高景一號衛(wèi)星影像高分辨率底圖制作關(guān)鍵技術(shù)研究

韓婷婷

(遼寧省自然資源事務服務中心, 遼寧 沈陽 110034)

0 引言

隨著我國衛(wèi)星遙感技術(shù)的蓬勃發(fā)展,國家相繼出臺了多個發(fā)展規(guī)劃綱要,明確指出到2020年全面普及國產(chǎn)衛(wèi)星應用,衛(wèi)星數(shù)據(jù)國產(chǎn)化率達到80%,按照商業(yè)化模式發(fā)展優(yōu)于1 m分辨率的遙感衛(wèi)星,國家“一帶一路”倡議也明確提出要實現(xiàn)衛(wèi)星信息互通,這些都為衛(wèi)星遙感的發(fā)展和國際化拓展帶來了機遇。隨著天繪、資源系列以及高分系列衛(wèi)星的成功發(fā)射和交付使用,我國已實現(xiàn)了亞米級空間分辨率、高光譜分辨率和高時間分辨率的有機結(jié)合。高景一號商業(yè)衛(wèi)星的成功發(fā)射,更是打破我國高分辨率光學衛(wèi)星遙感市場長期被國外公司壟斷的局面,實現(xiàn)了從無到有的突破,進一步滿足國家重大發(fā)展戰(zhàn)略對遙感技術(shù)的巨大需求。

高景一號衛(wèi)星影像以期較高的分辨率在國內(nèi)多個行業(yè)中得到應用。楊伯宇等基于資源三號和高景一號衛(wèi)星影像進行天山中段地區(qū)積雪范圍自動提取;黃志華等基于高景一號衛(wèi)星影像計算多種水體指數(shù)提取湖北當陽地區(qū)水體面積;鞏淑楠等利用高景一號衛(wèi)星影像分析了不同軟件自動匹配數(shù)字地表模型(digital surface model，DSM)的效果;曾文等基于高景一號衛(wèi)星影像提取當陽市玉泉鄉(xiāng)地區(qū)林地信息,證明了高景一號衛(wèi)星以其高空間分辨率在林地信息精細化提取中的可行性。雖然高景一號衛(wèi)星影像逐步應用在不同行業(yè)中,但是在全省大范圍的底圖制作中,還沒有相關(guān)應用案例。而目前我省存檔的全域范圍的高分辨率正射影像成果還不完善,這些數(shù)據(jù)已經(jīng)不能滿足經(jīng)濟社會對高現(xiàn)勢性數(shù)據(jù)的急迫需求。基于以上需求,本文詳細介紹了高景一號衛(wèi)星影像在全省高分辨率底圖制作中的關(guān)鍵技術(shù),并對結(jié)果進行精度評價,最終制作出全省范圍的正射影像成果,用于更新和完善我省基礎地理信息數(shù)據(jù)庫。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)

遼寧省位于中國東北地區(qū),處于東北亞經(jīng)濟帶和環(huán)渤海經(jīng)濟區(qū)的中心位置,是我國沿海開發(fā)省份之一,省域面積1.48×10km,轄兩個副省級城市(沈陽市、大連市)和12個地級市。地屬溫帶濕潤半濕潤大陸性季風氣候區(qū),四季分明,年均8～10 ℃,年降水700～1 000 mm,地勢北高南低、東西高中部低,東部森林覆蓋率高,中部以平原為主,西部丘陵低山區(qū)以林草地為主,森林覆蓋率低,而且西部地區(qū)荒漠化嚴重,導致植被較少。

1.2 數(shù)據(jù)

本文主要基于2020年4～7月份全省域范圍1558景高景一號衛(wèi)星影像開展的研究。高景一號(SuperView-1,SV-1)01/02星于2016年12月28日發(fā)射,SuperView-1 03/04星于2018年1月9日發(fā)射,兩次均以一箭雙星的方式成功發(fā)射。這四顆衛(wèi)星以90度夾角在同一軌道運行,組成SuperView-1星座。SuperView-1全色分辨率為0.5 m,多光譜分辨率2 m，軌道高度530 km,幅寬12 km。高景一號影像能夠彰顯細膩的地物細節(jié),適用于高精度地圖制作、變化監(jiān)測和影像深度分析。

