CN113160071B - 卫星影像自动化几何纠正方法、***、介质及终端设备 - Google Patents
卫星影像自动化几何纠正方法、***、介质及终端设备 Download PDFInfo
- Publication number
- CN113160071B CN113160071B CN202110266590.2A CN202110266590A CN113160071B CN 113160071 B CN113160071 B CN 113160071B CN 202110266590 A CN202110266590 A CN 202110266590A CN 113160071 B CN113160071 B CN 113160071B
- Authority
- CN
- China
- Prior art keywords
- image
- target satellite
- modis
- correction
- images
- 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.)
- Active
Links
- 238000012937 correction Methods 0.000 title claims abstract description 163
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000012216 screening Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 4
- 238000003702 image correction Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001737 promoting effect Effects 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
- 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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种适用于国产极地小卫星影像自动化几何纠正方法、装置、存储介质及终端设备,自动化择优筛选用于目标卫星影像自动化几何纠正的同源传感器参考影像;整景影像、影像分四部分及九部分进行图像增强处理后提取目标卫星影像与参考影像的同名点对,以得到用于几何纠正的地理坐标文件;对目标卫星采用不同方法校正后的影像进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星的影像进行校正。本发明能够实现自动化择优筛选同源传感器配准参考影像,且通过影像增强法突出极地影像的细节特征来增加同名点的选择,并根据影像校正精度筛选出最优的几何校正方案,以克服我国极地小卫星几何定位精度不高的缺陷。
Description
技术领域
本发明涉及遥感影像处理技术领域,尤其涉及一种卫星影像自动化几何纠正方法、***、存储介质及终端设备。
背景技术
现有针对同源传感器的图像配准主要采用基于特征的方法进行,但在海量数据配准面前,自动化择优筛选同源传感器配准参考影像及同名点选择困难。特别是极地影像,由于冰雪反射率高,冰盖表面纹理稀少,尺度不变特征变换算法在冰盖表面提取的特征点比较少,从而给极地影像的几何纠正带来困难。
发明内容
本发明实施例所要解决的技术问题在于,提供一种卫星影像自动化几何纠正方法、***、存储介质及终端设备,能够实现自动化择优筛选同源传感器配准参考影像,且通过影像增强法突出极地影像的细节特征来增加同名点的选择,并根据影像校正精度筛选出最优的几何校正方案,以克服我国极地小卫星几何定位精度不高的缺陷。
为了解决上述技术问题,本发明实施例提供了一种卫星影像自动化几何纠正方法,应用于极地小卫星,所述方法包括:
从影像获取时间远近、空间覆盖程度以及同名点对数量三个方面择优筛选用于目标卫星影像自动化几何纠正的参考影像,以获得用于目标卫星影像几何校正的最优参考影像;
采用预设方案提取目标卫星影像与MODIS影像的同名点,以得到各方案用于几何校正的地理坐标文件;其中,所述预设方案包括通过整景影像提取同名点、影像分四部分和九部分进行影像增强处理后提取同名点;
对目标卫星影像采用预设方案校正后的影像进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星影像进行校正。
进一步地,影像获取时间远近、空间覆盖程度以及同名点对数量三个方面择优筛选用于所述目标卫星影像自动化几何纠正的MODIS影像,以获得用于所述目标卫星影像几何校正的最优参考影像,具体为:
批量地获取目标卫星影像当天少云的MODIS影像,创建目标卫星影像与MODIS影像的第一数据索引表;
对目标卫星影像及MODIS影像进行预处理,采用一致的南极投影和250m分辨率,获得与目标卫星影像地理范围一致的MODIS影像;
对所述MODIS影像进行初步筛选,筛选其有效数据范围覆盖了目标影像80%以上的影像,并创建目标卫星影像与MODIS影像的第二数据索引表;
对所述MODIS影像进行二次筛选,通过特征匹配法根据所述第二数据索引表提取目标卫星与MODIS影像对的同名点,根据所述同名点对的数量排序择优选取对应的MODIS影像,若仍有多景MODIS数据具有等量的同名点对,则取接近目标卫星影像拍摄时间的MODIS影像作为最终配准参考影像,并得出用于几何纠正的第三数据索引表。
进一步地,采用预设方案提取目标卫星影像与MODIS影像的同名点,以得到各方案用于几何校正的地理坐标文件,具体为:
