一種基于航攝資料的歷史航空影像配準算法

孫海萍，張靜怡，楊澤東，劉 杰,4(. 江蘇省測繪資料檔案館，江蘇 南京 00； . 南京師范大學地理科學學院，江蘇 南京 00； . 中國測繪科學研究院，北京 0009； 4. 中國科學院南京土壤研究所土壤與農(nóng)業(yè)可持續(xù)發(fā)展國家重點實驗室，江蘇 南京 0008)

航空攝影是快速獲取原始數(shù)據(jù)資源和動態(tài)更新基礎地理信息的主要技術(shù)手段和資料來源[1]，航空影像作為遙感圖像的重要組成部分，因其數(shù)據(jù)信息量大和幾何分辨率高受到普遍重視[2]。歷史航空影像真實地反映了各個時期的地表形態(tài)、植被覆蓋、社會經(jīng)濟與環(huán)境狀況，客觀有效地記錄了自然景觀與人文景觀的演化變遷過程[1]。因此可以幫助后人更直觀地了解過去，有助于研究城市動態(tài)變遷與生態(tài)環(huán)境的變化，從而掌握相關(guān)規(guī)律，對決策進行輔助支持。

20世紀80年代以來，我國積累了大量珍貴的航空影像資料，并且廣泛應用于資源開發(fā)、環(huán)境治理、土地利用、國防建設等眾多領(lǐng)域，有效地支持了國民經(jīng)濟建設和科學研究。隨著計算機軟硬件、GIS技術(shù)、數(shù)字圖像處理、攝影測量和數(shù)據(jù)庫技術(shù)的飛速發(fā)展，通過磁帶、硬盤、光盤甚至膠片等媒介來管理航空資料的傳統(tǒng)方法已跟不上時代的步伐，建立航空影像數(shù)據(jù)庫勢在必行。進入21世紀，國家基礎地理信息中心聯(lián)合武漢武大吉奧信息工程技術(shù)有限公司開發(fā)了國家基礎航空攝影成果管理信息系統(tǒng)，各省市測繪相關(guān)部門也隨后建立了航空影像管理系統(tǒng)，實現(xiàn)了航空攝影成果信息化統(tǒng)一管理[3]。雖然這些系統(tǒng)可以很好地完成航攝資料的管理，而且支持影像數(shù)據(jù)瀏覽和更新，但是卻不能實現(xiàn)航空影像的漫游瀏覽和空間查詢。

目前，常用的航空影像配準拼接的方法包括：①利用攝影測量理論制作正射影像(DOM)；②利用圖像匹配技術(shù)進行航空影像拼接后，再人工進行配準[4]。伴隨著計算機與相關(guān)技術(shù)的飛速發(fā)展，處理航空影像時的自動化程度也在逐步提高。針對第1種方法，ERDAS LPS、VirtuoZo NT、JX-4C等全數(shù)字攝影測量工作站的出現(xiàn)，大大提高了正射影像制作的效率。以點、線、面為基元的圖像特征匹配算法，極大提升了第2種拼接方法的效率和準確度，具有代表性的特征匹配算法有：F?rstner算法[5-6]，SIFT算法[7-10]，基于小波變換、遺傳算法和最小二乘匹配的快速高精度影像匹配組合算法[11]等。

雖然以上兩種方法配準的航空影像精度比較高，但是大批量影像數(shù)據(jù)配準工作量巨大，對于只需要實現(xiàn)航空影像非精確位置查詢的航空影像數(shù)據(jù)庫，此種方法代價非常高。為減輕航空影像配準的工作量，本文僅利用航攝資料提供的攝區(qū)、航線和航片等元數(shù)據(jù)中的像主點坐標(經(jīng)緯度坐標)、航攝比例尺、像幅高度和像幅寬度等字段，基于攝影測量學和數(shù)字圖像處理技術(shù)，使用GDAL和Pro4Net等開源工具，設計并實現(xiàn)無控制點依賴的航空影像配準算法，從而實現(xiàn)航空影像的快速拼接，滿足歷史航空影像小比例尺漫游瀏覽和空間查詢的要求。

