李 欣,蔣博洋,汪韜陽,張 過,崔 浩,程 前

1.武漢大學(xué)測繪與遙感信息工程國家重點實驗室,武漢 430079; 2.武漢大學(xué)遙感信息工程學(xué)院,武漢 430079

合成孔徑雷達衛(wèi)星能進行全天時全天候?qū)Φ爻上?且具備一定地表穿透能力,廣泛應(yīng)用于海洋、水利、氣象、測繪和軍事等方面。在全球范圍內(nèi)進行空間環(huán)境研究和地表覆蓋制圖的最有用方法之一是將SAR衛(wèi)星影像與光學(xué)影像相結(jié)合,國內(nèi)很多研究團隊已經(jīng)研制了各類光學(xué)/SAR數(shù)字正射影像圖(digital orthophoto map,DOM)[1-4],但目前仍缺少基于國產(chǎn)SAR影像進行全球尺度、快速高精度正射影像生成的技術(shù)方法和產(chǎn)品研制。GF-3是我國首顆C頻段多極化高分辨率SAR衛(wèi)星[5-6],于2016年8月10日在太原搭載長征四號丙運載火箭成功發(fā)射,該衛(wèi)星系統(tǒng)具備高分辨率、大成像幅寬、多成像模式和高質(zhì)量成像特點。其中精細條帶二(fine strip map model Ⅱ,FSⅡ)模式影像數(shù)據(jù)具有兼顧大幅寬和高分辨率的特點,可滿足全球尺度的測繪制圖需求[7-8]。

在星載SAR影像的大區(qū)域制圖方面,SAR影像匹配和區(qū)域網(wǎng)平差方法是消除區(qū)域影像幾何定位誤差的關(guān)鍵核心技術(shù)。通常情況下,引入高精度地面控制點是提升區(qū)域網(wǎng)平差相對和絕對幾何精度的前提條件。文獻[9—15]針對多源衛(wèi)星影像的高精度幾何定位開展研究,試驗結(jié)果表明高精度地面控制信息在區(qū)域制圖中仍然不可或缺。但是,在境外、無人區(qū)或紋理匱乏區(qū)域,地面控制點難以獲取,因此,在缺少地面控制點條件下的大區(qū)域SAR影像無控定位精度提升是亟須解決的技術(shù)難題。面向全球尺度的星載SAR正射影像生成,如何擺脫對地面控制點依賴實現(xiàn)高精度絕對定位是一大難點;其次,面向大區(qū)域SAR影像數(shù)據(jù)匹配,如何保障快速高精度可靠的影像連接點提取;然后,針對大區(qū)域SAR影像區(qū)域網(wǎng)平差,需要通過快速穩(wěn)健大規(guī)模平差模型解算,實現(xiàn)影像間高精度相對定位;最后,海量數(shù)據(jù)的規(guī)?；鞒烫幚硪蕾囉诟咝实亩喙?jié)點并行計算策略。

本文提出的方法可為大區(qū)域高精度和高效率的SAR影像制圖提供參考,與以往的研究相比,有以下創(chuàng)新點:①采用幾何再定標(biāo)來解決SAR影像初始定位精度低的問題,通過標(biāo)定SAR影像成像時在距離向和方位向的時間項誤差,提升SAR影像的初始無控定位精度;②針對大區(qū)域SAR影像提出了一種基于級聯(lián)匹配的SAR影像快速匹配策略(SAR-SGFM),以及無控大規(guī)模自適應(yīng)區(qū)域網(wǎng)平差方法,保障大區(qū)域SAR影像間的高精度相對定位;③全流程通過采用多節(jié)點并行和GPU/CPU協(xié)同提高SAR影像匹配、平差、正射糾正處理效率。

