CN108053416A - 一种基于单幅卫星图像的最大储油量提取*** - Google Patents
一种基于单幅卫星图像的最大储油量提取*** Download PDFInfo
- Publication number
- CN108053416A CN108053416A CN201711339329.0A CN201711339329A CN108053416A CN 108053416 A CN108053416 A CN 108053416A CN 201711339329 A CN201711339329 A CN 201711339329A CN 108053416 A CN108053416 A CN 108053416A
- Authority
- CN
- China
- Prior art keywords
- mrow
- module
- image
- same name
- oil tank
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 17
- 238000005192 partition Methods 0.000 claims abstract description 19
- 230000002452 interceptive effect Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 23
- 238000003384 imaging method Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 14
- 238000003702 image correction Methods 0.000 claims description 8
- 238000012952 Resampling Methods 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 241000127225 Enceliopsis nudicaulis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于单幅卫星图像的最大储油量提取***,包括卫星遥感图像浏览模块、图像子区域分割模块、边界点自动捕捉模块、油罐阴影测高模块和储油量计算模块;其中,卫星遥感图像浏览模块用于获取卫星遥感图像操作时的人机交互信息:图像子区域分割模块用于提取油罐目标的轮廓边缘,方便关键点选取;边界点自动捕捉模块用于弧边上的关键点的辅助选取;油罐阴影测高模块用于基于油罐阴影信息计算油罐的高度。可基于单幅卫星图像进行油罐高度的精确提取,有效避免了人工方式确定同名弧点带来的计算误差,大幅提高了油罐高度的提取速度。
Description
技术领域
本发明涉及遥感图像处理及信息提取技术领域,尤其涉及一种基于单幅卫星图像的最大储油量提取***。
背景技术
油罐是石油储备基地的核心设施,属于国家重点建设战略目标,其高度信息是油库识别、库容估算及定量化分析的重要内容和标志,在国家经济建设和国防安全能力等方面具有重要意义,因此通过卫星观测某一区域的最大储油量具有重要的战略意义。通过卫星图像提取油管高度,然后通过公式计算出油管的体积从而可以确定最大储油量。常规基于卫星图像的油罐高度提取方法中,一是激光测距法、立体像对等均存在对设备仪器及数据源要求较高,且紧急任务情况下时效性较弱、计算复杂的缺点;二是阴影长度法又依据油罐阴影边界的弧边特性,存在阴影长度难以精确量测进而致使油罐高度无法精确计算的问题。
发明内容
鉴于上述的分析,本发明旨在提供一种基于单幅卫星图像的最大储油量提取***,用以解决常规基于卫星图像进行油罐高度提取技术中的一些不足。
为实现上述的发明目的,在基于本发明方法的一个实施例中,
在基于本发明的一个实施例中提供了一种基于单幅卫星图像的最大储油量提取***,包括卫星遥感图像浏览模块、图像子区域分割模块、边界点自动捕捉模块、油罐阴影测高模块和储油量计算模块;
其中,卫星遥感图像浏览模块用于获取卫星遥感图像操作时的人机交互:图像子区域分割模块用于提取油罐目标的轮廓边缘,方便关键点选取;边界点自动捕捉模块用于弧边上的关键点的辅助选取;油罐阴影测高模块用于基于油罐阴影信息计算油罐的高度;储油量计算模块用于根据油罐高度和底部半径计算得到最大储油量。
在基于本发明的另一个实施例中,卫星遥感图像浏览模块用于在人机交互时,获取油罐卫星图像拍摄时的成像参数;其中所述成像参数包括:太阳高度角α、卫星高度角β、太阳方位角γ和卫星方位角θ。
