù)ROI位置信息，在原始數(shù)據(jù)中解析和定位，有針對性地進行數(shù)據(jù)處理，同時對于其中涉及的輻射校正、傳感器校正以及系統(tǒng)幾何校正等具有并行特點的環(huán)節(jié)進行GPU加速處理。面向ROI快速處理具體流程如圖3所示。

圖3 面向ROI的快速處理流程

3 實驗與分析

該方法采用Microsoft Visual Studio 2012 C++實現(xiàn)，在Linux 3.10.0操作系統(tǒng)下實現(xiàn)編譯和執(zhí)行。實驗計算機CPU為Intel Core i7-8750H、6C12T，主頻2.20 GHz，內(nèi)存264 GB，顯卡NVIDIA Tesla K40m。為了驗證文本提出方法的可行性與可靠性，對四型光學衛(wèi)星數(shù)據(jù)ROI影像處理效率進行統(tǒng)計，得到了不同類型ROI影像處理平均時間，如表1所示。

表1 不同類型ROI影像處理平均時間統(tǒng)計結果

本項目提出的方法是按照ROI來組織產(chǎn)品生產(chǎn)的，統(tǒng)計的耗時是從ROI區(qū)域定位到ROI大小影像生成的時間，傳統(tǒng)方法是按照標準景方式組織產(chǎn)品生產(chǎn)的。統(tǒng)計的耗時是從標準產(chǎn)品生產(chǎn)到ROI影像生成的時間，將兩種方法處理耗時進行比較，分析效率、提升水平。對比結果如表2所示。

表2 產(chǎn)品生產(chǎn)環(huán)節(jié)效率對比分析

實驗結果表明，本文處理方法可以有效提升ROI影像處理效率，ROI影像處理時間最少僅為傳統(tǒng)方法的1/5，效率提升百分比最高可達83.22%，最低可達59.38%。

4 結束語

本文針對海量光學衛(wèi)星遙感影像難以滿足高時效用戶需求的問題，設計了一種面向ROI的高分辨率遙感影像快速處理方法?；贕PU加速平臺，通過ROI快速定位、輻射校正、傳感器校正和系統(tǒng)幾何校正多個環(huán)節(jié)處理，快速得到具有地理編碼的高質(zhì)量圖像。通過多顆高分辨率遙感衛(wèi)星數(shù)據(jù)對比分析，本文提出的方法最高可將處理效率提升5倍。基于該處理模式，以后繼續(xù)研究針對不同成像設計衛(wèi)星數(shù)據(jù)優(yōu)化處理方法，以期進一步提高處理效率，滿足更加快速的應用需求。