CN117058008A - 遥感影像几何与辐射一体化校正方法、装置、设备及介质 - Google Patents

遥感影像几何与辐射一体化校正方法、装置、设备及介质 Download PDF

Info

Publication number
CN117058008A
CN117058008A CN202310655699.4A CN202310655699A CN117058008A CN 117058008 A CN117058008 A CN 117058008A CN 202310655699 A CN202310655699 A CN 202310655699A CN 117058008 A CN117058008 A CN 117058008A
Authority
CN
China
Prior art keywords
image
point
image control
control point
matching
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
CN202310655699.4A
Other languages
English (en)
Inventor
谭福宏
刘洋
王明省
秦亮军
余锐
张郁
丁晶
王楠
李爽
吴辉
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.)
Guangzhou Urban Planning Survey and Design Institute
Original Assignee
Guangzhou Urban Planning Survey and Design Institute
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 Guangzhou Urban Planning Survey and Design Institute filed Critical Guangzhou Urban Planning Survey and Design Institute
Priority to CN202310655699.4A priority Critical patent/CN117058008A/zh
Publication of CN117058008A publication Critical patent/CN117058008A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了遥感影像几何与辐射一体化校正方法、装置、设备及介质，方法包括：基于测区范围内的像控点对历史正射影像进行裁剪，获得若干以像控点为中心的点位索引影像并构建像控点数据库；根据待校正影像的地理范围，获取位于地理范围内的若干目标像控点并确定在待校正影像中的对应点位索引影像；利用SIFT特征匹配法将各目标像控点的点位索引影像与对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集，利用有理函数模型解算几何校正参数，利用不变目标法和最小二乘线性回归法解算辐射校正参数，分别利用几何校正模型和辐射校正模型对待校正影像进行几何与辐射校正。本发明能提高遥感影像几何与辐射校正的效率与精度。

Description

遥感影像几何与辐射一体化校正方法、装置、设备及介质
技术领域
本发明涉及遥感影像处理技术领域，尤其是涉及遥感影像几何与辐射一体化校正方法、装置、终端设备及计算机可读存储介质。
背景技术
对于传感器所获得的原始遥感影像，由于其存在几何畸变和辐射畸变，因此需要对原始遥感影像进行几何校正和辐射校正。几何校正是改正和消除遥感影像上几何误差的工作。几何误差是指各地物的尺寸、形状、位置等几何特征与参照***下的理论值不一致的变形。这些几何变形产生的原因多种多样，通常是由于在成像时影像材料变形、物镜的畸变、大气的折光、地表的曲率、地球的自转、地形高低起伏等引起的。几何校正可细分为绝对几何校正和相对几何校正，绝对几何校正是以地面控制点为参照，对待校正影像进行校正；相对几何校正是以同一地区已几何校正的遥感影像作为参照进行校正。辐射校正是改正和消除遥感影像上辐射误差的工作。辐射校正也可细分为绝对辐射校正和相对辐射校正，绝对辐射校正是以待校正影像上某一区域实地测量的辐射值为参照进行校正，相对辐射校正是以同一地区已辐射校正的遥感影像作为参照进行校正。
在现有技术中，几何校正和辐射校正通常采用分步校正的方法，高精度几何校正的像控点选取依赖于人工刺点方式，点位选取精度依赖于人工经验，校正效率低且校正精度无法保证，而辐射校正通常采用匀光技术，仅满足了视觉上的色彩一致而难以反映地表真实辐射信息，校正精度低。
发明内容
本发明提供一种遥感影像几何与辐射一体化校正方法、装置、设备及介质，通过利用已经过几何校正和辐射校正的历史正射影像构建像控点数据库，并结合SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集，从而实现遥感影像几何与辐射一体化的自动化校正，无需依赖于人工刺点，提高了校正效率与校正精度，此外，基于非像控点同名像点对集，利用不变目标法和最小二乘线性回归法解算获得辐射校正参数以用于辐射校正，能够反映地表真实辐射信息，显著提高了校正精度。
为了解决上述技术问题，本发明实施例第一方面提供一种遥感影像几何与辐射一体化校正方法，包括如下步骤：
基于预设的测区范围内的若干像控点以及已经过几何校正和辐射校正的历史正射影像，对所述历史正射影像进行裁剪，获得若干以所述像控点为中心的点位索引影像，并根据若干所述像控点和所述点位索引影像构建像控点数据库；
根据待校正遥感影像所对应的地理范围，在所述像控点数据库中获取位于所述地理范围内的若干目标像控点，并获取各目标像控点在所述待校正遥感影像中的对应点位索引影像；
利用SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集；
基于所述像控点同名像点对集，利用预设的有理函数模型解算获得几何校正参数；
基于所述非像控点同名像点对集，利用不变目标法和最小二乘线性回归法解算获得辐射校正参数；
根据所述几何校正参数和所述辐射校正参数，分别利用预设的几何校正模型和辐射校正模型依次对所述待校正遥感影像进行几何校正与辐射校正，获得目标校正遥感影像。
作为优选方案，所述获取各目标像控点在所述待校正遥感影像中的对应点位索引影像，具体包括如下步骤：
获取各目标像控点在所述待校正遥感影像中的位置信息，并根据各目标像控点所对应的所述位置信息，确定不处于所述待校正遥感影像的背景区域的若干候选像控点；
根据各候选像控点所对应的点位索引影像的宽度、高度及分辨率、所述待校正遥感影像的分辨率、预设的影像宽度补偿值和影像高度补偿值，获取各候选像控点在所述待校正遥感影像中的对应点位索引影像；其中，任意一个候选像控点的对应点位索引影像所对应的地理范围大于或等于所述任意一个候选像控点的点位索引影像所对应的地理范围；
则，所述利用SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集，具体为：
利用SIFT特征匹配法将各候选像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集。
作为优选方案，所述方法在获取各候选像控点在所述待校正遥感影像中的对应点位索引影像后，还包括如下步骤：
