ERDAS IMAGINE 立体SAR 提取DEM理论基础.docx
- 文档编号:11736349
- 上传时间:2023-06-02
- 格式:DOCX
- 页数:13
- 大小:372.70KB
ERDAS IMAGINE 立体SAR 提取DEM理论基础.docx
《ERDAS IMAGINE 立体SAR 提取DEM理论基础.docx》由会员分享,可在线阅读,更多相关《ERDAS IMAGINE 立体SAR 提取DEM理论基础.docx(13页珍藏版)》请在冰点文库上搜索。
ERDASIMAGINE立体SAR提取DEM理论基础
ERDASIMAGINEStereoSARDEMTheory
ERDASIMAGINE立体SAR提取DEM
理论基础
本文将给出IMAGINEStereoSARDEM模块提取DEM的理论基础。
首先看流程图,这样能对该软件提取DEM的工作流程有初步了解:
图1ERDASIMAGEStereoSARDEM流程图
下面将重点讲述处理过程中的算法,可选项的选取及参数的选择。
输入
输入步骤涉及到许多方面,比如光束模式的选择,输入文件,轨道纠正,星历数据等等。
光束模式选择
StereoSARDEM模块生成DEM主要由两步构成,即影像自动匹配(Correlation)和传感器位置/三角计算(Sensorposition/triangulationcalculations,影像立体交会)。
通过这两步计算的到地面高程。
因此,最终DEM的精度是由这两步决定的。
这两步对光束模式有不同的要求,影像自动相关要求传感器之间的入射角差别越小越好,因为自动影像匹配是通过影像之间的查找相似度。
同样这也要求两幅影像成像时间间隔越小越好。
例如,不同季节对同一地区的农田成像,将会得到非常不同的影像,这导致影像自动相关几乎不可能完成。
但是,立体交会在两幅影像之间的交会角越大时得到的计算结果越精确。
较大的交会角会使像对间产生明显的几何形变。
在提供恰当的相关系数的情况下,ERDASIMAGINE能够对有明显形变的影像对进行足够稳健的影像自动相关。
图2SAR像对交会
注意:
IMAGINEStereoSARDEM内部自检机制保证参考影像比匹配影像的传感器离成像地点更近(也就是参考影像的入射角小于匹配影像的入射角)。
还有需要注意的是效率问题,分辨率高的影像生成的DEM精度较好,但是花的时间也多,而且高分辨率的影像对DEM的精度提高有限。
导入(Import)
IMAGINEStereoSARDEM模块所需的影像及相关数据可以通过ERDASIMAGINE的雷达指定导入工具(Importer)对Radarsat和ESA(ERS-1,ERS-2)。
这些导入工具自动从影像头文件中提取数据,并将数据存储在与影像关联的Hfa文件中。
另外,它们为传感器模型提取关键的参数,并将这些参数作为通用SAR节点Hfa文件关联到影像。
其他的雷达影像(例如SIR-C)可以通过通用二进制导入工具导入,然后通用SAR节点(GenericSARNode,ERDASRadar模块下的一个小模块)可以用来关联影像文件和通用SAR节点Hfa文件。
轨道纠正(OrbitCorrection)
IMAGINEOrthoRadar和IMAGINEStereoSARDEM模块所进行的大量测试表明Radarsat和ESA雷达卫星的星历数据精度非常高(见附录中的精度报告)。
然而,每景影像的星历精度是不一样的,而且目前还没有一种方法能预先判断某一特定影像的星历精度。
IMAGINERadarMappingSuite的模块:
IMAGINEOrthoRadar,IMAGINEStereoSARDEM和IMAGINEInSAR允许用地面控制点(GCPs)来纠正传感器参数。
由于轨道精度较高,因此,除非你有更高精度的GCP,才有必要进行传感器纠正。
实际上,从1:
24000地形图上选取的点或者用GPS测得的控制点能满足要求。
在许多实例中,一个高精度的控制点就能明显的提高精度。
由于影像的变形,分布均匀的控制点能够得到更好的总体效果和更低的误差(RMS)。
再强调一遍,高精度的地面控制点对提高传感器精度有重要作用,但是,如果你对控制点精度没有把握,那么最好不用。
同样的,地面控制点必须在雷达影像上易于识别,其误差在1到2个像素。
道路交叉口,水库大坝,机场或者人工建筑的特征点是最好的。
如果缺少一个精度很高且在影像上易于识别的地面控制点的话,最好用几个精度相对较高并且在影像上分布均匀的点来做校正。
椭球高VS.大地高
IMAGINERadarMappingSuite是基于WGS(WorldGeodeticSystem,世界大地系)84地球椭球的,因此,为了获取最好的精度,所有用于精华传感器模型的控制点的纬度经度和高程都应该转换到WGS84椭球下。
