CN117788281B - 低pos精度的机载线阵高光谱影像区域影像拼接方法及*** - Google Patents
低pos精度的机载线阵高光谱影像区域影像拼接方法及*** Download PDFInfo
- Publication number
- CN117788281B CN117788281B CN202410025880.1A CN202410025880A CN117788281B CN 117788281 B CN117788281 B CN 117788281B CN 202410025880 A CN202410025880 A CN 202410025880A CN 117788281 B CN117788281 B CN 117788281B
- Authority
- CN
- China
- Prior art keywords
- image
- navigation
- linear array
- hyperspectral
- band
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012937 correction Methods 0.000 claims abstract description 35
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000000903 blocking effect Effects 0.000 claims abstract description 6
- 238000002310 reflectometry Methods 0.000 claims description 19
- 238000011160 research Methods 0.000 claims description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 9
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及低POS精度的机载线阵高光谱影像区域影像拼接方法及***,与现有技术相比实现了低POS精度下大区域机载线阵高光谱影像高精度多轨拼接。本发明包括以下步骤:附带交叉垂直航线的区域多航带线阵高光谱遥感影像获取及预处理;利用八叉树最邻近法构建索引的单航带线阵高光谱遥感影像直接校正;地物类型引导下的多航带线阵高光谱遥感影像稳健同名点匹配;航带定位基准一致的分块校正与多航带影像拼接。本发明实现利用交叉航带配置有效消除***误差,以航带间同名点坐标误差聚类分块结果为单位进行拼接,有效解决沿轨和垂轨向误差变化所引起的航带间影像错误,为高光谱影像的大区域应用提供高质量数据。
Description
技术领域
本发明涉及空天信息技术中高光谱影像处理应用领域,具体来说是一种低POS精度的机载线阵高光谱影像区域影像拼接方法及***。
背景技术
高光谱成像是一种集光谱与成像原理于一体的空谱信息感知技术,已成为世界各国对地观测技术研究的前沿热点。通过搭载高光谱成像仪的飞行载荷,可以获取能够反映不同地物的诊断性光谱曲线,使得在传统遥感图像中难以探测的目标能够被准确探测和表征。机载线阵高光谱影像具有光谱分辨率高、光谱响应范围广、光谱连续和图谱合一等特点和优势,为地球物理勘探、农业资源调查、环境监测、城市规划和资源管理等领域提供了重要的数据来源。
在机载高光谱影像数据的获取过程中,受到硬件精度和观测环境等因素的影响,随机误差、***误差以及噪声同时存在。这导致在大场景应用中,多架次原始影像的几何定位存在偏移,相邻航带影像的同名点匹配困难,从而严重影响了对线阵高光谱影像的应用分析精度。为解决这一问题,针对大区域线阵高光谱影像,需要设计一种能够抵抗随机差异的数据获取方案。同时,针对低精度POS数据引起的航带影像定位的非线性变化,需要根据同名点误差的特性进行自适应分块拼接处理。此外,在确保获取相邻航带重叠区域内稳健同名点的准确性上也至关重要,这对于实现无缝拼接影像具有重要意义。
