CN112561805A - 一种几何粗校正影像的校正方法及装置 - Google Patents
一种几何粗校正影像的校正方法及装置 Download PDFInfo
- Publication number
- CN112561805A CN112561805A CN202011262113.0A CN202011262113A CN112561805A CN 112561805 A CN112561805 A CN 112561805A CN 202011262113 A CN202011262113 A CN 202011262113A CN 112561805 A CN112561805 A CN 112561805A
- Authority
- CN
- China
- Prior art keywords
- rpc
- image
- correction
- determining
- remote sensing
- 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.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012952 Resampling Methods 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 238000003702 image correction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- BWSIKGOGLDNQBZ-LURJTMIESA-N (2s)-2-(methoxymethyl)pyrrolidin-1-amine Chemical compound COC[C@@H]1CCCN1N BWSIKGOGLDNQBZ-LURJTMIESA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 241000668842 Lepidosaphes gloverii Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种几何粗校正影像的校正方法及装置,该方法包括:从待校正的几何粗校正影像中自动提取控制点,根据所述控制点以及预设的数字高程模型计算得到初始RPC参数;从预设的数据库中确定出所述待校正的几何粗校正影像对应的参考影像,将所述参考影像与所述待校正的几何粗校正影像进行同名点匹配确定出多个同名控制点,根据所述同名控制点以及所述初始RPC参数计算RPC修正参数;根据所述RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数,根据所述优化后的RPC参数以及所述数字高程模型生成校正后的正射影像。本申请解决了现有技术中校正后的影像精度和效果较差、适应性较差的技术问题。
Description
技术领域
本申请涉及遥感影像校正技术领域,尤其涉及一种几何粗校正影像的校正方法及装置。
背景技术
随着遥感对地观测技术数十年的发展,积累和保存海量的历史卫星影像数据,这其中包含大量卫星唯一存档的几何粗校正产品或经过正射校正处理后扔残余较大误差无法满足镶嵌或重叠区域变化信息提取要求的“伪”正射数据等几何粗校正影像,例如,几何粗校正产品包括CBERS系列、HJ系列。由于几何粗校正影像仍存在较大的误差,因此需要对几何粗校正影像进行“二次”校正处理。
目前,对几何粗校正影像进行“二次”校正处理的过程主要是:通过人工或半自动的方式从几何粗校正影像中提取控制点,然后,根据依赖二维平面控制点去纠正三维地形变化的问题。但是现有技术中,一方面通过人工或半自动的方式从几何粗校正影像中提取控制点数量有限;另一方面,由于影像存在内部几何误差,依赖二维平面控制点去纠正三维地形变化的问题时,对于局部误差变化较大的区域,在纠正某些区域的同时会将周边区域变形扩大,“顾此失彼”引入新的误差,且一般适用于平坦区域,受地形起伏影响,局限性明显。因此,现有针对几何粗校正影像校正的方法,不仅导致校正后的影像精度以及效果较差的问题,还使得适应性较差。
发明内容
本申请解决的技术问题是:针对现有技术中校正后的影像精度和效果较差以及适应性较差问题的,提供了一种几何粗校正影像的校正方法及装置,本申请实施例所提供的方案中,自动从几何粗校正影像中提取控制点保证了控制点的数量和提取效率,通过将数字高程模型引入几何粗校正影像的校正过程,不仅避免了传统校正过程中依赖二维平面控制点纠正地形变化所导致的校正后的影像精度以及效果较差的问题,还提高了方案的适应性。
第一方面,本申请实施例提供一种几何粗校正影像的校正方法,该方法包括:
从待校正的几何粗校正影像中自动提取控制点,根据所述控制点以及预设的数字高程模型计算得到初始RPC参数;
从预设的数据库中确定出所述待校正的几何粗校正影像对应的参考影像,通过预设的密集匹配方法从所述参考影像中确定出多个同名控制点,根据所述同名控制点以及所述初始RPC参数计算RPC修正参数;
根据所述RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数,根据所述优化后的RPC参数以及所述数字高程模型生成校正后的正射影像。
可选地,从待校正的几何粗校正影像中自动提取控制点,包括:
根据预设的采样比例对所述待校正的几何粗校正影像进行重采样得到第一重采样遥感影像,根据每个像点的像素值从所述第一重采样遥感影像中确定出有效图像区域;
根据预设的窗口大小在所述第一重采样遥感影像中设置多个第一网格单元,分别对每个所述第一网格单元进行筛选确定出处于所述有效图像区域中的所有第二网格单元;
确定出每个所述第二网格单元的角点,并将确定出的所有角点作为所述控制点。
可选地,根据所述控制点以及预设的数字高程模型计算得到初始RPC参数,包括:
确定每个所述控制点在所述第一重采样遥感影像中的行列号,根据所述行列号以及所述预设的数字高程模型计算得到所述每个控制点对应的经纬度信息和高程信息;
根据所述经纬度信息和高程信息确定出所述每个控制点的地面坐标以及在所述第一重采样遥感影像中确定出所述每个控制点对应的像点坐标;
