[论文解读] Robust Rational Polynomial Camera Modelling for SAR and Pushbroom Imaging

Roland Akiki, Roger Marí+3 more|arXiv (Cornell University)|Feb 26, 2021

Satellite Image Processing and Photogrammetry参考文献 13被引用 9

一句话总结

本文提出了一种与地形无关的算法，通过在三维控制点网格上使用正则化最小二乘法，鲁棒地将有理多项式相机（RPC）模型拟合到SAR和 pushbroom 光学卫星影像。该方法在多种数据集上实现了亚像素精度（RMSE < 10⁻⁴ 像素），并提供了开源实现，便于复现和集成到遥感处理流程中。

ABSTRACT

The Rational Polynomial Camera (RPC) model can be used to describe a variety of image acquisition systems in remote sensing, notably optical and Synthetic Aperture Radar (SAR) sensors. RPC functions relate 3D to 2D coordinates and vice versa, regardless of physical sensor specificities, which has made them an essential tool to harness satellite images in a generic way. This article describes a terrain-independent algorithm to accurately derive a RPC model from a set of 3D-2D point correspondences based on a regularized least squares fit. The performance of the method is assessed by varying the point correspondences and the size of the area that they cover. We test the algorithm on SAR and optical data, to derive RPCs from physical sensor models or from other RPC models after composition with corrective functions.

研究动机与目标

• 解决为包括SAR和pushbroom光学系统在内的多种卫星传感器生成准确、通用RPC元数据的挑战。
• 通过在不依赖地面控制点（GCPs）的情况下实现RPC生成，克服地形依赖方法的局限性。
• 开发一种鲁棒且数值稳定的RPC拟合方法，可从物理传感器模型或现有RPC中进行校正。
• 确保在不同场景几何结构、高度范围和影像类型（SAR与光学）之间保持高精度和一致性。
• 提供一个可重用的开源工具，用于需要通用定位元数据的遥感应用。

提出的方法

• 在指定的经度、纬度和高度范围内生成一个规则的三维控制点（CNPs）网格，并包含多层高程。
• 使用输入的地理定位模型（如SAR的距离-多普勒模型或光学的物理模型）将每个CNP投影到图像平面上，以获得二维图像坐标。
• 通过涉及设计矩阵T、权重矩阵W和78个RPC系数的解向量I的矩阵公式，将RPC拟合表述为正则化加权最小二乘问题。
• 通过法方程（TᵀW²T + h²E）I = TᵀW²G应用岭正则化，以稳定解并防止过拟合。
• 使用L曲线准则，基于解范数与残差误差之间的权衡，选择最优正则化参数h。
• 采用迭代重新加权最小二乘法（IRLS）方案（ICCV），通过基于残差范数更新权重，进一步提高精度。

实验结果

研究问题

• RQ1 一种与地形无关的RPC拟合方法是否能在包括SAR和pushbroom光学传感器在内的多种卫星成像系统中实现亚像素精度？
• RQ2 RPC拟合方法的性能如何随三维控制点网格的空间范围（表面积）变化？
• RQ3 在精度与计算成本之间取得平衡时，经度和纬度方向的最优网格分辨率（网格长度）是多少？
• RQ4 当校正现有RPC时，该方法表现如何，特别是在原始RPC因姿态信息不精确而存在误差的情况下？
• RQ5 正则化和迭代重新加权在非光滑传感器模型（如SAR）中，对RPC拟合的鲁棒性和精度提升程度如何？

主要发现

• 在所有测试配置下，该RPC拟合方法在SAR和光学数据集的两个图像维度中，平均均方根误差（RMSE）均低于10⁻⁴像素。
• 对于SAR和光学数据，当网格长度在经度和纬度方向超过20个采样点后，精度不再有显著提升。
• 随着网格表面积增大，RPC拟合误差增加，尤其在SAR中，这是由于大区域范围内底层物理传感器模型的非光滑性所致。
• 该方法成功地从Sentinel-1 SAR影像的距-多普勒物理模型中拟合出精确的RPC，证明了其在复杂SAR系统中的适用性。
• 该方法通过将新RPC拟合到原始RPC与束调整变换（旋转和平移）的组合上，有效校正了现有WorldView-3 RPC中的不准确性，显著提升了定位精度。
• 随论文发布的开源Python工具包rpcfit，使该RPC拟合流程在多种遥感应用中易于集成和复现。