1 星載SAR影像對地定位誤差分析

星載SAR通過計算雷達觀測信號的傳播時間能夠獲取天線相位中心與地面目標(biāo)點之間的距離,地面目標(biāo)在SAR影像方位向上的位置與平臺飛行記錄的時間有關(guān),在距離向上的位置與地面目標(biāo)回波到達接收天線的時間先后有關(guān)。圖1為SAR系統(tǒng)工作示意,結(jié)合距離多普勒模型和SAR影像的成像過程分析可知SAR影像的定位誤差來源可以分為4類:SAR載荷、衛(wèi)星平臺、觀測環(huán)境和地面處理[16]。根據(jù)誤差隨時間和空間的變化特性,將誤差分為動態(tài)誤差和靜態(tài)誤差兩類,動態(tài)誤差主要包括衛(wèi)星平臺、觀測環(huán)境和地面處理引入的誤差。靜態(tài)誤差主要包括SAR載荷引入的誤差。

圖1 側(cè)視成像雷達系統(tǒng)

衛(wèi)星平臺引入的誤差一般通過GNSS定位系統(tǒng)來減小,經(jīng)過精密定軌技術(shù)[17]實現(xiàn)厘米級的定軌精度,對SAR影像幾何定位精度影響非常小,可忽略不計。觀測環(huán)境引起的誤差主要為雷達信號在傳播路徑中由于大氣環(huán)境(圖2)所導(dǎo)致的傳播延遲[18],這種影響隨傳播路徑的增加而變大,且隨大氣環(huán)境的變化而變化。SAR信號傳播路徑的改變影響著距離向測量精度,導(dǎo)致幾何定位精度受到嚴重影響,因此需要通過引入大氣傳播延遲模型補償該誤差項[19]。地面處理引入的誤差指在進行SAR影像對地定位時地形高程誤差引起的平面投影誤差,可通過引入高精度的數(shù)字高程模型(digital elevation map,DEM)進行消除。

圖2 大氣延遲效應(yīng)

SAR載荷引起的誤差包括系統(tǒng)時延和方位向時間誤差,方位向時間誤差主要是指星載SAR影像輔助文件中各掃描行起始時間與實際系統(tǒng)記錄時間的同步誤差,是較為穩(wěn)定的系統(tǒng)量。因此可通過幾何再定標(biāo)對相關(guān)參數(shù)進行估計并補償。

綜上,影響星載SAR正射影像無控定位精度的主要因素為觀測環(huán)境和SAR載荷引起的幾何定位誤差,在幾何再定標(biāo)過程中,可以通過引入大氣傳播延遲模型[18]和幾何再定標(biāo)模型來提升“無控”絕對定位精度。通過高精度SAR影像匹配算法和區(qū)域網(wǎng)平差算法,提升區(qū)域SAR影像間“無控”相對定位精度。最后,在正射影像生成時需要引入一個外部高精度全球DEM數(shù)據(jù)來降低地形起伏處高程誤差引起的平面投影誤差。因此本文提出的“無控”定位精度提升方法,主要是在星載SAR影像幾何處理模型參數(shù)精化階段,實現(xiàn)不依賴地面控制點的定位精度提升。

2 超大規(guī)模SAR影像無控定位精度提升方法

2.1 整體架構(gòu)

本文的總體技術(shù)流程如圖3所示。首先通過幾何再定標(biāo)有效消除絕大部分系統(tǒng)定位誤差,提高星載SAR影像的絕對幾何定位精度;其次,基于改進的SAR影像配準算法SAR-SGFM逐級匹配提取可靠的連接點;然后,利用自適應(yīng)區(qū)域網(wǎng)平差方法實現(xiàn)大規(guī)模平差解算,從而實現(xiàn)超大規(guī)模SAR影像“無控”定位精度提升。最后,通過目前較為成熟的正射糾正、強度一致性處理和鑲嵌技術(shù)實現(xiàn)全球SAR正射影像生成。