需要注意的是,虽然ERDASIMAGINE的重投影工具能够将许多输入投影系下的经纬度坐标转换到UTMWGS84坐标系下,但是,高程值并为做改动。
为了对高程值做相应的改正,需要确定输入控制点所在大地基准(datum)与WGS84之间的高程偏移量。
对某些坐标系,这中转化可以通过访问www.ngs.noaa.gov/GEOID/geoid.html完成。
然后对输入的GCP加上或者减去偏移量。
许多处理后的GCP单位可以设置到WGS84坐标系的输出。
IMAGINEStereoSARDEM模块的一个出色特点是用控制点精化轨道可以在处理流程的任何阶段进行,并且不用丢失所处理步骤的正在处理工作。
即使你已经处理到了计算DEM这一步,也可以返回到第一步精化轨道。
精化后的轨道通过所有中间文件(Subset,Despeckle,etc.)转移。
仅仅是最后一步(Height)需要利用新的精化后的轨道模型计算。
正常情况下Radarsat或者ERS-1及ERS-2成像时接收到的星历是卫星轨道以前的位置的外插(Extrapolation).如果卫星收到一个轨道改正命令,这种影响也许不会反映在卫星以前轨道外插(Previouspositionextrapolation)中。
。
。
。
Thereceivingstationsforbothsatellitesalsodoephemeriscalculationsthatincludepostimageacquisitionsensorpositions.
通常这些(星历)更精确,但不幸的是,他们不容易获取和关联到影像上去。
精化后星历见IMAGINEInSARTheroyonpageII-200
切割(Subset)
Subset选项的使用是直观的,没有必要对两幅影像的子集定义精确定义到相同区域,大致相同的区域就可以了。
这个选项在两种情况下使用,一是定义一个较小的影像范围可以用来测试相关参数,进而进行整景影像的计算。
另外,它可以用来限制两幅输入影像的范围,重叠区。
限制输入影像的范围能有效的节省数据空间,但对IMAGINEStereoSARDEM模块而言,这一步不是必须的,它是可选的。
去噪(Despeckle)
影像去噪先于自动相关(correlation),也是可选的。
从理论上说,去噪操作具有两重性。
一方面,影像噪声在影像上是不相关的,因为它在两幅影像上都是随机分布的。
因此,它仅仅给影像自动相关计算制造麻烦。
斑点噪声的存在将使相关处理过程中出现假阳性(Falsepositive)。
另一方面,正如在光束模式选择方面讨论过的一样,需要匹配的像对由于成像时视线方向的差别导致图像的不同。
去噪算法的某些低通滤波特性可能会使像对的相似度提高,这有利于自动相关。
该模块中用到的去噪算法和IMAGINERadarInterpreter模块中的是一样的。
实际操作中,一个3×3或者5×5的核能够达到较好的效果。
需要注意的是,ERDASIMAGINE的去噪算法允许。
。
。
。
降低分辨率(Degrade)
降低分辨率有两个目的。
如果输入影像是单视复影像(SingleLookComplex,SLC),图像在距离向和方位向的分辨率是不一样的。
如果您想使影像在两个方向的分辨率一样,可以调整y方向的尺度系数来实现。
但这并不是必须的,软件能很好的处理未作处理的SLC图像。
第二,如果数据存储空间或者处理时间有限,降低分辨率可以在降低图像大小的情况下处理整景影像。
在这种情况下,将分辨率做2倍或者3倍的采样是适当的。
需要注意的是,为了得到最大的精度,推荐使用全分辨率的影像,并对每个像素做相关匹配。
降低分辨率。
。
。
Rescale
这步操作输入影像的比特格式(Bitformat),通常是用标准差拉伸(twostandarddeviations)将无符号16位整型转换位8位无符号整型。
这将降低整个数据文件的大小,测试表明16位整型没有任何优势,推荐用该选项。
配准(Register)
配准是第一个必须执行(除了数据导入)的步骤。
这步有两个重要作用。
用户在这一步处理的好坏将影响到后续步骤的执行速度,甚至会影响到输出DEM的精度。
配准操作通过仿射变换来旋转匹配影像使之与参考影像更好的对齐。
目的是调整影像使的影像视差主要分布在距离方向。
这将使得匹配时匹配大大减少搜索窗口的大小。
这一步的一个输出是X方向和Y方向的最大最小视差偏移(单位为像素)。
作业员必须记下这些值,用于在匹配时调整相关系数算子(Correlator)参数文件(.ssc)。
这些值对于相关系数算子来说是非常关键的,因此需要在配准这一步正确的获取。