判断各候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率之间的差值是否大于预设分辨率差值；
当任意一个候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率之间的差值大于所述预设分辨率差值时，对所述任意一个候选像控点所对应的点位索引影像进行重采样，以使所述任意一个候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率相同；
当各候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率之间的差值均小于或等于所述预设分辨率差值时，对各候选像控点的对应点位索引影像进行直方图规定化，以使任意一个候选像控点的对应点位索引影像的灰度分布与所述任意一个候选像控点的点位索引影像的灰度分布一致。
作为优选方案，所述利用SIFT特征匹配法将各候选像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集，具体包括如下步骤：
利用SIFT特征匹配法将各候选像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干匹配点对；
根据每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干匹配点对，利用RANSAC算法计算每个候选像控点所对应的点位索引影像与对应点位索引影像之间的单应矩阵，根据所述单应矩阵对所述若干匹配点对中的错误匹配点对进行剔除，获得若干候选匹配点对并基于所述若干候选匹配点计算目标单应矩阵；
将每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干候选匹配点对进行分组，获得像控点匹配点对组和非像控点匹配点对组；
判断所述像控点匹配点对组的像控点匹配点对数量是否小于预设数量；
当所述像控点匹配点对数量不小于所述预设数量时，基于所述目标单应矩阵计算每个候选像控点在所述待校正遥感影像中的同名像点像坐标；
当所述像控点匹配点对数量小于所述预设数量时，基于地理坐标约束匹配策略对每个候选像控点所对应的点位索引影像与对应点位索引影像进行重新匹配，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干正确匹配点对，重新利用RANSAC算法计算每个候选像控点所对应的点位索引影像与对应点位索引影像之间的新单应矩阵，根据所述新单应矩阵对所述若干正确匹配点对中的错误匹配点对进行剔除，获得若干新候选匹配点并基于所述若干新候选匹配点计算新目标单应矩阵，基于所述新目标单应矩阵计算每个候选像控点在所述待校正遥感影像中的同名像点像坐标；
根据每个候选像控点在所述待校正遥感影像中的同名像点像坐标，获得所述像控点同名像点对集，根据所述非像控点匹配点对组中的若干非像控点匹配点对，获得所述非像控点同名像点对集。
作为优选方案，所述基于地理坐标约束匹配策略对每个候选像控点所对应的点位索引影像与对应点位索引影像进行重新匹配，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干正确匹配点对，具体包括如下步骤：
根据每个候选像点所对应的点位索引影像的SIFT特征向量与对应点位索引影像的SIFT特征向量之间的相似性，确定所述点位索引影像中各SIFT特征点在所述对应点位索引影像中的第一相似像点和第二相似像点；
获取每个候选像点所对应的点位索引影像中各SIFT特征点的经纬度值，利用7参数对各SIFT特征点的经纬度值进行坐标转换，确定各SIFT特征点在所述对应点位索引影像中的对应像点；
判断各SIFT特征点所对应的所述第一相似像点、所述第二相似像点与所述对应像点之间的相距距离是否小于预设距离阈值；
当任意一个SIFT特征点所对应的所述第一相似像点与所述对应像点之间的相距距离小于所述预设距离阈值时，判定所述任意一个SIFT特征点与所述第一相似像点为所述正确匹配点对，当任意一个SIFT特征点所对应的所述第二相似像点与所述对应像点之间的相距距离小于所述预设距离阈值时，判定所述任意一个SIFT特征点与所述第二相似像点为所述正确匹配点对，直至确定所有SIFT特征点所对应的正确匹配点，并根据所有SIFT特征点所对应的正确匹配点，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干正确匹配点对。
作为优选方案，所述方法在获取每个候选像控点在所述待校正遥感影像中的同名像点像坐标后，还包括如下步骤：
利用单点最小二乘算法对所述非像控点匹配点对组中各非像控点匹配点的像坐标以及每个候选像控点在所述待校正遥感影像中的同名像点像坐标进行优化，获得所述非像控点匹配点对组中各非像控点匹配点的优化像坐标以及每个候选像控点在所述待校正遥感影像中的优化同名像点像坐标；
则，所述根据每个候选像控点在所述待校正遥感影像中的同名像点像坐标，获得所述像控点同名像点对集，根据所述非像控点匹配点对组中的若干非像控点匹配点对，获得所述非像控点同名像点对集，具体为：
根据每个候选像控点在所述待校正遥感影像中的优化同名像点像坐标，获得所述像控点同名像点对集，根据所述非像控点匹配点对组中的若干非像控点匹配点以及各非像控点匹配点的优化像坐标，获得所述非像控点同名像点对集。
作为优选方案，所述根据所述几何校正参数和所述辐射校正参数，分别利用预设的几何校正模型和辐射校正模型依次对所述待校正遥感影像进行几何校正与辐射校正，获得目标校正遥感影像，具体包括如下步骤：
根据所述几何校正参数，利用所述几何校正模型对所述待校正遥感影像中的任意一个像元进行地理坐标变换，获得几何校正后的遥感影像；
利用双线性插值法对所述几何校正后的遥感影像进行重采样，获得重采样后的遥感影像；
根据所述辐射校正参数，利用所述辐射校正模型对所述重采样后的遥感影像中任意一个像元的各通道辐射向量进行辐射值变换，获得所述目标校正遥感影像。
本发明实施例第二方面提供一种遥感影像几何与辐射一体化校正装置，包括：
像控点数据库构建模块，用于基于预设的测区范围内的若干像控点以及已经过几何校正和辐射校正的历史正射影像，对所述历史正射影像进行裁剪，获得若干以所述像控点为中心的点位索引影像，并根据若干所述像控点和所述点位索引影像构建像控点数据库；
对应点位索引影像获取模块，用于根据待校正遥感影像所对应的地理范围，在所述像控点数据库中获取位于所述地理范围内的若干目标像控点，并获取各目标像控点在所述待校正遥感影像中的对应点位索引影像；
影像匹配模块，用于利用SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集；
几何校正参数获取模块，用于基于所述像控点同名像点对集，利用预设的有理函数模型解算获得几何校正参数；
辐射校正参数获取模块，用于基于所述非像控点同名像点对集，利用不变目标法和最小二乘线性回归法解算获得辐射校正参数；
影像校正模块，用于根据所述几何校正参数和所述辐射校正参数，分别利用预设的几何校正模型和辐射校正模型依次对所述待校正遥感影像进行几何校正与辐射校正，获得目标校正遥感影像。
本发明实施例第三方面提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的遥感影像几何与辐射一体化校正方法。
本发明实施例第四方面提供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，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面任一项所述的遥感影像几何与辐射一体化校正方法。