根据所述行列号、所述地面坐标以及所述像点坐标确定出所述每个控制点对应正则化的像点坐标和正则化的地面坐标;
根据所述行列号、所述正则化的像点坐标以及所述正则化的地面坐标计算得到所述初始化RPC参数。
可选地,通过预设的密集匹配方法从所述参考影像中确定出多个同名控制点,包括:
将所述参考影像进行重采样得到第二重采样遥感影像,其中,所述第二重采样遥感影像与所述第一重采样遥感影像的分辨率相同;
确定所述有效图像区域的所有网格单元在所述第一采样遥感影像中的位置信息,根据所述位置信息以及所述预设的窗口大小在所述第二重样遥感影像中设置多个第三网格单元;
根据所述预设的密集匹配方法分别将每个相同位置的所述第三网格单元与所述第二网格单元进行同名点匹配得到多个同名控制点,其中,每个所述同名控制点为所述第三网格单元中任一像素点。
可选地,根据所述同名控制点以及所述初始RPC参数计算RPC修正参数,包括:
确定每个所述同名控制点的在所述第二重采样遥感影像中的行列号、经纬度信息以及高程信息,根据所述每个同名控制点对应的行列号、经纬度信息以及高程信息计算得到参考RPC参数;
根据所述参考RPC参数和所述初始RPC参数计算得到所述RPC修正参数。
可选地,根据所述参考RPC参数和所述初始RPC参数计算得到所述RPC修正参数,包括:
根据所述参考RPC参数和所述初始RPC参数计算得到RPC参数误差方程,将所述RPC参数误差方程进行线性化处理得到线性化的RPC参数误差方程;
根据所述线性化的RPC参数误差方程求解得到初始RPC修正参数,并判断所述初始RPC修正参数是否在预设的限定范围内;
若不在,则继续迭代计算得到新的RPC修正参数,直到所述新的RPC修正参数在所述预设的限定范围内为止,确定当前迭代次数;
判断所述当前迭代次数是否大于预设阈值;
若不大于所述预设阈值,则继续迭代计算得到RPC修正参数,直到迭代次数大于所述预设阈值为止,确定出最后一次迭代得到的RPC修正参数,并根据所述最后一次迭代得到的RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数。
第二方面,本申请实施例提供了一种几何粗校正影像的校正装置,该装置包括:
计算单元,用于从待校正的几何粗校正影像中自动提取控制点,根据所述控制点以及预设的数字高程模型计算得到初始RPC参数;
确定单元,用于从预设的数据库中确定出所述待校正的几何粗校正影像对应的参考影像,通过预设的密集匹配方法从所述参考影像中确定出多个同名控制点,根据所述同名控制点以及所述初始RPC参数计算RPC修正参数;
校正单元,用于根据所述RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数,根据所述优化后的RPC参数以及所述数字高程模型生成校正后的正射影像。
可选地,所述计算单元,具体用于:根据预设的采样比例对所述待校正的几何粗校正影像进行重采样得到第一重采样遥感影像,根据每个像点的像素值从所述第一重采样遥感影像中确定出有效图像区域;根据预设的窗口大小在所述第一重采样遥感影像中设置多个第一网格单元,分别对每个所述第一网格单元进行筛选确定出处于所述有效图像区域中的所有第二网格单元;确定出每个所述第二网格单元的角点,并将确定出的所有角点作为所述控制点。
可选地,所述计算单元,具体用于:确定每个所述控制点在所述第一重采样遥感影像中的行列号,根据所述行列号以及所述预设的数字高程模型计算得到所述每个控制点对应的经纬度信息和高程信息;根据所述经纬度信息和高程信息确定出所述每个控制点的地面坐标以及在所述第一重采样遥感影像中确定出所述每个控制点对应的像点坐标;根据所述行列号、所述地面坐标以及所述像点坐标确定出所述每个控制点对应正则化的像点坐标和正则化的地面坐标;根据所述行列号、所述正则化的像点坐标以及所述正则化的地面坐标计算得到所述初始化RPC参数。
可选地,所述确定单元,具体用于:将所述参考影像进行重采样得到第二重采样遥感影像,其中,所述第二重采样遥感影像与所述第一重采样遥感影像的分辨率相同;确定所述有效图像区域的所有网格单元在所述第一采样遥感影像中的位置信息,根据所述位置信息以及所述预设的窗口大小在所述第二重样遥感影像中设置多个第三网格单元;根据所述预设的密集匹配方法分别将每个相同位置的所述第三网格单元与所述第二网格单元进行同名点匹配得到多个同名控制点,其中,每个所述同名控制点为所述第三网格单元中任一像素点。
可选地,所述确定单元,具体用于:确定每个所述同名控制点的在所述第二重采样遥感影像中的行列号、经纬度信息以及高程信息,根据所述每个同名控制点对应的行列号、经纬度信息以及高程信息计算得到参考RPC参数;根据所述参考RPC参数和所述初始RPC参数计算得到所述RPC修正参数。
可选地,所述确定单元,具体用于:根据所述参考RPC参数和所述初始RPC参数计算得到RPC参数误差方程,将所述RPC参数误差方程进行线性化处理得到线性化的RPC参数误差方程;根据所述线性化的RPC参数误差方程求解得到初始RPC修正参数,并判断所述初始RPC修正参数是否在预设的限定范围内;若不在,则继续迭代计算得到新的RPC修正参数,直到所述新的RPC修正参数在所述预设的限定范围内为止,确定当前迭代次数;判断所述当前迭代次数是否大于预设阈值;若不大于所述预设阈值,则继续迭代计算得到RPC修正参数,直到迭代次数大于所述预设阈值为止,确定出最后一次迭代得到的RPC修正参数,并根据所述最后一次迭代得到的RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数。
与现有技术相比,本申请实施例所提供的方案具有如下有益效果:
1、在本申请实施例所提供的方案中,自动从几何粗校正影像中提取控制点保证了控制点的数量和提取效率,通过将数字高程模型引入几何粗校正影像的校正过程,不仅避免了传统校正过程中依赖二维平面控制点纠正地形变化所导致的校正后的影像精度以及效果较差的问题,还提高了方案的适应性;
2、在本申请实施例所提供的方案中,不仅通过密集匹配的方法从参考图像中获取多个同名控制点保证了同名控制点的数据和均匀分布,还通过构建RPC参数误差方程以及预设的约束条件迭代求取RPC修正参数以及通过RPC修正参数对初始RPC参数进行优化保证了控制点的精度,避免了传统校正过程中控制点数量少、精度要求过高和分布严格受限的问题。