在基于本发明的另一个实施例中,***还包括图像校正模块,用于对卫星遥感图像浏览模块获取的油罐卫星图像油罐卫星图像进行几何精校正得到几何精校正图像;
其中,图像校正模块执行下述流程:
1)采集地面控制点:在获取的油罐卫星图像上,采集六个以上、具有清晰明显定位标志并尽可能均匀分布的控制点;
2)选择几何校正模型:选择多项式几何校正模型,建立图像坐标与参考坐标的关系;
3)图像重采样:采用重采样方法,对油罐卫星图像进行重新插值计算,生成几何精校正图像。
在基于本发明的另一个实施例中,图像子区域分割模块根据油罐在几何精校正卫星图像上的阴影边界特征,识别和定位油罐同名弧边P’和P”;其中同名弧边是指遥感图像上油罐顶部边缘的像P’和该边缘阴影的像P”;
同名弧边的识别与定位采取人机交互模式或专家判读模式;
采用人机交互模式,具体为首先基于计算机自动检测阴影边界,然后根据油罐阴影边界结合人工进行同名弧边的优选定位;
采用专家模式,基于专家判读知识,直接进行同名弧边的判读定位。
在基于本发明的另一个实施例中,还包括图像增强模块,所述图像增强模块对图像校正模块输出后的图像进行增强,经图像增强模块输出的图像输入图像子区域分割模块。
在基于本发明的另一个实施例中,还包括同名弧距计算模块,所述边界点自动捕捉模块根据图像子区域分割模块定位的同名弧边P’和P”,确定相对应的同名弧点A’和A”,经由所述同名弧距计算模块计算得到同名弧距A’A”;
其中过两个同名弧边的圆心且斜率为太阳方位的直线与两个同名弧边的交点为同名弧点,两个同名弧点之间的距离为同名弧距。
在基于本发明的另一个实施例中,计算同名弧距的包括:
在图像子区域分割模块定位的同名弧边上选取关键元素;
根据选取的关键元素确定相对应的同名弧点A’和A”;
计算得到同名弧距。
在基于本发明的另一个实施例中,在图像子区域分割模块定位的同名弧边上选取关键元素包括:基于几何精校正图像,分别在上述定位的油罐同名弧边P’和P”上任选三点,作为输入关键元素,其中:
同名弧边P’上的任三点坐标:P’1(x’1,y’1)、P’2(x’2,y’2)、P’3(x’3,y’3);
同名弧边P”上的任三点坐标:P”1(x"1,y"1)、P”2(x"2,y"2)、P”3(x"3,y"3);
确定相对应的同名弧点A’和A”包括:计算圆弧和过圆弧圆心且斜率为太阳方位的直线的交点坐标模型为:
其中:圆心坐标M(A,B)、半径为R的圆的方程为(x-A)2+(y-B)2=R2;过圆心M且斜率为K的直线方程为y=Kx+B-KA;
分别将P’和P”的圆心坐标、半径以及直线斜率ctgγ代入上述交点坐标模型,可得到同名弧点A’(x′,y′)和A”(x",y")的坐标;
同名弧距为同名弧点A’(x′,y′)和A”(x",y")之间的距离,其表达式为:
在基于本发明的另一个实施例中,油罐阴影测高模块将卫星遥感图像浏览模块获取的油罐卫星图像成像参数及边界点自动捕捉模块得到的同名弧距代入油罐测高模型,得到油罐高度H。
在基于本发明的另一个实施例中,储油量计算模块根据油罐阴影测高模块得到油罐的高度H和同名弧距计算模块得到的半径R,结合圆柱公式计算出油罐的体积,从而得到油罐的最大储油量。
本发明的特点及有益效果是:
在评估某一区域的最大储油量时,可基于单幅卫星图像进行油罐高度的精确提取,然后根据公式计算储油罐的体积,无需立体像对或其它特殊设备,放宽了对数据源及仪器的要求,有效避免了人工方式确定同名弧点带来的计算误差,大幅提高了油罐高度的提取速度,可以快速确定某一区域的最大储油量。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分的从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为油罐高度提取流程图;
图2为阴影测高工具软件界面;
图3为图像属性窗口示意图;
图4为油罐阴影测高过程中选择起点坐标示意图;
图5为油罐阴影测高过程中选择终点坐标示意图;
图6为油罐阴影测高过程中选择必经点坐标示意图;
图7为选择结果示意图;
图8为微调结果示例1;
图9为弧线选定结果示意图;
图10为微调结果示例2;
图11为同名点显示示意图;
图12为油罐阴影测高计算结果示意图;
图13为卫星图像上同名弧边、同名弧点和同名弧距示意图;
图14为同名弧距示意图
图15为有关油罐侧高模型构建原理示意图
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。