相比于现有技术，本发明实施例的有益效果在于，通过利用已经过几何校正和辐射校正的历史正射影像构建像控点数据库，并结合SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集，从而实现遥感影像几何与辐射一体化的自动化校正，无需依赖于人工刺点，提高了校正效率与校正精度，此外，基于非像控点同名像点对集，利用不变目标法和最小二乘线性回归法解算获得辐射校正参数以用于辐射校正，能够反映地表真实辐射信息，显著提高了校正精度。
附图说明
图1是本发明实施例中的遥感影像几何与辐射一体化校正方法的流程示意图；
图2是本发明实施例中的相邻尺度空间的局部极值点检测示意图；
图3是本发明实施例中的SIFT特征向量的生成示意图；
图4是本发明实施例中的地理坐标约束匹配原理示意图；
图5是本发明实施例中的单点最小二乘影像匹配原理示意图；
图6是本发明实施例中的遥感影像几何与辐射一体化校正装置的结构示意图。
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。
参见图1，本发明实施例第一方面提供一种遥感影像几何与辐射一体化校正方法，包括如下步骤S1至步骤S6：
步骤S1，基于预设的测区范围内的若干像控点以及已经过几何校正和辐射校正的历史正射影像，对所述历史正射影像进行裁剪，获得若干以所述像控点为中心的点位索引影像，并根据若干所述像控点和所述点位索引影像构建像控点数据库；
步骤S2，根据待校正遥感影像所对应的地理范围，在所述像控点数据库中获取位于所述地理范围内的若干目标像控点，并获取各目标像控点在所述待校正遥感影像中的对应点位索引影像；
步骤S3，利用SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集；
步骤S4，基于所述像控点同名像点对集，利用预设的有理函数模型解算获得几何校正参数；
步骤S5，基于所述非像控点同名像点对集，利用不变目标法和最小二乘线性回归法解算获得辐射校正参数；
步骤S6，根据所述几何校正参数和所述辐射校正参数，分别利用预设的几何校正模型和辐射校正模型依次对所述待校正遥感影像进行几何校正与辐射校正，获得目标校正遥感影像。
在步骤S1中，预先在测区范围内布设若干像控点，然后在已经过几何校正和辐射校正的历史正射影像中选中像控点位置并进行裁剪，作为其中一种可选的实施例，裁剪的尺寸为1023*1023像素，但本实施例不对裁剪尺寸作具体限定，可根据实际需要调整裁剪尺寸，裁剪后获得若干以像控点为中心的点位索引影像，对各点位索引影像及其像控点进行属性编辑，批量入库，构建像控点数据库。
步骤S2为预处理步骤，预处理的目的是获取各目标像控点在待校正遥感影像中的对应点位索引影像，并保证两张影像的数据类型符合匹配程序的要求。具体地，根据待校正遥感影像的四角点坐标能够确定其对应的地理范围，以缩小在像控点数据库中的搜索范围，然后依据影像的分辨率和校正精度要求等条件，分析位于地理范围内的若干像控点的适用性，最终确定满足条件的若干目标像控点，进一步地，获取各目标像控点在待校正遥感影像中的对应点位索引影像。
在步骤S3中，由于SIFT特征算子具有尺度不变、旋转不变、仿射不变、亮度不变的特点，能够很好的适应航飞影像畸变与亮度差异，提取线性相关的同名像点对，因此，本实施例利用SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集。
值得说明的是，SIFT特征匹配过程包括各目标像控点所对应的点位索引影像与各对应点位索引影像的SIFT特征点与特征描述子向量。SIFT特征点的生成步骤包括尺度空间极值点检测、极值点精确定位、特征点主方向确定和特征点描述子生成四个步骤。
(1)尺度空间极值点检测
首先生成尺度空间，尺度空间理论目的是模拟图像数据的多尺度特征。高斯卷积核是实现尺度变换的唯一线性核，于是一副二维图像的尺度空间定义为：
L(x,y,σ)＝G(x,y,σ)*I(x,y) (1)
其中，G(x,y,σ)表示尺度可变高斯函数：
(x,y)表示空间坐标，σ表示尺度坐标。
为了有效地在尺度空间检测到稳定的关键点，建立高斯差分尺度空间(DOGscale-space)，利用不同尺度的高斯差分核与图像卷积生成。
D(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)＝L(x,y,kσ)-L(x,y,σ) (3)
为了寻找尺度空间的极值点，每一个采样点要和它所有的相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小。如图2所示，中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点比较，以确保在尺度空间和二维图像空间都检测到极值点。
(2)极值点精确定位
通过拟和三维二次函数以精确确定关键点的位置和尺度(达到亚像素精度)，同时去除低对比度的关键点和不稳定的边缘响应点(因为DoG算子会产生较强的边缘响应)，以增强匹配稳定性、提高抗噪声能力。一般都不好的高斯差分算子的极值在横跨边缘的地方有较大的主曲率，而在垂直边缘的方向有较小的主曲率。因此可以通过主曲率和垂直方向曲率比值去除不稳定的边缘响应点。
(3)特征点主方向确定
利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性。
上式为(x,y)处梯度的模值和方向公式，其中，L所用的尺度为每个关键点各自所在的尺度。在实际计算时，以关键点为中心的邻域窗口内采样，并用直方图统计邻域像素的梯度方向。梯度直方图的范围是0～360度，其中每10度一个柱，总共36个柱。直方图的峰值则代表了该关键点处邻域梯度的主方向，即作为该关键点的方向。
在梯度方向直方图中，当存在另一个相当于主峰值80％能量的峰值时，则将这个方向认为是该关键点的辅方向。一个关键点可能会被指定具有多个方向(一个主方向，一个以上辅方向)，这可以增强匹配的鲁棒性。至此，图像的关键点已检测完毕，每个关键点有三个信息：位置、所处尺度、方向，由此可以确定一个SIFT特征区域。
(4)特征点描述子生成
首先将坐标轴旋转为关键点的方向，以确保旋转不变性。接下来以关键点为中心取8×8的窗口。如图3所示，左部分的中央黑点为当前关键点的位置，每个小格代表关键点邻域所在尺度空间的一个像素，箭头方向代表该像素的梯度方向，箭头长度代表梯度模值，图中的圈代表高斯加权的范围(越靠近关键点的像素梯度方向信息贡献越大)。然后在每4×4的小块上计算8个方向的梯度方向直方图，绘制每个梯度方向的累加值，即可形成一个种子点。此图中一个关键点由2×2共4个种子点组成，每个种子点有8个方向向量信息。这种邻域方向性信息联合的思想增强了算法抗噪声的能力，同时对于含有定位误差的特征匹配也提供了较好的容错性。实际计算过程中，为了增强匹配的稳健性，对每个关键点使用4×4共16个种子点来描述，这样对于一个关键点就可以产生128个数据，即最终形成128维的SIFT特征向量。此时SIFT特征向量已经去除了尺度变化、旋转等几何变形因素的影响，再继续将特征向量的长度归一化，则可以进一步去除光照变化的影响。
进一步地，在生成SIFT特征向量后，可以利用两个SIFT特征向量的欧式距离作为待匹配点之间的相似性测度。通过计算目标点与所有候选点特征描述子之间的最近欧式距离和次近欧式距离的比值来判断两点是否为同名像点，比值计算公式如下。如果比值小于阈值则可以认为两点为同名像点，否则不能接受。为了减少误匹配点数，可以适当地减小阈值。
