资源描述：
《无需初值的rpc模型参数求解算法研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、无需初值的RPC模型参数求解算法研究第4期,总第66期国 土 资 源 遥 感No.4,2005 2005年12月15日REMOTESENSINGFORLAND&RESOURCESDec.,2005 无需初值的RPC模型参数求解算法研究秦绪文1,2,田淑芳1,洪友堂1,张过3(1.中国地质大学(北京),北京 100083;2.中国地质调查局,北京 100011;3武汉大学,武汉 430072)摘要:针对国内外研究者求解RPC(RationalPolynomialCamera)模型参数的算法需要初值及迭代处理,且求解过程相当复杂的缺憾,提出基于全球DEM无
2、需初值的RPC模型参数求解算法。利用SPOT-5卫星影像进行试验,获得该算法对线阵推扫式卫星遥感影像有意义的结论。对SPOT-5卫星影像在利用严格成像模型求解RPC模型参数时,进行了控制点格网大小及高程分层数对求解精度的影响试验,得出:对SPOT-5卫星影像,采用控制点的格网大小为20像素×20像素、高程分层数为3时,可以达到精度和效率的平衡。关键词:RPC模型;初值;最小二乘中图分类号:P237 文献标识码:A 文章编号:1001-070X(2005)04-0007-040 引言传感器有多种类型,不同类型的传感器由于成像的几何特性不同,采用的传感
3、器模型也不同。通常的传感器模型都是以共线条件方程为理论基础,建立严格的成像模型,此时须获取各种成像参数。对航空摄影来说,需获取内方位元素和外方位元素初值,对卫星影像,则要获取包括轨道参数和传感器平台的方位参数及焦距等。卫星遥感影像成像机理远比航空影像的复杂,随着新型传感器的涌出,现有的摄影测量软件在原有的基础上改进或建立新的模型将越来越困难,再加上供应商(尤其是高精度的卫星影像供应商)为了商业利益,往往对传感器成像参数保密,因此,引入一种独立于传感器平台的广义传感器模型,将变得很有意义。RPC模型是SpaceImaging公司提供的一种广义的新型遥感卫
4、星传感器成像模型,是一种能获得与严格成像模型近似一致精度的、形式简单的概括模型,其实质是有理函数模型(RationalFunctionModel)。在摄影测量工作站,RPC模型将会取代复杂的严格成像模型,一些摄影测量专家建议将RPC模型作为影像几何关系转换的标准,但是,在国内外学者的研究中[1~4],没有提及RPC参数求解中最低和最高高程获得问题,并且在求解RPC参数时,需要初值和迭代处理,求解过程相当复杂。针对上述问题,本文提出根据严格成像模型,顾及全球DEM无需初值的RPC模型参数求解方法,并利用SPOT-5数据进行了系统试验。1 RPC模型RPC
5、模型将地面点大地坐标D(Latitude,Longi-tude,Height)与其对应的像点坐标d(line,sample)用比值多项式关联起来。为了增强参数求解的稳定性,将地面坐标和影像坐标标准化到-1和1之间。对于一个影像,定义如下比值多项式[5]Y=NumL(P,L,H)/DenL(P,L,H)X=Nums(P,L,H)/Dens(P,L,H)(1) 式中,NumL(P,L,H)=a1+a2L+a3P+a4H+a5LP+a6LH+a7PH+a8L2+a9P2+a10H2+a11PLH+a12L3+a13LP2+a14LH2+a15L2P+a16
6、P3+a17PH2+a18L2H+a19P2H+a20H3DenL(P,L,H)=b1+b2L+b3P+b4H+b5LP+b6LH+b7PH+b8L2+b9P2+b10H2+b11PLH+b12L3+b13LP2+b14LH2+b15L2P+b16P3+b17PH2+b18L2H+b19P2H+b20H3收稿日期:2005-08-09;修订日期:2005-10-24基金项目:国家973计划,对地观测数据-空间信息-地学知识的转化机理子课题(2006CB701302)。国 土 资 源 遥 感2005年Nums(P,L,H)=c1+c2L+c3P+c4H+
7、c5LP+c6LH+c7PH+c8L2+c9P2+c10H2+c11PLH+c12L3+c13LP2+c14LH2+c15L2P+c16P3+c17PH2+c18L2H+c19P2H+c20H3Dens(P,L,H)=d1+d2L+d3P+d4H+d5LP+d6LH+d7PH+d8L2+d9P2+d10H2+d11PLH+d12L3+d13LP2+d14LH2+d15L2P+d16P3+d17PH2+d18L2H+d19P2H+d20H3(P,L,H)为标准化的地面坐标;(X,Y)为标准化的影像坐标,其标准化原理如下P=(Latitude-LAT_OF
8、F)/(LAT_SCALE)L=(Longitude-LONG_OFF)/(LONG_SCAL