根据本发明的一个具体实施例,公开了一种基于单幅卫星图像的油罐高度提取***,如图1所示,包括卫星遥感图像浏览模块、图像子区域分割模块、边界点自动捕捉模块、油罐阴影测高模块和储油量计算模块。
其中卫星遥感图像浏览模块用于卫星遥感图像操作时的人机交互:图像子区域分割模块用于提取油罐目标的轮廓边缘,方便关键点选取;边界点自动捕捉模块用于弧边上的关键点的辅助选取;油罐阴影测高模块用于基于油罐阴影信息计算油罐的高度。
如图2所示,卫星遥感图像浏览模块具体可以获取油罐卫星图像拍摄时的成像参数。
光学卫星图像在成像时一般都是在光照条件相对较好的情况下进行拍摄,每幅图像都对应有其成像时刻的太阳、卫星位置信息,即瞬时成像参数。但传统基于阴影长度法进行地物高度提取模型中,仅利用了太阳高度角单一成像参数,忽略了太阳方位、卫星高度和卫星方位等成像参数,使得测高模型的严谨性有所欠缺,且误差较大,尤其随着亚米级高分辨率卫星图像的普遍使用,这些成像参数对于精度的影响亦非常凸显,有必要加以全面考虑。
卫星图像成像参数,一般记录于该幅图像产品相应的头文件或元数据信息或辅助数据中,可直接获取。在本发明的一个实施例中,采用从元数据文件中直接读取的方式获得。图3为元文件参数读取结果的例子。
从卫星图像相对应的元数据或头文件或辅助数据中,读取卫星图像拍摄时的成像参数,成像参数包括:太阳高度角α、卫星高度角β、太阳方位角γ和卫星方位角θ;
***还包括图像校正模块,用于对卫星遥感图像浏览模块获取的油罐卫星图像油罐卫星图像进行几何精校正得到几何精校正图像;卫星图像在成像过程中,由于传感器本身、地球曲率、地形起伏、地球自转、轨道姿态及投影方式等各种因素的图像,使得卫星图像一般存在各种几何畸变,致使图像上的地物几何形状及位置失真,表现为位移、旋转、缩放、仿射、弯曲和更高阶的歪曲等。为消除这些畸变,提高精度,需要对卫星图像几何畸变进行纠正,生成具有一定地图投影的新图像。
卫星图像几何精校正的步骤包括:
1)地面控制点采集:在获取的油罐卫星图像上,采集多个、具有清晰明显定位标志并尽可能均匀分布的控制点,控制点个数优选25个。
2)几何校正模型选择:采集完地面控制点之后,选择多项式几何校正模型,用于建立图像坐标与参考坐标的关系。
3)图像重采样:采用双线性内插等重采样方法,对油罐卫星图像进行重新插值计算,生成定位精度高、具有地理信息且可量算的几何精校正卫星图像。
图像子区域分割模块根据油罐在几何精校正卫星图像上的阴影边界特征,识别和定位油罐同名弧边P’和P”;
本发明中主要借助同名特征的思想进行油罐高度的提取,这里的同名特征指的是单幅卫星图像上油罐的同名弧边,如图13、图14所示,图像上沿阴影方向上油罐顶部边缘弧P’与油罐阴影外边缘弧P”,这里称P’和P”为同名弧边,其物理意义为油罐顶部边缘的像P’和该边缘阴影的像P”,油罐同名弧边的识别与定位主要根据油罐设施在几何校正图像上的阴影边界特征,进行同名弧边的判读及定位;
同名弧边的识别与定位可采取人机交互模式或专家判读模式。在本发明的一个实施例中,采用人机交互模式,首先基于计算机自动检测阴影边界,然后根据油罐阴影边界结合人工进行同名弧边的优选定位;在本发明的另一个实施例中,采用专家模式,基于专家判读知识,直接进行同名弧边的判读定位。
还包括图像增强模块,所述图像增强模块对图像校正模块输出后的图像进行增强,经图像增强模块输出的图像输入图像子区域分割模块。遥感图像在成像过程中,在曝光不足、曝光过度或受天气影响等条件下,图像灰度可能会局限在一个很小的范围内,显示一个模糊不清、似乎没有灰度层次、不利用人们判读的遥感图像。为提高图像质量、改善图像的视觉效果,突出油罐阴影边界特征信息,使图像变得更为清晰,提高对油罐边界的解象力,必要条件下需对遥感图像进行增强处理。
图像增强是选择空间滤波、直方图修正或灰度变换等方法,对图像进行增强处理,高质量显示图像的油罐区域,生成一幅视觉效果更好、油罐阴影边界更易判读的遥感图像。
还包括同名弧距计算模块,边界点自动捕捉模块根据图像子区域分割模块定位的同名弧边P’和P”,确定相对应的同名弧点A’和A”,计算得到同名弧距A’A”;
同名弧距是本发明中进行油罐高度提取的重要参数,这里定义其含义是指两个同名弧边各自所在的圆与过该圆圆心且斜率为太阳方位的直线在阴影方向的交点之间的距离。过该圆圆心且斜率为太阳方位的直线与两个同名弧边的交点为同名弧点,同名弧距的提取其中重要的环节是关键元素的选取及同名弧点的确定。
具体步骤包括:
步骤S11、在图像子区域分割模块定位的同名弧边上选取关键元素,如图4至图10所示;
基于几何精校正图像,分别在上述定位的油罐同名弧边P’和P”上任选三点,作为输入关键元素,其中:
同名弧边P’上的任三点坐标:P’1(x’1,y’1)、P’2(x’2,y’2)、P’3(x’3,y’3);
同名弧边P”上的任三点坐标:P”1(x"1,y"1)、P”2(x"2,y"2)、P”3(x"3,y"3);
步骤S12、根据步骤S11中选取的关键元素确定相对应的同名弧点A’和A”;
已知P’1、P’2、P’3为同名弧边P’上三点,P”1、P”2、P”3为同名弧边P”上三点,其坐标值可直接基于几何精校正图像读取,则存在:
弧边P’或P”所在圆的圆方程可表达为:
(x-A)2+(y-B)2=R2,圆心坐标M(A,B)、半径为R;
其中弧边P’所在圆的圆心坐标M′(A',B′),半径为R′;弧边P”所在圆的圆心坐标M"(A",B"),半径为R"。
过圆心M且斜率为K的直线方程为:
y=Kx+B-KA;
其中过圆心M′和过圆心M"的直线斜率为ctgγ。
则同名弧点A′(x′,y′)和A"(x",y")的坐标表达式为(即直线与圆在阴影方向的交点):
其中:
K′=ctgγ(γ太阳方位角)
K"=ctgγ(γ太阳方位角)
分别代入后可以得到同名弧点A′(x′,y′)和A"(x",y")的坐标。
步骤S13、计算得到同名弧距;
同名弧距即为同名弧点A′(x′,y′)和A"(x",y")之间的距离,其表达式为:
油罐阴影测高模块将卫星遥感图像浏览模块获取的油罐卫星图像成像参数及边界点自动捕捉模块得到的同名弧距代入油罐测高模型,得到油罐高度;同名弧点的示意图见图11,计算结果示意图见图12
油罐测高模型是本发明的重要内容,基于该测高模型,代入油罐同名弧距及成像参数,可进行油罐高度提取。
具体步骤包括:
步骤S21、构建油罐测高模型;
由图15所示,AA"为太阳光线,AA′为卫星拍摄视线,则同名弧点A′和A"的物理意义即为油罐顶部边缘A点在卫星图像上的像点及其阴影的像点,油罐的高度H即为AO。太阳高度角α,卫星高度角β,太阳方位和卫星方位空间夹角为|γ-θ|则
由空间几何关系知,
A"O=H*ctgα
A’O=H*ctgβ
∠A’OA"=|γ-θ|
由三角关系A’A”2=A′O2+A"O2-2A′O*A"O*COS∠A′OA",得知:
即为圆柱型设施测高模型。
步骤S22、将卫星遥感图像浏览模块获取的油罐卫星图像成像参数及边界点自动捕捉模块提取的同名弧距,利用步骤S21中构建的油罐测高模型,得到油罐高度H。
储油量计算模块根据油罐的高度H和半径为R,根据圆柱公式计算出油罐的体积,从而得到油罐的最大储油量。
本发明的特点及有益效果是:
在评估某一区域的最大储油量时,可基于单幅卫星图像进行油罐高度的精确提取,然后根据公式计算储油罐的体积,无需立体像对或其它特殊设备,放宽了对数据源及仪器的要求,有效避免了人工方式确定同名弧点带来的计算误差,大幅提高了油罐高度的提取速度,可以快速确定某一区域的最大储油量。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于单幅卫星图像的最大储油量提取***,其特征在于,包括卫星遥感图像浏览模块、图像子区域分割模块、边界点自动捕捉模块、油罐阴影测高模块和储油量计算模块;
其中,卫星遥感图像浏览模块用于获取卫星遥感图像操作时的人机交互信息:图像子区域分割模块用于提取油罐目标的轮廓边缘,方便关键点选取;边界点自动捕捉模块用于弧边上的关键点的辅助选取;油罐阴影测高模块用于基于油罐阴影信息计算油罐的高度;储油量计算模块用于根据油罐高度和底部半径计算得到最大储油量。
2.如权利要求1所述的***,其特征在于,卫星遥感图像浏览模块用于在人机交互时,获取油罐卫星图像及拍摄图像时的成像参数;其中所述成像参数包括:太阳高度角α、卫星高度角β、太阳方位角γ和卫星方位角θ。
3.如权利要求2所述的***,其特征在于,所述***还包括图像校正模块,用于对卫星遥感图像浏览模块获取的油罐卫星图像进行几何精校正得到几何精校正图像;
其中,图像校正模块执行下述流程:
1)采集地面控制点:在获取的油罐卫星图像上,采集六个以上、具有清晰明显定位标志并尽可能均匀分布的控制点;
2)选择几何校正模型:选择多项式几何校正模型,建立图像坐标与参考坐标的关系;
3)图像重采样:采用重采样方法,对油罐卫星图像进行重新插值计算,生成几何精校正图像。