基于获取的若干匹配同名像点对，可以划分获得像控点同名像点对集和非像控点同名像点对集。
在步骤S4中，基于像控点同名像点对集，利用预设的有理函数模型解算获得几何校正参数。
值得说明的是，几何校正又称正射校正，正射校正是图像几何畸变的过程，它将由地形和传感器等外在因素引起的几何畸变。正射影像校正结果是一个真实遥感影像。正射校正是通过在相片上选取一些地面控制点，利用原始相片的DEM数据和校正影像的倾斜与投影差值，将影像重采样成正射影像。利用若干幅正射影像拼接镶嵌，通过色彩平衡处理后，在一定范围内裁剪出的图像即为正射影像图。
本实施例利用基于有理多项式系数(RPC，Rational Polynomial Coefficients)的有理函数模型(RFM，Rational Function Model)进行几何校正参数的解算。
RFM模型是一种广义的传感器成像校正模型，该模型可以与需要获得卫星内部核心参数的严格物理模型相近似的、精度基本一致的校正效果，因此在很多遥感影像处理工作中RFM模型都将会取代复杂的严格物理校正模型。RFM模型相对于各种传感器几何模型其表达形式更精确、更普遍，但需利用误差补偿模型来补偿影像的RPC参数误差。
RPC模型是将影像坐标p(r，c)与地面坐标P(X，Y，Z)关联起来，建立比值多项式的数学关系，其表达形式如下：
式中，P(X，Y，Z)为多项式函数，其每项的X、Y、Z的幂最大为3，每项的X、Y、Z的幂值总和也不高于3，通常取值为1、2、3三种。具体表达式如下：
P(X，Y，Z)＝a0+a1X+a2Y+a3Z+a4XY+a5XZ+a6YZ+a7X2+a8Y2+a9Z2+a10XYZ+a11X2Y+a12X2Z+a13Y2X+a14Y2X+a15XZ2+a16YZ2+a17X3+a18Y3+a19Z3
式中，a0，a1，a2，……，a19是有理函数的系数。类似的，P2，P3，P4，可用bi，ci，di的多项式表示，b0和d0通常为“1”。
在计算中，由于数据量级别间存在的差距，往往会产生舍入误差，因此，为了维持计算过程的稳定，减少该误差，需将影像坐标(r，c)和地面坐标(X，Y，Z)经过缩放和平移的正则化，得到值范围在(-1，1)之间的标准化坐标，变换形式如下：
式中，(X0，Y0，Z0，r0，c0)是标准化平移参数；(Xs，，Ys，Zs，rs，cs)为标准化比例参数。(Xn，Yn，Zn，rc，cn)为标准化后的坐标。
在步骤S5中，基于非像控点同名像点对集，利用不变目标法和最小二乘线性回归法解算获得辐射校正参数。
值得说明的是，不变目标法最早由Schott于1988年提出。该方法的核心是伪不变目标(PIF)，指遥感影像上辐射特性相对稳定且具有确切的地理意义的像元，PIF的反射辐射特性在一定时间内变化很小，可以用做多时相遥感影像辐射校正的辐射参考。PIF技术最早被提出的目的是通过实现某种辐射转换来实现场景到场景的归一化，以保持两个场景下的影像的辐射一致性。这项技术基于基本辐射理论，最终可以根据地球表面反射率特性来定义。它假设到达机载或卫星传感器的给定光谱通道的辐射可以表示为反射率的线性函数，基于此假设，可以推导得出多时相影像灰度值之间的关系：
DN1i＝mi×DN2j+ni (6)
其中，DN1i为目标影像波段i的影像灰度值，DN2j为对应基准影像波段j的影像灰度值，mi、ni为回归方程系数，目标影像和基准影像同源时i＝j，异源时i和j为相同或近似波长范围各自对应的波段。
基于上式将基准影像与待校正遥感影像中的PIF点灰度值代入回归方程解算校正系数，可以进行多时相影像间的相对辐射校正，若基准影像反映地表真实辐射信息，则可接近绝对辐射校正的效果。
线性回归是指在现有数据集上构建一个线性模型，以便于拟合这个数据集特征向量中多个分量之间的关系。可以通过已经拟合好的线性模型来预测“新数据”的预期结果。二维线性模型为一条直线，三维的则是一个平面。目前，关于线性回归的算法实现，最小二乘法是应用最为广泛的算法之一。对于数据集，利用线性模型来拟合其数据关系，相对于一维或多维数据，均可通过构建线性模型的方法来实现。
本实施例根据不变目标法的原理，利用提取的非像控点同名像点对集，通过最小二乘线性回归建立待校正遥感影像与辐射参考影像之间的线性关系，解算辐射校正参数。
在步骤S6中，根据几何校正参数和辐射校正参数，分别利用预设的几何校正模型和辐射校正模型依次对待校正遥感影像进行几何校正与辐射校正，获得目标校正遥感影像。
作为优选方案，所述获取各目标像控点在所述待校正遥感影像中的对应点位索引影像，具体包括如下步骤：
获取各目标像控点在所述待校正遥感影像中的位置信息，并根据各目标像控点所对应的所述位置信息，确定不处于所述待校正遥感影像的背景区域的若干候选像控点；
根据各候选像控点所对应的点位索引影像的宽度、高度及分辨率、所述待校正遥感影像的分辨率、预设的影像宽度补偿值和影像高度补偿值，获取各候选像控点在所述待校正遥感影像中的对应点位索引影像；其中，任意一个候选像控点的对应点位索引影像所对应的地理范围大于或等于所述任意一个候选像控点的点位索引影像所对应的地理范围；
则，所述利用SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集，具体为：
利用SIFT特征匹配法将各候选像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集。
具体地，获取各目标像控点在待校正遥感影像中的位置信息，该位置信息为概略位置，对于各目标像控点所对应的点位索引影像，根据目标像控点的大地坐标和待校正遥感影像的RPC模型能够计算出目标像控点在待校正遥感影像上的概略位置，其与真实位置的偏差少则几十个像素，多则几百个像素，并确定不处于待校正遥感影像的背景区域的若干候选像控点。
进一步地，由于待校正遥感影像往往数据量较大，有的多达2G，无法一次性读入内存，为了便于程序处理，本实施例以各候选像控点为中心取一定大小的遥感影像，作为各候选像控点在待校正遥感影像中的对应点位索引影像，对应点位索引影像的计算公式如下：
其中，w1、h1为各候选像控点所对应的点位索引影像的宽度和高度；resx1、resy1为点位索引影像在水平方向上的像素数量及在垂直方向上的像素数量；w2、h2为对应点位索引影像的宽度和高度；resx2、resy2为待校正遥感影像在水平方向上的像素数量及在垂直方向上的像素数量；△w和△h为预设的影像宽度补偿值和影像高度补偿值。
作为优选方案，所述方法在获取各候选像控点在所述待校正遥感影像中的对应点位索引影像后，还包括如下步骤：
判断各候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率之间的差值是否大于预设分辨率差值；
当任意一个候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率之间的差值大于所述预设分辨率差值时，对所述任意一个候选像控点所对应的点位索引影像进行重采样，以使所述任意一个候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率相同；
当各候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率之间的差值均小于或等于所述预设分辨率差值时，对各候选像控点的对应点位索引影像进行直方图规定化，以使任意一个候选像控点的对应点位索引影像的灰度分布与所述任意一个候选像控点的点位索引影像的灰度分布一致。