方案一:将目标卫星整景影像及对应的MODIS整景影像通过尺度不变特征变换算法提取同名点对后,按照同名点对的欧式距离进行排序,剔除欧式距离最大的10%的点,输出其余同名点对的真实地理坐标文件作为用于校正所述目标卫星影像的第一纠正地理坐标文件;
方案二:将目标影像规则分为四部分,并将各部分向外延40个像素裁剪对应的MODIS影像,将各影像对分别进行分段线性拉伸增强处理,再通过尺度不变特征变换算法提取同名点对,剔除欧式距离最大的30%的点,输出其余同名点的真实地理坐标文件,将此处的坐标文件与第一纠正地理坐标文件合并后剔除重复点对作为用于校正所述目标卫星影像的第二纠正地理坐标文件;
方案三:将目标影像规则分为九部分,方法同方案二,获得剔除欧式距离最大的30%的点后其余同名点的真实地理坐标文件,将此处的坐标文件与第一纠正地理坐标文件和第二纠正地理坐标文件合并后剔除重复点对作为用于校正所述目标卫星影像的第三纠正地理坐标文件。
进一步地,对目标卫星影像采用不同方法校正后的影像进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星影像进行校正,具体为:
将三种方案得到的三种纠正地理坐标文件利用二次多项式方法分别用于目标影像的几何校正,得到不同方案校正后的目标卫星影像;
利用尺度不变特征变换算法将校正后的三种目标卫星影像再次与对应MODIS影像提取同名点后,计算点对之间的欧式距离,评估不同方案几何校正后的校正精度,并筛选出最优校正方案;
利用最优的校正方案进行目标卫星影像的几何校正。
为了解决上述技术问题,本发明实施例还提供了一种卫星影像自动化几何纠正***,包括:
筛选模块,用于从影像获取时间远近、空间覆盖程度以及同名点对数量三个方面择优筛选用于目标卫星影像自动化几何纠正的参考影像,以获得用于目标卫星影像几何校正的最优参考影像;
提取模块,用于采用预设方案提取目标卫星影像与MODIS影像的同名点,以得到各方案用于几何校正的地理坐标文件;其中,所述预设方案包括通过整景影像提取同名点、影像分四部分和九部分进行影像增强处理后提取同名点;
校正模块,用于对目标卫星影像采用预设方案校正后的影像进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星影像进行校正。
进一步地,所述筛选模块,具体用于,
批量地获取目标卫星影像当天少云的MODIS影像,创建目标卫星影像与MODIS影像的第一数据索引表;
对目标卫星影像及MODIS影像进行预处理,采用一致的南极投影和250m分辨率,获得与目标卫星影像地理范围一致的MODIS影像;
对所述MODIS影像进行初步筛选,筛选其有效数据范围覆盖了目标影像80%以上的影像,并创建目标卫星影像与MODIS影像的第二数据索引表;
对所述MODIS影像进行二次筛选,通过特征匹配法根据所述第二数据索引表提取目标卫星与MODIS影像对的同名点,根据所述同名点对的数量排序择优选取对应的MODIS影像,若仍有多景MODIS数据具有等量的同名点对,则取接近目标卫星影像拍摄时间的MODIS影像作为最终配准参考影像,并得出用于几何纠正的第三数据索引表。
进一步地,所述提取模块,具体用于,
方案一:将目标卫星整景影像及对应的MODIS整景影像通过尺度不变特征变换算法提取同名点对后,按照同名点对的欧式距离进行排序,剔除欧式距离最大的10%的点,输出其余同名点对的真实地理坐标文件作为用于校正所述目标卫星影像的第一纠正地理坐标文件;
方案二:将目标影像规则分为四部分,并将各部分向外延40个像素裁剪对应的MODIS影像,将各影像对分别进行分段线性拉伸增强处理,再通过尺度不变特征变换算法提取同名点对,剔除欧式距离最大的30%的点,输出其余同名点的真实地理坐标文件,将此处的坐标文件与第一纠正地理坐标文件合并后剔除重复点对作为用于校正所述目标卫星影像的第二纠正地理坐标文件;
方案三:将目标影像规则分为九部分,方法同方案二,获得剔除欧式距离最大的30%的点后其余同名点的真实地理坐标文件,将此处的坐标文件与第一纠正地理坐标文件和第二纠正地理坐标文件合并后剔除重复点对作为用于校正所述目标卫星影像的第三纠正地理坐标文件。
进一步地,所述校正模块,具体用于,
将三种方案得到的三种纠正地理坐标文件利用二次多项式方法分别用于目标影像的几何校正,得到不同方案校正后的目标卫星影像;
利用尺度不变特征变换算法将校正后的三种目标卫星影像再次与对应MODIS影像提取同名点后,计算点对之间的欧式距离,评估不同方案几何校正后的校正精度,并筛选出最优校正方案;
利用最优的校正方案进行目标卫星影像的几何校正。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述卫星影像自动化几何纠正方法。
本发明实施例还提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现上述卫星影像自动化几何纠正方法。
与现有技术相比,本发明实施例提供了一种卫星影像自动化几何纠正方法,首先,从影像获取时间远近、空间覆盖程度以及同名点对数量三个方面择优筛选用于目标卫星影像自动化几何纠正的参考MODIS影像,以获得用于目标卫星影像几何校正的最优参考影像;然后,采用不同方法提取目标卫星影像与MODIS影像的同名点,包括通过整景影像提取同名、影像分四部分和九部分进行影像增强处理后提取同名点,以得到各方案用于几何校正的地理坐标文件;最后对目标卫星影像采用不同方法校正后的影像进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星影像进行校正。相比现有技术,本发明能够实现自动化择优筛选同源传感器配准参考影像,且通过影像增强法突出极地影像的细节特征来增加同名点的选择,并根据影像校正精度筛选出最优的几何校正方案,以克服现有极地小卫星几何定位精度不高的缺陷。