现有研究中,未考虑到低精度POS对于线阵高光谱影像沿航向高阶定位误差的影响。因此,在进行自适应分块建模处理时,需要针对具体相邻航线阵高光谱影像沿航向错位情况加以考虑。在整个大区域拼接前,可构造两条与区域主方向航向垂直的辅助航向,以消除整个目标场景中航带影像的随机误差。此外,无缝高精度拼接处理离不开高置信度的同名点。为确保匹配的同名点可靠性,不能直接从原始影像上进行匹配,并且同名点不能位于水域、植被、建筑区域上,需要进行可靠性筛选处理。国内还暂无具有低精度POS的机载线阵高光谱影像拼接的论文与专利。
发明内容
本发明的目的是为了解决现有技术中无法对低POS精度的机载线阵高光谱影像区域进行大区域无缝影像拼接,提供一种低POS精度的机载线阵高光谱影像区域影像拼接方法及***来解决上述问题。
为了实现上述目的,本发明技术方案如下:
一种低POS精度的机载线阵高光谱影像区域影像拼接方法,其特征在于,包括以下步骤:
11)附带交叉垂直航线的区域多航带线阵高光谱遥感影像获取及预处理:对大区域进行多航带拍摄并在航线首尾增设两条交叉垂直航带,利用多航带与交叉垂直航带的同名点定位一致性约束对POS数据进行修正;
12)利用八叉树最邻近法构建索引的单航带线阵高光谱遥感影像直接校正:根据修正后POS数据集相机参数构建机载线阵高光谱遥感影像的定位模型,利用定位模型和DEM几何正算至物方,利用八叉树对像方坐标及几何正算物方坐标构建索引,根据输出分辨率进行重采输出单航带高光谱校正影像;
13)地物类型引导下的多航带线阵高光谱遥感影像稳健同名点匹配:对单航带高光谱校正影像进行本征分解得到反射率本征影像,利用ORB特征匹配算法对反射率本征影像间匹配以获得同名点,利用该区域的地物类型图对匹配获得的同名点进行筛选;
14)定位误差一致的分块校正与多航带影像拼接:对航带间同名点像方坐标差分别沿着航向方向和垂直航向方向进行统计,对整个区域内航带间坐标差进行聚类形成分块,以分块区域为单元按照仿射模型逐个进行拼接,最终完成大区域高光谱校正影像的无缝拼接。
所述附带交叉垂直航线的区域多航带线阵高光谱遥感影像获取及预处理包括以下步骤:
21)覆盖区域的线阵高光谱影像数据采集:沿着目标区域主方向设定若干平行航带且航带间按重叠度为30%对目标研究区进行采集,得到N航带原始沿着区域主方向的原始影像i表示N航带中任一航带,N由测区范围Wregion与单航带影像的测绘带宽Wsingle所决定,即N=Wregion/Wsingle;且主方向航带影像中第1条/>以及第N条偏航角相差180度;ori表示原始影像;在主方向首尾分别设定一条垂直主方向的航带影像进行采集,得到垂直主方向影像/>和/> 与/>的偏航角相差180度,/>及/>与主方向任一原始航带影像/>重叠;
22)在主方向航带影像中与垂直主方向影像形成的2N个重叠区域Overlapn(1≤n≤2N)内进行匹配得到同名点,其中n表示2N个重叠区域中任一一个,并进行***平差修正POS数据,具体步骤为:
221)采用SIFT匹配算法,依次分别与/>以及/>匹配,在每个重叠区域内按照100×100像素大小分区块对匹配得到的同名点对(x,y)与(x’,y’)构建变换模型,按照0.2像素为阈值进行剔除,具体变换模型如下:
其中,(x,y)与(x′,y′)为在重叠区域匹配得到的同名点对,a0、a1、a2、a3以及b0、b1、b2、b3为利用同名点对基于随机抽样一致RANSAC的最小二乘求解的变换系数,然后逐个将同名点对代入该模型,若残差超过0.2像素,则剔除;
222)对影像根据初始低精度POS数据(俯仰角pitchori,横滚角rowori,偏航角yawori,X轴距离X,Y轴距离Y,Z轴距离Z)、行时tline、相机焦距f、影像像素ccdsize大小构建几何定位模型f;
223)利用获取完的同名点对几何定位模型f构建***平差模型,平差参数为每个航带对应时刻的姿态角数据俯仰角pitchori、横滚角rowori以及偏航角yawori数据,利用修正后的姿态角使得同名点定位一致作为约束条件进行求解;
224)平差求解完得到更新后的POS数据pitchori+δpitch,rowori+δrow,和yawori+δyaw,其中δpitch、δrow以及δyaw为姿态数据更新量。
所述利用八叉树最邻近法构建索引的单航带线阵高光谱遥感影像直接校正包括以下步骤:
31)利用更新完的POS数据对每条航带的线阵高光谱影像构建几何定位模型,根据研究区内公开的SRTM-DEM数据对原始高光谱影像逐像素坐标(x,y)进行几何正算,得到对应的物方坐标(Lat,Lon,H),其中x为原始影像上列的坐标,y为原始影像上行的坐标,Lat、Lon和H分别为像素坐标(x,y)对应的物方经度、纬度和大地高;