值得说明的是，由于光照条件、拍摄角度或地物本身发生变化的原因，各候选像控点所对应的点位索引影像与对应点位索引影像的灰度值可能存在较大差异，造成同名像点在一张影像上为SIFT特征点而在另一张影像上为非SIFT特征点的情况。这种情况会使影像匹配效果变差甚至匹配失败。为了避免影像灰度值的差异对影像匹配结果造成影响，需使得点位索引影像与对应点位索引影像的辐射灰度值分布一致。由于点位索引影像是正射影像，经过了几何校正和辐射校正，影像灰度值更能反应真实的地物辐射。因此本实施例对各候选像控点的对应点位索引影像进行直方图规定化，以使任意一个候选像控点的对应点位索引影像的灰度分布与所述任意一个候选像控点的点位索引影像的灰度分布一致。
作为优选方案，所述利用SIFT特征匹配法将各候选像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集，具体包括如下步骤：
利用SIFT特征匹配法将各候选像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干匹配点对；
根据每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干匹配点对，利用RANSAC算法计算每个候选像控点所对应的点位索引影像与对应点位索引影像之间的单应矩阵，根据所述单应矩阵对所述若干匹配点对中的错误匹配点对进行剔除，获得若干候选匹配点对并基于所述若干候选匹配点计算目标单应矩阵；
将每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干候选匹配点对进行分组，获得像控点匹配点对组和非像控点匹配点对组；
判断所述像控点匹配点对组的像控点匹配点对数量是否小于预设数量；
当所述像控点匹配点对数量不小于所述预设数量时，基于所述目标单应矩阵计算每个候选像控点在所述待校正遥感影像中的同名像点像坐标；
当所述像控点匹配点对数量小于所述预设数量时，基于地理坐标约束匹配策略对每个候选像控点所对应的点位索引影像与对应点位索引影像进行重新匹配，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干正确匹配点对，重新利用RANSAC算法计算每个候选像控点所对应的点位索引影像与对应点位索引影像之间的新单应矩阵，根据所述新单应矩阵对所述若干正确匹配点对中的错误匹配点对进行剔除，获得若干新候选匹配点并基于所述若干新候选匹配点计算新目标单应矩阵，基于所述新目标单应矩阵计算每个候选像控点在所述待校正遥感影像中的同名像点像坐标；
根据每个候选像控点在所述待校正遥感影像中的同名像点像坐标，获得所述像控点同名像点对集，根据所述非像控点匹配点对组中的若干非像控点匹配点对，获得所述非像控点同名像点对集。
值得说明的是，为了提高匹配点对的可靠性，本实施例采用RANSAC(随机抽样一致性检验)算法剔除错误匹配点对。
RANSAC算法是一种随机参数估计算法。RANSAC算法从样本中随机抽选出一个样本子集，使用最小方差估计算法对这个子集计算模型参数，然后计算所有样本与该模型的偏差，再使用一个预先设定好的阈值与偏差比较，当偏差小于阈值时，该样本点属于模型内样本点，否则为模型外样本点，记录下当前内点的个数，然后重复这一过程。每一次重复都记录当前最佳的模型参数，所谓最佳即是内点的个数最多，此时所求的模型参数就是最终的模型参数估计值。
在影像匹配中，RANSAC算法计算的是两张影像的单应矩阵H，单应矩阵H表示两张影像同名像点之间的转换关系。RANSAC算法剔除错误匹配点对的原理如下：
(1)随机选取8个匹配点对，并估计单应矩阵H；
(2)确定支持计算出的单应矩阵H的匹配点对的对数，并将其作为一致集；
(3)如果匹配点对的个数大于设定的阈值，则用一致集中所有的匹配点对重新估计单应矩阵H，并剔除不支持单应矩阵H的匹配点对，将剩余的点对作为正确匹配的点对，否则返回到步骤(1)；
(4)如果抽样次数达到阈值则放弃对单应矩阵H的估计，并认为两张影像之间没有正确匹配的点对。
最终获得若干候选匹配点对。
如图4所示，作为优选方案，所述基于地理坐标约束匹配策略对每个候选像控点所对应的点位索引影像与对应点位索引影像进行重新匹配，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干正确匹配点对，具体包括如下步骤：
根据每个候选像点所对应的点位索引影像的SIFT特征向量与对应点位索引影像的SIFT特征向量之间的相似性，确定所述点位索引影像中各SIFT特征点在所述对应点位索引影像中的第一相似像点和第二相似像点；
获取每个候选像点所对应的点位索引影像中各SIFT特征点的经纬度值，利用7参数对各SIFT特征点的经纬度值进行坐标转换，确定各SIFT特征点在所述对应点位索引影像中的对应像点；
判断各SIFT特征点所对应的所述第一相似像点、所述第二相似像点与所述对应像点之间的相距距离是否小于预设距离阈值；
当任意一个SIFT特征点所对应的所述第一相似像点与所述对应像点之间的相距距离小于所述预设距离阈值时，判定所述任意一个SIFT特征点与所述第一相似像点为所述正确匹配点对，当任意一个SIFT特征点所对应的所述第二相似像点与所述对应像点之间的相距距离小于所述预设距离阈值时，判定所述任意一个SIFT特征点与所述第二相似像点为所述正确匹配点对，直至确定所有SIFT特征点所对应的正确匹配点，并根据所有SIFT特征点所对应的正确匹配点，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干正确匹配点对。
作为优选方案，所述方法在获取每个候选像控点在所述待校正遥感影像中的同名像点像坐标后，还包括如下步骤：
利用单点最小二乘算法对所述非像控点匹配点对组中各非像控点匹配点的像坐标以及每个候选像控点在所述待校正遥感影像中的同名像点像坐标进行优化，获得所述非像控点匹配点对组中各非像控点匹配点的优化像坐标以及每个候选像控点在所述待校正遥感影像中的优化同名像点像坐标；
则，所述根据每个候选像控点在所述待校正遥感影像中的同名像点像坐标，获得所述像控点同名像点对集，根据所述非像控点匹配点对组中的若干非像控点匹配点对，获得所述非像控点同名像点对集，具体为：
根据每个候选像控点在所述待校正遥感影像中的优化同名像点像坐标，获得所述像控点同名像点对集，根据所述非像控点匹配点对组中的若干非像控点匹配点以及各非像控点匹配点的优化像坐标，获得所述非像控点同名像点对集。
值得说明的是，根据单应矩阵所计算的同名像点像坐标可能存在几个像素的误差，因此本实施例利用单点最小二乘算法优化匹配结果，最终得到亚像素级的匹配结果。
单点最小二乘影像匹配的基本原理如下：
两个二维影像之间的几何变形，不仅仅存在着相对移位，而且还存在着图形变化。如图5所示，左方影像上为矩形影像窗口，而在右方影像上相应的影像窗口，是个任意四边形。只有充分地考虑影像的几何变形，才能获得最佳的影像匹配。但是，由于影像匹配窗口的尺寸较小，所以一般只要考虑一次畸变：
x2＝a0+a1x+a2y (9)
y2＝b0+b1x+b2y (10)
有时只考虑仿射变形或一次正形变换。若同时再考虑到右方影像相对于左方影像的线性灰度畸变，则可得：
g1(x,y)+n1(x,y)＝h0+h1g2(a0+a1x+a2y,b0+b1x+b2y)+n2(x,y)
经线性化后，即可得最小二乘影像匹配的误差方程式：
v＝c1dh0+c2dh1+c3da0+c4da1+c5da2+c6db0+c7db1+c8db2-Δg
式中，未知数dh0，dh1，…，db2是待定参数的改正值，它们的初值分别为：