附图说明
图1为本发明提供的一种卫星影像自动化几何纠正方法的流程图;
图2为本发明提供的一种卫星影像自动化几何纠正方法的数据流图;
图3为本发明提供的一种卫星影像自动化几何纠正方法中不同影像增强的效果图;
图4为本发明提供的一种卫星影像自动化几何纠正方法的效果图;
图5为本发明提供的一种卫星影像自动化几何纠正方法的结构框图;
图6是本发明提供的一种终端设备的的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本技术领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,文中的步骤编号,仅为了方便具体实施例的解释,不作为限定步骤执行先后顺序的作用。本实施例提供的方法可以由相关的服务器执行,且下文均以服务器作为执行主体为例进行说明。
如图1至图4示,本发明实施例提供的一种卫星影像自动化几何纠正方法,应用于极地小卫星,所述方法包括步骤S11至步骤S14:
步骤S11,从影像获取时间远近、空间覆盖程度以及同名点对数量三个方面择优筛选用于目标卫星影像自动化几何纠正的参考影像,以获得用于目标卫星影像几何校正的最优参考影像。
具体的,批量地获取目标卫星影像当天云量较少的MODIS影像,创建目标卫星影像与MODIS影像的第一数据索引表;对所述目标卫星影像及MODIS影像进行预处理,采用一致的投影(南极投影)和分辨率(250m),通过影像裁剪获得与目标卫星影像地理范围一致的MODIS影像;对所述MODIS影像进行初步筛选,筛选其有效数据范围覆盖了目标卫星影像一定目标值以上的影像,并创建目标卫星影像与MODIS影像的第二数据索引表;对所述MODIS影像进行二次筛选,通过特征匹配法根据所述第二数据索引表提取各目标卫星与MODIS影像对的同名点,根据所述同名点对的数量排序择优选取对应的MODIS影像,若仍有多景MODIS数据具有等量的同名点对,则取接近目标卫星拍摄时间的MODIS影像作为最终配准参考影像,并得出用于几何纠正的第三数据索引表。
进一步地,以我国极地小卫星“京师一号”(研制代码:BNU-1)卫星为例,批量的下载BNU-1卫星对影像应的当天的MODIS影像(美国MODIS反射率数据),建立二者的第一数据索引表。BNU-1数据定义南极投影(设置分辨率为250m)(同MODIS数据);MODIS影像提取辐亮度单一波段恢复地理坐标输出GeoTIFF、定义南极投影(设置分辨率为250m)、MODIS影像裁剪(250m分辨率的BNU-1影像外延40个像素(即10km)裁剪对应的MODIS影像)。当裁剪后的MODIS有效数据范围/对应BNU-1数据范围≥0.8时,创建所述BNU-1卫星影像与MODIS影像的第二数据索引表。根据第二数据索引表利用尺度不变特征变换(SIFT)匹配方法提取BNU-1卫星影像和对应的MODIS影像的同名点对。根据同名点对的数量排序择优选取对应的MODIS影像,若仍有多景MODIS数据具有等量的同名点对,则取接近BNU-1拍摄时间的MODIS数据作为最终配准参考影像,得出最终用于配准的第三数据索引表。
步骤S12,采用预设方案提取目标卫星影像与MODIS影像的同名点,以得到各方案用于几何校正的地理坐标文件;其中,所述预设方案包括通过整景影像提取同名点、影像分四部分和九部分进行影像增强处理后提取同名点。
其中,方案一:通过整点影像法提取所述同名点对的同名点坐标,以得到纠正地理坐标文件,具体为:将目标卫星整景影像和对应裁剪后的MODIS整景影像通过SIFT算法提取同名点对后,按照同名点对的欧式距离进行排序,剔除欧式距离最大的10%的点,输出其余同名点对的真实地理坐标文件作为用于校正所述目标卫星影像自动化几何纠正的第一纠正地理坐标文件。
具体的,将BNU-1整景影像和对应裁剪后的MODIS整景影像(依据第三数据索引表)利用SIFT算法提取同名点对,按照同名点对的欧式距离进行排序,剔除欧式距离最大的10%的点,输出其余同名点对的真实地理坐标文件作为用于校正BNU-1卫星影像的第一纠正地理坐标文件。
其中,方案二:将目标卫星影像规则分为四部分(2*2=4),并将各部分向外延40个像素裁剪对应的MODIS影像,将各影像对分别进行分段线性拉伸增强处理,再通过SIFT算法提取同名点对,剔除欧式距离最大的30%的点,输出其余同名点的真实地理坐标文件,将此处的坐标文件与第一纠正地理坐标文件合并后剔除重复点对作为用于校正所述BNU-1卫星影像的第二纠正地理坐标文件。
具体的,请参阅图3,将BNU-1影像规则裁剪为4部分(2*2=4),将这四部分别外延40个像素裁剪对应的MODIS数据。分别将四组影像对做影像分段线性拉伸增强处理后利用SIFT算法提同名点对。图3中不同拉伸方法提取的同名点对的对比为:(a)无拉伸;(b)线性拉伸;(c)分段线性拉伸;(d)高斯拉伸;(e)直方图均衡化拉伸;(f)均方根拉伸(此处对比无拉伸、线性、分段线性、高斯、直方图均衡化、均方根六种拉伸方式的结果,发现分段线性拉伸的方式找出的同名点更多),剔除欧式距离最大的30%的点,输出其余同名点的真实地理坐标文件。将此处的坐标文件与第一纠正地理坐标文件合并后剔除重复点对作为用于校正所述BNU-1卫星影像的第二纠正地理坐标文件。可以理解的,通过图像增强后获取同名点能够突出极区冰雪的特征,从而找到更多的同名点。
其中,方案三:将目标卫星影像与MODIS影像规则分为九部分(3*3=9后提取同名点对,剔除欧式距离最大的30%的点,输出其余同名点的真实地理坐标文件(方法同方案二)。将此处的坐标文件与第一纠正地理坐标文件和第二纠正地理坐标文件合并后剔除重复点对作为用于校正所述目标卫星影像的第三纠正地理坐标文件。