1 數(shù)據(jù)整理與分析

本文研究區(qū)位于江蘇省，介于東經(jīng)116°18′—121°57′，北緯30°45′—35°20′之間，地處江淮平原，地形以平原為主，江蘇省的平原面積為7萬km2，占全省面積的70%以上，主要由蘇南平原、蘇中江淮平原、蘇北黃淮平原組成。自從20世紀70年代以來，江蘇省進行了多次全省級的航空攝影測量，積累了大量寶貴的航空影像數(shù)據(jù)，本文研究對象包括1970年至今的江蘇省航空影像數(shù)據(jù)。

1.1 歷史航攝數(shù)據(jù)

本文需要處理并建庫的影像包括：①江蘇省測繪局檔案館館藏1976—1993年的小比例尺航空影像數(shù)據(jù)35 440張；②館藏1980—2004年大比例尺航空影像數(shù)據(jù)30 313張。其中每張影像大小為100 MB左右，總數(shù)據(jù)量達到6.3 TB以上。航攝資料包括航片掃描技術(shù)設計書、航片掃描技術(shù)總結(jié)報告、航片掃描質(zhì)量檢測報告和航空膠片掃描儀檢測報告，元數(shù)據(jù)包含：攝區(qū)元數(shù)據(jù)、分區(qū)元數(shù)據(jù)、攝區(qū)范圍元數(shù)據(jù)、航線元數(shù)據(jù)、航片元數(shù)據(jù)、底片筒元數(shù)據(jù)和像片盒元數(shù)據(jù)。圖1為航空影像元數(shù)據(jù)關(guān)系示意圖。

圖1 航空影像元數(shù)據(jù)關(guān)系示意圖

1.2 數(shù)據(jù)分析

館藏歷史航攝數(shù)據(jù)具有如下特點：

(1) 數(shù)據(jù)量大。航攝數(shù)據(jù)包括航攝資料、航空影像和航空影像索引圖，其數(shù)據(jù)量主要由航空影像決定。單張無壓縮航空影像最大可達140 MB，最小在70 MB左右，一個中等大小的攝區(qū)擁有2000張左右影像，數(shù)據(jù)量超過195 GB。

(2) 航攝資料殘缺。航攝資料是航空影像數(shù)據(jù)配準的重要依據(jù)，但是因為年代久遠，大多數(shù)攝區(qū)航攝資料存在缺失現(xiàn)象，內(nèi)外方位元素基本丟失。根據(jù)分析發(fā)現(xiàn)，現(xiàn)存航攝資料中攝區(qū)元數(shù)據(jù)的航攝比例尺、焦距、像幅寬度、像幅高度等字段，以及航空影像元數(shù)據(jù)的像主點經(jīng)度、緯度等字段可以用于航空影像配準工作。

(3) 航線設計復雜多變。航線敷設方向一般為東西方向，考慮航攝區(qū)域特點等因素還會出現(xiàn)南北方向的情況，在某些攝區(qū)存在部分航線方向為東西、其他航線方向為南北的復雜情形，有些攝區(qū)因為沿著一定的人工建筑(如高速公路、鐵路等)或自然景觀(如河流、山脈等)敷設航線，因此航線沒有一定的規(guī)律(如圖2所示)。航線敷設方向決定了航空影像名稱的字頭朝向，然而掃描時影像字頭朝向各不相同，需根據(jù)具體情況進行相應處理。

圖2 某攝區(qū)航跡圖

以上多種因素導致了完全基于航攝資料的歷史航空影像配準工作效率相對較低、精度不高，僅能實現(xiàn)小比例尺的漫游瀏覽和空間查詢。

2 基于航攝資料的航空影像配準算法

2.1 算法思路

傳統(tǒng)的基于航攝資料的航空影像配準算法需要具備內(nèi)、外方位元素，在圖像特征匹配算法支持下完成航空影像的空間前方交會，最后利用計算獲取的地面控制點進行仿射變換，從而完成航空影像配準。本文稱以上方法為攝影測量法，然而本文研究的歷史航空影像的航攝資料缺失內(nèi)、外方位元素，無法使用攝影測量法配準歷史航空影像。因此，根據(jù)傳統(tǒng)的攝影測量法，以實現(xiàn)歷史航空影像拼接瀏覽和查詢?yōu)槟康?，本文設計了一種實現(xiàn)航空影像的快速拼接算法——估算法。估算法的算法思想為：利用航攝比例尺、像幅高度、像幅寬度和像主點坐標等信息，將攝影測量的坐標系統(tǒng)進行簡化，從而估算航空影像四角點坐標，最后利用仿射變換完成航空影像配準。

