Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 2. С. 42-52
Методика уточнения параметров строгой модели РСА по данным, полученным в результате автоматического поиска ключевых точек на оптическом и радиолокационном изображении
1 Московский физико-технический институт (НИУ), Долгопрудный, Московская обл., Россия
2 АО «Фирма «Ракурс», Москва, Россия
Одобрена к печати: 13.03.2025
DOI: 10.21046/2070-7401-2025-22-2-42-52
Современные радиолокационные системы с синтезированной апертурой (РСА) имеют большое значение в различных сферах, таких как мониторинг окружающей среды, военное наблюдение и гражданские приложения. Тем не менее, несмотря на значительные успехи в области технологий и обработки данных, многие из этих систем всё ещё сталкиваются с трудностями, связанными с точностью определения положения космического аппарата в момент съёмки, а также с определением времени и наклонной дальности до отдельных элементов радиолокационного изображения (РЛИ). Эти параметры представляются ключевыми при осуществлении геометрической трансформации РЛИ при формировании информационных продуктов второго уровня обработки. Наличие аппаратных ошибок в определении этих параметров приводит к ошибкам при расчёте наземных координат элементов снимка. Получение уточнённой информации об эфемеридах платформы зачастую занимает несколько дней. В таких условиях актуальной задачей становится разработка методики автоматического уточнения параметров строгой модели РСА с использованием опорных изображений, полученных в оптическом диапазоне. В работе приведено описание методики автоматического уточнения параметров строгой модели РСА по опорным оптическим данным. Дано обоснование преобразованию оптического опорного изображения в проекцию наклонной дальности с использованием строгой модели РСА из метаданных РЛИ. Приведён алгоритм перевода изображения из картографической проекции в проекцию наклонной дальности. Для поиска ключевых точек в работе предложено использование алгоритмов SIFT (англ. Scale-Invariant Feature Transform) и RANSAC (англ. Random Sample Consensus). Представлена модификация в решающем правиле отбора точек-кандидатов в зависимости от режима съёмки. Описана методика анализа пар соответствующих друг другу ключевых точек для определения ошибки по времени и по дальности. Полученные значения ошибок позволяют осуществить коррекцию параметров строгой модели РСА. Предложенная в работе методика реализована в виде программного комплекса. В рамках работы было осуществлено тестирование комплекса на реальных данных. По результатам эксперимента сделан вывод о существенном улучшении качества привязки итоговых РЛИ уровня обработки 2B1, полученных путём орторектификации уточнённого автоматическим методом РЛИ уровня 1A.
Ключевые слова: радиолокатор с синтезированной апертурой антенны, уточнение геопривязки, «Кондор-ФКА», «Кондор-Э»
Полный текстСписок литературы:
- Верба В. С., Неронский Л. Б., Осипов И. Г., Турук В. Э. Радиолокационные системы землеобзора космического базирования. М.: Радиотехника, 2010. 680 с.
- Денисов П. В., Елизаветин И. В., Зайцев С. Э., Костюк Е. А., Трошко К. А. Информационные продукты на основе данных космической системы радиолокационного наблюдения «Кондор-ФКА» // 13-я Всероссийская открытая конф. «Современные проблемы дистанционного зондирования Земли из космоса»: тез. докл. М.: ИКИ РАН, 2015. С. 556.
- Проценко М. А., Павельева Е. А. Сопоставление ключевых точек изображений методом фазовой конгруэнтности // Приклад. математика и информатика. 2021. Т. 67. С. 40−49.
- Руководство пользователя данными дистанционного зондирования Земли, получаемыми космической системой «Кондор-ФКА». Версия 1. АО «ВПК «НПО машиностроения», 2023. 112 с.
- Bolles R. C., Fischler M. A. Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography // Communications of the ACM. 1981. V. 24. No. 6. P. 381–395. DOI: 10.1145/358669.358692.
- Lowe D. G. Distinctive image features from scale-invariant keypoints // Intern. J. Computer Vision. 2004. V. 60. P. 91–110. DOI: 10.1023/B:VISI.0000029664.99615.94.