具体的,将BNU-1卫星影像与MODIS影像均匀分为9部分进行分段线性增强后提取同名点对,剔除30%后输出坐标文件(方法同方案二)。第一纠正地理坐标文件和第二纠正地理坐标文件合并后剔除重复点对作为用于校正BNU-1卫星影像的第三纠正地理坐标文件。
步骤S13,对目标卫星影像采用不同方案校正后的影像进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星影像进行校正。
具体的,将三种方案得到的三种纠正地理坐标文件利用二次多项式方法分别用于目标卫星影像的几何校正,得到不同方案校正后的目标卫星影像;利用SIFT算法将校正后的BNU-1卫星影像(三种)再次与对应MODIS影像提取同名点后,计算点对之间的欧式距离,评估不同方案几何校正后的校正精度,并筛选出最优校正方案;利用最优的校正方案进行BNU-1卫星影像的几何校正。
进一步地,将三种方案得到的三种纠正地理坐标文件利用二次多项式方法分别用于BNU-1卫星影像的几何校正,得到不同方案校正后的影像;利用SIFT算法将校正后的BNU-1卫星影像(三种)再次与对应MODIS影像提取同名点后,计算点对之间的欧式距离,评估不同方案几何校正后的校正精度(表1),并筛选出最优校正方案。
表1三种方案用于BNU-1卫星影像自动化几何纠正的同名点数量及校正精度评估
(以BNU-1卫星2019年12月18日09:04:51拍摄的影像为例)
将适用于极地小卫星影像的自动几何纠正技术应用于BNU-1卫星影像进行几何纠正,纠正前后的影像分别在下层叠加对应的MODIS数据,对比校正前后的效果(以BNU-1卫星2019年12月18日09:04:51拍摄的影像为例),结果如图4所示。
图4中,图4a为BNU-1 0级影像,图4b为使用适用于国产极地小卫星影像的自动几何纠正技术纠正后的影像。图4c、e、g分别为图4a中细节的放大,分别为海冰交界、冰盖以及有云部分。图4d、f、h为使用本发明技术纠正后影像对应位置的放大图。从结果来看,适用于国产极地小卫星影像的自动几何纠正技术在以下几个方面具有明显优势,首先该技术能够自动化择优筛选同源传感器的配准参考影像(能从每日几十景数据中选择最优一景),避免因为卫星数据量大,又要兼备影像数据范围、拍摄时间、数据质量等方面带来的人工干预。其次,该技术将影像进行了分部分增强处理,突出了极地影像的细节特征,使得SIFT算子在极地影像上能够更多更均匀的提取同名点对。第三,该技术能够依据不同影像择优选取纠正方案来达到最优的校正精度。第四,通过该技术纠正后的影像几何精度显著提高(由于6221.77m提高到243.48m),能够自动化产出一系列高精度配准的数据产品,为提高和促进极地小卫星数据的应用提供有效的支持和保障。
本发明实施例所提供的一种卫星影像自动化几何纠正方法,本发明实施例提供了一种卫星影像自动化几何纠正方法,首先,从影像获取时间远近、空间覆盖程度以及同名点对数量三个方面择优筛选用于目标卫星影像自动化几何纠正的参考MODIS影像,以获得用于目标卫星影像几何校正的最优参考影像;然后,采用不同方法提取目标卫星影像与MODIS影像的同名点,包括通过整景影像提取同名、影像分四部分和九部分进行影像增强处理后提取同名点,以得到各方案用于几何校正的地理坐标文件;最后对目标卫星影像采用不同方法校正后的影像进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星影像进行校正。相比现有技术,本发明能够实现自动化择优筛选同源传感器配准参考影像,且通过影像增强法突出极地影像的细节特征来增加同名点的选择,并根据影像校正精度筛选出最优的几何校正方案,以克服我国极地小卫星几何定位精度不高的缺陷,满足了实际应用需求。
如图5所示,是本发明提供的一种卫星影像自动化几何纠正***的结构框图,所述***包括:
筛选模块21,用于从影像获取时间远近、空间覆盖程度以及同名点对数量三个方面择优筛选用于目标卫星影像自动化几何纠正的参考影像,以获得用于目标卫星影像几何校正的最优参考影像。
进一步地,所述筛选模块21,具体用于,
批量地获取目标卫星影像当天少云的MODIS影像,创建目标卫星影像与MODIS影像的第一数据索引表;
对目标卫星影像及MODIS影像进行预处理,采用一致的南极投影和250m分辨率,获得与目标卫星影像地理范围一致的MODIS影像;
对所述MODIS影像进行初步筛选,筛选其有效数据范围覆盖了目标影像80%以上的影像,并创建目标卫星影像与MODIS影像的第二数据索引表;
对所述MODIS影像进行二次筛选,通过特征匹配法根据所述第二数据索引表提取目标卫星与MODIS影像对的同名点,根据所述同名点对的数量排序择优选取对应的MODIS影像,若仍有多景MODIS数据具有等量的同名点对,则取接近目标卫星影像拍摄时间的MODIS影像作为最终配准参考影像,并得出用于几何纠正的第三数据索引表。
提取模块22,用于采用预设方案提取目标卫星影像与MODIS影像的同名点,以得到各方案用于几何校正的地理坐标文件;其中,所述预设方案包括通过整景影像提取同名点、影像分四部分和九部分进行影像增强处理后提取同名点。
进一步地,所述提取模块22,具体用于,
方案一:将目标卫星整景影像及对应的MODIS整景影像通过尺度不变特征变换算法提取同名点对后,按照同名点对的欧式距离进行排序,剔除欧式距离最大的10%的点,输出其余同名点对的真实地理坐标文件作为用于校正所述目标卫星影像的第一纠正地理坐标文件;