圖3 無控制點支持的SAR正射影像制作流程

2.2 GF-3幾何再定標(biāo)

根據(jù)初步精度驗證結(jié)果[7],GF-3 FSⅡ模式的影像(10 m分辨率)的初始定位精度約為30 m,難以直接滿足全球大區(qū)域圖像處理的精度要求。文獻[20]提出了星載SAR定標(biāo)模型和4個定標(biāo)參數(shù):距離時間、方位角時間、脈沖重復(fù)頻率和采樣頻率。文獻[21—22]進行了多?；旌蠋缀卧俣?biāo)試驗,考慮了大氣傳播延遲和基于提出的4個幾何再定標(biāo)參數(shù)的幾何交叉校準方法,試驗結(jié)果[23]表明經(jīng)過幾何再定標(biāo)后,SAR影像的定位精度可以達到1個像素。文獻[19,21]驗證了成像時間跨度為5個月的多時相SAR數(shù)據(jù),證明了GF-3 SAR衛(wèi)星的幾何再定位性能相對穩(wěn)定。根據(jù)第2節(jié)中星載SAR影像對地定位誤差分析可知,影響SAR影像幾何定位的系統(tǒng)誤差項可以通過幾何再定標(biāo)來消除。系統(tǒng)誤差包含兩個方面:①SAR載荷引入的誤差;②觀測環(huán)境引入的誤差。其中SAR載荷引入的誤差包括系統(tǒng)時延和方位向時間誤差,觀測環(huán)境引入的誤差主要為大氣傳播延遲引起的誤差。本文通過采用顧及大氣傳播延遲改正的幾何再定標(biāo)方案提升幾何定位精度[24]。

幾何再定標(biāo)模型的本質(zhì)是建立顧及大氣時延的SAR系統(tǒng)時延誤差和方位向時間誤差的補償模型,具體形式如下

(1)

式中,tf、ts分別為距離向的快時間和方位向的慢時間;tf0、ts0分別為距離向起始時間的測量值和方位向起始時間測量值;tdelay為大氣傳播延遲時間;Δtf、Δts為系統(tǒng)時延誤差;fp為脈沖重復(fù)頻率;fs為距離向采樣頻率;x、y為像素坐標(biāo),width、height為SAR影像的寬和高,x∈[0,width-1],y∈[0,height-1]。

通過距離多普勒定位模型的間接定位算法,結(jié)合幾何再定標(biāo)模型就可以建立起地面點坐標(biāo)與方位向時間和星地距離的對應(yīng)關(guān)系,而方位向時間和星地距離又是與SAR影像方位向行號和距離向列號一一對應(yīng)的,在定標(biāo)景SAR影像內(nèi)提取角反射器位置作為控制點,通過最小二乘平差就可以精確計算方位向和距離向起始時間改正值,基于解算得到的幾何再定標(biāo)參數(shù)(方位向開始時間誤差、距離向起始時間延遲誤差、脈沖重復(fù)頻率、距離向采樣頻率),提升星載SAR影像數(shù)據(jù)無控條件下的絕對幾何定位精度。

有理多項式模型(rational function model,RFM)由于其計算效率較高且能夠高精度擬合距離多普勒方程模型[23,25-26],越來越多地應(yīng)用于星載SAR影像幾何處理?；谖墨I[23,25—26]求解方法來獲得SAR影像的(rational polynomial coefficient,RPC)模型參數(shù),其擬合精度優(yōu)于0.01像素,說明RFM模型可代替距離多普勒方程模型進行后處理。

2.3 星載SAR影像匹配

本文在SAR-SIFT基礎(chǔ)上改進,通過采用類梯度位置方向直方圖(gradient location and orientation histogram,GLOH)的描述子構(gòu)建方法建立SAR影像特征描述符,通過快速樣本一致和幾何模型約束的級聯(lián)匹配方法,實現(xiàn)區(qū)域SAR影像高精度配準,本文將其命名為SAR-SGFM。星載SAR影像匹配技術(shù)路線如圖4所示。