影像配准中连接点的选取主要有两个基本步骤。
首先,和其他影像到影像的配准一样,连接点的均匀分布会得到较好的配准结果。
其次,由于要得到X方向和Y方向的最大最小视差偏移量,所选的连接点应该在这些具有最大最小视差偏移的地方。
实际工作中,下面的步骤被证实是有效的。
首先,在影像上选择8个左右均匀分布的点,这些点对应于较低的高程。
比如可选海岸线,冲积平原,道路和农场等地形。
在这一步,用立体SAR配准工具上的解算几何模型图标计算可以得到-5到+5像素的视差。
接下来,找到并选取3到4个影像上高程最高的点,点击解算几何模型图标,注意每个连接点的对最大最小视差值的影响。
当你觉得你已经明确了这些值的时候,记下它们,将最后的变换参数应用到图像变换上。
限制(Constrain)
该选项是允许你定义一些区域,在这些区域没有必要进行影像搜索。
例如湖面。
这样可以减少处理时间,也能减少发现假阳性(falsepositive)的可能性。
本版本软件中该选项没有采用。
匹配(Match)
这是非常关键的一步。
IMAGINEStereoSARDEM软件主要节省时间的地方就是自动影像相关。
在自动影像相关处理中,参考影像的一小块作为模板,用于与匹配影像的不同的搜索区域比较以找出最佳的匹配点。
这样,模板的中心像素与匹配窗口的中心像素相关。
软件接下来处理下一个兴趣像素,该像素成为新的模板中心。
图显示了参考影像的左上角坐标。
显示了一个以X=8,Y=8为兴趣点的一个11×11像素的模板。
图3参考影像左上角坐标
图4显示了匹配影像的左上角坐标,显示了一个11×11像素的模板,其中心位置为估计的初始相关像素X=8,Y=8.虚线框显示了一个一个15×7像素的搜索区域。
由于大量的视差偏移位于距离方向上(X轴),搜索区域一般是一个矩形以节省搜索时间。
ERDASIMAGINE的自动影像相关采用分层金字塔技术。
这意味着影像的分辨率被逐级降低以提供影像配准系列。
自动影像相关从金字塔的顶层开始处理,这一层的处理结果经过滤波和内插后作为初始相关点传递给下一个分辨率较高的层。
在分辨率较高的这一层,匹配搜索从这初始相关点开始进行。
图5影像金字塔
模板大小
模板大小直接影响到计算时间,较大的影像块需要花更多时间。
然而,模板太小又不能包含准确匹配所需要的足够信息。
需要找到这两者间的一个平衡,有时候这与图像有关系。
有着丰富地物如道路及其他特征的城区比大范围均一地表覆盖地区所需要的模板要小得多。
由于视线方向几何导致参考影像和匹配影像不一样,参考影像上的模板与匹配影像上的任何区域是不会是完全一样的。
模板必须足够大以减少这种效应。
表1显示了IMAGINEStereoSARDEM相关算子的参数,这些参数存储在库文件Std_LP_HD.ssc中。
这些参数使用于RadarSat标准光束模式(StandardBeammode)立体像对在低视差(Lowparallax)地物特征丰富(Highdensityofdetail)地区的影像。
低视差参数适用于较低或者中等地形,地物特征丰富参数适用于城郊地区。
表1STD_LP_HD匹配算子
Level
级别
Average
均值
SizeX
大小X
SizeY
大小Y
Search–X
搜索–X
Search+X
搜索+X
Search–Y
搜索–Y
Search+Y
搜索+Y
StepX
步长X
StepY
步长Y
Threshold
阈值
Value
值
VectorX
矢量X
VectorY
矢量Y
Applied
应用
1
1
20
20
2
2
1
1
2
2
0.30000
0.00000
0.00000
0.00000
0
2
2
60
60
3
4
1
1
8
8
0.20000
0.00000
0.00000
0.00000
0
3
3
90
90
8
20
2
3
20
20
0.20000
0.00000
0.00000
0.00000
0
4
4
120
120
10
30
2
5
50
50
0.20000
0.00000
0.00000
0.00000
0
5
5
180
180
20
60
2
8
65
65
0.20000
0.00000
0.00000
0.00000
0
6
6
220
220
25
70
3
10
80
80
0.10000
0.00000
0.00000
0.00000
0
注意到模板大小(sizeX和sizeY)随着金字塔层级的上升而增大。
如果在金字塔的顶层(比如全分辨率影像),该大小为有效大小。
由于事实上在降低了分辨率的层,分辨率会小些。
因此,220×220大小的模板在第6层实际上只有36×36这么大。