2 研究方法

2.1 大氣校正

太陽輻射通過大氣以某種方式入射到物體表面然后再反射回傳感器,由于大氣氣溶膠、地形和鄰近地物等影響,使得原始影像包含物體表面、大氣以及太陽的信息等信息的綜合。因此,必須將地物的反射信息從大氣和太陽的信息中分離出來,這就需要進行大氣校正。大氣校正首先通過輻射定標得到大氣層的反射率,再通過大氣校正得到地表的真實反射率。高景一號衛(wèi)星影像數(shù)據(jù)的輻射定標參數(shù)一般存放在元數(shù)據(jù)文件中,需要手動添加中心波長和波段寬度、增益系數(shù)和偏置系數(shù)等信息。校正模型采用目前最為廣泛的大氣輻射傳輸模型校正方式,模塊中的平均高程數(shù)據(jù)使用我省現(xiàn)存的精度較高的數(shù)字高程模型(digital elevation model, DEM)成果,同時設置好相關(guān)參數(shù)特征值。經(jīng)過大氣校正后影像色彩飽和度和清晰度顯著提升。同時大氣校正可有效去除大氣散射影響,能夠獲取真實的地表反射率,顯著提高原始影像的質(zhì)量。

2.2 幾何校正

幾何校正分為幾何粗校正和幾何精校正,幾何粗校正也稱為系統(tǒng)校正,涉及多種衛(wèi)星參數(shù)信息,而這些屬于衛(wèi)星保密數(shù)據(jù),一般由遙感衛(wèi)星的接收部門完成。我們通常所說的都是幾何精校正,在以往幾何精校正過程,采用的都是人工采集控制點的方法進行作業(yè)生產(chǎn),也就是俗稱的“6點法”“9點法”。這種方法需要大量的人員通過外業(yè)采集控制點后再人工添加到影像上進行配準,而本文研究區(qū)作業(yè)面積為全省1.48×10km,共涉及1 558景原始遙感影像,如果采用“6點法”“9點法”,則需要采集14 000多個控制點數(shù)據(jù),大大增加了生產(chǎn)成本,工作效率極低,無法滿足項目的工期要求。因此本文利用滿足幾何糾正精度的已有地形數(shù)據(jù)和影像資料作為參考影像,根據(jù)參考影像自動進行控制點(ground control point,GCP)和連接點(tie points, TP)采集,從而提高影像處理的工作效率,降低生產(chǎn)勞動成本,縮短影像處理工作周期。

2.3 影像增強

我省以往遙感影像生產(chǎn)中,一直采用普通色彩增強方式,也就是在紅波段中定量加入定量的近紅外波段,這種方式能夠使植被顯示符合真實狀況,但也會造成原本沒有植被的地方同樣偏綠偏暗,直接影響影像的質(zhì)量,因此,生產(chǎn)過程中需要反復嘗試,選取最佳的定量比值,極為耗時耗力,增加項目成本,這一問題一直制約著遙感影像的快速生產(chǎn)。針對這一突出問題,本文引入歸一化植被指數(shù)(normalized difference vegetation index,NDVI),根據(jù)歸一化植被指數(shù)值域大小進行植被顏色增強,克服了一直存在的色彩增強問題,極大地提升了影像的增強效果。

本文將NDVI引入到測繪產(chǎn)品生產(chǎn)中,主要是基于NDVI對綠色植被較為敏感,根據(jù)歸一化植被指數(shù)值域大小進行植被顏色分級處理,使其更直觀地實現(xiàn)綠色植被分級，顯示的同時其他地物不失真。具體分級方式見表1,其中B2波段值對應NIR近紅外波段的反射值,B3波段值對應R紅光波段的反射值。以往影像增強方式處理結(jié)果和經(jīng)過歸一化植被指數(shù)顏色分級增強算法處理后的圖像如圖1所示。

表1 歸一化植被指數(shù)顏色分級增強算法參數(shù)設置表

(a)普通色彩增強方法 (b)NDVI顏色分級增強方法

通過上述對比發(fā)現(xiàn),以往影像增強方式處理結(jié)果雖然目視效果較好,但影像色調(diào)整體偏綠,影響后續(xù)的判讀與應用。經(jīng)過歸一化植被指數(shù)值域大小進行植被顏色分級處理后,影像色彩飽和度和清晰度顯著提升,不會出現(xiàn)過度曝光與失真現(xiàn)象,植被根據(jù)茂密程度呈梯度分層狀顯示,而不是單純的提亮,整體符合真實的地表情況,進一步說明該方法要優(yōu)于傳統(tǒng)色彩增強算法,可應用于大范圍的遙感影像快速生產(chǎn)中。