附图说明
图1为本申请实施例所提供的一种几何粗校正影像的校正方法的流程示意图;
图2为本申请实施例所提供的一种第一重采样遥感图像的网格单元划分示意图;
图3为本申请实施例所提供的一种参考影像的多个同名控制点的示意图;
图4为本申请实施例所提供的一种求解RPC修正参数的简易流程示意图;
图5a为本申请实施例所提供的一种待校正的几何粗校正影像的遥感图像;
图5b为本申请实施例所提供的一种待校正的几何粗校正影像的遥感图像中地形变化图;
图6a为本申请实施例所提供的一种平原地区传统方案校正后的遥感影像、本申请方案校正后的遥感影像与参考影像的对比图;
图6b为本申请实施例所提供的一种平原地区传统方案校正后的遥感影像与参考影像的对比图;
图6c为本申请实施例所提供的一种平原地区本申请方案校正后的遥感影像与参考影像的对比图;
图7a为本申请实施例所提供的一种山区传统方案校正后的遥感影像、本申请方案校正后的遥感影像与参考影像的对比图;
图7b为本申请实施例所提供的一种山区传统方案校正后的遥感影像与参考影像的对比图;
图7c为本申请实施例所提供的一种山区本申请方案校正后的遥感影像与参考影像的对比图;
图8为本申请实施例所提供的一种几何粗校正影像的校正装置的结构示意图。
具体实施方式
本申请实施例提供的方案中,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
以下结合说明书附图对本申请实施例所提供的一种几何粗校正影像的校正方法做进一步详细的说明,该方法具体实现方式可以包括以下步骤(方法流程如图1所示):
步骤101,计算机设备从待校正的几何粗校正影像中自动提取控制点,根据所述控制点以及预设的数字高程模型计算得到初始RPC参数。
具体的,在本申请实施例所提供的方案中,从待校正的几何粗校正影像中自动提取控制点的方式有多中,下面以一种较佳的方式为例进行说明。
在一种可能实现的方式中,从待校正的几何粗校正影像中自动提取控制点,包括:根据预设的采样比例对所述待校正的几何粗校正影像进行重采样得到第一重采样遥感影像,根据每个像点的像素值从所述第一重采样遥感影像中确定出有效图像区域;根据预设的窗口大小在所述第一重采样遥感影像中设置多个第一网格单元,分别对每个所述第一网格单元进行筛选确定出处于所述有效图像区域中的所有第二网格单元;确定出每个所述第二网格单元中位于所述有效图像区域的角点,并将确定出的所有角点作为所述控制点。
具体的,一般待校正的几何粗校正影像的像素点比较多,在对待校正的几何粗校正影像进行控制点提取时为了减少计算工作量,提高校正效率,通常需要对待校正的几何粗校正影像进行重采样得到重采样遥感影像,然后在重采样遥感影像中提取控制点。
进一步,在预设坐标系中计算机设备在保存遥感影像时一般是以矩阵形式保存的,但是对于预设坐标系而言中几何粗校正影像在保存时一般是斜着放置的,计算机设备在保存需要几何粗校正影像时需要在几何粗校正影像对应的有效图像区域(像素值为1的区域)的***填设无效图像区域(像素值为0的区域)以得到矩形形式。因此,计算机设备在从第一重采样遥感影像提取控制点时,需要从第一重采样遥感影像确定几何粗校正影像对应的有效图像区域,然后根据预设的窗口大小以及预设的间隔在所述第一重采样遥感影像中设置多个第一网格单元,其中,每个第一网格单元包括多个像素点,由于第一重采样遥感影像中存在有效图像区域和无效图像区域,在设置完第一网格单元之后,需要对网格单元进行筛选,筛选出位于有效图像区域的第二网格单元。具体的,从第一网格中筛选出位于有效区域的第二网格单元的方式有多种,例如,确定每个第一网格单元中的所有角点,以及确定出每个角点的像素值,根据所述像素值确定出像素值为1的角点的数目,若数目大于预设数目则确定该第一网格单元位于有效图像区域,将该第一网格单元作为第二网格单元。
进一步,从多个所述第一网格单元中确定出所有位于有效图像区域的第二网格单元之后,确定出每个所述第二网格单元中位于有效图像区域中的角点,并将确定出的所有角点作为控制点。
为例便于理解上述从待校正的几何粗校正影像自动提取控制点的过程,下面以举例的形式进行说明。
例如,参见图2,将输入的待校正的几何粗校正影像以1∶100的比例进行重采样得到第一重采样遥感影像,然后对第一重采样遥感影像上下左右每个边缘分别从上下和左右两个方向进行有效值判读,其中,有效值判断是指对每个像素点的像素值进行判读,根据判读结果确定出像素值为1的有效图像区域,并在第一重采样遥感影像中勾勒出所述有效图像区域。按256*256预设窗口大小将有效图像区域进行网格划分得到多个第一网格单元,然后从多个网格单元中筛选出位于有效图像区域的第二网格单元,确定出每个第二网格单元中的位于有效图像区域的角点,并将确定出的所有角点作为控制点。
进一步,在确定控制点之后,需要根据控制点以及预设的数字高程模型计算得到初始RPC参数。具体的,根据控制点以及预设的数字高程模型计算得到初始RPC参数的方式有多种,下面以一种较佳的方式为例进行说明。
在一种可能实现的方式中,根据所述控制点以及预设的数字高程模型计算得到初始RPC参数,包括:确定每个所述控制点在所述第一重采样遥感影像中的行列号,根据所述行列号以及所述预设的数字高程模型计算得到所述每个控制点对应的经纬度信息和高程信息;根据所述经纬度信息和高程信息确定出所述每个控制点的地面坐标以及在所述第一重采样遥感影像中确定出所述每个控制点对应的像点坐标;根据所述行列号、所述地面坐标以及所述像点坐标确定出所述每个控制点对应正则化的像点坐标和正则化的地面坐标;根据所述行列号、所述正则化的像点坐标以及所述正则化的地面坐标计算得到所述初始化RPC参数。
具体的,在本申请实施例所提供的方案中,在确定出每个所述控制点在所述第一重采样遥感影像中的行列号之后,根据行列号计算初始化RPC参数具体步骤如下所示:
(1-1)、根据每个控制点的行列号计算其对应的地面经纬度坐标,以及通过预设的数字高程模型(Digital Elevation Model,DEM)获得每个控制点对应的高程信息。
具体的,通过下式计算每个控制点对应的经纬度信息:
其中,B表示每个控制点的纬度坐标;L表示每个控制点的经度坐标;x表示每个控制点所对应的行号;y表示每个控制点所对应的列号;dfGeoTrans[m]表示预设的变换参数,m=1,2,3,4,5,6。
