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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012937 correction Methods 0.000 title claims abstract description 39
- 238000012952 Resampling Methods 0.000 claims abstract description 9
- 230000000903 blocking effect Effects 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 2
- 101100161752 Mus musculus Acot11 gene Proteins 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 11
- 238000007796 conventional method Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation 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
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000013519 translation Methods 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
- 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
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的pHash指纹,即:将局部区域影像ILoc与滑动窗口中的参考底图降采样至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;
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。
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,横坐标最大值为最小值为纵坐标最大值为最小值为
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:
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,设横坐标最大值为最小值为纵坐标最大值为最小值为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最小值为(其中i表示由西向东滑动的次数),纵坐标最大值为最小值为(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
(5)采用感知哈希(Perceptual Hash,pHash)算法计算ILoc与各自的pHash指纹(Fingerprint),具体实现方法如下。将ILoc与降采样至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,记为截取部分参考底图的目的是为了降低内存开销。的中心点地理坐标记为ILoc的中心点地理坐标记为
(7)以分块的方式,利用傅里叶梅林变换对ILoc与进行匹配,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:
对与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,即所对应的在上的同名点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:
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的pHash指纹,即:将局部区域影像ILoc与滑动窗口中的参考底图降采样至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;
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:
步骤六四、对与所对应的两块影像,进行傅里叶梅林变换,获取匹配得到的同名点,即所对应的在上的同名点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:
式中,a0-a5,b0-b5为多项式的系数。
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)
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 |
-
2022
- 2022-08-11 CN CN202210960449.7A patent/CN115330619A/zh active Pending
Cited By (1)
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 |