4.如权利要求3所述的***,其特征在于,所述图像子区域分割模块根据油罐在几何精校正卫星图像上的阴影边界特征,识别和定位油罐同名弧边P’和P”;其中同名弧边是指遥感图像上油罐顶部边缘的像P’和该边缘阴影的像P”;
同名弧边的识别与定位采取人机交互模式或专家判读模式;
人机交互模式,具体为首先基于计算机自动检测阴影边界,然后根据油罐阴影边界结合人工进行同名弧边的优选定位;
专家模式,基于专家判读知识,直接进行同名弧边的判读定位。
5.如权利要求4所述的***,其特征在于,还包括图像增强模块,所述图像增强模块对图像校正模块输出后的图像进行增强,经图像增强模块输出的图像输入图像子区域分割模块。
6.如权利要求5所述的***,其特征在于,还包括同名弧距计算模块,所述边界点自动捕捉模块根据图像子区域分割模块定位的同名弧边P’和P”,确定相对应的同名弧点A’和A”,经由所述同名弧距计算模块计算得到同名弧距A’A”;
其中过两个同名弧边的圆心且斜率为太阳方位的直线与两个同名弧边的交点为同名弧点,两个同名弧点之间的距离为同名弧距。
7.如权利要求6所述的***,其特征在于,计算同名弧距包括:
在图像子区域分割模块定位的同名弧边上选取关键元素;
根据选取的关键元素确定相对应的同名弧点A’和A”;
计算得到同名弧距。
8.如权利要求7所述的***,其特征在于,在图像子区域分割模块定位的同名弧边上选取关键元素包括:
基于几何精校正图像,分别在上述定位的油罐同名弧边P’和P”上任选三点,作为输入关键元素,其中:
同名弧边P’上的任三点坐标:P’1(x’1,y’1)、P’2(x’2,y’2)、P’3(x’3,y’3);
同名弧边P”上的任三点坐标:P”1(x"1,y"1)、P”2(x"2,y"2)、P”3(x"3,y"3);
确定相对应的同名弧点A’和A”包括:计算圆弧和过圆弧圆心且斜率为太阳方位的直线的交点坐标模型为:
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mi>A</mi>
<mo>-</mo>
<mfrac>
<mi>R</mi>
<msqrt>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>K</mi>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>,</mo>
<mi>B</mi>
<mo>-</mo>
<mfrac>
<mrow>
<mi>K</mi>
<mi>R</mi>
</mrow>
<msqrt>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>K</mi>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>)</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo><</mo>
<mi>&gamma;</mi>
<mo>&le;</mo>
<mn>180</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mi>A</mi>
<mo>+</mo>
<mfrac>
<mi>R</mi>
<msqrt>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>K</mi>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>,</mo>
<mi>B</mi>
<mo>+</mo>
<mfrac>
<mrow>
<mi>K</mi>
<mi>R</mi>
</mrow>
<msqrt>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>K</mi>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>)</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>180</mn>
<mo><</mo>
<mi>&gamma;</mi>
<mo>&le;</mo>
<mn>360</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中:圆心坐标M(A,B)、半径为R的圆的方程为(x-A)2+(y-B)2=R2;过圆心M且斜率为K的直线方程为y=Kx+B-KA;
分别将P’和P”的圆心坐标、半径以及直线斜率ctgγ代入上述交点坐标模型,可得到同名弧点A’(x′,y′)和A”(x",y")的坐标;
同名弧距为同名弧点A’(x′,y′)和A”(x",y")之间的距离,其表达式为:
<mrow>
<msup>
<mi>A</mi>
<mo>,</mo>
</msup>
<msup>
<mi>A</mi>
<mrow>
<mo>,</mo>
<mo>,</mo>
</mrow>
</msup>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>-</mo>
<msup>
<mi>x</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
<mo>-</mo>
<msup>
<mi>y</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>.</mo>
</mrow>
9.如权利要求8所述的***,其特征在于,所述油罐阴影测高模块将卫星遥感图像浏览模块获取的油罐卫星图像成像参数及边界点自动捕捉模块得到的同名弧距代入油罐测高模型,得到油罐高度H。
10.如权利要求9所述的***,其特征在于,所述储油量计算模块根据油罐阴影测高模块得到油罐的高度H和同名弧距计算模块得到的半径R,结合圆柱公式计算出油罐的体积,从而得到油罐的最大储油量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711339329.0A CN108053416B (zh) | 2017-12-14 | 2017-12-14 | 一种基于单幅卫星图像的最大储油量提取*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711339329.0A CN108053416B (zh) | 2017-12-14 | 2017-12-14 | 一种基于单幅卫星图像的最大储油量提取*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108053416A true CN108053416A (zh) | 2018-05-18 |
CN108053416B CN108053416B (zh) | 2020-06-02 |
Family
ID=62132292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711339329.0A Expired - Fee Related CN108053416B (zh) | 2017-12-14 | 2017-12-14 | 一种基于单幅卫星图像的最大储油量提取*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108053416B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210453A (zh) * | 2019-06-14 | 2019-09-06 | 中国资源卫星应用中心 | 一种基于遥感图像特征的油罐存储量确定方法及*** |
CN110276796A (zh) * | 2019-06-25 | 2019-09-24 | 北京四象爱数科技有限公司 | 基于高分辨sar图像的浮顶油罐储量估算方法 |
CN112200858A (zh) * | 2020-10-10 | 2021-01-08 | 长光卫星技术有限公司 | 基于高分辨率光学遥感图像的外浮顶油罐储量分析方法 |
WO2021036066A1 (zh) | 2019-08-23 | 2021-03-04 | 长沙天仪空间科技研究院有限公司 | 一种基于卫星编队的遥感***及星座*** |
CN113781478A (zh) * | 2021-11-09 | 2021-12-10 | 中科星睿科技(北京)有限公司 | 油罐图像检测方法、装置、电子设备和计算机可读介质 |
CN114036971A (zh) * | 2021-11-18 | 2022-02-11 | 中科星睿科技(北京)有限公司 | 油罐信息生成方法、装置、电子设备和计算机可读介质 |
