基于嫦娥二号影像的月表小型撞击坑和线性构造的自动提取与判识研究

The research on lunar status and historical evolution, needs much more detailed distribution information of lunar small impact craters and linear structures. In those high-resolution lunar images, such as Chang’E-2 lunar images, small impact craters and liner structures are always concealed in a complex lunar grayscale images. Current single-array image based structure extraction techniques, are difficult to extract those small structures. Thus, how to extract small impact craters and linear structures from high-resolution lunar images automatically, became a research focus on lunar structure automatic extraction research. According to the projection differences of lunar structures among three-array images, this research extracts small impact craters and linear structures from Chang’E-2 lunar images, which consists of the following contents: dense corresponding pixel matching based lunar surface high-precision 3D point cloud generation using multi-channel belief propagation theory; the automatic potential area extraction of small impact craters and linear structures based on disparity space image and lunar 3D point cloud; the automatic extraction and identification of small impact craters and linear structures based on the potential structure area and the corresponding dense high-precision 3D spatial point cloud. This research extract small impact craters and linear structures based on the projection difference among three-array images, provide a new approach and new thought, so that promote the development of the automatic extraction of lunar structures.

月球现状和演化历史研究，迫切需要更为详尽的月表撞击坑与线性构造的空间分布信息。在嫦娥二号等高分辨率卫星影像上，小型撞击坑与线性构造容易掩盖在复杂的月表灰度影像中，传统的基于单视角影像的构造提取方法难以对此进行自动提取，如何从高分辨率月表影像中自动提取并判识小型撞击坑与线性构造，是当前国内外月表构造自动提取的研究重点。本课题基于嫦娥二号线阵影像，依据月表构造在多视角间成像不同的物理特点进行月表构造自动提取研究，该研究的主要内容有：基于多通道置信度传播原理进行逐像素密集匹配的月表高精度点云提取；基于视差空间图与月表三维点云的小型撞击坑与线性构造疑似区域自动提取；高精度点云辅助小型撞击坑与线性构造的自动提取与判识。本课题依据月表构造在多视角间成像不同自动提取与分类月表小型撞击坑与线性构造的研究，提供了利用多视角影像自动提取月表典型构造的新方法与新思路，从而促进月表典型构造自动提取技术的发展。

在嫦娥二号等高分辨率卫星影像上，小型撞击坑与线性构造容易掩盖在复杂的月表灰度影像中。本研究原设计基于多视角影像间的物理成像差异自动检测小型撞击坑与线性构造，但由于嫦娥二号影像缺乏轨道参数信息，无法生成准确的核线影像进而生成平滑过渡的视差空间图。随后调整方案，研究基于图像特征描述与机器学习的撞击坑提取方法，提出一种由粗到精策略的嫦娥探月卫星CCD影像小尺寸撞击坑自动提取方法,采用方向梯度直方图特征（Histogram of Oriented Gradient, HOG）表达撞击坑在影像中的形态特征，依据撞击坑样本数量有限和HOG属于高维特征的特点，采用支持向量机（SVM）构建识别模型，借鉴迁移学习的思路，综合利用嫦娥一号、二号卫星不同分辨率光学影像建立一种由粗到精的撞击坑样本库更新策略用以学习最优的SVM识别模型，提高小型撞击坑的检测正确率。针对线性构造，提出了一种基于马尔科夫链自动提取无分叉线性构造的方法，采用马尔科夫链对线性构造进行描述，采用HOG算子结合SVM分类器得到数据项，设计四个线性构造连接特征以及采用高斯混合模型整合这些特征得到平滑项，最后采用置信传播的方法求解整个马尔科夫链提取得到线性构造，从而提供了线性构造提取的新方法；利用撞击坑与线性构造提取结果，结合人工检验查漏补缺，构建了典型区域的撞击坑库与线性构造库，进而绘制了月球虹湾撞击坑盆地、未来嫦娥五号着陆区、阿蒙僧撞击坑等地区的地质图。整体而言，项目研究成果为小型撞击坑提取、线性构造提取、地质图绘制、撞击坑盆地耦合研究、着陆区选址等问题提供了有益参考。受限于研究方案改变，文章发表计划有所推迟，目前无第一基金标注SCI文章，绘制了月表地质图3幅，有3篇SCI审稿中，其中两篇一审通过正在修改中。整体而言，研究内容完成度达到了预期目标，初步解决了小型撞击坑与线性构造的自动提取问题，文章发表有所滞后，基本达到了预期目标。