h0＝0，h1＝1
a0＝0，a1＝1，a2＝0
b0＝0，b1＝0，b2＝1
观测值Δg是相应像素的灰度差，误差方程式的系数为：
c1＝1
c2＝g2
由于在数字影像匹配中，灰度均是按规则格网排列的离散阵列，且采样间隔为常数Δ，可被视为单位长度，故上式中的偏导数均用差分代替：
逐个像元(在目标区域内)建立误差方程式，其矩阵形式为：
V＝CX-L
X＝[dh0dh1da0da1da2db0db1db2]T
在建立误差方程式时，可采用以目标区中心为坐标原点的局部坐标系。有误差方程式建立法方程式：
(CTC)X＝(CTL)
单点最小二乘影像匹配的具体步骤如下：
(1)几何变形改正。根据几何变形改正参数将左方影像窗口的相片坐标变换至右方影像阵列：
x2＝a0+a1x+a2y
y2＝b0+b1x+b2y
(2)重采样。由于换算所得之坐标，一般不可能是右方影像阵列中的整数行列号，因此重采样是必需的，由重采样g2(x2，y2)获得。一般来说，重采样可采用双线性内插。
(3)辐射畸变改正。利用由最小二乘影像匹配所求得辐射畸变改正参数，对上述重采样的结果做辐射改正。
(4)计算左方影像窗口与经过几何、辐射改正后的右方影像窗口的灰度阵列之间的相关系数，判断是否需要继续迭代。一般来说，若相关系数小于前一次迭代后所求得的相关系数，则可认为迭代结束。另外判断迭代结束，也可以根据几何变形参数(特别是移位改正值)是否小于某个预定的阈值。
(5)采用最小二乘影像匹配，解求变形参数的改正值。
(6)计算变形参数。由于变形参数的改正值是根据经过几何、辐射改正后的右方影像灰度阵列求得的，因此，变形参数应按下列算法求得：
对于辐射畸变参数：
(7)计算最佳匹配的点位。影像匹配的目的是为了获得同名像点。通常是以待定的目标点建立一个目标影像窗口，即窗口的中心点即为目标点。但是，在高精度影像相关中，必须考虑目标窗口的中心点是否是最佳匹配点。根据最小二乘匹配的精度理论可知：匹配精度取决于影响灰度的梯度。因此，可以以梯度的平方为权，在左方影像窗口对坐标作加权平均。以其作为目标点坐标，它的同名像点坐标可由最小二乘影像匹配所求得的几何变换参数求得。
作为优选方案，所述根据所述几何校正参数和所述辐射校正参数，分别利用预设的几何校正模型和辐射校正模型依次对所述待校正遥感影像进行几何校正与辐射校正，获得目标校正遥感影像，具体包括如下步骤：
根据所述几何校正参数，利用所述几何校正模型对所述待校正遥感影像中的任意一个像元进行地理坐标变换，获得几何校正后的遥感影像；
利用双线性插值法对所述几何校正后的遥感影像进行重采样，获得重采样后的遥感影像；
根据所述辐射校正参数，利用所述辐射校正模型对所述重采样后的遥感影像中任意一个像元的各通道辐射向量进行辐射值变换，获得所述目标校正遥感影像。
具体地，根据几何校正参数中的几何校正变换函数T(r，c)，利用几何校正模型对待校正遥感影像中的任意一个像元(r，c)进行变换，从而得到唯一的真实地理坐标(X，Y，Z)。其中，在几何校正时，由于待校正遥感影像存在几何畸变，几何校正后需要对影像进行重采样，本实施例利用双线性插值法对几何校正后的遥感影像进行重采样，获得重采样后的遥感影像。然后根据辐射校正参数中的辐射校正变换函数R(L(r，c))，利用辐射校正模型对重采样后的遥感影像中任意一个像元(r，c)的各通道辐射向量L(r，c)进行变换，从而得到校正后辐射值L1(r，c)。
本发明实施例提供的一种遥感影像几何与辐射一体化校正方法，通过利用已经过几何校正和辐射校正的历史正射影像构建像控点数据库，并结合SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集，从而实现遥感影像几何与辐射一体化的自动化校正，无需依赖于人工刺点，提高了校正效率与校正精度，此外，基于非像控点同名像点对集，利用不变目标法和最小二乘线性回归法解算获得辐射校正参数以用于辐射校正，能够反映地表真实辐射信息，显著提高了校正精度。
参见图6，本发明实施例第二方面提供一种遥感影像几何与辐射一体化校正装置，包括：
像控点数据库构建模块601，用于基于预设的测区范围内的若干像控点以及已经过几何校正和辐射校正的历史正射影像，对所述历史正射影像进行裁剪，获得若干以所述像控点为中心的点位索引影像，并根据若干所述像控点和所述点位索引影像构建像控点数据库；
对应点位索引影像获取模块602，用于根据待校正遥感影像所对应的地理范围，在所述像控点数据库中获取位于所述地理范围内的若干目标像控点，并获取各目标像控点在所述待校正遥感影像中的对应点位索引影像；
影像匹配模块603，用于利用SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集；
几何校正参数获取模块604，用于基于所述像控点同名像点对集，利用预设的有理函数模型解算获得几何校正参数；
辐射校正参数获取模块605，用于基于所述非像控点同名像点对集，利用不变目标法和最小二乘线性回归法解算获得辐射校正参数；
影像校正模块606，用于根据所述几何校正参数和所述辐射校正参数，分别利用预设的几何校正模型和辐射校正模型依次对所述待校正遥感影像进行几何校正与辐射校正，获得目标校正遥感影像。
需要说明的是，本发明实施例所提供的一种遥感影像几何与辐射一体化校正装置，能够实现上述任一实施例所述的遥感影像几何与辐射一体化校正方法的所有流程，装置中的各个模块的作用以及实现的技术效果分别与上述实施例所述的遥感影像几何与辐射一体化校正方法的作用以及实现的技术效果对应相同，这里不再赘述。
本发明实施例第三方面提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一实施例所述的遥感影像几何与辐射一体化校正方法。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器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)、现场可编程门阵列(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该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明实施例第四方面提供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，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面任一实施例所述的遥感影像几何与辐射一体化校正方法。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种遥感影像几何与辐射一体化校正方法，其特征在于，包括如下步骤：
基于预设的测区范围内的若干像控点以及已经过几何校正和辐射校正的历史正射影像，对所述历史正射影像进行裁剪，获得若干以所述像控点为中心的点位索引影像，并根据若干所述像控点和所述点位索引影像构建像控点数据库；
根据待校正遥感影像所对应的地理范围，在所述像控点数据库中获取位于所述地理范围内的若干目标像控点，并获取各目标像控点在所述待校正遥感影像中的对应点位索引影像；
利用SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集；
基于所述像控点同名像点对集，利用预设的有理函数模型解算获得几何校正参数；
基于所述非像控点同名像点对集，利用不变目标法和最小二乘线性回归法解算获得辐射校正参数；