CN114708512A (zh) * | 2022-02-28 | 2022-07-05 | 尔特数据科技(江苏)有限公司 | 一种通过卫星图像估算浮顶油罐原油储量的方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5943164A (en) * | 1994-11-14 | 1999-08-24 | Texas Instruments Incorporated | Curved 3-D object description from single aerial images using shadows |
CN103729853A (zh) * | 2014-01-15 | 2014-04-16 | 武汉大学 | 三维gis辅助下的高分遥感影像建筑物倒损检测方法 |
CN105405148A (zh) * | 2015-11-17 | 2016-03-16 | 中国科学院遥感与数字地球研究所 | 一种结合树木阴影特征的遥感影像毛白杨识别方法 |
WO2017191447A1 (en) * | 2016-05-04 | 2017-11-09 | E M & I (Maritime) Limited | Inspection method |
-
2017
- 2017-12-14 CN CN201711339329.0A patent/CN108053416B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5943164A (en) * | 1994-11-14 | 1999-08-24 | Texas Instruments Incorporated | Curved 3-D object description from single aerial images using shadows |
CN103729853A (zh) * | 2014-01-15 | 2014-04-16 | 武汉大学 | 三维gis辅助下的高分遥感影像建筑物倒损检测方法 |
CN105405148A (zh) * | 2015-11-17 | 2016-03-16 | 中国科学院遥感与数字地球研究所 | 一种结合树木阴影特征的遥感影像毛白杨识别方法 |
WO2017191447A1 (en) * | 2016-05-04 | 2017-11-09 | E M & I (Maritime) Limited | Inspection method |
Non-Patent Citations (1)
Title |
---|
王京卫等: "基于单张遥感影像的城市建筑物高度提取研究", 《测绘通报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210453A (zh) * | 2019-06-14 | 2019-09-06 | 中国资源卫星应用中心 | 一种基于遥感图像特征的油罐存储量确定方法及*** |
CN110210453B (zh) * | 2019-06-14 | 2021-06-29 | 中国资源卫星应用中心 | 一种基于遥感图像特征的油罐存储量确定方法及*** |
CN110276796A (zh) * | 2019-06-25 | 2019-09-24 | 北京四象爱数科技有限公司 | 基于高分辨sar图像的浮顶油罐储量估算方法 |
CN110276796B (zh) * | 2019-06-25 | 2020-01-03 | 北京四象爱数科技有限公司 | 基于高分辨sar图像的浮顶油罐储量估算方法 |
WO2021036066A1 (zh) | 2019-08-23 | 2021-03-04 | 长沙天仪空间科技研究院有限公司 | 一种基于卫星编队的遥感***及星座*** |
CN112200858A (zh) * | 2020-10-10 | 2021-01-08 | 长光卫星技术有限公司 | 基于高分辨率光学遥感图像的外浮顶油罐储量分析方法 |
CN113781478A (zh) * | 2021-11-09 | 2021-12-10 | 中科星睿科技(北京)有限公司 | 油罐图像检测方法、装置、电子设备和计算机可读介质 |
CN113781478B (zh) * | 2021-11-09 | 2022-05-24 | 中科星睿科技(北京)有限公司 | 油罐图像检测方法、装置、电子设备和计算机可读介质 |
CN114036971A (zh) * | 2021-11-18 | 2022-02-11 | 中科星睿科技(北京)有限公司 | 油罐信息生成方法、装置、电子设备和计算机可读介质 |
