无人机图像与卫星遥感影像融合技术研究

无人机图像与卫星遥感影像融合技术研究

摘要：随着长距离、大跨度、高海拔的架空高压电网建设，使得传统线路巡检

方法难以满足发展的需要。利用无人机对架空输电线路进行巡检作业，具有效率高、成本低、效果好等优点。然而现有无人机巡检系统功能单一，不能同时采集

针对鸟害、破损巡检可见光图像采集和针对设备异常发热的红外热图像，采集后

的图像不能实时传输给工控机进行破损、故障分析，大大限制了无人机对架空输

电线路巡检的应用范围。

关键词：影像预处理；无人机图像；影像融合；卫星遥感影像

引言

伴随着近年来无人机技术的迅速崛起，无人机遥感技术也得到迅猛发展，低空无人机所

采集的图像清晰度较高，分辨率达到厘米级别。遥感卫星影像的分辨率虽然也在不断提高但

是与无人机图像的清晰度不可同日而语，但是遥感影像数据也具有其独特的优势，卫星遥感

影像也具有光谱信息充足，纹理信息较丰富等诸多优势。所以，将无人机图像与卫星遥感影

像进行融合具有重要研究价值，融合后的影像不但拥有了无人机图像的高分辨率还有卫星遥

感影像的多光谱信息。

1数据预处理

无人数据以及遥感数据使用之前必须经过一定的预处理，无人数据需要对图像进行拼接

等操作；遥感卫星数据需要对影像数据进行定标，校正处理后才能进行下一步的操作。

1.1无人机数据预处理

无人机影像像幅小，影像数量多；受限于无人机姿态稳定性，影像旋偏角大；非量测性

相机焦距短，影像投影差变形大，并且影像畸变差较大；POS精度低；以上特点均对后期处

理软件具有很高的要求。针对无人机航测数据特点在数据处理中需要解决的几个关键问题为：影像同名点匹配问题，尤其是弱纹理地区，如沙漠、林地、山地、水田等区域。空三成果精

度保证问题。空三成果与采集软件的匹配问题。1.1.4软件操作简单易用，自动化程度高。

1.2卫星遥感数据预处理

在使用卫星遥感影像数据之前需要对数据进行预处理卫星遥感数据的预处理步骤为：辐

射定标是使用大气纠正技术将影像数据的灰度值转化为表观辐亮度、表观反射率等物理量的

过程。传感器在进行采集数据时受到外部因素的影响会使得生成的数据与真实的数据相比存

在一定的误差，这种误差影响了后续影像数据的准确有效的使用。因此必须要对影像进行辐

射定标。卫星传感器在获取遥感影像时会产生辐射量误差，这种误差导致了反射率失真从而

导致数据失去了真实性，大气校正就是对这种误差的消除。正射校正是对影像空间和几何畸

变进行校正生成多中心投影平面正射图像的处理过程。它除了能纠正一般系统因素产生的几

何畸变外，还可以消除地形引起的几何畸变。

1.3图像采集融合流程

无人机巡检图像采集融合系统的工作流程如下：（1）图像采集系统通过可见光摄像头

和红外摄像头实现对可见光图像和红外热图像的同时采集；（2）图像采集系统对采集的可

见光图像和红外图像进行数据压缩；（3）图像采集系统通过I2C模块将压缩后的图像传输给

图像处理系统；（4）图像处理系统通过I2C接收图像采集系统采集的可见光和红外图像；（5）图像处理系统对采集的可见光和红外图像进行配准和图像融合；（6）图像处理系统通过Zigbee将融合后的图像传输给工控机；（7）工控机通过Zigbee通讯模块接收图像处理系统融合后的图像；（8）工控机对融合图像进行故障分析和辨识。

2测绘卫星

测绘卫星是高分辨率卫星对地观测系统的基测绘科学第４５卷本组成部分，是国家的重要空间战略资源，基于空间信息基础设施建设和全球化战略服务，世界各国纷纷发展本国的测绘卫星或者具有测绘能力的卫星。国外商用测绘卫星的空间分辨率已从上百米提高到当前的０．３１ｍ，从满足１∶２５００００地形图制图发展到满足１∶５０００地形制图。我国首颗民用高分辨率光学立体测图卫星—资源三号于２０１２年１月９日成功发射，主要应用于我国１∶５００００测绘产品制作，１∶２５０００及更大比例尺的地形图的修测与更新。与国家１∶５００００地形图测绘和更新相比，我国对１∶１００００以及更大比例尺地形图测绘和更新有着同等迫切的需求。我国计划于２０１９年发射的光学立体测绘卫星—高分七号，其全色分辨率达０．７ｍ，将从根本上改善我国广泛采购国外商用卫星影像数据进行１∶１００００比例尺测图工作的现状。实现我国１∶１００００卫星测绘能力的关键卫星工程，也是满足高精度住建应用、高精度统计应用与其他行业高精度应用对国产亚米级分辨率光学测绘卫星数据需求的核心技术装备。随着图像分辨率的增加，星上数据量成倍增长，高分七号原始数据量已经是资源三号的５倍，为保障星上数据能够及时下传，需要对星上影像数据进行压缩。不同压缩比带来的影像畸变程度不同，最为重要的是星上影像压缩质量直接关系到卫星遥感影像的应用能力和应用范围。进行卫星遥感影像星上压缩质量评价，验证压缩后的卫星影像是否满足测图应用指标要求是开展测绘卫星星上压缩指标论证的重要内容，对提升国产测绘卫星应用具有重要意义。

3影像融合方法简介

影像融合方法多种多样有基于传统方法的融合，有基于深度学习方法的融合，每一种融合方式都有他们自己的特点。下面对几种方法的融合方式进行简单介绍。色彩标准化融合对多光谱影像和全色影像进行数学合成，得到融合后的锐化影像。利用待融合影像的高空间分辨率波段对输入影像的低空间分辨率波段进行增强称为色彩归一化变换。HSV变换融合方法是一种常见的颜色变换法，其原理是先对MS影像进行RGB波段的颜色正变换，从而得出分别包含H、S和V的3幅图像，H表示色度，S表示饱和度，V表示亮度。PCA[46]融合是对拥有N个波段的低分辨率影像进行主成分分析。用拉伸过的高分辨率影像作为PCA变换的第1分量，最后进行PCA逆变换还原。Pansharp融合是基于最小二乘逼近法来计算多光谱影像和全色影像之间灰度值关系。这是一种像元层面的技术，利用PAN图像增加MSS图像的空间分辨率。小波融合是一种常用于空间域信号分解与重构的融合方法。它的原理是分别对包含丰富波谱信息的多光谱（MS）影像和包含高空间信息的全色（PAN）影像进行小波正变换，再分别对PAN影像和MS影像中包含的高频信息与低频信息进行提取，从而获得了两幅影像的有效特征信息，此时再采用小波逆变换，生成融合影像。基于深度学习的遥感影像与无人机影像进行融合，利用深度学习的方法，实现两种待融合影像特征的自动选择，特征选择自动化进行不需要手动进行特征选择，对无人机图像和遥感影像的特征进行全面深层的表达，提高了融合的效果，为后续融合影像的解译等提供了技术支持。

结语

针对无人机图像的预处理，遥感卫星影像的预处理，无人机影像与卫星遥感影像的融合层次的选择以及融合方法的选择对融合效果来说尤为重要。选择不同的融合方法进行融合后的影像具有不同的特点。对不同方法进行融合后的影像进行选择，利用融合质量较好的影像进行下一步的研究与应用，是未来发展的趋势。

参考文献：