圖4 SAR影像匹配技術(shù)路線

首先基于RFM模型構(gòu)建影像拓撲結(jié)構(gòu)關(guān)系及重疊區(qū)域估計,基于幾何約束下進行重疊區(qū)域估計,然后通過改進的SAR-SIFT算子,實現(xiàn)相鄰影像特征提取,通過鄰近匹配方法獲取初始匹配對后利用快速樣本一致性算法實現(xiàn)特征點的粗匹配,最后建立基于幾何模型約束的粗差剔除方法進行匹配精化。在獲取每個分塊區(qū)域的配準后,逐塊處理直至所有匹配任務(wù)結(jié)束。

2.3.1 SAR影像特征提取

在SIFT[27]的基礎(chǔ)上,文獻[28]通過改進像素點提取計算方式和改進最終描述子生成方式,提出了性能更好的SAR-SIFT算法。SAR-SIFT構(gòu)建SAR-Harris尺度空間實現(xiàn)極值檢測,通過方向直方圖的梯度大小和方向進行特征描述。

SAR-Harris矩陣和響應(yīng)值為

(2)

RSAR(x,y,α)=Det(HSAR(x,y,α))-

d·Trace(HSAR(x,y,α))2

(3)

為進一步保持局部特征點的穩(wěn)定性,使用Laplace空間(圖5)進行特征點提取,進一步加強了局部特征的仿射不變性,Laplace響應(yīng)值為

圖5 Laplace空間極值點檢測示意

圖6 原形鄰域和對數(shù)極坐標(biāo)網(wǎng)格

F(x,y,α)=α2|Lx(x,y,α)+Ly(x,y,α)|

(4)

將高于SAR-Harris響應(yīng)閾值的點在Laplace的3×3×3空間鄰域內(nèi)進行峰值檢測,進一步加強了局部特征的仿射不變性。對于特征描述符的構(gòu)建,本文在SAR-SIFT的圓形描述符基礎(chǔ)上使用基于GLOH的半徑為12圓形鄰域和有17個子區(qū)域的對數(shù)極坐標(biāo)網(wǎng)格生成特征描述子[29]。

2.3.2 SAR影像特征匹配

(1) 基于快速樣本一致算法的點匹配。最近鄰匹配法通過在特征空間內(nèi)兩個影像對應(yīng)特征點的相似度實現(xiàn)匹配。首先需要求取兩圖對應(yīng)特征點特征向量的歐氏距離,歐氏距離值最小的兩點可定義為匹配點。但由于特征點較多特征向量較為復(fù)雜,單一歐氏距離計算可能出現(xiàn)特征點相似特征干擾,為降低干擾影響,除比較歐氏距離最鄰近點外,還需要分析第二鄰近點的歐氏距離大小,當(dāng)兩者數(shù)值比值小于給定閾值dratio時,就判定該特征點對正確,二維空間特征點對歐氏距離計算公式如下

(5)

本文從參考圖像和待配準圖像中分別提取兩個點特征集{p1,p2,…,pm}和{q1,q2,…,qn},并從兩組點中找出最佳候選點構(gòu)建兩景影像的對應(yīng)關(guān)系,將這種對應(yīng)關(guān)系定義為ti={pi,qi},pi的坐標(biāo)(x1,y1)表示參考圖像中的一個特征點,qi的坐標(biāo)(x2,y2)表示待配準圖像中的一個特征點。T={t1,t2,…,ti,…,tn}表示臨時對應(yīng)點集。近鄰匹配法處理后仍會出現(xiàn)部分誤匹配點對,通過隨機采樣一致性算法(RANSAC)進行誤匹配點對剔除。

本文基于RANSAC算法提出一種快速樣本一致性算法以提高算法可靠性和效率。從集合T中提取正確匹配率高的子集Th進行快速樣本一致性處理,然后在集合T中找到最大的共識集。提取子集Th的過程如下。本文設(shè)置了兩個dratio參數(shù)dmax和dmin,dmin是一個相對較小的值,Th中的對應(yīng)關(guān)系通過dmin的比例進行匹配;dmax是一個相對較大的值,T中的對應(yīng)關(guān)系通過dmax的比例進行匹配。Th表示本文取樣的樣本集,T表示本文找到最大共識集的共識集。最大共識集中的對應(yīng)關(guān)系通過其轉(zhuǎn)換誤差來判斷,ci={pi,qi}的轉(zhuǎn)換誤差表示為

式中,θ是由Th的樣本決定的轉(zhuǎn)換模型參數(shù)。本文方法對參考影像和待配準影像進行精匹配,相較于RANSAC算法,本文方法的計算代價和穩(wěn)定性均較優(yōu)。

(2) 基于幾何模型約束的精匹配。建立星載SAR影像的RPC模型[23],形式如下

(6)

式中,(P,L,H)為標(biāo)準化的地面坐標(biāo);(X,Y)為標(biāo)準化的影像坐標(biāo)。

基于RPC模型實現(xiàn)坐標(biāo)正反變換,選取基準影像Fbase和待匹配影像Fmatch,分別將基準影像和待匹配影像上的同名點計算其地面點坐標(biāo),當(dāng)差值小于某一閾值即為同名點,否則就視為粗差點

Fbase(Latitude,Longitude,Height)=

T(line,sample)

(7)

Fmatch(Latitude,Longitude,Height)=

T(line,sample)

(8)

分別獲取其對應(yīng)地面點坐標(biāo)后,二者差值Δ,若滿足閾值則為同名點,否則為誤差點

(9)

式中,1為同名點;0為誤差點。

在山區(qū),由于SAR影像透視收縮、疊掩、陰影等問題引起的影像局部紋理信息丟失導(dǎo)致匹配困難,匹配時通過疊掩自動定位算法[30]規(guī)避疊掩區(qū)域。對于缺少紋理特征的沙漠區(qū)域,直接對幾何再定標(biāo)后的SAR影像進行正射糾正,鑲嵌時可通過強度一致性處理和邊緣羽化來進行輻射平滑。

2.4 區(qū)域網(wǎng)平差

2.4.1 平差模型構(gòu)建

構(gòu)建大區(qū)域自適應(yīng)區(qū)域網(wǎng)平差模型,結(jié)合基于像方仿射變換的系統(tǒng)誤差模型,提升區(qū)域SAR影像間的相對定位精度,形式如下

(10)

式中,(sample,line)為正則化的像方坐標(biāo);(e0,e1,e2,…,f0,f1,f2,…)表示系統(tǒng)誤差補償參數(shù),即為平差所需求解的未知數(shù)。

對未知數(shù)全微分構(gòu)建誤差方程如下

(11)

式中,Fx表示方程在列方向的誤差;Fy表示方程在行方向的誤差;Fx0、Fy0表示泰勒級數(shù)0次項;e0、e1、e2和f0、f1、f2為仿射變換參數(shù);line、sample為影像行列坐標(biāo);x、y為精化后的影像行列坐標(biāo);?Fx/?lat、?Fx/?lon、?Fx/?h分別表示緯度、經(jīng)度和高程方向上的一階偏導(dǎo)數(shù)。

誤差方程的矩陣形式為

V=Bt+AX-lP

(12)

式中,B為仿射變換改正數(shù)系數(shù)矩陣;t為仿射變換改正數(shù);A為地面點坐標(biāo)改正數(shù)系數(shù)矩陣;X為地面點改正數(shù);l為常數(shù)項;V為觀測值殘差向量。

2.4.2 大規(guī)模平差解算

誤差方程法化得到法方程

(13)

式(13)可以表示為

(14)

式中,N矩陣為外方位元素改正數(shù)t的系數(shù)矩陣;M為地面點坐標(biāo)改正數(shù)X的系數(shù)矩陣;K為協(xié)方差矩陣;L1和L2分別為外方位元素和地面點坐標(biāo)改正數(shù)的常數(shù)向量。當(dāng)進行大規(guī)模區(qū)域網(wǎng)平差時,整個區(qū)域內(nèi)影像連接點數(shù)量常常到千萬甚至上億量級,法方程矩陣規(guī)模巨大,如果直接求解不論是內(nèi)存開銷還是運行效率都無法滿足快速求解的需求。本文通過采用消元改化法方程的策略來進行平差解算。

如圖7所示,法方程結(jié)構(gòu)分為3個部分:左上角是外方位元素的系數(shù)矩陣,右下方占據(jù)絕大多數(shù)空間的是地面點坐標(biāo)項,兩邊對稱分布是協(xié)方差矩陣。由于其形狀為帶狀,也被稱為帶狀矩陣,可利用法方程特有的稀疏結(jié)構(gòu)進行優(yōu)化求解。由于大規(guī)模區(qū)域網(wǎng)平差過程中,地面點的數(shù)量遠遠大于影像的數(shù)量,可以考慮消去地面點坐標(biāo)X,構(gòu)建包含外方位元素改正數(shù)t的方程

圖7 星載SAR影像大規(guī)模區(qū)域網(wǎng)平差法方程的稀疏結(jié)構(gòu)

[N-KM-1KT]t=L1-KM-1L2

(15)

本文引入Schur消元法進行了法方程矩陣改化[31],相比于直接矩陣求逆,其優(yōu)勢在于:

(1) 在消元過程中,M矩陣由對角的多個小方陣構(gòu)成,因此對于M-1的結(jié)果可以由對內(nèi)部每個小方陣求逆后組合而成,這個過程可并行化計算,大大節(jié)約內(nèi)存且顯著提升計算效率;

(2) 在求解了t后,地面點坐標(biāo)的改正數(shù)X可由式(16)快速求解

X=M-1(L2-KTt)

(16)

3 試驗結(jié)果與分析

3.1 試驗設(shè)計

為了驗證本文方法的有效性,通過設(shè)計系列試驗開展驗證,具體如下。

(1) 幾何再定標(biāo)試驗:通過隨機選擇多個試驗區(qū)域不同成像時間的SAR影像數(shù)據(jù)進行幾何再定標(biāo)處理,通過高精度控制數(shù)據(jù)驗證幾何再定標(biāo)前后的幾何定位精度提升效果。

(2) SAR影像匹配試驗:利用本文提出的SAR-SGFM方法在不同地形條件(平地、丘陵、山地、高山地)下進行SAR影像匹配試驗,驗證匹配方法的配準效率和精度。匹配精度通過中誤差(root-mean-square error,RMSE)、匹配點數(shù)、正確匹配點數(shù)來統(tǒng)計,配準效率通過時間進行評估。

(3) 區(qū)域網(wǎng)平差試驗:根據(jù)本文提出的大區(qū)域影像平差方法實現(xiàn)區(qū)域影像的相對幾何定位精度提升。區(qū)域網(wǎng)平差的精度評價通過連接點中誤差進行評估。

(4) 正射影像精度評估:通過高精度地面控制作為檢查點進行正射影像的幾何精度評價,統(tǒng)計檢查點物方坐標(biāo)殘差的中誤差作為精度指標(biāo),計算方法如下

(17)

3.2 試驗數(shù)據(jù)

本文利用GF-3 FSII模式影像數(shù)據(jù)進行了全球正射影像生成,系統(tǒng)地驗證了本文方法的效果。整個測區(qū)跨越了全球南北緯70°之間的陸地和主要島嶼,包括了平原、丘陵、山地、高山地等多種地形。影像分布圖如圖8所示,數(shù)據(jù)相關(guān)參數(shù)見表1。

