CN118071585A - 一种遥感影像快速重采样方法、***、装置及存储介质 - Google Patents
一种遥感影像快速重采样方法、***、装置及存储介质 Download PDFInfo
- Publication number
- CN118071585A CN118071585A CN202410212918.6A CN202410212918A CN118071585A CN 118071585 A CN118071585 A CN 118071585A CN 202410212918 A CN202410212918 A CN 202410212918A CN 118071585 A CN118071585 A CN 118071585A
- Authority
- CN
- China
- Prior art keywords
- array
- resampling
- target grid
- point
- sampling point
- 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
- 238000012952 Resampling Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005070 sampling Methods 0.000 claims abstract description 106
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000003491 array Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种遥感影像快速重采样方法、***、装置及存储介质,方法包括:根据设定的重采样插值算法,确定插值计算所需要的采样点个数;建立一个目标栅格,用以存放所需采样点数据的数组,数组的大小为[目标栅格图像高]*[目标栅格图像宽]*[插值计算所需采样点个数];数组的最后一维顺序是固定的;逐个处理遥感影像采样点数据,将任一采样点数据赋值给其周围的目标栅格数组;待将所有采样点数据都赋值给目标栅格中的数组后,检查所有数组中是否都有值;若数组中数据有缺失,则使用距离加权算法来处理;若数组中数据完整,则对栅格点逐一进行插值计算完成重采样。
Description
技术领域
本发明涉及遥感数据处理技术领域,尤其涉及一种遥感影像快速重采样方法、***、装置及存储介质。
背景技术
由于卫星平台、图像传感器以及地球本身等方面的原因,遥感图像存在难以避免的几何畸变。因此,卫星遥感图像原始数据处理的第一步,就是对图像像元的几何定位,即确定其地理经纬度,然后是对原始图像数据进行重采样处理,生成高精度的遥感图像产品。卫星遥感图像像元的几何定位方法已经较为成熟,其定位精度已经达到亚像元级别。
图像重采样作为图像处理中最基本的操作,在遥感数据处理中,无论是上述几何定位,还是后续的几何精校正、高程校正、正射校正,抑或是普通的图像放大、缩小、旋转等操作,都是不可或缺的步骤。图像重采样具体来说,就是使用一组采样点(原图像像素值加变换操作后目标栅格上的坐标),根据设置的像素聚合或插值规则,获取目标栅格上像素值的过程。常用的插值方法有最邻近元法、双线性插值、曲面拟合插值、双三次插值等,不同的插值方法差别在于计算时效性和精度,需要根据实际需求进行选择。
以双线性插值为例,该方法使用四个最邻近输入采样点的值,来确定目标栅格上的值。对于基本的图像缩放,旋转等操作,能够很简便地确定原图像栅格与目标栅格之间的对应关系,即确定哪四个输入采样点是双线性插值所需的最邻近点。但是对于几何定位之类的操作,变换后的采样点坐标是无规律的,想要获取双线性插值所需的最邻近四个点,传统的方法只能遍历整个采样点数据集,而这甚至比插值计算还较耗时。
为了解决查找最邻近采样点的效率问题,传统的方法是将整个采样点数据集分块,以减少遍历采样点数据集的大小,或通过类似对半查找的方法来加速查找效率。但是遥感影像一般都非常大(108个采样点),即使对采样点数据进行分块,仍然需要搜索几百到几十个采样点。因此,传统的重采样方法的效率已无法满足现代卫星遥感图像处理实时性的要求。
发明内容
为了解决现有技术存在的问题,本发明提出一种遥感影像快速重采样方法、***、装置及存储介质。
