Please use this identifier to cite or link to this item: http://hdl.handle.net/10077/11921
Title: SVILUPPO E IMPLEMENTAZIONE DI NUOVE STRATEGIE PER L'ESTRAZIONE DI MODELLI DIGITALI DELLA SUPERFICIE DALLE IMMAGINI SATELLITARI AD ALTA RISOLUZIONE
DSM GENERATION FROM HIGH RESOLUTION SATELLITE IMAGERY: DEVELOPMENT AND IMPLEMENTATION OF A NEW MATCHING STRATEGY
Authors: Nascetti, Andrea
Issue Date: 2011
Publisher: EUT Edizioni Università di Trieste
Source: Andrea Nascetti, "SVILUPPO E IMPLEMENTAZIONE DI NUOVE STRATEGIE PER L'ESTRAZIONE DI MODELLI DIGITALI DELLA SUPERFICIE DALLE IMMAGINI SATELLITARI AD ALTA RISOLUZIONE = DSM GENERATION FROM HIGH RESOLUTION SATELLITE IMAGERY: DEVELOPMENT AND IMPLEMENTATION OF A NEW MATCHING STRATEGY", in: Bollettino dell'Associazione Italiana di Cartografia 141-142 (2011), Trieste, EUT Edizioni Università di Trieste, 2011, pp. 55-66
Series/Report no.: Bollettino dell'Associazione Italiana di Cartografia
141-142
Abstract: 
Negli ultimi anni sono stati fatti molti progressi tecnologici soprattutto nell’ambito della fotogrammetria
satellitare, con la messa in orbita della seconda generazione di satelliti (EROS
A e B, QuickBird, Ikonos II, WorldView, GeoEye-1, Cartosat dedicato all’acquisizione di stereocoppie),
è possibile ormai utilizzare le immagini digitali ad alta risoluzione con precisione
a terra dell’ordine del metro (varia da 0,40 m di GeoEye-1 a 2,5 m di Cartosat). Il telerilevamento
satellitare ha dei pregi fondamentali come, per esempio, la possibilità di eseguire acquisizioni
a intervalli regolari, garantendo così un monitoraggio continuo della zona, o la
possibilità di acquisire dati in territori in via di sviluppo dove è più complicato e costoso organizzare
dei voli fotogrammetrici. Viste le grandi potenzialità delle immagini pancromatiche
satellitari ultimamente sono nati vari progetti di ricerca sull’interpretazione ed estrazione dei
dati metrici. Una fondamentale operazione di elaborazione delle immagini satellitari è l’ortorettificazione.
Questo processo consente di eliminare le distorsioni indotte dalla posizione e
assetto del satellite rispetto alla Terra e dalle caratteristiche ottico-geometriche del sensore.
Esistono due metodologie differenti per orto-rettificare le immagini, le funzioni polinomiali
razionali (RPF-Rational Polynomial Function) o il modello rigoroso.
Oltre al prodotto bidimensionale ottenuto dalla singola immagine satellitare orto-rettificata
è possibile utilizzare una stereo-coppia per estrarre un modello digitale del terreno (Digital
Elevation Model). Il DEM è la rappresentazione dei valori continui di elevazione sopra una
superficie topografica con un array regolare di valori di quota, riferiti allo stesso datum (definizione
dell’ESRI).
Attualmente la realizzazione e l’utilizzo dei DEM ha subito un incremento sempre maggiore,
dovuto al potenziale uso in molti campi di applicazione dalle cartografia alla geotecnica.
Inoltre i DEM sono un’importante banca dati da cui poter ottenere molti prodotti secondari
come curve di livello, profili, volumi e modelli di pendenza, ecc…
La sempre maggiore capacità di calcolo degli elaboratori unita alla grande richiesta interdisciplinare
dei DEM ha incrementato enormemente la continua ricerca di nuovi e più complessi
algoritmi.
Per l'estrazione dei DEM dalle immagini satellitari sono necessarie varie elaborazioni fotogrammetriche,
si possono distinguere principalmente due fasi: l'orientamento delle immagini
satellitari e il processo di matching. I modelli di orientamento adottati si dividono in modelli rigorosi e modelli generici. I primi
utilizzano un approccio fotogrammetrico basato sulle equazioni di collinearità mentre nei
secondi le coordinate immagine sono legate a quelle terreno mediante rapporti di polinomi
di cui sono noti i coefficienti (RPC).
Il matching è il processo che permette il riconoscimento dei punti omologhi fra le due immagini,
ovvero dei medesimi punti a terra ripresi sui due fotogrammi. In questa maniera si
ottiene una nuvola di punti corrispondenti nelle due immagini e così, conoscendo la geometria
di acquisizione, si è in grado di costruire il modello tridimensionale del terreno.
Possiamo distinguere due classi principali di algoritmi per il matching l'Area Based Matching
(ABM) e il Feature Based Matching (FBM). L'ABM si basa sulla diretta correlazione tra i valori
della radianza fra l'intorno del punto fissato sull’immagine master e l'intorno di un punto
mobile sull'immagine slave. In questo modo si ricercano i punti omologhi dove è massimo
il valore della correlazione. Il FBM ricerca prima delle features (punti, angoli, bordi o anche
poligoni) in entrambe le immagini e in un secondo momento analizza la corrispondenza fra
esse.
Il tema principale della ricerca è stato quello di sviluppare una metodologia completa atta
a processare il Matching, è stato quindi implementato un nuovo algoritmo nel quale la fase
del Matching è stata combinata con quella di orientamento. La strategia usata per unificare
le due fasi è stata quella di utilizzare i coefficienti RPC per caratterizzare le deformazione
delle immagini stimando una serie di trasformazioni affini e poi impiegare un Least Square
Matching (una particolare tecnica di ABM) guidato da queste trasformazioni affini per la ricerca
della correlazione.
Finita la fase di sviluppo, sono stati effettuati molti test, alcuni su di una stereo-coppia della
zona costiera di Augusta (Siracusa - Sicilia - Italia) acquisita con il satellite ad alta risoluzione
WorldView-1 e altri su una stereo-coppia di Roma acquisita con il sensore GeoEye-1. In
questi test è stata valutata la robustezza, la precisione e l'accuratezza del nuovo software.
Innanzitutto nei risultati è stata valutata l'accuratezza raggiunta tramite il confronto tra i
DSM estratti e quelli di riferimento e inseguito sono state comparate le accuratezze tra il
nuovo software e il software commerciale PCI Geomatics OrthoEngine. Le accuratezze raggiunte
sono paragonabili o in certi casi inferiori rispetto a quelle ottenute con il software
commerciale.
In conclusione il nuovo algoritmo implementato nel software ha dato i risultati sperati
aprendo nuove possibilità per uno sviluppo futuro dei processi di matching, attualmente
sono in corso ulteriori ricerche riguardo l'utilizzo di una programmazione dinamica e adattiva
dell'algoritmo.

