[发明专利]一种基于Partial EIV模型的光学卫星影像区域网平差方法

说明书

本发明公开了一种基于Partial EIV模型的光学卫星影像区域网平差方法，将Partial EIV模型应用于光学卫星影像区域网平差，并推导基于该模型的影像几何定位方法。首先构建光学卫星影像区域网平差模型，根据Partial EIV模型构建平差目标函数，然后依据Lagrange条件极值原理，推导未知参数的混合总体最小二乘估计方法，最后利用资源三号光学卫星影像进行试验与分析。

技术领域

本发明涉及遥感影像处理领域，具体为一种基于Partial EIV模型的光学卫星影像区域网平差方法。

背景技术

近年来，随着国产立体测绘卫星“天绘一号”[1-2]和“资源三号”[3]的成功发射，提高国产光学卫星影像的几何定位精度成为摄影测量工作者的研究热点。根据其成像模型的不同可分为基于严格几何成像模型[4-7]和基于有理函数模型(RFM)[8-11]。有理函数模型数学形式简单，使用方便，具有一般性和保密性，已广泛应用于光学卫星影像几何处理。文献[8]于2003年首次将附加像方补偿的RFM模型应用于光学卫星影像几何处理。文献[12]利用有理函数模型对SPOT5-HRS影像进行区域网平差实验，结果表明利用少量地面控制点可以较好的补偿RPC参数中的系统误差。文献[13]针对RPC参数受到系统误差的影响，采用基于像方改正的RPC定位方法，实现了系统误差改正与几何定位精度的提升。文献[14]研究了RPC系统误差改正方法及其参数重新生成技术，并利用QuickBird卫星影像进行了实验分析。文献[15]采用最小二乘配置理论，将像方的系统误差分为随机与非随机两部分，该方法具有更高的定位精度与稳定性。文献[16]使用RFM模型对覆盖全国的26 000多景资源三号立体影像进行无控区域网平差，平面和高程中误差均达到4m以内。

虽然以上方法在一些实际应用中都取得了较好的定位结果，但大都采用最小二乘方法进行未知参数估计，其前提是认为误差函数模型为Gauss-Markov(GM)模型，即假定误差的函数模型已知和非随机性，且观测方程中仅包含随机误差[17]。而该假设在光学卫星影像区域网平差中并不严格成立，因为观测方程用照泰勒公式展开成线性形式后，在系统误差未知参数对应的系数矩阵中，不但含有非随机量，而且还含有像点观测值等随机量。尽管在大多实际工程应用中采用最小二乘方法进行未知参数估计可以解决问题，但是其在理论上并不充分严密。

变量误差模型(Errors-in-variables，EIV)不但顾及了观测向量的随机误差，而且还考虑到系数矩阵也可能包含随机误差，采用总体最小二乘方法(Total leastsquares，TLS)，可以较好的估计未知参数[18-19]。但在实际应用中[20]，许多情况下系数矩阵只有部分含有随机误差，如线性回归模型和坐标转换问题，这类情况可以采用PartialEIV模型[21-23]进行未知参数估计，相比较于EIV模型，该模型更适合于解决实际应用问题。文献[21]推导了Partial EIV模型的混合总体最小二乘方法(Mixed total leastsquares，M-TLS)，但是该方法存在收敛速度较慢、迭代次数过多等问题。文献[24]在此基础上推导了适合数据量较大的M-TLS方法。文献[25]进一步利用Partial EIV模型解决了附有不等式约束的EIV模型问题。Partial EIV模型是EIV模型的更为通用的表达式，只将系数矩阵中随机元素部分提取出来，并作为未知参数进行估计，提高了整体计算效率。

发明内容

目前，Partial EIV模型在摄影测量方面的研究成果相当有限，本发明将PartialEIV模型应用于光学卫星影像区域网平差，并推导基于该模型的影像几何定位方法。首先构建光学卫星影像区域网平差模型，根据Partial EIV模型构建平差目标函数，然后依据Lagrange条件极值原理，推导未知参数的混合总体最小二乘估计方法，最后利用资源三号光学卫星影像进行试验与分析。

为实现上述目的，本发明提供如下技术方案：一种基于Partial EIV模型的光学卫星影像区域网平差方法，包括以下步骤：

步骤1，根据影像连接点和对应地面点的关系建立有理函数模型；