根据所述几何校正参数和所述辐射校正参数，分别利用预设的几何校正模型和辐射校正模型依次对所述待校正遥感影像进行几何校正与辐射校正，获得目标校正遥感影像。
2.如权利要求1所述的遥感影像几何与辐射一体化校正方法，其特征在于，所述获取各目标像控点在所述待校正遥感影像中的对应点位索引影像，具体包括如下步骤：
获取各目标像控点在所述待校正遥感影像中的位置信息，并根据各目标像控点所对应的所述位置信息，确定不处于所述待校正遥感影像的背景区域的若干候选像控点；
根据各候选像控点所对应的点位索引影像的宽度、高度及分辨率、所述待校正遥感影像的分辨率、预设的影像宽度补偿值和影像高度补偿值，获取各候选像控点在所述待校正遥感影像中的对应点位索引影像；其中，任意一个候选像控点的对应点位索引影像所对应的地理范围大于或等于所述任意一个候选像控点的点位索引影像所对应的地理范围；
则，所述利用SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集，具体为：
利用SIFT特征匹配法将各候选像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集。
3.如权利要求2所述的遥感影像几何与辐射一体化校正方法，其特征在于，所述方法在获取各候选像控点在所述待校正遥感影像中的对应点位索引影像后，还包括如下步骤：
判断各候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率之间的差值是否大于预设分辨率差值；
当任意一个候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率之间的差值大于所述预设分辨率差值时，对所述任意一个候选像控点所对应的点位索引影像进行重采样，以使所述任意一个候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率相同；
当各候选像控点所对应的点位索引影像的分辨率与所述待校正影像的分辨率之间的差值均小于或等于所述预设分辨率差值时，对各候选像控点的对应点位索引影像进行直方图规定化，以使任意一个候选像控点的对应点位索引影像的灰度分布与所述任意一个候选像控点的点位索引影像的灰度分布一致。
4.如权利要求2所述的遥感影像几何与辐射一体化校正方法，其特征在于，所述利用SIFT特征匹配法将各候选像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集，具体包括如下步骤：
利用SIFT特征匹配法将各候选像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干匹配点对；
根据每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干匹配点对，利用RANSAC算法计算每个候选像控点所对应的点位索引影像与对应点位索引影像之间的单应矩阵，根据所述单应矩阵对所述若干匹配点对中的错误匹配点对进行剔除，获得若干候选匹配点对并基于所述若干候选匹配点计算目标单应矩阵；
将每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干候选匹配点对进行分组，获得像控点匹配点对组和非像控点匹配点对组；
判断所述像控点匹配点对组的像控点匹配点对数量是否小于预设数量；
当所述像控点匹配点对数量不小于所述预设数量时，基于所述目标单应矩阵计算每个候选像控点在所述待校正遥感影像中的同名像点像坐标；
当所述像控点匹配点对数量小于所述预设数量时，基于地理坐标约束匹配策略对每个候选像控点所对应的点位索引影像与对应点位索引影像进行重新匹配，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干正确匹配点对，重新利用RANSAC算法计算每个候选像控点所对应的点位索引影像与对应点位索引影像之间的新单应矩阵，根据所述新单应矩阵对所述若干正确匹配点对中的错误匹配点对进行剔除，获得若干新候选匹配点并基于所述若干新候选匹配点计算新目标单应矩阵，基于所述新目标单应矩阵计算每个候选像控点在所述待校正遥感影像中的同名像点像坐标；
根据每个候选像控点在所述待校正遥感影像中的同名像点像坐标，获得所述像控点同名像点对集，根据所述非像控点匹配点对组中的若干非像控点匹配点对，获得所述非像控点同名像点对集。
5.如权利要求4所述的遥感影像几何与辐射一体化校正方法，其特征在于，所述基于地理坐标约束匹配策略对每个候选像控点所对应的点位索引影像与对应点位索引影像进行重新匹配，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干正确匹配点对，具体包括如下步骤：
根据每个候选像点所对应的点位索引影像的SIFT特征向量与对应点位索引影像的SIFT特征向量之间的相似性，确定所述点位索引影像中各SIFT特征点在所述对应点位索引影像中的第一相似像点和第二相似像点；
获取每个候选像点所对应的点位索引影像中各SIFT特征点的经纬度值，利用7参数对各SIFT特征点的经纬度值进行坐标转换，确定各SIFT特征点在所述对应点位索引影像中的对应像点；
判断各SIFT特征点所对应的所述第一相似像点、所述第二相似像点与所述对应像点之间的相距距离是否小于预设距离阈值；
当任意一个SIFT特征点所对应的所述第一相似像点与所述对应像点之间的相距距离小于所述预设距离阈值时，判定所述任意一个SIFT特征点与所述第一相似像点为所述正确匹配点对，当任意一个SIFT特征点所对应的所述第二相似像点与所述对应像点之间的相距距离小于所述预设距离阈值时，判定所述任意一个SIFT特征点与所述第二相似像点为所述正确匹配点对，直至确定所有SIFT特征点所对应的正确匹配点，并根据所有SIFT特征点所对应的正确匹配点，获得每个候选像控点所对应的点位索引影像与对应点位索引影像之间的若干正确匹配点对。
6.如权利要求4所述的遥感影像几何与辐射一体化校正方法，其特征在于，所述方法在获取每个候选像控点在所述待校正遥感影像中的同名像点像坐标后，还包括如下步骤：
利用单点最小二乘算法对所述非像控点匹配点对组中各非像控点匹配点的像坐标以及每个候选像控点在所述待校正遥感影像中的同名像点像坐标进行优化，获得所述非像控点匹配点对组中各非像控点匹配点的优化像坐标以及每个候选像控点在所述待校正遥感影像中的优化同名像点像坐标；
则，所述根据每个候选像控点在所述待校正遥感影像中的同名像点像坐标，获得所述像控点同名像点对集，根据所述非像控点匹配点对组中的若干非像控点匹配点对，获得所述非像控点同名像点对集，具体为：
根据每个候选像控点在所述待校正遥感影像中的优化同名像点像坐标，获得所述像控点同名像点对集，根据所述非像控点匹配点对组中的若干非像控点匹配点以及各非像控点匹配点的优化像坐标，获得所述非像控点同名像点对集。
7.如权利要求1所述的遥感影像几何与辐射一体化校正方法，其特征在于，所述根据所述几何校正参数和所述辐射校正参数，分别利用预设的几何校正模型和辐射校正模型依次对所述待校正遥感影像进行几何校正与辐射校正，获得目标校正遥感影像，具体包括如下步骤：
根据所述几何校正参数，利用所述几何校正模型对所述待校正遥感影像中的任意一个像元进行地理坐标变换，获得几何校正后的遥感影像；
利用双线性插值法对所述几何校正后的遥感影像进行重采样，获得重采样后的遥感影像；
根据所述辐射校正参数，利用所述辐射校正模型对所述重采样后的遥感影像中任意一个像元的各通道辐射向量进行辐射值变换，获得所述目标校正遥感影像。
