《地球同步氣象衛星多源遙感圖像三維球面拼接方法研究》是依託上海大學，由曾丹擔任項目負責人的面上項目。
基本介紹
- 中文名：地球同步氣象衛星多源遙感圖像三維球面拼接方法研究
- 項目類別：面上項目
- 項目負責人：曾丹
- 依託單位：上海大學
中文摘要,結題摘要,
中文摘要
非標準球面高像素高解析度GSMS多源遙感圖像三維球面拼接，在理論模型、計算量、精度等方面向傳統二維拼接提出挑戰。申請課題提出GSMS多源遙感圖像三維球面拼接新方法：提出二維圖像與三維球面間多視點立體幾何非線性模型，針對感測器內外參數未知時該模型參數求解的欠定問題，提出深度卷積神經網路估計模型參數，針對非標準球面提出多模融合的全局配準方法，從而建構非標準球面三維球面拼接理論框架；提出兼具不變性及唯一性的邊緣特徵拓撲結構編碼及相似性度量方法，抑制特徵誤匹配及漏匹配；研究基於深度卷積神經網路的GSHHG地標圖生成方法，提出利用地標先驗知識的匹配方法，實現三維球面配準；提出基於地標拓撲穩定性的地標拓撲結構編解碼地標恢複方法，及基於梯度分布一致性的泊松方程及結構森林解析度提高方法，實現均勻高解析度三維球面拼接。項目提出的GSMS圖像三維球面拼接理論框架及關鍵技術對下一代GSMS產品研發具有積極意義。
結題摘要
目前的圖像拼接方法多要求場景近似位於同一平面，而地球同步氣象衛星(GSMS)遙感圖像的拍攝目標為三維球體，直接使用二維拼接模型將導致嚴重誤差。為此本項目深入探討了GSMS多源遙感圖像三維球面拼接方法，將二維數據投影到三維球面上並確定每個像素點的經緯度信息。針對非標準球面高像素高解析度GSMS多源遙感圖像三維球面拼接在理論模型、計算量、精度等方面的挑戰，研究了GSMS多源遙感圖像三維球面拼接新方法，主要包括：研究了二維圖像與三維球面間多視點立體幾何非線性模型，建構非標準球面三維球面拼接理論框架；提出了基於深度神經網路最佳化的局部描述子學習方法，針對局部描述子學習的不足，提出了難樣本三元組採樣策略和改進的Triplet損失函式，通過在公開數據集上實驗證明，最終生成的局部描述子DHNet具有增強的類內聚合性和類間分離性；提出了基於多尺度金字塔模型、幾何拓撲以及拓撲擬合的三種特徵匹配配算法，基於斜率約束的誤匹配校正法，基於鄰域空間一致性，分別從特徵初匹配、特徵誤匹配刪除和特徵漏匹配補全這三個層面實現特徵匹配，提升了配準精確度為96.51%的同時，將召回率提升至90.89%，速度相比同類方法有所提升（GTM算法和RSOC算法的時間複雜度都為O（N的三次方），WGTM算法的複雜度為O（N的平方乘以log（N）），KNN-TAR算法、ISSC算法、RFVTM算法與本項目算法的時間複雜度為O（N的平方）；研究了基於深度卷積神經網路的GSHHG地標圖生成方法，通過建立多項式擬合映射模型完成圖像間的全局配準，得到每個點的經緯度信息，針對傳統最佳縫合線生成算法容易產生結構誤差的問題，提出基於結構最優的三維縫合線方法，實現均勻高解析度三維球面拼接。項目研究的關鍵技術在中國氣象衛星資料庫中風雲二號氣象衛星的圖像上進行實驗，實驗驗證了這些方法的有效性，對下一代GSMS產品研發具有參考價值。