进一步,根据预设的数字高程模型以及每个控制点的经纬度坐标通过下式计算每个控制点的高程信息:
H=f(B,L) (2)
其中,H表示每个控制点的高程信息;f(B,L)表示预设的数字高程模型。
(1-2)、根据每个控制点对应的经纬度信息以及高程信息计算初始有理多项系数(Rational Polynomial Coefficient,RPC)参数。
首先,在第一重采样遥感影像中确定每个控制点对应的像点坐标,以及根据每个控制点的经纬度信息以及高程信息确定出每个控制点对应的地面坐标(B,L,H),然后根据每个控制点的行列号、像点坐标以及地面坐标通过下式计算每个像点对应的正则化的像点坐标和正则化的地面坐标:
其中,(X′,Y′)表示每个控制点对应的正则化的像点坐标;(B′,L′,H′)表示每个控制点对应的正则化的地面坐标;Sample表示每个控制点对应的行号;line表示每个控制点对应的列号;Latitude表示每个控制点对应的纬度坐标;Longitude表示每个控制点对应的经度坐标;Height表示每个控制点对应的高程信息;SAMP_OFF,SAMP_SCALE,LINE_OFF,LINE_SCALE表示像点坐标对应的正则化参数;LAT_OFF,LAT_SCALE,LONG_OFF,LONG_SCALE,HEIGHT_OFF,HEIGHT_SCALE表示地面坐标对应的正则化参数。
进一步,上述像点坐标对应的正则化参数以及地面坐标对应的正则化参数通过如下公式计算得到:
其中,(xi,yi)表示第i个控制点的像点坐标,i=1,2,…,k,k表示控制点的数目;(Bi,Li,Hi)表示第i个控制点的地面坐标。
进一步,在有理多项式函数模型包括78个有理多项系数,而78个参数之间存在一定的关联关系。在本申请实施例所提供的方案中,控制点的分布某种程度上与图像配准效率有关,在配准效率较高的前提下,为了提高计算效率,保证有理多项系数的相对独立以及消除方程病态对有理多项系数求解精度的影响,在此选择一部分RPC参数进行求解,例如,部分RPC参数为(a1~a20,b1~b20,c1~c20,d1~d20)。
具体的,通过下式计算部分初始RPC参数:
Nums(B′,L′,H′)=c1+c2L′+c3B′+c4H′+c5L′B′+c6L′H′+c7B′H′+c8L′2+c9B′2+c10H′2+c11B′L′H′+c12L′3+c13L′B′2+c14L′H′2+c15L′2B′+c16B′3+c17B′H′2+c18L′2H′+c19B′2H′+c20H′3Dens(B′,L′,H′)=d1+d2L′+d3B′+d4H′+d5L′B′+d6L′H′+d7B′H′+d8L′2+d9B′2+d10H′2+d11B′L′H′+d12L′3+d13L′B′2+d14L′H′2+d15L′2B′+d16B′3+d17B′H′2+d18L′2H′+d19B′2H′+d20H′3 (8)
NumL(B′,L′,H′)=a1+a2L′+a3B′+a4H′+a5L′B′+a6L′H′+a7B′H′+a8L′2+a9B′2+a10H′2+a11B′L′H′+a12L′3+a13L′B′2+a14L′H′2+a15L′2B′++a8L′2+a9B′2+a10H′2+a11B′L′H′+a12L′3+a13L′B′2+a14L′H′2+a15L′2B′+a16B′3+a17B′H′2+a18L′2H′+a19B′2H′+a20H′3 (9)
DenL(B′,L′,H′)=b1+b2L′+b3B′+b4H′+b5L′B′+b6L′H′+b7B′H′+b8L′2+b9B′2+b10H′2+b11B′L′H′+b12L′3+b13L′B′2+b14L′H′2+b15L′2B′+b16B′3+b17B′H′2+b18L′2H′+b19B′2H′+b20H′3 (10)
其中,ai,bi,ci,di表示有理函数模型的系数,即初始RPC参数,i=1,2,…,20;b1,d1表示常数,通常为1。
步骤102,计算机设备从预设的数据库中确定出所述待校正的几何粗校正影像对应的参考影像,通过预设的密集匹配方法从所述参考影像中确定出多个同名控制点,根据所述同名控制点以及所述初始RPC参数计算RPC修正参数。
在本申请实施例所提供的方案中,计算机设备设置有多个遥感影像对应的参考影像,参考影像是指经过精细校正的遥感影像。在进行同名点匹配之前,需要从预设的数据库中确定出待校正的几何粗校正影像对应的参考影像。具体的,从预设的数据中确定出待校正的几何粗校正影像对应的参考影像的方式有多种,例如,首先确定待校正的几何粗校正影像最小外扩矩阵,然后根据最小外扩矩阵从预设数据库中提取待校正的几何粗校正影像对应的参考影像。
进一步,从预设的数据库中确定出待校正的几何粗校正影像对应的参考影像之后,将参考影像与待校正的几何粗校正影像进行同名点匹配确定出多个同名控制点,其中,同名控制点可以是参考影像中与控制点对应的点,也可以是其他点,例如,其他点包括但不限制于参考影像中与待校正的几何粗校正影像具有相同名称的地物点、路径交点或起伏点等,参见图3所示,为本申请实施例所提供的一种参考影像中多个同名控制点的示意图。具体的,从参考影像中确定出多个同名控制点的方式有多种,下面以一种较佳的方式为例进行说明。
在一种可能实现的方式中,通过预设的密集匹配方法从所述参考影像中确定出多个同名控制点,包括:将所述参考影像进行重采样得到第二重采样遥感影像,其中,所述第二重采样遥感影像与所述第一重采样遥感影像的分辨率相同;确定所述有效图像区域的所有网格单元在所述第一采样遥感影像中的位置信息,根据所述位置信息以及所述预设的窗口大小在所述第二重样遥感影像中设置多个第三网格单元;根据所述预设的密集匹配方法分别将每个相同位置的所述第三网格单元与所述第二网格单元进行同名点匹配得到多个同名控制点,其中,每个所述同名控制点为所述第三网格单元中任一像素点。
进一步,在确定出多个同名控制点之后,根据同名控制点以及初始RPC参数计算RPC修正参数。具体的,根据同名控制点以及初始RPC参数计算RPC修正参数的方式有多种,下面以一种较佳的方式为例进行说明。
在一种可能实现的方式中,根据所述同名控制点以及所述初始RPC参数计算RPC修正参数,包括:确定每个所述同名控制点的在所述第二重采样遥感影像中的行列号、经纬度信息以及高程信息,根据所述每个同名控制点对应的行列号、经纬度信息以及高程信息计算得到参考RPC参数;根据所述参考RPC参数和所述初始RPC参数计算得到所述RPC修正参数。
具体的,在参考影像对应的第二重采样遥感影像中确定出每个同名控制点的行列号,根据每个同名控制点的行列号通过公式(1)计算得到每个同名控制点对应的地面经纬度坐标,然后通过DEM模型、地面经纬度坐标以及公式(2)计算得到每个控制点对应的高程信息,然后根据上述公式(3)~(10)计算出参考RPC参数,再根据参考RPC参数与初始RPC参数计算得到RPC修正参数。在本申请实施例所提供的方案中,根据参考RPC参数和初始RPC参数计算得到RPC修正参数的方式有多种,下面以一种较佳的方式为例进行说明。
在一种可能实现的方式中,根据所述参考RPC参数和所述初始RPC参数计算得到所述RPC修正参数,包括:
根据所述参考RPC参数和所述初始RPC参数计算得到RPC参数误差方程,将所述RPC参数误差方程进行线性化处理得到线性化的RPC参数误差方程;
根据所述线性化的RPC参数误差方程求解得到初始RPC修正参数,并判断所述初始RPC修正参数是否在预设的限定范围内;
若不在,则继续迭代计算得到新的RPC修正参数,直到所述新的RPC修正参数在所述预设的限定范围内为止,确定当前迭代次数;
判断所述当前迭代次数是否大于预设阈值;
若不大于所述预设阈值,则继续迭代计算得到RPC修正参数,直到迭代次数大于所述预设阈值为止,确定出最后一次迭代得到的RPC修正参数,并根据所述最后一次迭代得到的RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数。
具体的,首先分别将初始RPC参数以及参考RPC参数分别带入到公式(7)中得到两组方程,将两组方程做差得到RPC参数的误差方程,然后将RPC参数的误差方程进行线性化处理得到如下误差方程:
进一步,将上述公式(11)进行变形得到如下公式:
V=AΔ-l (12)
进一步,通过最小二乘法根据上述公式(12)计算可得RPC修正参数如下所示:
Δ=[ΔB ΔL ΔH]T=(ATA)-1ATl (13)
具体的,在求解RPC修正参数过程中由于未知数之间存在相关性,在计算算过程中会用岭估计算法替代最小二乘迭代求解,直至求解出的RPC修正参数在预设的限定范围内为止,参见图4为本申请实施例所提供的一种求解RPC修正参数的简易流程示意图。
在本申请实施例所提供的方案中,不仅通过密集匹配的方法从参考图像中获取多个同名控制点保证了同名控制点的数据和均匀分布,还通过构建RPC参数误差方程以及预设的约束条件迭代求取RPC修正参数以及通过RPC修正参数对初始RPC参数进行优化保证了控制点的精度,避免了传统校正过程中控制点数量少、精度要求过高和分布严格受限的问题
步骤103,计算机设备根据所述RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数,根据所述优化后的RPC参数以及所述数字高程模型生成校正后的正射影像。
在本申请实施例所提供的方案中,计算机设备在计算出RPC修正参数之后,根据RPC修正参数对初始RPC参数进行优化得到优化后的RPC参数,然后将优化后的RPC参数带入到公式(3)~(7)中重新计算每个控制点的经纬度信息以及高程信息,然后根据重新计算后的每个控制点的经纬度信息、高程信息以及DEM模型生成校正后的正射影像。
应理解,在本申请实施例所提供的方案中,计算机设备包括但不限制于台式电脑、笔记本电脑或具有图像数据处理功能的服务器等,计算机设备在对待校正的几何粗校正影像进行二次校正时,不仅需要涉及硬件环境,还涉及软件环境,下面对计算机设备的硬件环境和软件环境以举例的形式进行简要介绍。
(1)硬件环境
例如,计算机设备硬件包括:两路十核主频2.0GHZ处理器,浪潮机架式服务器128GB内存以及显卡,其中,显卡型号为NVIDIA P40,显卡的大小为22GB。
(2)软件环境
例如,软件环境包括:服务器操作***:Red-Hat 7.2;OpenCV库:3.0版本;GDAL库:2.1.3版本;Gcc:4.7以上版本。
进一步,在本申请实施例所提供的的方案中,计算机设备对几何粗校正影像进行二次校正得到校正后的正射影像之后,为了便于说明通过本申请实施例所提供的方案对几何粗校正影像进行校正的效果,下面以举例的形式对校正效果进行说明。
例如,待校正的几何粗校正影像为4景CBERS04星level2级归档产品,该产品为经***级几何校正的几何粗校正产品;参考影像为2米分辨率正射影像,平面精度5米以内(山地);数字高程模型DEM:全球30m分辨率DEM数据。参见表1是本申请实施例所提供的方案与传统方案的校正结果对比数据。
表1
进一步,参见图5a和图5b,其中,为本申请实施例所提供的一种待校正的几何粗校正影像的遥感图像图;5b为本申请实施例所提供的一种待校正的几何粗校正影像的遥感图像中地形变化图;参见图6a为本申请实施例所提供的一种平原地区传统方案校正后的遥感影像、本申请方案校正后的遥感影像与参考影像的对比图;参见图6b为本申请实施例所提供的一种平原地区传统方案校正后的遥感影像与参考影像的对比图;参见图6c为本申请实施例所提供的一种平原地区本申请方案校正后的遥感影像与参考影像的对比图;参见图7a为本申请实施例所提供的一种山区传统方案校正后的遥感影像、本申请方案校正后的遥感影像与参考影像的对比图;参见图7b为本申请实施例所提供的一种山区传统方案校正后的遥感影像与参考影像的对比图;参见图7c为本申请实施例所提供的一种山区本申请方案校正后的遥感影像与参考影像的对比图。参见表2,为校正前后几何精度。
表2
在本申请实施例所提供的方案中,通过自动从几何粗校正影像中提取控制点,以及通过预设的数字高程模型反向求解初始RPC参数,然后通过提取参考图像同名控制点对几何粗校正影像对应的初始RPC参数进行优化调整,剔除几何粗校正影像自身存在错误的地理坐标和投影信息,因此,本申请实施例所提供的方案中,自动从几何粗校正影像中提取控制点保证了控制点的数量和提取效率,通过将数字高程模型引入几何粗校正影像的校正过程,不仅避免了传统校正过程中依赖二维平面控制点纠正地形变化所导致的校正后的影像精度以及效果较差的问题,还提高了方案的适用性。