方案二:将目标影像规则分为四部分,并将各部分向外延40个像素裁剪对应的MODIS影像,将各影像对分别进行分段线性拉伸增强处理,再通过尺度不变特征变换算法提取同名点对,剔除欧式距离最大的30%的点,输出其余同名点的真实地理坐标文件,将此处的坐标文件与第一纠正地理坐标文件合并后剔除重复点对作为用于校正所述目标卫星影像的第二纠正地理坐标文件;
方案三:将目标影像规则分为九部分,方法同方案二,获得剔除欧式距离最大的30%的点后其余同名点的真实地理坐标文件,将此处的坐标文件与第一纠正地理坐标文件和第二纠正地理坐标文件合并后剔除重复点对作为用于校正所述目标卫星影像的第三纠正地理坐标文件。
校正模块23,用于对目标卫星影像采用预设方案校正后的影像进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星影像进行校正。
进一步地,所述校正模块23,具体用于,
将三种方案得到的三种纠正地理坐标文件利用二次多项式方法分别用于目标影像的几何校正,得到不同方案校正后的目标卫星影像;
利用尺度不变特征变换算法将校正后的三种目标卫星影像再次与对应MODIS影像提取同名点后,计算点对之间的欧式距离,评估不同方案几何校正后的校正精度,并筛选出最优校正方案;
利用最优的校正方案进行目标卫星影像的几何校正。
本发明实施例所提供的一种卫星影像自动化几何纠正***,首先批量地获取目标卫星运行当天的MODIS数据,并对所述MODIS数据进行数据预处理,以得到预处理MODIS数据;对所述预处理MODIS数据依次进行初步筛选与二次筛选,以提取所述目标卫星与MODIS数据的同名点对;通过整点影像及影像分部分增强法提取所述同名点对的同名点坐标,以得到纠正地理坐标文件;对所述纠正地理坐标文件进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星的卫星影像进行校正。相比现有技术,本发明能够减少极地小卫星定位精度不高,实现自动化择优筛选异源传感器配准参考影像,增加基于特征的同名点的选择,满足了实际应用需求。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述的卫星影像纠正方法。
本发明实施例还提供了一种终端设备,参见图6所示,是本发明提供的一种终端设备的一个优选实施例的结构框图,所述终端设备包括处理器10、存储器20以及存储在所述存储器20中且被配置为由所述处理器10执行的计算机程序,所述处理器10在执行所述计算机程序时实现上述的卫星影像纠正方法。
优选地,所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序1、计算机程序2、······),所述一个或者多个模块/单元被存储在所述存储器20中,并由所述处理器10执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器10可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以是微处理器,或者所述处理器10也可以是任何常规的处理器,所述处理器10是所述终端设备的控制中心,利用各种接口和线路连接所述终端设备的各个部分。
所述存储器20主要包括程序存储区和数据存储区,其中,程序存储区可存储操作***、至少一个功能所需的应用程序等,数据存储区可存储相关数据等。此外,所述存储器20可以是高速随机存取存储器,还可以是非易失性存储器,例如插接式硬盘,智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡和闪存卡(Flash Card)等,或所述存储器20也可以是其他易失性固态存储器件。
需要说明的是,上述终端设备可包括,但不仅限于,处理器、存储器,本领域技术人员可以理解,图6结构框图仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
综上,本发明实施例所提供的一种卫星影像自动化几何纠正方法、***、存储介质及终端设备,首先批量地获取目标卫星运行当天的MODIS数据,并对所述MODIS数据进行数据预处理,以得到预处理MODIS数据;对所述预处理MODIS数据依次进行初步筛选与二次筛选,以提取所述目标卫星与MODIS数据的同名点对;通过整点影像及影像分部分增强法提取所述同名点对的同名点坐标,以得到纠正地理坐标文件;对所述纠正地理坐标文件进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星的卫星影像进行校正。相比现有技术,本发明能够减少极地小卫星定位精度不高,实现自动化择优筛选异源传感器配准参考影像,增加基于特征的同名点的选择,满足了实际应用需求。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种卫星影像自动化几何纠正方法,应用于极地小卫星,其特征在于,所述方法包括:
从影像获取时间远近、空间覆盖程度以及同名点对数量三个方面择优筛选用于目标卫星影像自动化几何纠正的MODIS影像,以获得用于目标卫星影像几何校正的最优参考影像;具体为:
批量地获取目标卫星影像当天少云的MODIS影像,创建目标卫星影像与MODIS影像的第一数据索引表;
对目标卫星影像及MODIS影像进行预处理,采用一致的南极投影和250m分辨率,获得与目标卫星影像地理范围一致的MODIS影像;
对所述MODIS影像进行初步筛选,筛选其有效数据范围覆盖了目标卫星影像80%以上的影像,并创建目标卫星影像与MODIS影像的第二数据索引表;
对所述MODIS影像进行二次筛选,通过特征匹配法根据所述第二数据索引表提取目标卫星与MODIS影像对的同名点,根据所述同名点对的数量排序择优选取对应的MODIS影像,若仍有多景MODIS数据具有等量的同名点对,则取接近目标卫星影像拍摄时间的MODIS影像作为最终配准参考影像,并得出用于几何纠正的第三数据索引表;
采用预设方案提取目标卫星影像与MODIS影像的同名点,以得到各方案用于几何校正的地理坐标文件;其中,所述预设方案包括通过整景影像提取同名点、影像分四部分和九部分进行影像增强处理后提取同名点;具体为:
方案一:将目标卫星整景影像及依据所述第三数据索引表对应裁剪后的MODIS整景影像通过尺度不变特征变换算法提取同名点对后,按照同名点对的欧式距离进行排序,剔除欧式距离最大的10%的点,输出其余同名点对的真实地理坐标文件作为用于校正所述目标卫星影像的第一纠正地理坐标文件;
方案二:将目标卫星影像规则分为四部分,并将各部分向外延40个像素裁剪对应的MODIS影像,将各影像对分别进行分段线性拉伸增强处理,再通过尺度不变特征变换算法提取同名点对,剔除欧式距离最大的30%的点,输出其余同名点的真实地理坐标文件,将此处的坐标文件与第一纠正地理坐标文件合并后剔除重复点对作为用于校正所述目标卫星影像的第二纠正地理坐标文件;
方案三:将目标卫星影像规则分为九部分,方法同方案二,获得剔除欧式距离最大的30%的点后其余同名点的真实地理坐标文件,将此处的坐标文件与第一纠正地理坐标文件和第二纠正地理坐标文件合并后剔除重复点对作为用于校正所述目标卫星影像的第三纠正地理坐标文件;
将三种方案得到的三种纠正地理坐标文件利用二次多项式方法分别用于目标卫星影像的几何校正,得到不同方案校正后的目标卫星影像;
对目标卫星影像采用预设方案校正后的影像进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星影像进行校正。
2.如权利要求1所述的卫星影像自动化几何纠正方法,其特征在于,对目标卫星影像采用不同方法校正后的影像进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星影像进行校正,具体为:
利用尺度不变特征变换算法将校正后的三种目标卫星影像再次与对应MODIS影像提取同名点后,计算点对之间的欧式距离,评估不同方案几何校正后的校正精度,并筛选出最优校正方案;
利用最优的校正方案进行目标卫星影像的几何校正。
3.一种卫星影像自动化几何纠正***,其特征在于,所述***包括:
筛选模块,用于从影像获取时间远近、空间覆盖程度以及同名点对数量三个方面择优筛选用于目标卫星影像自动化几何纠正的MODIS影像,以获得用于目标卫星影像几何校正的最优参考影像;具体为:
批量地获取目标卫星影像当天少云的MODIS影像,创建目标卫星影像与MODIS影像的第一数据索引表;
对目标卫星影像及MODIS影像进行预处理,采用一致的南极投影和250m分辨率,获得与目标卫星影像地理范围一致的MODIS影像;
对所述MODIS影像进行初步筛选,筛选其有效数据范围覆盖了目标卫星影像80%以上的影像,并创建目标卫星影像与MODIS影像的第二数据索引表;
对所述MODIS影像进行二次筛选,通过特征匹配法根据所述第二数据索引表提取目标卫星与MODIS影像对的同名点,根据所述同名点对的数量排序择优选取对应的MODIS影像,若仍有多景MODIS数据具有等量的同名点对,则取接近目标卫星影像拍摄时间的MODIS影像作为最终配准参考影像,并得出用于几何纠正的第三数据索引表;
提取模块,用于采用预设方案提取目标卫星影像与MODIS影像的同名点,以得到各方案用于几何校正的地理坐标文件;其中,所述预设方案包括通过整景影像提取同名点、影像分四部分和九部分进行影像增强处理后提取同名点;具体为:
方案一:将目标卫星整景影像及依据所述第三数据索引表对应裁剪后的MODIS整景影像通过尺度不变特征变换算法提取同名点对后,按照同名点对的欧式距离进行排序,剔除欧式距离最大的10%的点,输出其余同名点对的真实地理坐标文件作为用于校正所述目标卫星影像的第一纠正地理坐标文件;
方案二:将目标卫星影像规则分为四部分,并将各部分向外延40个像素裁剪对应的MODIS影像,将各影像对分别进行分段线性拉伸增强处理,再通过尺度不变特征变换算法提取同名点对,剔除欧式距离最大的30%的点,输出其余同名点的真实地理坐标文件,将此处的坐标文件与第一纠正地理坐标文件合并后剔除重复点对作为用于校正所述目标卫星影像的第二纠正地理坐标文件;
方案三:将目标卫星影像规则分为九部分,方法同方案二,获得剔除欧式距离最大的30%的点后其余同名点的真实地理坐标文件,将此处的坐标文件与第一纠正地理坐标文件和第二纠正地理坐标文件合并后剔除重复点对作为用于校正所述目标卫星影像的第三纠正地理坐标文件;
将三种方案得到的三种纠正地理坐标文件利用二次多项式方法分别用于目标卫星影像的几何校正,得到不同方案校正后的目标卫星影像;
校正模块,用于对目标卫星影像采用预设方案校正后的影像进行校正精度评估,以筛选出最优校正方案,并根据所述最优校正方案对所述目标卫星影像进行校正。
4.如权利要求3所述的卫星影像自动化几何纠正***,其特征在于,所述校正模块,具体用于,
利用尺度不变特征变换算法将校正后的三种目标卫星影像再次与对应MODIS影像提取同名点后,计算点对之间的欧式距离,评估不同方案几何校正后的校正精度,并筛选出最优校正方案;
利用最优的校正方案进行目标卫星影像的几何校正。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1至2中任一项所述的卫星影像自动化几何纠正方法。
6.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1至2中任一项所述的卫星影像自动化几何纠正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110266590.2A CN113160071B (zh) | 2021-03-11 | 2021-03-11 | 卫星影像自动化几何纠正方法、***、介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110266590.2A CN113160071B (zh) | 2021-03-11 | 2021-03-11 | 卫星影像自动化几何纠正方法、***、介质及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160071A CN113160071A (zh) | 2021-07-23 |
CN113160071B true CN113160071B (zh) | 2023-11-07 |
Family
ID=76886800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110266590.2A Active CN113160071B (zh) | 2021-03-11 | 2021-03-11 | 卫星影像自动化几何纠正方法、***、介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160071B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663028A (zh) * | 2012-03-23 | 2012-09-12 | 北京师范大学 | 一种适用于全球数字高程模型和遥感影像数据快速空间索引的方法 |
CN103034988A (zh) * | 2012-12-18 | 2013-04-10 | 武汉大学 | 一种任意传感器数量的时空定量遥感融合方法 |
CN105046251A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
CN107657597A (zh) * | 2017-10-19 | 2018-02-02 | 中国科学院遥感与数字地球研究所 | 跨平台月基对地观测影像自动几何校正方法 |
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 |
WO2019157348A1 (en) * | 2018-02-09 | 2019-08-15 | The Board Of Trustees Of The University Of Illinois | A system and method to fuse multiple sources of optical data to generate a high-resolution, frequent and cloud-/gap-free surface reflectance product |
CN111354054A (zh) * | 2020-03-13 | 2020-06-30 | 中山大学 | 一种极地可见光遥感自适应制图方法 |
CN111598772A (zh) * | 2020-04-03 | 2020-08-28 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种极轨气象卫星图像显示***及显示方法 |
CN112381864A (zh) * | 2020-12-08 | 2021-02-19 | 兰州交通大学 | 一种基于对极几何的多源多尺度高分辨率遥感影像自动配准技术 |
CN112419350A (zh) * | 2020-11-20 | 2021-02-26 | 武汉大学 | 基于地物边界信息的遥感影像自动化几何配准方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10802135B2 (en) * | 2016-12-21 | 2020-10-13 | The Boeing Company | Method and apparatus for raw sensor image enhancement through georegistration |
WO2019062166A1 (zh) * | 2017-09-30 | 2019-04-04 | 中国科学院遥感与数字地球研究所 | 跨平台月基对地观测影像自动几何校正方法 |
-
2021
- 2021-03-11 CN CN202110266590.2A patent/CN113160071B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663028A (zh) * | 2012-03-23 | 2012-09-12 | 北京师范大学 | 一种适用于全球数字高程模型和遥感影像数据快速空间索引的方法 |
CN103034988A (zh) * | 2012-12-18 | 2013-04-10 | 武汉大学 | 一种任意传感器数量的时空定量遥感融合方法 |
CN105046251A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
CN107657597A (zh) * | 2017-10-19 | 2018-02-02 | 中国科学院遥感与数字地球研究所 | 跨平台月基对地观测影像自动几何校正方法 |
WO2019157348A1 (en) * | 2018-02-09 | 2019-08-15 | The Board Of Trustees Of The University Of Illinois | A system and method to fuse multiple sources of optical data to generate a high-resolution, frequent and cloud-/gap-free surface reflectance product |
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 |
CN111354054A (zh) * | 2020-03-13 | 2020-06-30 | 中山大学 | 一种极地可见光遥感自适应制图方法 |
CN111598772A (zh) * | 2020-04-03 | 2020-08-28 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种极轨气象卫星图像显示***及显示方法 |
CN112419350A (zh) * | 2020-11-20 | 2021-02-26 | 武汉大学 | 基于地物边界信息的遥感影像自动化几何配准方法及*** |
CN112381864A (zh) * | 2020-12-08 | 2021-02-19 | 兰州交通大学 | 一种基于对极几何的多源多尺度高分辨率遥感影像自动配准技术 |
Non-Patent Citations (3)
Title |
---|
"京师一号"极地小卫星宽幅影像辐射校正方法研究;张卓宇 等;《北京师范大学学报(自然科学版)》;第59卷(第01期);104-112 * |
Accuracy evaluation on geolocation of the Chinese first polar microsatellite (Ice pathfinder) imagery;Ying Zhang 等;《remote sensing》;第13卷(第4278期);1-20 * |
Automated radiation and geometric correction processing method of polar-observing cubesat BNU-1 images;Y. Zhang 等;《AGU Fall Meeting 2020 abstracts》;A088-0004 * |
Also Published As
Publication number | Publication date |
---|---|
CN113160071A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9396583B2 (en) | Method of modelling buildings on the basis of a georeferenced image | |
CN110781756A (zh) | 基于遥感图像的城市道路提取方法及装置 | |
KR20130019430A (ko) | 미리 계산된 스케일-공간으로부터의 데이지 서술자 생성 | |
CN108573184B (zh) | 一种二维码定位方法、模块及计算机可读存储介质 | |
CN111080526A (zh) | 航拍图像的农田面积的测算方法、装置、设备及介质 | |
CN111310710A (zh) | 人脸检测方法与*** | |
CN111275616B (zh) | 低空航拍图像拼接方法和装置 | |
CN116170569A (zh) | 一种高光谱影像正摄校正方法及装置、存储介质 | |
CN113160071B (zh) | 卫星影像自动化几何纠正方法、***、介质及终端设备 | |
CN109815763A (zh) | 二维码的检测方法、装置和存储介质 | |
CN111062341B (zh) | 视频图像区域的分类方法、装置、设备及存储介质 | |
CN111476308B (zh) | 基于先验几何约束的遥感影像分类方法、装置和电子设备 | |
CN117058008A (zh) | 遥感影像几何与辐射一体化校正方法、装置、设备及介质 | |
CN114092695B (zh) | 一种基于分割模型的roi提取方法及装置 | |
CN114913105A (zh) | 激光点云融合方法、装置、服务器及计算机可读存储介质 | |
CN112508065B (zh) | 机器人及其定位方法和装置 | |
CN111581407B (zh) | 一种构建全球地理定位参考影像数据库的方法、装置及介质 | |
CN114140581A (zh) | 一种自动建模方法、装置、计算机设备及存储介质 | |
JPH08161474A (ja) | 異種センサ画像間レジストレーション補正方法 | |
CN110827243A (zh) | 网格梁覆盖区域异常检测方法和装置 | |
KR101775124B1 (ko) | 위성영상의 위치 정확도 개선을 위한 자동영상처리시스템 및 방법 | |
US20240257363A1 (en) | Alignment of dense point clouds of a physical object | |
CN115660939B (zh) | 光学遥感数据批量处理的方法、***、设备及存储介质 | |
CN116630901B (zh) | 一种基于潜在图预测无监督学习框架的视觉里程计方法 | |
CN117274584B (zh) | 遥感图像的阴影处理方法及装置、存储介质、终端 |
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 |