表1 測區(qū)基本參數(shù)

圖8 高分三號影像全球覆蓋

3.3 試驗結(jié)果

3.3.1 幾何再定標(biāo)精度驗證

全球范圍內(nèi)選取了8景影像進行精度驗證,中國區(qū)域的驗證數(shù)據(jù)為高精度光學(xué)正射影像,國外區(qū)域的驗證數(shù)據(jù)源為Google Earth底圖。數(shù)據(jù)分布情況如圖9所示,表2給出了測試數(shù)據(jù)的詳細參數(shù)。

表2 測試數(shù)據(jù)基本參數(shù)

圖9 幾何再定標(biāo)精度驗證測試數(shù)據(jù)分布情況

本文統(tǒng)計了每個區(qū)域的幾何定位精度中誤差,圖10為各個區(qū)域的幾何再定標(biāo)前后定位精度對比圖。結(jié)合表3和圖10分析可知,幾何再定標(biāo)前后GF-3 FSⅡ模式影像幾何定位精度從30 m左右提升至10 m以內(nèi)。

表3 幾何再定標(biāo)精度驗證試驗結(jié)果

圖10 幾何再定標(biāo)前后影像幾何定位精度對比

根據(jù)國內(nèi)外區(qū)域幾何再定標(biāo)試驗可知,8個測試區(qū)域單景影像幾何定位精度均得到明顯提升,達到了無控制點條件下優(yōu)于10 m的幾何定位精度。以上結(jié)果驗證了本文提出的幾何再定標(biāo)方法的適用性和穩(wěn)定性,可以適用于全球SAR正射影像的幾何處理。

3.3.2 SAR匹配算法驗證

為了評估本文提出的SAR影像匹配SAR-SGFM方法的準確性和效率,分別在湖北和西藏兩個區(qū)域開展算法驗證。測試環(huán)境為一臺6核i7-10875 CPU、16 GB內(nèi)存、GPU為NVIDIA GeForce RTX 2070的便攜式筆記本。試驗區(qū)域相關(guān)參數(shù)見表4。

表4 星載SAR影像匹配試驗數(shù)據(jù)情況

利用湖北省5景SAR影像,可在4 min內(nèi)提取大約21 984個可靠的連接點(圖11);利用西藏4景SAR影像,可在2 min內(nèi)提取大約14 590個可靠的連接點。

依據(jù)匹配到的連接點通過區(qū)域網(wǎng)平差方法,驗證匹配連接點精度見表5。湖北區(qū)域的21 984個連接點的中誤差為0.658像素,西藏區(qū)域的14 590個連接點的中誤差為0.871像素。兩個區(qū)域的連接點中誤差均優(yōu)于1個像素,連接點的匹配效率約為30 s/景。試驗結(jié)果表明本文提出的SAR-SGFM影像匹配方法可以適用于大規(guī)模SAR影像匹配。

此外,為了進一步驗證SAR-SGFM匹配算法的穩(wěn)健性,本文在測試區(qū)域內(nèi),選擇了2000×2000大小的平地、丘陵和山區(qū)等3種不同地形條件的局部影像對進行匹配試驗。

由表6結(jié)果可知,在不同地形條件下,本文的匹配方法均可以實現(xiàn)亞像素級的配準精度。

表6 不同地形下的SAR影像匹配結(jié)果

3.3.3 區(qū)域網(wǎng)平差試驗驗證

對全球覆蓋的GF-3 FSII模式影像進行大區(qū)域試驗驗證,按照亞歐大陸、非洲、大洋洲、南美洲和北美洲5個不同區(qū)域的SAR影像區(qū)域網(wǎng)平差結(jié)果見表7。