基于与图1所示的方法相同的发明构思,本申请实施例提供了一种几何粗校正影像的校正装置,参见图8,该装置包括:
计算单元801,用于从待校正的几何粗校正影像中自动提取控制点,根据所述控制点以及预设的数字高程模型计算得到初始RPC参数;
确定单元802,用于从预设的数据库中确定出所述待校正的几何粗校正影像对应的参考影像,通过预设的密集匹配方法从所述参考影像中确定出多个同名控制点,根据所述同名控制点以及所述初始RPC参数计算RPC修正参数;
校正单元803,用于根据所述RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数,根据所述优化后的RPC参数以及所述数字高程模型生成校正后的正射影像。
可选地,所述计算单元801,具体用于:根据预设的采样比例对所述待校正的几何粗校正影像进行重采样得到第一重采样遥感影像,根据每个像点的像素值从所述第一重采样遥感影像中确定出有效图像区域;根据预设的窗口大小在所述第一重采样遥感影像中设置多个第一网格单元,分别对每个所述第一网格单元进行筛选确定出处于所述有效图像区域中的所有第二网格单元;确定出每个所述第二网格单元的角点,并将确定出的所有角点作为所述控制点。
可选地,所述计算单元801,具体用于:确定每个所述控制点在所述第一重采样遥感影像中的行列号,根据所述行列号以及所述预设的数字高程模型计算得到所述每个控制点对应的经纬度信息和高程信息;根据所述经纬度信息和高程信息确定出所述每个控制点的地面坐标以及在所述第一重采样遥感影像中确定出所述每个控制点对应的像点坐标;根据所述行列号、所述地面坐标以及所述像点坐标确定出所述每个控制点对应正则化的像点坐标和正则化的地面坐标;根据所述行列号、所述正则化的像点坐标以及所述正则化的地面坐标计算得到所述初始化RPC参数。
可选地,所述确定单元802,具体用于:将所述参考影像进行重采样得到第二重采样遥感影像,其中,所述第二重采样遥感影像与所述第一重采样遥感影像的分辨率相同;确定所述有效图像区域的所有网格单元在所述第一采样遥感影像中的位置信息,根据所述位置信息以及所述预设的窗口大小在所述第二重样遥感影像中设置多个第三网格单元;根据所述预设的密集匹配方法分别将每个相同位置的所述第三网格单元与所述第二网格单元进行同名点匹配得到多个同名控制点,其中,每个所述同名控制点为所述第三网格单元中任一像素点。
可选地,所述确定单元802,具体用于:确定每个所述同名控制点的在所述第二重采样遥感影像中的行列号、经纬度信息以及高程信息,根据所述每个同名控制点对应的行列号、经纬度信息以及高程信息计算得到参考RPC参数;根据所述参考RPC参数和所述初始RPC参数计算得到所述RPC修正参数。
可选地,所述确定单元802,具体用于:根据所述参考RPC参数和所述初始RPC参数计算得到RPC参数误差方程,将所述RPC参数误差方程进行线性化处理得到线性化的RPC参数误差方程;根据所述线性化的RPC参数误差方程求解得到初始RPC修正参数,并判断所述初始RPC修正参数是否在预设的限定范围内;若不在,则继续迭代计算得到新的RPC修正参数,直到所述新的RPC修正参数在所述预设的限定范围内为止,确定当前迭代次数;判断所述当前迭代次数是否大于预设阈值;若不大于所述预设阈值,则继续迭代计算得到RPC修正参数,直到迭代次数大于所述预设阈值为止,确定出最后一次迭代得到的RPC修正参数,并根据所述最后一次迭代得到的RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种几何粗校正影像的校正方法,其特征在于,包括:
从待校正的几何粗校正影像中自动提取控制点,根据所述控制点以及预设的数字高程模型计算得到初始RPC参数;
从预设的数据库中确定出所述待校正的几何粗校正影像对应的参考影像,通过预设的密集匹配方法从所述参考影像中确定出多个同名控制点,根据所述同名控制点以及所述初始RPC参数计算RPC修正参数;
根据所述RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数,根据所述优化后的RPC参数以及所述数字高程模型生成校正后的正射影像。
2.如权利要求1所述的方法,其特征在于,从待校正的几何粗校正影像中自动提取控制点,包括:
根据预设的采样比例对所述待校正的几何粗校正影像进行重采样得到第一重采样遥感影像,根据每个像点的像素值从所述第一重采样遥感影像中确定出有效图像区域;
根据预设的窗口大小在所述第一重采样遥感影像中设置多个第一网格单元,分别对每个所述第一网格单元进行筛选确定出处于所述有效图像区域中的所有第二网格单元;
确定出每个所述第二网格单元的角点,并将确定出的所有角点作为所述控制点。
3.如权利要求2所述的方法,其特征在于,根据所述控制点以及预设的数字高程模型计算得到初始RPC参数,包括:
确定每个所述控制点在所述第一重采样遥感影像中的行列号,根据所述行列号以及所述预设的数字高程模型计算得到所述每个控制点对应的经纬度信息和高程信息;
根据所述经纬度信息和高程信息确定出所述每个控制点的地面坐标以及在所述第一重采样遥感影像中确定出所述每个控制点对应的像点坐标;
根据所述行列号、所述地面坐标以及所述像点坐标确定出所述每个控制点对应正则化的像点坐标和正则化的地面坐标;
根据所述行列号、所述正则化的像点坐标以及所述正则化的地面坐标计算得到所述初始化RPC参数。
4.如权利要求3所述的方法,其特征在于,通过预设的密集匹配方法从所述参考影像中确定出多个同名控制点,包括:
将所述参考影像进行重采样得到第二重采样遥感影像,其中,所述第二重采样遥感影像与所述第一重采样遥感影像的分辨率相同;
确定所述有效图像区域的所有网格单元在所述第一采样遥感影像中的位置信息,根据所述位置信息以及所述预设的窗口大小在所述第二重样遥感影像中设置多个第三网格单元;
根据所述预设的密集匹配方法分别将每个相同位置的所述第三网格单元与所述第二网格单元进行同名点匹配得到多个同名控制点,其中,每个所述同名控制点为所述第三网格单元中任一像素点。
5.如权利要求4所述的方法,其特征在于,根据所述同名控制点以及所述初始RPC参数计算RPC修正参数,包括:
确定每个所述同名控制点的在所述第二重采样遥感影像中的行列号、经纬度信息以及高程信息,根据所述每个同名控制点对应的行列号、经纬度信息以及高程信息计算得到参考RPC参数;
根据所述参考RPC参数和所述初始RPC参数计算得到所述RPC修正参数。
6.如权利要求1~5任一项项所述的方法,其特征在于,根据所述参考RPC参数和所述初始RPC参数计算得到所述RPC修正参数,包括:
根据所述参考RPC参数和所述初始RPC参数计算得到RPC参数误差方程,将所述RPC参数误差方程进行线性化处理得到线性化的RPC参数误差方程;
根据所述线性化的RPC参数误差方程求解得到初始RPC修正参数,并判断所述初始RPC修正参数是否在预设的限定范围内;
若不在,则继续迭代计算得到新的RPC修正参数,直到所述新的RPC修正参数在所述预设的限定范围内为止,确定当前迭代次数;
判断所述当前迭代次数是否大于预设阈值;
若不大于所述预设阈值,则继续迭代计算得到RPC修正参数,直到迭代次数大于所述预设阈值为止,确定出最后一次迭代得到的RPC修正参数,并根据所述最后一次迭代得到的RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数。
7.一种几何粗校正影像的校正装置,其特征在于,包括:
计算单元,用于从待校正的几何粗校正影像中自动提取控制点,根据所述控制点以及预设的数字高程模型计算得到初始RPC参数;
确定单元,用于从预设的数据库中确定出所述待校正的几何粗校正影像对应的参考影像,通过预设的密集匹配方法从所述参考影像中确定出多个同名控制点,根据所述同名控制点以及所述初始RPC参数计算RPC修正参数;
校正单元,用于根据所述RPC修正参数对所述初始RPC参数进行优化得到优化后的RPC参数,根据所述优化后的RPC参数以及所述数字高程模型生成校正后的正射影像。
8.如权利要求7所述的装置,其特征在于,所述计算单元,具体用于:
根据预设的采样比例对所述待校正的几何粗校正影像进行重采样得到第一重采样遥感影像,根据每个像点的像素值从所述第一重采样遥感影像中确定出有效图像区域;
根据预设的窗口大小在所述第一重采样遥感影像中设置多个第一网格单元,分别对每个所述第一网格单元进行筛选确定出处于所述有效图像区域中的所有第二网格单元;
确定出每个所述第二网格单元的角点,并将确定出的所有角点作为所述控制点。
9.如权利要求8所述的装置,其特征在于,所述计算单元,具体用于:
确定每个所述控制点在所述第一重采样遥感影像中的行列号,根据所述行列号以及所述预设的数字高程模型计算得到所述每个控制点对应的经纬度信息和高程信息;
根据所述经纬度信息和高程信息确定出所述每个控制点的地面坐标以及在所述第一重采样遥感影像中确定出所述每个控制点对应的像点坐标;
根据所述行列号、所述地面坐标以及所述像点坐标确定出所述每个控制点对应正则化的像点坐标和正则化的地面坐标;
根据所述行列号、所述正则化的像点坐标以及所述正则化的地面坐标计算得到所述初始化RPC参数。
10.如权利要求7~9任一项所述的装置,其特征在于,所述确定单元,具体用于:
将所述参考影像进行重采样得到第二重采样遥感影像,其中,所述第二重采样遥感影像与所述第一重采样遥感影像的分辨率相同;
确定所述有效图像区域的所有网格单元在所述第一采样遥感影像中的位置信息,根据所述位置信息以及所述预设的窗口大小在所述第二重样遥感影像中设置多个第三网格单元;
根据所述预设的密集匹配方法分别将每个相同位置的所述第三网格单元与所述第二网格单元进行同名点匹配得到多个同名控制点,其中,每个所述同名控制点为所述第三网格单元中任一像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011262113.0A CN112561805A (zh) | 2020-11-12 | 2020-11-12 | 一种几何粗校正影像的校正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011262113.0A CN112561805A (zh) | 2020-11-12 | 2020-11-12 | 一种几何粗校正影像的校正方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112561805A true CN112561805A (zh) | 2021-03-26 |
Family
ID=75042019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011262113.0A Pending CN112561805A (zh) | 2020-11-12 | 2020-11-12 | 一种几何粗校正影像的校正方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561805A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151991A (zh) * | 2023-07-06 | 2023-12-01 | 北京数慧时空信息技术有限公司 | 一种遥感影像rpc修复方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820984A (zh) * | 2015-04-24 | 2015-08-05 | 国家测绘地理信息局卫星测绘应用中心 | 一种卫星遥感立体影像处理***及方法 |
CN106886984A (zh) * | 2017-03-07 | 2017-06-23 | 国家基础地理信息中心 | 一种矢量要素校正方法及装置 |
CN109506627A (zh) * | 2018-10-31 | 2019-03-22 | 中国资源卫星应用中心 | 一种基于rpc模型的卫星影像***误差修正方法 |
CN109903352A (zh) * | 2018-12-24 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 一种卫星遥感影像大区域无缝正射影像制作方法 |
CN110555817A (zh) * | 2019-09-10 | 2019-12-10 | 中国科学院遥感与数字地球研究所 | 一种遥感图像几何归一化方法和装置 |