2.4 拉花變形平滑處理

傳統(tǒng)方式處理拉花變形一般是通過影像貼圖方式進行變形修改,但是當遇到較大工廠、橋梁或者像南方部分城市梯田分布較多的地方,拉花變形非常之多,修改極為復雜,同時也一定程度損失了影像的精度。針對全省范圍的拉花變形修改,需要投入大量的工作人員,連續(xù)修改一個月甚至幾個月時間,工作量巨大,耗時耗力,一直以來這都是測繪生產(chǎn)工作中的一大難題,制約著測繪產(chǎn)品的快速生產(chǎn)。因此,本文突破以往技術(shù)局限,通過大量試驗,對全省不同類別地物拉花變形進行了起源分析、變形分類、濾波方法選擇、精度測試等研究,實現(xiàn)了全省的拉花變形平滑處理,極大地提升工作效率,為我省今后的衛(wèi)星遙感影像處理工作奠定了堅實的基礎。

本文中的濾波方法,主要引入圖像處理領(lǐng)域的濾波概念,目的是為了去除圖像采集和傳輸過程中摻入的干擾噪聲,也就是本文中的拉花變形部分。濾波可在空間域和頻域上進行,其中中值濾波算法是空間域中應用較為廣泛的濾波方式,既去除噪聲又保護圖像邊緣信息,尤其適合本項研究對DEM拉花變形的處理,同時較好地保持了DEM曲面的平滑形態(tài)特征。表2是不同類型進行中值濾波的像素值范圍和迭代次數(shù)。

表2 中值濾波像素值范圍和迭代數(shù)

通過對全省不同類別地物拉花變形統(tǒng)計,共勾畫出22 466塊圖斑,總面積達5 444.69 km,并按照圖斑類型進行分類。根據(jù)這些變形的圖斑,把陡峭區(qū)域DEM裁切出來,對處于DEM陡峭情況嚴重的區(qū)域加以較大權(quán)重、增加迭代次數(shù),進而獲得較顯著的平滑效果,而對處于DEM陡峭情況輕微的區(qū)域加以較小權(quán)重、減少迭代次數(shù),進而獲得較弱的平滑效果;對同一要素要經(jīng)過多次的重復,直至平滑曲面滿足應用的精度要求。然后在ArcGIS軟件里面把原始的DEM和平滑后的DEM進行覆蓋合并,使其達到既滿足糾正精度又避免造成影像拉花變形的目的,最終消除全省范圍因DEM產(chǎn)生的拉花變形。

3 結(jié)果與驗證

本文基于高景一號衛(wèi)星影像數(shù)據(jù)在高分辨率底圖制作中的關(guān)鍵技術(shù)展開了研究,最終制作全省范圍的數(shù)字正射影像成果,并對成果加以精度驗證。依據(jù)CH/T 1027—2012《數(shù)字正射影像圖質(zhì)量檢驗技術(shù)規(guī)程》、CH/T 1015.3—2007《基礎地理信息數(shù)字產(chǎn)品1∶10 000 1∶50 000 生產(chǎn)技術(shù)規(guī)定第3部分：數(shù)字正攝影像圖(DOM)》規(guī)范,以及正射影像平面精度要求,平面位置中誤差限差在平地和丘陵地區(qū)為5.0 m,山地、高山地為7.5 m。最終平面位置中誤差檢測如表3所示。

表3 平面位置中誤差檢測匯總表

通過分析可知,平面位置中誤差精度滿足規(guī)定要求,而且精度較好,本文的關(guān)鍵技術(shù)方法可用于大范圍的基礎測繪產(chǎn)品生產(chǎn)項目中。

4 結(jié)束語

本文基于高景一號衛(wèi)星影像數(shù)據(jù)在大范圍、高分辨率底圖制作中的關(guān)鍵技術(shù)展開了研究,解決了多個以往測繪產(chǎn)品生產(chǎn)過程中遇到的局限問題,極大地提升工作效率,降低了生產(chǎn)成本。目前,高分辨率的正射影像成果已經(jīng)被成功應用到省內(nèi)、省外的多個重點領(lǐng)域工作中,對推動測繪地理信息產(chǎn)業(yè)技術(shù)進步起到重要的促進作用。未來,隨著全省域控制點庫的建設,根據(jù)控制點庫進行精確匹配,將會極大地提高影像校正精度。同時加大推廣高分辨率正射影像成果的利用,實現(xiàn)自然資源的高效融合利用,充分發(fā)揮其應用價值,滿足測繪地理信息產(chǎn)業(yè)快速發(fā)展的需求。