Surface Models (DSMs) have large relevance in many engineering, land planning and environmental
applications for a long time. At present, the data required for the DSMs generation
can be acquired by several sensors/techniques, among which airborne LiDAR,
aerial photogrammetry, optical and radar spaceborne sensors play the major role. In this
respect, the availability of new high resolution optical spaceborne sensors offers new interesting
potentialities for DSMs generation, among which low cost, speed of data acquisition
and processing and relaxed logistic requirements, quite important for the areas
where the organization of aerial flights can be difficult for several motivations.
Thanks to the very high resolution and the good radiometric quality of the images, it
seems possible to extract DSMs comparable to middle scale aerial products; anyway, it
has to be underlined that the DSM accuracy level is strictly related both to the quality of
the stereo image orientation and to the effectiveness of the matching strategy.
Two different types of orientation models are usually adopted: the physical sensor models (also called rigorous models or geometric reconstruction) and the generalized sensor models.
The first one is based on a standard photogrammetric approach, where the image
and the ground coordinates are linked through the collinearity equations, so that the involved
parameters have a physical meaning. On the contrary, the generalized models are
usually based on the Rational Polynomial Functions (RPFs), which link image and terrain
coordinates through the Rational Polynomial Coefficients (RPCs) and eventual additional
transformation parameters [Tao and Hu, 2001, 2002; Fraser and Hanley, 2003; Hanley
and Fraser, 2004; Crespi et Al., 2009].
As regards the matching, it is well known that many different approaches have been developed
in recent years. In all methods, the main step is to define the matching entity,
that is a primitive chosen in the master image to be looked for in the slave image(s); basically,
we can distinguish two techniques, the Area Based Matching (ABM) and the Feature
Based Matching (FBM). In ABM methods, a small image window represents the
matching primitive and the main strategies to assess similarity are cross-correlation and
Least Squares Matching (LSM). FBM methods use, as main class of matching, basic features
that are typically the easily distinguishable primitives in the input images, like corners,
edges, lines, etc. [Gruen A. W. 1985; Jacobsen, 2006; Nascetti, 2009; Tang L. et
al.,2002]. In addition, new matching strategies where ABM is used together with dynamic
programming techniques were proposed during last decade [Birchfield S. and Tomasi C.,
1998, 1999]; recently the quite promising technique of semi-global matching was proposed
and applied to aerial imagery [Hirschmüller, 2008; Hirschmüller and Scharstein,
2009].
In this paper we present and discuss some results obtained with a new proprietary matching
strategy for DSMs generation, which is implemented into the SISAR software developed
at the Area di Geodesia e Geomatica – Università di Roma "La Sapienza". In
order to assess the accuracy of the new strategy, some tests were carried out, using a
stereo pair of Augusta coastal zone (Sicily, South Italy) acquired from WorldView-1 and
one of the first available GeoEye-1 stereo pair, which was acquired over Rome. The results
show that an accuracy at the level of about 2 m is achievable in open areas with both
WorldWiew-1 and GeoEye-1 stereo pairs, whereas higher errors are displayed in urban
areas. For WorldWiew-1 the results are still acceptable, being the accuracy at the level of
3 meters, but for GeoEye-1 the DSM extracted over a very dense urban area are much
worse, with an accuracy at the level of 8-10 meters. Nonetheless, the new matching strategy
has been proven effective, performing always better if compared with the one implemented
into a well known and largely used software as PCI-Geomatics.
In order to evaluate the potentiality of the new matching strategy and the accuracy of the
extracted DSMs, some tests were carried out. In details, two stereo pairs acquired byWorld-
View-1 and GeoEye-1 satellites have been used to compare the DSMs generated with the
new strategy to those derived using the well known commercial software PCI Geomatics
v.10.2 (OrthoEngine).
Type: Article
URI: http://hdl.handle.net/10077/11921
ISSN: 2282-472X
Appears in Collections:Bollettino dell'Associazione Italiana di Cartografia 141-142

Files in This Item:
File Description SizeFormat
Nascetti.pdf399.14 kBAdobe PDFThumbnail
View/Open
Show full item record


CORE Recommender

Page view(s) 50

449
checked on Jun 25, 2022

Download(s) 50

515
checked on Jun 25, 2022

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons