CN115330619A - 适用于高分辨率遥感影像的局部几何精校正方法 - Google Patents

适用于高分辨率遥感影像的局部几何精校正方法 Download PDF

Info

Publication number
CN115330619A
CN115330619A CN202210960449.7A CN202210960449A CN115330619A CN 115330619 A CN115330619 A CN 115330619A CN 202210960449 A CN202210960449 A CN 202210960449A CN 115330619 A CN115330619 A CN 115330619A
Authority
CN
China
Prior art keywords
loc
image
local area
local
reference base
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
Application number
CN202210960449.7A
Other languages
English (en)
Inventor
高放
李文涛
张岩
杨勇帅
吴桐
陆晴
谢金龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chang Guang Satellite Technology Co Ltd
Original Assignee
Chang Guang Satellite Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chang Guang Satellite Technology Co Ltd filed Critical Chang Guang Satellite Technology Co Ltd
Priority to CN202210960449.7A priority Critical patent/CN115330619A/zh
Publication of CN115330619A publication Critical patent/CN115330619A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/20048—Transform domain processing

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

适用于高分辨率遥感影像的局部几何精校正方法，涉及遥感影像几何精校正领域，解决现有方法对整幅影像进行计算，存在浪费时间和计算资源以及采用现有匹配方法易出现错误匹配，导致几何精校正失败等问题，本发明利用整幅影像的有理多项式RPC系数，计算整幅影像的经纬度范围；根据用户感兴趣的局部区域的经纬度，利用间接法重采样生成具有粗略地理坐标的局部区域的影像；采用感知哈希算法估计局部区域影像与参考底图之间的粗略坐标偏移，从参考底图中截取局部区域影像对应的部分影像，利用傅里叶变换分块进行待处理的局部区域影像与局部参考底图进行配准。本发明方法在速度、精度与稳定性方面有显著提升，适用于各种米级、亚米级高分辨率遥感影像。

Description

适用于高分辨率遥感影像的局部几何精校正方法
技术领域
本发明涉及遥感影像几何精校正领域，具体涉及一种适用于高分辨率遥感影像的局部几何精校正方法的设计。
背景技术
传统的遥感影像几何精校正方法通常利用地面控制点、卫星轨道参数、卫星姿态参数与传感器光学参数等信息，建立几何精校正模型，从而修正由投影方式、传感器姿态误差、地形起伏、大气折射与地球自转等因素造成的遥感影像几何变形，消除影像像元在地理坐标系中的坐标误差，将像元校正到正确的位置。上述方法中通常需要人工选取地面控制点，效率低且工作量大，难以满足目前海量遥感影像条件下，自动、快速并且准确处理的需求。
目前较主流的基于影像匹配的几何精校正方法可以满足自动化的要求。该方法将已经处理好的、有精确地理坐标的遥感影像作为参考底图，将待处理影像与参考底图进行同名点匹配，较常用的算法有如尺度不变特征变换算法(Scale-Invariant FeatureTransform，SIFT)、加速稳健特征算法(Speeded Up Robust Feature，SURF)等；利用单应性变换或仿射变换对匹配结果进行约束，剔除掉误差较大的匹配结果，将得到的同名点对作为地面控制点；待处理影像与几何精校正后的图像坐标系之间的变换关系可以用多项式模型描述，通过地面控制点可求解多项式的系数，利用间接法对原始影像重采样，从而实现整幅影像的几何精校正，再裁剪得到用户感兴趣的局部范围的影像结果。
由于RPC系数描述的是整幅影像的像素坐标与地理坐标之间的变换关系，现有的基于影像匹配的几何精校正方法需要对整幅影像进行计算，然后对计算的结果进行裁剪，才得到用户感兴趣的局部几何精校正后的影像。在实际工作当中，用户往往只对影像中的局部区域感兴趣，对用户感兴趣区域之外的影像进行计算会浪费时间和计算资源。因此本发明的目的是只对用户感兴趣的局部区域影像进行几何精校正计算，回避常规方法中对于整幅影像的计算，以减少计算量，提升效率。
由于待处理影像与参考底图的获取时间往往相隔较久，地物会发生较大变化；传感器与太阳辐射的不同，会导致影像之间存在亮度与色彩方面的差异；另外拍摄区域可能存在重复纹理或特征点稀少的情况，常用的同名点匹配算法如SIFT、SURF受上述因素影响会出现较多错误匹配，从而导致几何精校正失败。
发明内容
本发明为解决现有方法对整幅影像进行计算，存在浪费时间和计算资源以及采用现有匹配方法易出现错误匹配，导致几何精校正失败等问题，提供一种适用于高分辨率遥感影像的局部几何精校正方法。
适用于高分辨率遥感影像的局部几何精校正方法，该方法由以下步骤实现：
步骤一、选取待处理的整幅影像IIn，根据所述整幅影像IIn的RPC系数，计算整幅影像IIn的经纬度范围；然后设定局部区域经纬度范围；
步骤二、根据步骤一中局部区域经纬度范围，采用间接法重采样生成局部区域影像ILoc，遍历局部区域影像ILoc的所有像素，获得ILoc所有像素的像素值；
步骤三、根据步骤一的局部区域经纬度范围，以及RPC系数，计算局部区域的参考底图IRef，在所述参考底图IRef上取滑动窗口，获得滑动窗口中的参考底图
Figure BDA0003792889900000021
步骤四、采用感知哈希算法，分别计算局部区域影像ILoc与滑动窗口中的参考底图
Figure BDA0003792889900000022
的pHash指纹，即：将局部区域影像ILoc与滑动窗口中的参考底图
Figure BDA0003792889900000023
降采样至100×100像素后进行DCT变换，截取DCT变换后影像左上角10×10区域的pHash指纹；
步骤五、***部区域影像ILoc与所有滑动窗口中的参考底图
Figure BDA0003792889900000024
的pHash指纹之间的汉明距离，并根据计算的最小参考底图
Figure BDA0003792889900000025
获得截取的参考底图
Figure BDA0003792889900000026
步骤六、以分块的方式，利用傅里叶梅林变换对ILoc与
Figure BDA0003792889900000027
进行匹配，然后对ILoc重采样，实现图像的几何精校正。
本发明的有益效果：本发明从用户感兴趣的区域范围出发，根据原始整幅影像的RPC系数以及经纬度范围，利用间接法重采样生成局部区域具有粗略地理坐标的影像，然后通过感知哈希算法获取该局部区域对应的局部参考底图，使得后续的傅里叶梅林匹配运算计算仅针对局部区域进行，大大减少了冗余计算，有效提升了高分辨率遥感影像的局部几何精校正速度。
本发明通过大量实验，针对傅里叶梅林匹配算法提出了一系列适用于局部区域的高分辨率遥感影像几何精校正的参数与阈值，可以在待处理局部影像与参考底图之间存在地物变化、辐射与色彩差异的情况下，取得比经典的SIFT、SURF匹配算法更加稳定与精确的结果。
本发明根据原始整幅影像的RPC系数、用户感兴趣区域的经纬度范围，利用间接法重采样生成局部区域具有粗略地理坐标的影像，只对局部区域的影像进行运算，提升效率减少计算资源消耗。
本发明方法中以滑动窗口的方式，利用pHash算法，估计待处理局部影像与参考底图之间的粗略坐标偏移，大大减少了同名点匹配过程中的冗余计算。
本发明根据大量实验得到了适合高分辨率遥感影像局部几何精校正的阈值，例如滑动窗口尺寸(WLoc、HLoc)、每次滑动的距离(0.1WLoc、0.1HLoc)、对局部影像先降采样至100×100像素再进行DCT变换、截取DCT变换结果左上角区域大小(10×10像素)。
本发明方法以分块的方式，利用傅里叶梅林变换，对待处理局部影像与参考底图进行同名点匹配，可以在影像之间存在地物差异、光照与色彩差异等情况下，取得稳定和精确的匹配效果。
根据感知哈希算法估计的待处理影像与参考底图之间的粗略坐标偏移，找到待处理影像IIn的每个分块在参考影像
Figure BDA0003792889900000031
上对应的区域，计算傅里叶梅林变换。本发明根据大量实验，得到了适合高分辨率遥感影像的阈值，如在傅里叶梅林变换中，首次相位相关操作的尺度系数的阈值设为不超过1.7，第二次相位相关操作的响应阈值设为不低于0.05，对于匹配得到的同名点，按照响应值从大到小排序取前16个匹配点对作为最终的匹配结果，如果同名点数量不足8个则认为匹配失败，结束几何精校正。
附图说明
图1为本发明所述的适用于高分辨率遥感影像的局部几何精校正方法的流程图；
图2为以滑动窗口方式截取参考底图得到
Figure BDA0003792889900000032
示意图；
图3为原始整幅遥感影IIn与局部区域的影像ILoc对比图；
图4为ILoc进行DCT变换后的结果影像效果图；
图5为pHash指纹示意图；
图6为分块进行傅里叶梅林变换与匹配同名点原理图；
图7中(7a)和(7b)为原始的整幅影像与参考底图对比效果图；
图8中(8a)和(8b)为几何精校正后的局部区域影像与参考底图的对比效果图。
具体实施方式
结合图1至图8说明本实施方式，适用于高分辨率遥感影像的局部几何精校正方法，该方法的具体步骤如下：
(1)设待处理的整幅影像为IIn，根据IIn的RPC系数(Rational PolynomialCoefficients)，计算IIn的经纬度坐标最大值、最小值范围，横坐标最大值为
Figure BDA0003792889900000041
最小值为
Figure BDA0003792889900000042
纵坐标最大值为
Figure BDA0003792889900000043
最小值为
Figure BDA0003792889900000044
(2)设用户感兴趣的局部区域经纬度横坐标最大值为
Figure BDA0003792889900000045
最小值为
Figure BDA0003792889900000046
纵坐标最大值
Figure BDA0003792889900000047
最小值为
Figure BDA0003792889900000048
设待处理的整幅影像的分辨率为r，则用户感兴趣的局部区域的影像ILoc的宽WLoc、高HLoc分别为：
Figure BDA0003792889900000049
其中ceil函数表示向上取整，WLoc、HLoc单位为像素；
(3)间接法重采样生成具有粗略地理坐标的局部区域的影像。遍历ILoc的所有像素，设当前像素的像素坐标为(i,j)(从1开始计数)，结合分辨率r以及步骤(2)中局部区域的经纬度范围，可以计算该像素中心的经纬度XLoc(i,j)、YLoc(i,j)，如式(2)所示：
Figure BDA00037928899000000410
然后根据此经纬度，利用RPC系数反算其在IIn上对应的像点坐标，通过常规的双线性插值即可计算得到ILoc中当前像素的像素值。对ILoc所有像素进行上述操作，从而得到ILoc所有像素的像素值；
(4)根据局部区域经纬度范围，以及RPC定位误差，计算局部区域所需参考底图IRef的范围，设横坐标最大值为
Figure BDA0003792889900000051
最小值为
Figure BDA0003792889900000052
纵坐标最大值为
Figure BDA0003792889900000053
最小值为
Figure BDA0003792889900000054
读取该范围内的参考底图像素值。对IRef取滑动窗口，每次在东西向滑动的距离为0.1WLoc，南北向滑动的距离为0.1HLoc，滑动窗口的大小与ILoc相同(如图1所示)，因此滑动窗口的横坐标最大值为
Figure BDA0003792889900000055
最小值为
Figure BDA0003792889900000056
(其中i表示由西向东滑动的次数)，纵坐标最大值为
Figure BDA0003792889900000057
最小值为
Figure BDA0003792889900000058
(其中j表示由南向北滑动的次数)。获取滑动窗口中的参考底图，记为
Figure BDA0003792889900000059
(5)采用感知哈希(Perceptual Hash，pHash)算法计算ILoc与
Figure BDA00037928899000000510
各自的pHash指纹(Fingerprint)，具体实现方法如下。将ILoc与
Figure BDA00037928899000000511
降采样至100×100像素，若影像包含多个波段则按照公式(3)将其转为灰度影像(其中Gray表示灰度影像，R、G、B依次表示红、绿、蓝波段)，目的是减少计算量；
Gray＝0.299R+0.587G+0.114B (3)
对降采样与灰度化后的ILoc与
Figure BDA00037928899000000512
进行离散余弦变换(Discrete CosineTransform，DCT)，将图像变换至频率域。原始整幅遥感影像IIn与截取的局部区域的影像ILoc如图2所示，ILoc进行DCT变换后的结果如图3所示；
由于影像的大多数能量都集中在低频部分，因此截取DCT变换后结果影像的左上角10×10像素区域，该区域包含了影像的低频信息。对左上角10×10像素区域计算像素值的均值，以均值作为阈值对该区域进行二值化，若大于均值记为1，小于均值记为0，可以得到100位的pHash指纹，如图4所示(白色表示1，黑色表示0)。ILoc与
Figure BDA00037928899000000513
的哈希指纹描述了各自的影像低频信息，并且以均值作为阈值进行二值化，可以消除光照、色彩差异造成的影响；
(6)统计ILoc与所有
Figure BDA00037928899000000514
的pHash指纹之间的汉明距离(Hamming Distance)，选择汉明距离的目的是可以通过位运算提升速度。取汉明距离最小的
Figure BDA00037928899000000515
东西各向外扩大0.1WLoc，南北各向外扩大0.1HLoc，以此范围截取参考底图，记为
Figure BDA0003792889900000061
截取部分参考底图的目的是为了降低内存开销。
Figure BDA0003792889900000062
的中心点地理坐标记为
Figure BDA0003792889900000063
ILoc的中心点地理坐标记为
Figure BDA0003792889900000064
(7)以分块的方式，利用傅里叶梅林变换对ILoc与
Figure BDA0003792889900000065
进行匹配，该方法可以在影像之间存在地物差异、光照与色彩差异等情况下，取得稳定和精确的匹配效果，分块的目的是为了降低内存开销，并且使得程序可以并行，提升运行速度。具体实现步骤如下：
将ILoc降采样至与
Figure BDA0003792889900000066
相同的分辨率，目的是提升匹配结果的准确性。将重采样后的ILoc分成6×6块，将每块的中心点地理坐标记为
Figure BDA0003792889900000067
其中m＝1,2,…6，k＝1,2,…6；
将ILoc、
Figure BDA0003792889900000068
的中心点地理坐标之间的差值视为两张影像之间大致的坐标偏移量，可计算
Figure BDA0003792889900000069
对应的在
Figure BDA00037928899000000610
上可能的同名点的地理坐标
Figure BDA00037928899000000611
公式如下：
Figure BDA00037928899000000612
以
Figure BDA00037928899000000613
为中心，按照与步骤五一中单个分块相同的大小，在
Figure BDA00037928899000000614
上截取一块影像，如图5所示。
对
Figure BDA00037928899000000615
与
Figure BDA00037928899000000616
所对应的这两块影像，进行傅里叶梅林变换。本方法在首次相位相关操作，计算旋转角度与尺度系数时，将尺度系数的阈值设为1.7，若大于该阈值则认为匹配失败；在第二次相位相关操作，计算坐标平移量时，响应阈值设为0.05，若小于该阈值则认为匹配失败；
获取匹配得到的同名点，即
Figure BDA00037928899000000617
所对应的在
Figure BDA00037928899000000618
上的同名点
Figure BDA00037928899000000619
若同名点对的数量不足8个，则认为匹配失败，结束几何精校正；若同名点对的数量超过16个，则对这些同名点对按照响应值从大到小排序取前16个匹配点对作为最终的匹配结果；
(8)根据同名点对，求解二阶多项式的参数，公式如下：
Figure BDA0003792889900000071
然后利用常规的间接法与双线性插值对ILoc重采样，从而实现图像的几何精校正，原始影像与几何精校正的结果如图6、图7所示，其中彩色影像表示参考底图，灰度影像表示几何精校正前后的影像。由处理结果可见，本发明可以有效地对高分辨率遥感影像进行局部几何精校正。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (7)

1.适用于高分辨率遥感影像的局部几何精校正方法，其特征是：该校正方法由以下步骤实现：
步骤一、选取待处理的整幅影像IIn，根据所述整幅影像IIn的RPC系数，计算整幅影像IIn的经纬度范围；然后设定局部区域经纬度范围；
步骤二、根据步骤一中局部区域经纬度范围，采用间接法重采样生成局部区域影像LLoc，遍历局部区域影像ILoc的所有像素，获得ILoc所有像素的像素值；
步骤三、根据步骤一的局部区域经纬度范围，以及RPC系数，计算局部区域的参考底图IRef，在所述参考底图IRef上取滑动窗口，获得滑动窗口中的参考底图
Figure FDA0003792889890000011
步骤四、采用感知哈希算法，分别计算局部区域影像ILoc与滑动窗口中的参考底图
Figure FDA0003792889890000012
的pHash指纹，即：将局部区域影像ILoc与滑动窗口中的参考底图
Figure FDA0003792889890000013
降采样至100×100像素后进行DCT变换，截取DCT变换后影像左上角10×10区域的pHash指纹；
步骤五、***部区域影像ILoc与所有滑动窗口中的参考底图
Figure FDA0003792889890000014
的pHash指纹之间的汉明距离，并根据计算的最小参考底图
Figure FDA0003792889890000015
获得截取的参考底图
Figure FDA0003792889890000016
步骤六、以分块的方式，利用傅里叶梅林变换对ILoc与
Figure FDA0003792889890000017
进行匹配，然后对ILoc重采样，实现图像的几何精校正。
2.根据权利要求1所述的适用于高分辨率遥感影像的局部几何精校正方法，其特征在于：步骤一中，设定用户感兴趣的局部区域经纬度横坐标最大值为
Figure FDA0003792889890000018
最小值为
Figure FDA0003792889890000019
纵坐标最大值
Figure FDA00037928898900000110
最小值为
Figure FDA00037928898900000111
设定待处理的整幅影像IIn的分辨率为r，则用户感兴趣的局部区域的影像ILoc的宽度WLoc和高度HLoc分别为：
Figure FDA0003792889890000021
式中，ceil函数表示向上取整。
3.根据权利要求1所述的适用于高分辨率遥感影像的局部几何精校正方法，其特征在于：步骤二中，获得ILoc所有像素的像素值的具体过程为：
设定当前像素的像素坐标为(i,j)，根据所述整幅影像的分辨率r以及步骤二中局部区域的经纬度横纵坐标最小值，计算当前像素中心的经纬度，XLoc(i,j)和YLoc(i,j)分别为当前像素中心的经纬度的横纵坐标，用下式表示为：
Figure FDA0003792889890000022
然后根据此经纬度，利用RPC系数反算其在IIn上对应的像点坐标，计算得到ILoc中当前像素的像素值，对ILoc所有像素进行计算获得ILoc所有像素的像素值。
4.根据权利要求1所述的适用于高分辨率遥感影像的局部几何精校正方法，其特征在于：步骤三中，对局部区域的参考底图IRef取滑动窗口，每次在东西向滑动的距离为0.1WLoc，南北向滑动的距离为0.1HLoc，滑动窗口的大小与ILoc相同，因此滑动窗口的横坐标最大值为
Figure FDA0003792889890000023
最小值为
Figure FDA0003792889890000024
纵坐标最大值为
Figure FDA0003792889890000025
最小值为
Figure FDA0003792889890000026
获取滑动窗口中的参考底图
Figure FDA0003792889890000027
所述xsteps为由西向东滑动的次数，ysteps为由南向北滑动的次数。
5.根据权利要求1所述的适用于高分辨率遥感影像的局部几何精校正方法，其特征在于：步骤四中，若影像包含多个波段则按照公式(3)将其转为灰度影像；
Gray＝0.299R+0.587G+0.114B (3)
式中，Gray表示灰度影像，R、G、B依次表示红、绿、蓝波段；
对降采样与灰度化后的ILoc与
Figure FDA0003792889890000028
进行DCT变换，将图像变换至频率域；截取DCT变换后结果影像的左上角10×10像素区域，对左上角10×10像素区域计算像素值的均值，以均值作为阈值对该区域进行二值化，若大于均值记为1，小于均值记为0，获得100位的pHash指纹。
6.根据权利要求1所述的适用于高分辨率遥感影像的局部几何精校正方法，其特征在于：步骤五中，计算汉明距离最小的最小参考底图
Figure FDA0003792889890000031
并在所述最小参考底图
Figure FDA0003792889890000032
的东西各向外扩大0.1WLoc，南北各向外扩大0.1HLoc，以此范围作为截取的参考底图
Figure FDA0003792889890000033
所述截取的参考底图
Figure FDA0003792889890000034
的中心点地理坐标记为
Figure FDA0003792889890000035
ILoc的中心点地理坐标记为
Figure FDA0003792889890000036
7.根据权利要求1所述的适用于高分辨率遥感影像的局部几何精校正方法，其特征在于：步骤六的具体实现步骤如下：
步骤六一、将ILoc降采样至与
Figure FDA0003792889890000037
相同的分辨率，将重采样后的ILoc分成6×6块，将每块的中心点地理坐标记为
Figure FDA0003792889890000038
其中m＝1,2,…6，k＝1,2,…6；
步骤六二、将ILoc、
Figure FDA0003792889890000039
的中心点地理坐标之间的差值作为两张影像之间的粗略的坐标偏移量，计算
Figure FDA00037928898900000310
对应的在
Figure FDA00037928898900000311
上的同名点的地理坐标
Figure FDA00037928898900000312
公式如下：
Figure FDA00037928898900000313
步骤六三、以
Figure FDA00037928898900000314
为中心，按照与步骤六一中单个分块相同的大小，在
Figure FDA00037928898900000315
上截取一块影像；
步骤六四、对
Figure FDA00037928898900000316
与
Figure FDA00037928898900000317
所对应的两块影像，进行傅里叶梅林变换，获取匹配得到的同名点，即
Figure FDA00037928898900000318
所对应的在
Figure FDA00037928898900000319
上的同名点
Figure FDA00037928898900000320
若同名点对的数量不足8个，则认为匹配失败，结束几何精校正；若同名点对的数量超过16个，则对这些同名点对按照响应值从大到小排序取前16个匹配点对作为最终的匹配结果；
步骤六五、根据同名点对，求解二阶多项式的参数，公式如下：
Figure FDA0003792889890000041
式中，a0-a5，b0-b5为多项式的系数。
CN202210960449.7A 2022-08-11 2022-08-11 适用于高分辨率遥感影像的局部几何精校正方法 Pending CN115330619A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210960449.7A CN115330619A (zh) 2022-08-11 2022-08-11 适用于高分辨率遥感影像的局部几何精校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210960449.7A CN115330619A (zh) 2022-08-11 2022-08-11 适用于高分辨率遥感影像的局部几何精校正方法

Publications (1)

Publication Number Publication Date
CN115330619A true CN115330619A (zh) 2022-11-11

Family

ID=83920882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210960449.7A Pending CN115330619A (zh) 2022-08-11 2022-08-11 适用于高分辨率遥感影像的局部几何精校正方法

Country Status (1)

Country Link
CN (1) CN115330619A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116071539A (zh) * 2023-03-28 2023-05-05 中国科学院空天信息创新研究院 微纳卫星影像在轨几何精校正方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116071539A (zh) * 2023-03-28 2023-05-05 中国科学院空天信息创新研究院 微纳卫星影像在轨几何精校正方法及装置

Similar Documents

Publication Publication Date Title
CN104574347B (zh) 基于多源遥感数据的在轨卫星图像几何定位精度评价方法
CN109523585B (zh) 一种基于方向相位一致性的多源遥感影像特征匹配方法
CN112419380B (zh) 一种基于云掩膜的静止轨道卫星序列影像高精度配准方法
CN108364279B (zh) 确定静止轨道遥感卫星指向偏差的方法
CN108564532B (zh) 大尺度地距星载sar图像镶嵌方法
CN111768337B (zh) 一种图像处理方法、装置和电子设备
CN114265427B (zh) 一种基于红外图像匹配的巡检无人机辅助导航***及方法
Gonçalves et al. CHAIR: Automatic image registration based on correlation and Hough transform
CN115330619A (zh) 适用于高分辨率遥感影像的局部几何精校正方法
CN104180794B (zh) 数字正射影像拉花区域的处理方法
CN105571598B (zh) 一种卫星激光高度计足印相机姿态的测定方法
CN113592744B (zh) 一种适用于高分辨率遥感影像的几何精校正方法
CN107516291B (zh) 夜景影像正射纠正处理方法
CN111862005A (zh) 一种利用合成雷达图像精准定位热带气旋中心的方法及***
CN116973946A (zh) 一种深度学习与鱼眼相机图像分割的导航卫星定位方法
CN102509275B (zh) 一种基于像元成像区域合成的遥感图像重采样方法
CN113780096B (zh) 基于半监督深度学习的植被类地物提取方法
CN113034555B (zh) 一种基于最小生成树的特征精匹配方法及应用
JP2723174B2 (ja) 異種センサ画像間レジストレーション補正方法
CN114581498A (zh) 一种矢量数据与栅格影像结合的迭代模型配准***
CN111696054B (zh) 基于全极化sar图像的橡胶坝体检测方法
CN110608723A (zh) 一种基于fpga的实时遥感影像地理参考方法
CN105528760A (zh) 一种基于热红外数据的云边缘高度匹配方法和***
CN111899183A (zh) 一种基于地理定位数据的遥感图像几何精校正方法
CN114882100B (zh) 一种基于亚像元制图的土地覆盖面积估算方法及***

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