32)对输入的像素坐标(x,y),其特征(Lat,Lon,H),根据八叉树构建索引;
33)根据所有像素点对应的物方坐标,求取该张影像在物方空间的平面四至范围(Latleftup,Lonleftup,Latrightdown,Lonrightdown),其中(Latleftup,Lonleftup)为四至左上角纬度和经度,(Latrightdown,Lonrightdown)为四至右下角纬度和经度;
34)根据校正分辨率resolution确定输出影像的大小,并从输出影像的物方空间的左上角(Latleftup,Lonleftup)开始,根据八叉树索引找到距离最近的原始像素,按照克里金插值得到整个物方规则网格点的像素值;
35)重复31)-34)完成研究区所有原始航带影像主方向航带影像中 的几何校正,得到/>
所述地物类型引导下的多航带线阵高光谱遥感影像稳健同名点匹配包括以下步骤:
41)对几何校正后的影像/>按照反射率/>大气分量/>明暗分量/>地形分量/>以及非理想噪声/>进行本征分解如下:
为了求解转到对数域为:
在进行本征分解时将影像覆盖的DEM数据先验、光谱反射率先验、平滑先验、航带的太阳高度角、太阳天顶角代入进行求解,得到反映地物本身反射率信息的影像
42)对相邻的校正影像和/>利用SURF特征进行影像匹配得到初始的同名点对;
43)将同名点对与研究区的地物类型图进行空间叠加分析,去除位于水域、植被、建筑物上的同名点对,得到精化后的同名点对
所述航带定位基准一致的分块校正与多航带影像拼接包括以下步骤:
51)根据所有几何校正后的影像确定拼接影像的四至范围,以此大小新建一张空白的影像HSImosaic,并将/>写入HSImosaic中;
52)对相邻校正影像重叠区域内的同名点/> 计算列坐标差异量σx,i,i+1以及行坐标差异量σy,i,i+1,具体计算公式如下:
53)分别对相邻航带重叠区域内同名点列坐标差异量σx,i,i+1、行坐标差异量σy,i,i+1进行统计分段,单个分块内坐标差异量的不一致阈值设定为0.5个像素;
54)根据53)在相邻航带重叠区分块的结果,根据分块内同名点的结果及仿射模型按照221)建立与/>分块影像对应关系;
55)以的分块为基准,将/>对应分块按照对应关系利用三次卷积重采样至HSImosaic对应像素位置上;
56)重复52)-55),直至完成所有航带影像的拼接。
一种低POS精度的机载线阵高光谱影像区域影像拼接***包括以下模块:多航带线阵高光谱遥感影像获取及预处理模块,用以摄影计划生成算法、POS数据修正算法以及影像预处理;单航带线阵高光谱遥感影像直接校正模块,用以线阵高光谱影像定位模型构建、几何正算、八叉树索引构建以及直接校正;多航带线阵高光谱遥感影像同名点匹配模块,用以反射率本征影像生成、ORB特征匹配以及基于地物类型筛选出稳健同名点;分块校正与多航带影像拼接,用以同名点坐标差分统计、坐标差聚类以及基于仿射模型分块拼接,完成机载线阵高光谱影像区域高精度无缝拼接。
有益效果
本发明的一种低POS精度的机载线阵高光谱影像区域影像拼接方法及***,相较传统线阵高光谱影像拼接方法,本发明拥有如下显著优势:
机载线阵高光谱影像由于受到硬件精度和观测环境等因素的影响,随机误差、***误差以及粗差共存,严重制约了多航带影像拼接质量。本发明在数据获取阶段,通过设计两条偏航角相差180°且与其他航带重叠的辅助航带,有助于对整个场景区域随机差的消除,得到改进的POS,利用八叉树所以构建原始影像像素坐标与几何正算的物方坐标之间索引,能实现快速几何校正,通过对本征分解得到的反射率影像进行同名点匹配,加上经地物类型筛选后,得到高置信度的影像同名点,在此基础上,通过按照误差统计得到自适应分快范围,进而得到无缝高精度拼接影像,为高光谱影像大区域应用提供高几何质量数据。
附图说明
图1为本发明方法顺序图;
图2为本发明所涉及的方法实施流程图;
图3为带交叉垂直航线的区域多航带线阵高光谱遥感影像获取示意图;
图4为对单航带高光谱校正影像进行本征分解得到反射率本征影像示意图;
图5为拼接效果示意图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识,用以较佳的实施例及附图配合详细的说明,说明如下:
如图1、图2所示,本发明所述的一种低POS精度的机载线阵高光谱影像区域影像拼接方法,包括以下步骤:
第一步,附带交叉垂直航线的区域多航带线阵高光谱遥感影像获取及预处理:对大区域进行多航带拍摄并在航线首尾增设两条交叉垂直航带,利用多航带与交叉垂直航带的同名点定位一致性约束对POS数据进行修正。具体步骤如下:
(1)如图3所示,采集覆盖区域的线阵高光谱影像数据,沿着目标区域主方向设定若干平行航带且航带间按重叠度为30%对目标研究区进行采集,得到N航带原始沿着区域主方向的原始影像i表示N航带中任一航带,N由测区范围Wregion与单航带影像的测绘带宽Wsingle所决定,即N=Wregion/Wsingle;且主方向航带影像中第1条/>以及第N条/>偏航角相差180度;ori表示原始影像;在主方向首尾分别设定一条垂直主方向的航带影像进行采集,得到垂直主方向影像/>和/> 与/>的偏航角相差180度,/>及/>与主方向任一原始航带影像/>重叠;
(2)在主方向航带影像中与垂直主方向影像/> 形成的2N个重叠区域Overlapn(1≤n≤2N)内进行匹配得到同名点,其中n表示2N个重叠区域中任一一个,并进行***平差修正POS数据,具体步骤为:
(2-1)采用SIFT匹配算法,依次分别与/>以及/>匹配,在每个重叠区域内按照100×100像素大小分区块对匹配得到的同名点对(x,y)与(x’,y’)构建变换模型,按照0.2像素为阈值进行剔除,具体变换模型如下:
其中,(x,y)与(x′,y′)为在重叠区域匹配得到的同名点对,a0、a1、a2、a3以及b0、b1、b2、b3为利用同名点对基于随机抽样一致RANSAC的最小二乘求解的变换系数,然后逐个将同名点对代入该模型,若残差超过0.2像素,则剔除;
(2-2)对影像根据初始低精度POS数据(俯仰角pitchori,横滚角rowori,偏航角yawori,X轴距离X,Y轴距离Y,Z轴距离Z)、行时tline、相机焦距f、影像像素ccdsize大小构建几何定位模型f;
(2-3)利用获取完的同名点对几何定位模型f构建***平差模型,平差参数为每个航带对应时刻的姿态角数据俯仰角pitchori、横滚角rowori以及偏航角yawori数据,利用修正后的姿态角使得同名点定位一致作为约束条件进行求解;
(2-4)平差求解完得到更新后的POS数据pitchori+δpitch,rowori+δrow,和yawori+δyaw,其中δpitch、δrow以及δyaw为姿态数据更新量。
第二步,利用八叉树最邻近法构建索引的单航带线阵高光谱遥感影像直接校正:根据修正后POS数据集相机参数构建机载线阵高光谱遥感影像的定位模型,利用定位模型和DEM几何正算至物方,利用八叉树对像方坐标及几何正算物方坐标构建索引,根据输出分辨率进行重采输出单航带高光谱校正影像。具体步骤如下:
(1)利用更新完的POS数据对每条航带的线阵高光谱影像构建几何定位模型,根据研究区内公开的SRTM-DEM数据对原始高光谱影像逐像素坐标(x,y)进行几何正算,得到对应的物方坐标(Lat,Lon,H),其中x为原始影像上列的坐标,y为原始影像上行的坐标,Lat、Lon和H分别为像素坐标(x,y)对应的物方经度、纬度和大地高;
(2)对输入的像素坐标(x,y),其特征(Lat,Lon,H),根据八叉树构建索引;
(3)根据所有像素点对应的物方坐标,求取该张影像在物方空间的平面四至范围(Latleftup,Lonleftup,Latrightdown,Lonrightdown),其中(Latleftup,Lonleftup)为四至左上角纬度和经度,(Latrightdown,Lonrightdown)为四至右下角纬度和经度;
(4)根据校正分辨率resolution确定输出影像的大小,并从输出影像的物方空间的左上角(Latleftup,Lonleftup)开始,根据八叉树索引找到距离最近的原始像素,按照克里金插值得到整个物方规则网格点的像素值;
(5)重复(1)-(4)完成研究区所有原始航带影像主方向航带影像中 的几何校正,得到/>
第三步,地物类型引导下的多航带线阵高光谱遥感影像稳健同名点匹配:对单航带高光谱校正影像进行本征分解得到反射率本征影像,利用ORB特征匹配算法对反射率本征影像间匹配以获得同名点,利用该区域的地物类型图对匹配获得的同名点进行筛选。具体步骤如下:
(1)如图4所示,对几何校正后的影像/>按照反射率大气分量/>明暗分量/>地形分量/>以及非理想噪声/>进行本征分解如下:
为了求解转到对数域为:
在进行本征分解时将影像覆盖的DEM数据先验、光谱反射率先验、平滑先验、航带的太阳高度角、太阳天顶角代入进行求解,得到反映地物本身反射率信息的影像
(2)对相邻的校正影像和/>利用SURF特征进行影像匹配得到初始的同名点对;
(3)将同名点对与研究区的地物类型图进行空间叠加分析,去除位于水域、植被、建筑物上的同名点对,得到精化后的同名点对
第四步,定位误差一致的分块校正与多航带影像拼接:对航带间同名点像方坐标差分别沿着航向方向和垂直航向方向进行统计,对整个区域内航带间坐标差进行聚类形成分块,以分块区域为单元按照仿射模型逐个进行拼接,最终完成大区域高光谱校正影像的无缝拼接。具体步骤如下:
(1)根据所有几何校正后的影像确定拼接影像的四至范围,以此大小新建一张空白的影像HSImosaic,并将/>写入HSImosaic中;
(2)对相邻校正影像重叠区域内的同名点/> 计算列坐标差异量σx,i,i+1以及行坐标差异量σy,i,i+1,具体计算公式如下:
(3)分别对相邻航带重叠区域内同名点列坐标差异量σx,i,i+1、行坐标差异量σy,i,i+1进行统计分段,单个分块内坐标差异量的不一致阈值设定为0.5个像素;
(4)根据(3)在相邻航带重叠区分块的结果,根据分块内同名点的结果及仿射模型按照第一步(2-1)建立与/>分块影像对应关系;
(5)以的分块为基准,将/>对应分块按照对应关系利用三次卷积重采样至HSImosaic对应像素位置上;
(6)如图5所示,重复(2)-(5),直至完成所有航带影像的拼接。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (5)
1.一种低POS精度的机载线阵高光谱影像区域影像拼接方法,其特征在于,包括以下步骤:
11)附带交叉垂直航线的区域多航带线阵高光谱遥感影像获取及预处理:对大区域进行多航带拍摄并在航线首尾增设两条交叉垂直航带,利用多航带与交叉垂直航带的同名点定位一致性约束对POS数据进行修正;
12)利用八叉树最邻近法构建索引的单航带线阵高光谱遥感影像直接校正:根据修正后POS数据集相机参数构建机载线阵高光谱遥感影像的定位模型,利用定位模型和DEM几何正算至物方,利用八叉树对像方坐标及几何正算物方坐标构建索引,根据输出分辨率进行重采输出单航带高光谱校正影像;
13)地物类型引导下的多航带线阵高光谱遥感影像稳健同名点匹配:对单航带高光谱校正影像进行本征分解得到反射率本征影像,利用ORB特征匹配算法对反射率本征影像间匹配以获得同名点,利用该区域的地物类型图对匹配获得的同名点进行筛选;
131)对几何校正后的影像/>按照反射率/>大气分量/>明暗分量/>地形分量/>以及非理想噪声/>进行本征分解如下:
为了求解转到对数域为:
在进行本征分解时将影像覆盖的DEM数据先验、光谱反射率先验、平滑先验、航带的太阳高度角和太阳天顶角代入进行求解,得到反映地物本身反射率信息的影像其中1≤i≤N;
132)对相邻的校正影像和/>利用SURF特征进行影像匹配得到初始的同名点对;
133)将同名点对与研究区的地物类型图进行空间叠加分析,去除位于水域、植被和建筑物上的同名点对,得到精化后的同名点对
14)定位误差一致的分块校正与多航带影像拼接:对航带间同名点像方坐标差分别沿着航向方向和垂直航向方向进行统计,对整个区域内航带间坐标差进行聚类形成分块,以分块区域为单元按照仿射模型逐个进行拼接,最终完成大区域高光谱校正影像的无缝拼接。
2.根据权利要求1所述的一种低POS精度的机载线阵高光谱影像区域影像拼接方法,其特征在于,所述附带交叉垂直航线的区域多航带线阵高光谱遥感影像获取及预处理包括以下步骤:
21)覆盖区域的线阵高光谱影像数据采集:沿着目标区域主方向设定若干平行航带且航带间按重叠度为30%对目标研究区进行采集,得到N航带原始沿着区域主方向的原始影像i表示N航带中任一航带,1≤i≤N,N由测区范围Wregion与单航带影像的测绘带宽Wsingle所决定,即N=Wregion/Wsingle;且主方向航带影像中第1条/>以及第N条/>偏航角相差180度;ori表示原始影像;在主方向首尾分别设定一条垂直主方向的航带影像进行采集,得到垂直主方向影像/>和/>与/>的偏航角相差180度,及/>与主方向任一原始航带影像/>重叠;