通过规定相对于全分辨率影像的模板大小,很容易显示输入影像的。
。
。
。
。
。
。
。
。
从而来优化模板大小。
搜索区域
大量的运行时间花在匹配影像上搜索匹配点上,因此,搜索范围应当尽量小。
(另外,搜索范围过大也会增加误匹配的概率)。
基于这个原因,软件首先要求两幅影像是配准了的。
这给软件提供了匹配点的大概位置。
在立体DEM生成过程中,你将寻找某一点在参考影像和匹配影像上的坐标差(视差)。
最大最小视差偏移在配准步骤已经确定,可以用它们来限制搜索范围。
在图。
。
中,搜索区由4个参数定义,-X,+X,-Y,+Y。
雷达影像上的大量位移是视线角(Lookangle)或者距离方向(X方向)的函数。
因此,搜索范围通常是一个矩形,通常是X方向的范围大于Y方向。
因为整个搜索区域(也就是总的时间)是X与Y的乘积,因此,将这些值降低到最小是必须的。
在匹配步骤中合理的操作能满足要求。
步长
因为雷达影像通常包含数以百万计的像素,如果为了获取准确的结果,在金字塔的每一层都对每个像素做相关处理是不合理的,甚至是不必要的。
步长决定了相关计算的密度。
金字塔的层级越低,则步长越短。
为了获取最好的精度,推荐在全分辨率层对每个像素进行相关计算。
处理结果将在Degrade步骤中被采样成所需DEM像素大小。
阈值
参考模板和每个搜索区域的可能的匹配区域的相似度必须通过一个数量来量化。
IMAGINEStereoSARDEM用广泛接受的归一化相关系数。
可能的取值范围从-1到+1,当值为1时,为完全匹配。
搜索区域相关系数值最大的点为相关点。
表1中的阈值是某点归一化相关系数能够成为匹配点的最小值。
如果搜索区域的所有值都小于这个值,则认为在这层金字塔上没有与参考影像上点对应的匹配点。
在这种情况下,从上一层金子塔获取的初始估计位置被当作匹配点。
相关算子库
为了帮助新手或者专业人员为特定的影像对快速选择和精化相关算子参数,软件给出了一个参数文件库,这些参数经过测试。
这些文件由下面的句法构成:
(RadarSat光束模式)_(视差幅度)_(地物密度)。
RadarSat光束模式
两种光束模式即标准(Standard,Std)和精细(Fine)。
这两种模式的本质区别在于,在精细模式下,需要更多的像素(比如,更大的模板)以包含和标准光束模式下相同区域大小影像的特征。
视差幅度
视差幅度分为高视差和低视差两种,这由影像的高程和坡度决定,在某些时候具有一定的主观性。
该参数决定了搜索范围的大小。
地物密度
地物密度分为高密度和低密度两种。
城郊有道路,耕地(field)及其它地物特征,这样其地物密度比大片均一地物覆盖地区的地物密度要高很多。
该参数与光束模式一起决定模板大小。
快速测试
在为每个像素进行相关求取最后DEM前,快速生成一个地分辨率的DEM以证实自动影像相关是否合理是个不错的选择。
基于这个目的,.ssc库中提供了与全分辨率对应的相关算子参数。
遮些相关算子仅仅算到金字塔的第3层。
到这一层的处理速度被证实是可接受的。
如果影像能够成功处理到这一层,相关系数的参数文件应该就是合理的。
由快速测试相关系数算子生成的视差文件的评价以及后续的对相关系数参数文件的修改的讨论见文档IMAGINERadarMappingSuiteTourGuide中的“IMAGINEStereoSARDEMApplication”
退化(Degrade)
第二次退化操作压缩最后生成的视差文件。
虽然不是非做不可的,但是,这样做是合符逻辑的,也有其优势。
这能降低像素大小,使之与最后所期望的生成的DEM大小相符。
由于经过了平均处理,经过这步操作后,能够降低最终生成的DEM的方差(LE90)。
生成DEM(Height)
该步骤结合以上所有步骤的处理结果来提取地面高程。
两幅输入影像的传感器模型结合在一起形成立体交会几何模型。
每个像素的视差值通过这种几何关系进行处理以提取传感器坐标系(单位为像素)下的DEM。
IMAGINEStereoSARDEM模块的综合测试表明,在输入数据质量较好,精心操作的情况下,生成DEM的精度在DTED第一级和DTED第二级之间。
这相当于在USGS30米和USGS90米DEM之间。
因此,输出像素大小在40到50米之间与这种预期的精度比较吻合。
最后是对传感器坐标系下DEM进行重采样和重投影,以得到指定坐标系下的一定分辨率的DEM。
IMAGINEStereoSARDEM模块通过访问ERDASIMAGINE重投影工具包实现重投影。
Ok…..
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- ERDAS IMAGINE 立体SAR 提取DEM理论基础 立体 SAR 提取 DEM 理论基础