表7 全球分區(qū)域GF-3區(qū)域網(wǎng)平差試驗結(jié)果

由表7可知,不同區(qū)域平差后連接點中誤差均優(yōu)于1個像素,保證了影像間良好的接邊精度。亞歐大陸區(qū)域8581景影像的連接點數(shù)量為40.7萬,連接點中誤差為0.763像素,平差解算時間為84.60 s;非洲區(qū)域3911景影像的連接點數(shù)量為18.6萬,連接點中誤差為0.738像素,平差解算時間為37.25 s;大洋洲區(qū)域1293景影像的連接點數(shù)量為6.2萬,連接點中誤差為0.823像素,平差解算時間為12.81 s;南美洲區(qū)域2318景影像的連接點數(shù)量為11.0萬,連接點中誤差為0.598像素,平差解算時間為21.20 s;北美區(qū)域3734景影像的連接點數(shù)量為17.7萬,連接點中誤差為0.451像素,平差解算時間為33.40 s。根據(jù)統(tǒng)計結(jié)果,平差解算效率約為3 s/萬連接點,平差精度均優(yōu)于1個像素,可滿足后續(xù)區(qū)域影像無縫鑲嵌的幾何相對定位精度要求。

本文通過自主研發(fā)的SAR正射影像生產(chǎn)軟件,并引入30 m格網(wǎng)的AW3D DEM數(shù)據(jù)[32]完成全球正射影像生產(chǎn),正射影像生成效率優(yōu)于50 MB/s(較CPU方法效率提升10倍),然后采用SAR影像強度一致性處理算法[33]進行勻色,最終研制的全球SAR正射影像產(chǎn)品如圖13所示。

圖13 全球SAR正射影像產(chǎn)品

針對SAR正射影像國內(nèi)區(qū)域,采集273個地面控制點進行精度驗證,統(tǒng)計檢查點總體中誤差為8.01 m。針對國外區(qū)域,通過日本部分地區(qū)DOM產(chǎn)品(平面精度±2 m)均勻選擇100個檢查點進行精度驗證,統(tǒng)計檢查點總體中誤差為9.739 m。針對全球其他地區(qū)的精度驗證,通過Google Earth影像采集檢查點進行精度驗證,其絕對定位精度均優(yōu)于10 m。

4 結(jié) 論

本文面向GF-3 SAR影像全球正射影像生成過程所遇到的技術(shù)難題,系統(tǒng)提出了一套全球星載SAR影像無控幾何精度提升方法,完成了全球主要陸地和島嶼10 m分辨率SAR正射影像產(chǎn)品研制。

(1) 通過幾何再定標(biāo)實現(xiàn)了單景影像幾何定位精度提升,通過不同區(qū)域的數(shù)據(jù)驗證結(jié)果可知,實現(xiàn)了GF-3 FSⅡ模式數(shù)據(jù)初始定位從30 m提升至10 m,可以為全球正射影像生產(chǎn)奠定較好的幾何基礎(chǔ)。

(2) 通過本文提出的星載SAR影像匹配和平差方法,實現(xiàn)各區(qū)域平差后連接點中誤差均優(yōu)于1個像素,保障了相鄰SAR影像幾何無縫的拼接效果。通過真實數(shù)據(jù)驗證,全球SAR正射影像產(chǎn)品絕對定位精度優(yōu)于10 m(1個像素)。

(3) 基于多節(jié)點并行計算集群系統(tǒng),影像匹配平均時間為30 s/景,區(qū)域影像平差平均解算效率為3 s/萬連接點,正射糾正效率優(yōu)于50兆/秒,顯著提升了SAR正射影像生成效率。

本文提出的無控定位精度提升方法有效支撐高分三號全球SAR正射影像的規(guī)?；a(chǎn),可為多源衛(wèi)星載荷的大區(qū)域制圖提供方法參考。下一步工作將重點研究基于迭代平差的全球數(shù)據(jù)更新,解決現(xiàn)有正射影像快速更新問題,以及面向全球的SAR正射影像的疊掩補償方法解決現(xiàn)有正射影像信息缺失問題。