22)在主方向航带影像中与垂直主方向影像/>形成的2N个重叠区域Overlapn内进行匹配得到同名点,其中n表示2N个重叠区域中任一一个,1≤n≤2N,并进行***平差修正POS数据,具体步骤为:
221)采用SIFT匹配算法,依次分别与/>以及/>匹配,在每个重叠区域内按照100×100像素大小分区块对匹配得到的同名点对(x,y)与(x’,y’)构建变换模型,按照0.2像素为阈值进行剔除,具体变换模型如下:
其中,(x,y)与(x′,y′)为在重叠区域匹配得到的同名点对,a0、a1、a2、a3以及b0、b1、b2、b3为利用同名点对基于随机抽样一致RANSAC的最小二乘求解的变换系数,然后逐个将同名点对代入该模型,若残差超过0.2像素,则剔除;
222)对和/>影像根据初始低精度POS数据、行时tline、相机焦距f和影像像素ccdsize大小构建几何定位模型f,其中1≤i≤N;
223)利用获取完的同名点对几何定位模型f构建***平差模型,平差参数为每个航带对应时刻的姿态角数据俯仰角pitchori、横滚角rowori以及偏航角yawori数据,利用修正后的姿态角使得同名点定位一致作为约束条件进行求解;
224)平差求解完得到更新后的POS数据pitchori+δpitch,rowori+δrow,和yawori+δyaw,其中δpitch、δrow以及δyaw为姿态数据更新量。
3.根据权利要求1所述的一种低POS精度的机载线阵高光谱影像区域影像拼接方法,其特征在于,所述利用八叉树最邻近法构建索引的单航带线阵高光谱遥感影像直接校正包括以下步骤:
31)利用更新完的POS数据对每条航带的线阵高光谱影像构建几何定位模型,根据研究区内公开的SRTM-DEM数据对原始高光谱影像逐像素坐标(x,y)进行几何正算,得到对应的物方坐标(Lat,Lon,H),其中x为原始影像上列的坐标,y为原始影像上行的坐标,Lat、Lon和H分别为像素坐标(x,y)对应的物方经度、纬度和大地高;
32)对输入的像素坐标(x,y),其特征(Lat,Lon,H),根据八叉树构建索引;
33)根据所有像素点对应的物方坐标,求取该影像在物方空间的平面四至范围(Latleftup,Lonleftup,Latrightdown,Lonrightdown),其中(Latleftup,Lonleftup)为四至左上角纬度和经度,(Latrightdown,Lonrightdown)为四至右下角纬度和经度;
34)根据校正分辨率resolution确定输出影像的大小,并从输出影像的物方空间的左上角开始,根据八叉树索引找到距离最近的原始像素,按照克里金插值得到整个物方规则网格点的像素值;
35)重复31)-34)完成研究区所有原始航带影像主方向航带影像中的几何校正,得到/>
4.根据权利要求1所述的一种低POS精度的机载线阵高光谱影像区域影像拼接方法,其特征在于,所述定位误差一致的分块校正与多航带影像拼接包括以下步骤:
41)根据所有几何校正后的影像确定拼接影像的四至范围,以此大小新建一张空白的影像HSImosaic,并将/>写入HSImosaic中;
42)对相邻校正影像重叠区域内的同名点/> 计算列坐标差异量σx,i,i+1以及行坐标差异量σy,i,i+1,具体计算公式如下:
43)分别对相邻航带重叠区域内同名点列坐标差异量σx,i,i+1、行坐标差异量σy,i,i+1进行统计分段,单个分块内坐标差异量的不一致阈值设定为0.5个像素;
44)根据43)在相邻航带重叠区分块的结果,根据分块内同名点的结果及仿射模型按照221)建立与/>分块影像对应关系;
45)以的分块为基准,将/>对应分块按照对应关系利用三次卷积重采样至HSImosaic对应像素位置上;
46)重复52)-55),直至完成所有航带影像的拼接。
5.根据权利要求1所述的一种低POS精度的机载线阵高光谱影像区域影像拼接方法,其特征在于,包括以下模块:
多航带线阵高光谱遥感影像获取及预处理模块,用以摄影计划生成算法、POS数据修正算法以及影像预处理;单航带线阵高光谱遥感影像直接校正模块,用以线阵高光谱影像定位模型构建、几何正算、八叉树索引构建以及直接校正;多航带线阵高光谱遥感影像同名点匹配模块,用以反射率本征影像生成、ORB特征匹配以及基于地物类型筛选出稳健同名点;分块校正与多航带影像拼接,用以同名点坐标差分统计、坐标差聚类以及基于仿射模型分块拼接,完成机载线阵高光谱影像区域高精度无缝拼接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410025880.1A CN117788281B (zh) | 2024-01-08 | 2024-01-08 | 低pos精度的机载线阵高光谱影像区域影像拼接方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410025880.1A CN117788281B (zh) | 2024-01-08 | 2024-01-08 | 低pos精度的机载线阵高光谱影像区域影像拼接方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117788281A CN117788281A (zh) | 2024-03-29 |
CN117788281B true CN117788281B (zh) | 2024-05-28 |
Family
ID=90387350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410025880.1A Active CN117788281B (zh) | 2024-01-08 | 2024-01-08 | 低pos精度的机载线阵高光谱影像区域影像拼接方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117788281B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916452A (zh) * | 2010-07-26 | 2010-12-15 | 中国科学院遥感应用研究所 | 一种基于飞行控制信息的无人机遥感影像自动拼接方法 |
CN108734685A (zh) * | 2018-05-10 | 2018-11-02 | 中国矿业大学(北京) | 一种无人机载高光谱线阵列遥感影像的拼接方法 |
CN112393714A (zh) * | 2020-11-25 | 2021-02-23 | 国网安徽省电力有限公司电力科学研究院 | 一种基于无人机航拍与卫星遥感融合的影像校正方法 |
CN114972078A (zh) * | 2022-05-09 | 2022-08-30 | 安徽大学 | 应用sar影像提升国产光学卫星影像无控几何质量方法及*** |
CN115187481A (zh) * | 2022-07-07 | 2022-10-14 | 中国矿业大学 | 一种机载推扫式高光谱影像辐射扰动校正方法 |
-
2024
- 2024-01-08 CN CN202410025880.1A patent/CN117788281B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916452A (zh) * | 2010-07-26 | 2010-12-15 | 中国科学院遥感应用研究所 | 一种基于飞行控制信息的无人机遥感影像自动拼接方法 |
CN108734685A (zh) * | 2018-05-10 | 2018-11-02 | 中国矿业大学(北京) | 一种无人机载高光谱线阵列遥感影像的拼接方法 |
CN112393714A (zh) * | 2020-11-25 | 2021-02-23 | 国网安徽省电力有限公司电力科学研究院 | 一种基于无人机航拍与卫星遥感融合的影像校正方法 |
CN114972078A (zh) * | 2022-05-09 | 2022-08-30 | 安徽大学 | 应用sar影像提升国产光学卫星影像无控几何质量方法及*** |
CN115187481A (zh) * | 2022-07-07 | 2022-10-14 | 中国矿业大学 | 一种机载推扫式高光谱影像辐射扰动校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117788281A (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112017224B (zh) | Sar数据区域网平差处理方法和*** | |