2.2 算法實現(xiàn)

將航攝時坐標系簡化為像空間坐標系和物方坐標系(并使用投影坐標系作為物方坐標系)，像空間坐標系中假設經(jīng)過裁切處理的影像掃描坐標系相同，同時假定像空間坐標系只在水平方向做旋轉(zhuǎn)運動(即假定飛機沒有豎直方向的轉(zhuǎn)動)。

由于內(nèi)外方位元素的缺失，假設航片像主點為航空影像有效范圍的中心點，假定航攝比例尺為整張影像的比例尺，并且像幅寬度和像幅高度為像片有效范圍的高度與寬度。算法可通過以下步驟實現(xiàn)。

2.2.1 像片背景噪音去除

掃描時由于背景的存在，航空影像實際掃描范圍大于有效范圍，估算法配準影像需要利用航片有效范圍，因此必須去除像片背景噪音。對大量航空影像分析發(fā)現(xiàn)，影像背景與有效范圍之間存在明顯的灰度值差，在像片上反映為背景部分與有效范圍的分割線，如能夠確定一個閾值，就能將背景與有效范圍區(qū)分。本文采用影像灰度之差加權(quán)和最小的算法計算最佳閾值，完成影像有效范圍與背景的分割，提取有效影像范圍。

由于影像框標和掃描影像的偏轉(zhuǎn)，會在四角存在框標和不同程度的影像旋轉(zhuǎn)。為消除旋轉(zhuǎn)對配準精度的影像，利用邊緣檢測[12-15]和最小二乘算法實現(xiàn)像片旋轉(zhuǎn)的糾正。

為提高影像有效范圍提取效率，結(jié)合航空影像特點，設置了一個合理的搜索范圍和搜索策略：即從上到下和從下到上搜索n行影像，n為設定值且取值范圍是(0,R](R為影像總行數(shù))，進而確定有效影像上下邊界行；自左向右和自右向左搜索m列影像，m為設定值且取值范圍是(0,C](C為影像總列數(shù))，從而確定有效影像左右邊界列；最終實現(xiàn)影像有效范圍提取。

經(jīng)過以上算法處理的航片，在框標所在處會存在一定的背景。為增強航空影像漫游瀏覽的視覺效果，設置影像四角點一定長寬的影像灰度值為0，以實現(xiàn)配準后影像的美化顯示。像片去噪流程示意圖如圖3所示。

圖3 影像背景噪音去除流程

2.2.2 像片角點坐標計算和瀏覽抽取

圖4 簡化的航攝坐標系統(tǒng)

2.2.3 影像配準

影像配準一般需要經(jīng)過變換重采樣，重采樣需要消耗高內(nèi)存并且花費大量時間。本文利用ArcInfo、MicroStation、AutoCAD等均支持坐標信息文件TFW為影像賦予空間坐標，大大提高了航片配準效率。TFW定義了影像坐標與空間坐標之間放射變化關(guān)系，式中x′、y′表示像素對應的空間坐標，x、y為像素行列坐標，A、B分別為x、y方向的像素分辨率，D、B為圖像旋轉(zhuǎn)參數(shù)，C、F分別為圖像左上角點空間坐標值。根據(jù)航空影像四角點坐標及相關(guān)信息，可以計算TFW文件的六參數(shù)。

3 結(jié)論與討論

(1) 本文使用小比例尺航空影像作為試驗數(shù)據(jù)，利用估算法對航空影像配準，結(jié)果表明該算法可以準確地抽取出相應重疊度的航片。航空影像配準之后，即可以實現(xiàn)航空影像的拼接，進而滿足漫游瀏覽和空間查詢。如圖5、表1所示，對比抽取前后的航空影像，可以發(fā)現(xiàn)漫游影像抽取后一般為原始影像片數(shù)的一半左右，部分甚至比抽取前的1/10稍多。因此，對抽取之后的航空影像進行裁切、配準，進而實現(xiàn)航空影像的拼接將大大提高處理效率。

圖5 某攝區(qū)抽取效果

表1 部分攝區(qū)抽片結(jié)果

(2) 精度檢查：由于本文對歷史航空影像進行配準的目的在于小比例尺漫游瀏覽與空間查詢，同時考慮像主點定位精度較低及估算法對配準結(jié)果的影響，常規(guī)的控制點定位檢查意義不大。因此，本文采取航空影像與矢量數(shù)據(jù)疊加的方法進行檢驗，將航空影像拼接圖與江蘇省矢量河流、道路等進行疊加(如圖6所示)，經(jīng)目視檢查，主要標志性地物重合較好，可以基本滿足漫游瀏覽和空間查詢的需求。