CN114036971B (zh) * | 2021-11-18 | 2022-05-17 | 中科星睿科技(北京)有限公司 | 油罐信息生成方法、装置、电子设备和计算机可读介质 |
CN114708512A (zh) * | 2022-02-28 | 2022-07-05 | 尔特数据科技(江苏)有限公司 | 一种通过卫星图像估算浮顶油罐原油储量的方法及*** |
CN114708512B (zh) * | 2022-02-28 | 2024-04-26 | 尔特数据科技(江苏)有限公司 | 一种通过卫星图像估算浮顶油罐原油储量的方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN108053416B (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108053416A (zh) | 一种基于单幅卫星图像的最大储油量提取*** | |
Baboud et al. | Automatic photo-to-terrain alignment for the annotation of mountain pictures | |
CN106504189A (zh) | 一种基于gis的海洋受灾面积提取方法 | |
KR100915600B1 (ko) | 지상기준점 표지를 이용한 영상의 3차원 좌표 측정방법 | |
CN110097536A (zh) | 基于深度学习和霍夫变换的六边形螺栓松动检测方法 | |
CN103530881A (zh) | 适用于移动终端的户外增强现实无标志点跟踪注册方法 | |
CN103383773A (zh) | 一种动态提取图像控制点的遥感卫星图像自动正射纠正的框架和方法 | |
CN108775872A (zh) | 基于自动变焦实时图像处理的桥梁挠度检测方法 | |
CN107341781A (zh) | 基于改进相位一致性特征矢量底图匹配的sar影像校正方法 | |
Gonçalves et al. | CHAIR: Automatic image registration based on correlation and Hough transform | |
CN105550994A (zh) | 一种基于卫星影像的无人机影像快速概略拼接方法 | |
CN112819066A (zh) | 一种Res-UNet单木树种分类技术 | |
CN106408600B (zh) | 一种用于太阳高分辨率图像中图像配准的方法 | |
CN107945228B (zh) | 一种基于单幅卫星图像提取油罐高度的方法 | |
CN117115305A (zh) | Cad数据与正射影像匹配叠加方法 | |
CN104156969A (zh) | 基于全景影像景深图的探面方法 | |
CN106339423A (zh) | 一种甘蔗种植信息动态更新方法及装置 | |
Rajani et al. | GIS: an array of tools for archaeology | |
KR20210001688A (ko) | 이미지의 레퍼런스 포인트 자동 추출 시스템 및 방법 | |
Svanem | Terrestrial photogrammetry for velocity measurement of Kronebreen calving front | |
CN118097339B (zh) | 一种基于低空摄影测量的深度学习样本增强方法和装置 | |
CN115909183B (zh) | 一种燃气输送外部环境监测***与监测方法 | |
Wang et al. | A self-adjustive geometric correction method for seriously oblique aero image | |
JP2009086110A (ja) | 景観図作成装置 | |
Pupo-Correia et al. | Landscape repeat photography: solutions to improve efficiency of a useful tool for vegetation research |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200602 |
|
CF01 | Termination of patent right due to non-payment of annual fee |