-
2020
- 2020-11-12 CN CN202011262113.0A patent/CN112561805A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820984A (zh) * | 2015-04-24 | 2015-08-05 | 国家测绘地理信息局卫星测绘应用中心 | 一种卫星遥感立体影像处理***及方法 |
CN106886984A (zh) * | 2017-03-07 | 2017-06-23 | 国家基础地理信息中心 | 一种矢量要素校正方法及装置 |
CN109506627A (zh) * | 2018-10-31 | 2019-03-22 | 中国资源卫星应用中心 | 一种基于rpc模型的卫星影像***误差修正方法 |
CN109903352A (zh) * | 2018-12-24 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 一种卫星遥感影像大区域无缝正射影像制作方法 |
CN110555817A (zh) * | 2019-09-10 | 2019-12-10 | 中国科学院遥感与数字地球研究所 | 一种遥感图像几何归一化方法和装置 |
Non-Patent Citations (1)
Title |
---|
王东: "基于多源遥感影像协同的农作物种植结构提取研究", 《中国博士学位论文全文数据库 农业科技辑》, pages 25 - 28 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151991A (zh) * | 2023-07-06 | 2023-12-01 | 北京数慧时空信息技术有限公司 | 一种遥感影像rpc修复方法 |
CN117151991B (zh) * | 2023-07-06 | 2024-05-31 | 北京数慧时空信息技术有限公司 | 一种遥感影像rpc修复方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101533182B1 (ko) | 3d 거리 | |
Zhang et al. | Leveraging vision reconstruction pipelines for satellite imagery | |
CN103383773B (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 | |
Oh et al. | A piecewise approach to epipolar resampling of pushbroom satellite images based on RPC | |
CN112529946B (zh) | 高分立体模型优化方法、***、电子设备及可读存储介质 | |
CN113358091B (zh) | 一种利用三线阵立体卫星影像生产数字高程模型dem的方法 | |
CN102073990A (zh) | 一种遥感图像自动几何纠正的***框架和方法 | |
Giribabu et al. | Improving Cartosat-1 DEM accuracy using synthetic stereo pair and triplet | |
US20080270031A1 (en) | Geospatial modeling system providing data thinning of geospatial data points and related methods | |
CN113566793A (zh) | 基于无人机倾斜影像的真正射影像生成方法和装置 | |
CN111986074A (zh) | 一种真正射影像制作方法、装置、设备及存储介质 | |
CN112561805A (zh) | 一种几何粗校正影像的校正方法及装置 | |
Xin et al. | High-precision co-registration of orbiter imagery and digital elevation model constrained by both geometric and photometric information | |
Liao et al. | A linear pushbroom satellite image epipolar resampling method for digital surface model generation | |
CN114387318A (zh) | 遥感影像自动配准方法、装置、电子设备及存储介质 | |
CN115423696B (zh) | 一种自适应线程参数的遥感正射影像并行生成方法 | |
CN112560868B (zh) | 一种基于特征点库的多进程大区域网影像匹配方法及装置 | |
CN114998496A (zh) | 一种基于场景航拍图及稀疏点云的正射影像快速生成方法 | |
CN112465986A (zh) | 一种卫星遥感影像镶嵌的方法及装置 | |
CN113282695A (zh) | 一种基于遥感影像的矢量地理信息采集方法和装置 | |
CN113421292A (zh) | 一种三维建模细节增强方法及装置 | |
CN114964169B (zh) | 像方物方协同改正的遥感影像平差方法 | |
JP2004171413A (ja) | デジタル画像処理装置 | |
Muller et al. | 3D MULTI-RESOLUTION MAPPING OF MARS USING CASP-GO ON HRSC, CRISM, CTX AND HIRISE | |
Ge et al. | Automated Registration of Full Moon Remote Sensing Images Based on Triangulated Network Constraints |
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 |