圖6 拼接影像與矢量疊加

(3) 本文僅使用航攝資料進行航空影像配準，拼接精度相對較低。后期研究可引入DOM、DEM數(shù)據(jù)結(jié)合圖像處理相關(guān)技術(shù)，對航空影像進行正射糾正，從而實現(xiàn)影像精確配準。

4 結(jié) 語

基于攝影測量與圖像處理相關(guān)理論，本文設計了基于有限航攝資料的航空影像配準算法。利用該方法，對航攝資料部分缺失的江蘇省測繪資料檔案館館藏歷史航空影像進行了無交互快速批量配準。與傳統(tǒng)的制作DOM影像及人工配準方法相比，本文算法無需人工干預，大大提高了航空影像配準的處理效率，能滿足中低精度的航空影像管理需求。但本文僅使用航攝資料進行航空影像配準，拼接精度相對較低。后期研究擬引入DOM、DEM數(shù)據(jù)，結(jié)合圖像處理相關(guān)技術(shù)，對航空影像進行無交互快速批量航空影像精糾正，以滿足高精度的航空影像更高的應用需求。

參考文獻：

[1] 嚴榮華，李京偉，朱武，等.歷史航空影像數(shù)字化與建庫技術(shù)初探[J].遙感技術(shù)與應用，2004，19(2)：102-107.

[2] 庹紅婭.多源航拍圖像校正、配準及其應用研究[D].上海:上海交通大學，2005：1-2.

[3] 鐘九生，江南，胡斌，等.面向城市應用的多源遙感影像服務平臺設計與實現(xiàn)[J].地球信息科學學報，2012，14(1)：116-122.

[4] 宮阿都，何孝瑩，雷添杰，等.無控制點數(shù)據(jù)的無人機影像快速處理[J].地球信息科學學報，2010，12(2)：2254-2260.

[5] F?RSTNER W，GüLCH E.A Fast Operator for Detection and Precise Location of Distinct Points，Corners and Centres of Circular Features [C]∥ISPRS Intercommission Conference on Fast Processing of Photogrammetric Data.Interlaken，Switzerland：[s.n.]，1987：281-305.

[6] 鄭明玲，劉衡竹.遙感圖像配準中特征點選擇的高性能算法研究及其實現(xiàn)[J].計算機學報，2004，27(9)：1284-1289.

[7] BROWN L G.A Survey of Image Registration Techniques[J].ACM Computing Surveys (CSUR)，1992，24(4)：325-376.

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

[9] BROWN M，LOWE D.Invariant Features from Interest Point Groups[C]∥Proceedings of the British Machine Vision Conference 2002.Cardiff，UK：BMVA Press，2002：23.1-23.10.

[10] WYAWAHARE M V，PATIL P M，ABHYANKAR H K.Image Registration Techniques：an Overview[J].Interna-tional Journal of Signal Processing，Image Processing and Pattern Recognition，2009，2(3)：1-5.

[11] 熊興華，陳鷹，錢曾波.一種快速、高精度和穩(wěn)健的影像匹配算法[J].測繪學報，2005，34(1)：40-45.

[12] VIKRAM K，UPASHYAYA N，ROSHAN K，et al.Image Edge Detection[J].Special Issues of International Journal of Computer Science and Informatics (IJCSI)，2010：216-220.

[13] CATT E F，LIONS P L，MOREL J M，et al.Image Selective Smoothing and Edge Detection by Nonlinear Diffusion[J].SIAM Journal on Numerical Analysis，1992，29(1)：182-193.

[14] 王植，賀賽先.一種基于Canny理論的自適應邊緣檢測方法[J].中國圖象圖形學報，2004，9(8)：65-70.

[15] 李牧，閆繼紅，李戈，等.自適應Canny算子邊緣檢測技術(shù)[J].哈爾濱工程大學學報，2007，28(9)：1002-1007.

[16] 朱肇光，孫護，崔炳光.攝影測量學[M].北京：測繪出版社，2004：195-197.

[17] 陳鷹.遙感影像的數(shù)字攝影測量[M].上海：同濟大學出版社，2003：81-98.