8.一种遥感影像几何与辐射一体化校正装置，其特征在于，包括：
像控点数据库构建模块，用于基于预设的测区范围内的若干像控点以及已经过几何校正和辐射校正的历史正射影像，对所述历史正射影像进行裁剪，获得若干以所述像控点为中心的点位索引影像，并根据若干所述像控点和所述点位索引影像构建像控点数据库；
对应点位索引影像获取模块，用于根据待校正遥感影像所对应的地理范围，在所述像控点数据库中获取位于所述地理范围内的若干目标像控点，并获取各目标像控点在所述待校正遥感影像中的对应点位索引影像；
影像匹配模块，用于利用SIFT特征匹配法将各目标像控点所对应的点位索引影像与各对应点位索引影像进行匹配，获得像控点同名像点对集和非像控点同名像点对集；
几何校正参数获取模块，用于基于所述像控点同名像点对集，利用预设的有理函数模型解算获得几何校正参数；
辐射校正参数获取模块，用于基于所述非像控点同名像点对集，利用不变目标法和最小二乘线性回归法解算获得辐射校正参数；
影像校正模块，用于根据所述几何校正参数和所述辐射校正参数，分别利用预设的几何校正模型和辐射校正模型依次对所述待校正遥感影像进行几何校正与辐射校正，获得目标校正遥感影像。
9.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的遥感影像几何与辐射一体化校正方法。
10.一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，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7任一项所述的遥感影像几何与辐射一体化校正方法。
CN202310655699.4A 2023-06-02 2023-06-02 遥感影像几何与辐射一体化校正方法、装置、设备及介质 Pending CN117058008A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310655699.4A CN117058008A (zh) 2023-06-02 2023-06-02 遥感影像几何与辐射一体化校正方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310655699.4A CN117058008A (zh) 2023-06-02 2023-06-02 遥感影像几何与辐射一体化校正方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN117058008A true CN117058008A (zh) 2023-11-14

Family

ID=88656078

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310655699.4A Pending CN117058008A (zh) 2023-06-02 2023-06-02 遥感影像几何与辐射一体化校正方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN117058008A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117788351A (zh) * 2024-02-27 2024-03-29 杨凌职业技术学院 一种农业遥感图像校正方法及***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117788351A (zh) * 2024-02-27 2024-03-29 杨凌职业技术学院 一种农业遥感图像校正方法及***
CN117788351B (zh) * 2024-02-27 2024-05-03 杨凌职业技术学院 一种农业遥感图像校正方法及***

Similar Documents

Publication Publication Date Title
CN106778823B (zh) 一种指针式仪表读数自动识别方法
Fan et al. Registration of optical and SAR satellite images by exploring the spatial relationship of the improved SIFT
CN103337052B (zh) 面向宽幅遥感影像的自动几何纠正方法
CN108759788B (zh) 无人机影像定位定姿方法及无人机
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
Wujanz et al. Identification of stable areas in unreferenced laser scans for deformation measurement
CN107240130B (zh) 遥感影像配准方法、装置及***
CN112529946B (zh) 高分立体模型优化方法、***、电子设备及可读存储介质
Zhang Combination of SIFT and Canny edge detection for registration between SAR and optical images
Gonçalves et al. CHAIR: Automatic image registration based on correlation and Hough transform
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
Sedaghat et al. Image matching of satellite data based on quadrilateral control networks
CN113065467A (zh) 一种基于深度学习的卫星图像低相干区域识别方法及装置
CN116309026A (zh) 一种基于***部特征描述与匹配的点云配准方法及***
CN115953604B (zh) 一种不动产地理信息测绘数据采集方法
CN110969650B (zh) 一种基于中心投影的强度图像与纹理序列间的配准方法
CN112734818A (zh) 基于残差网络和sift的多源高分辨率遥感图像自动配准方法
CN116468761A (zh) 基于概率分布距离特征描述的配准方法、设备及存储介质
CN113516059B (zh) 固体废弃物的识别方法、装置、电子设备及存储介质
CN115147471A (zh) 一种基于曲率密度特征的激光点云自动配准方法
Wan et al. A performance comparison of feature detectors for planetary rover mapping and localization
CN111160433A (zh) 一种高分辨率图像特征点的高速匹配方法及***
Kanuki et al. Automatic compensation of radial distortion by minimizing entropy of histogram of oriented gradients
JPH08161474A (ja) 異種センサ画像間レジストレーション補正方法
CN113280789B (zh) 一种地表起伏区域激光测高点作为影像高程控制点方法

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