Zhang | Automatic digital surface model (DSM) generation from linear array images | |
CN106127697B (zh) | 无人机机载成像高光谱几何校正方法 | |
Li et al. | Rigorous photogrammetric processing of HiRISE stereo imagery for Mars topographic mapping | |
CN110570466A (zh) | 三维实景点云模型的生成方法和装置 | |
CN107063296B (zh) | 一种卫星遥感传感器在轨辐射定标方法 | |
CN107192376B (zh) | 基于帧间连续性的无人机多帧图像目标定位校正方法 | |
CN111003214B (zh) | 基于云控制的国产陆地观测卫星姿轨精化方法 | |
CN107798668B (zh) | 基于rgb影像的无人机成像高光谱几何校正的方法及*** | |
CN115187798A (zh) | 一种多无人机高精度匹配定位方法 | |
CN113514829A (zh) | 面向InSAR的初始DSM的区域网平差方法 | |
Wang et al. | Large-scale orthorectification of GF-3 SAR images without ground control points for China’s land area | |
CN110986888A (zh) | 一种航空摄影一体化方法 | |
CN109883400B (zh) | 基于yolo-sitcol的固定站自动目标检测与空间定位方法 | |
Gu et al. | An intensity-independent stereo registration method of push-broom hyperspectral scanner and LiDAR on UAV platforms | |
Hakim et al. | Development of systematic image preprocessing of LAPAN-A3/IPB multispectral images | |
Yan et al. | Topographic reconstruction of the “Tianwen-1” landing area on the Mars using high resolution imaging camera images | |
Tao et al. | On-orbit geometric calibration of the panchromatic/multispectral camera of the ZY-1 02C satellite based on public geographic data | |
CN117788281B (zh) | 低pos精度的机载线阵高光谱影像区域影像拼接方法及*** | |
CN107705272A (zh) | 一种空间影像的高精度几何校正方法 | |
CN109579796B (zh) | 一种投影后影像的区域网平差方法 | |
CN109696155B (zh) | 光线共面约束的弱交会光学卫星影像联合平差方法及*** | |
CN112767454B (zh) | 基于多视角观测sar数据采样分析的叠掩信息补偿方法 | |
Wang et al. | A method for generating true digital orthophoto map of UAV platform push-broom hyperspectral scanners assisted by lidar | |
Cariou et al. | Automatic georeferencing of airborne pushbroom scanner images with missing ancillary data using mutual information |
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 |