本发明的目的是由以下技术方案来实现的:
第一方面,本发明提供一种遥感影像快速重采样方法,包括:
根据设定的重采样插值算法,确定插值计算所需要的采样点个数;
建立一个用以存放所需采样点数据的数组,数组的大小为[目标栅格图像高]*[目标栅格图像宽]*[插值计算所需采样点个数];
将采样点数据存放于数组的规则为:
以目标栅格点为中心,从最近的左上位置开始,按顺时针顺序,依次将目标栅格点不同方位采样点数据存放于对应数组中的位置;
逐个处理遥感影像采样点数据,将每一个采样点数据赋值给其周围的目标栅格数组;
待将所有采样点数据都赋值给目标栅格中的数组后,检查所有数组中是否都有值;
若数组中数据有缺失,则使用距离加权算法来处理;
若数组中数据完整,则对栅格点逐一进行插值计算完成重采样。
基于上述,设定的重采样插值算法为最邻近元法,采用以下方式进行数组赋值:
先判断目标栅格中的数组中是否已经有值,如没有值,直接赋值;
如已经有,判断该采样点到目标栅格的距离d1,与已有采样点数据到目标栅格的距离d2,d1小于d2则赋值。
基于上述,设定的重采样插值算法为双线性插值算法,采用以下方式进行数组赋值:
图像坐标为(I,J)的采样点数据,令floorI、floorJ是坐标值向下取整,ceilI、ceilJ是坐标值向上取整,则该采样点数据将赋值给其左上点目标栅格数组[floorI][floorJ][3]、赋值给其右上点目标栅格数组[floorI][ceilJ][4]、赋值给其左下点目标栅格数组[ceilI][floorJ][2],赋值给其右下点目标栅格数组[ceilI][ceilJ][1]。
基于上述,设定的重采样插值算法为双三次插值算法,采用以下方式进行数组赋值:
采样点将向周围的16个目标栅格点数组赋值,分别赋值给数组[floorI+i][floorJ+j][i*4+j],i和j取值[-1,0,1,2]。
基于上述,进行插值计算完成重采样的方法为:
f(P)=f(S1)
式中,f(P)为目标栅格点P插值得到的像素值,f(S1)是采样点S1的图像像素值。
基于上述,进行插值计算完成重采样的方法为:
式中,f(P)为目标栅格点P插值得到的像素值,f(S1)是采样点S1的图像像素值;x,y表示目标栅格点P的坐标,x1,x2,x3,x4为采样点S1,S2,S3,S4的横坐标,R1是S1,S2在Px处的插值点,R2是S3,S4在Px处的插值点,y1,y2分别是R1,R2的纵坐标。
基于上述,进行插值计算完成重采样的方法为:
式中,f(P)为目标栅格点P插值得到的像素值,f(S1)是采样点S1的图像像素值;x,y表示目标栅格点P的坐标,x1,y2是采样点Si的Si,i取值1到16,k(*)是双三次插值算法的核函数。
第二方面,本发明提供一种遥感影像快速重采样***,包括:
采样点个数确定模块,用于根据设定的重采样插值算法,确定插值计算所需要的采样点个数;
数组建立模块,用于建立一个用以存放所需采样点数据的数组,数组的大小为[目标栅格图像高]*[目标栅格图像宽]*[插值计算所需采样点个数];
将采样点数据存放于数组的规则为:
以目标栅格点为中心,从最近的左上位置开始,按顺时针顺序,依次将目标栅格点不同方位采样点数据存放于对应数组中的位置;
赋值模块,用于逐个处理遥感影像采样点数据,将每一个采样点数据赋值给其周围的目标栅格数组;
重采样模块,用于:待将所有采样点数据都赋值给目标栅格中的数组后,检查所有数组中是否都有值;
若数组中数据有缺失,则使用距离加权算法来处理;
若数组中数据完整,则对栅格点逐一进行插值计算完成重采样。
第三方面,本发明提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述的遥感影像快速重采样方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的遥感影像快速重采样方法的步骤。
本发明相对现有技术具有突出的实质性特点和显著进步,具体的说,本发明具有以下有益效果:
①对传统重采样计算效率提升了3~4倍;
②避免了算法实现的难度;
③结果可靠,能够适用于超大图像。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为采样点分布示意图。
图2为以最邻近元法为例的采样点在插值计算中会被哪些目标栅格点所使用的示意图(红色点P代表目标栅格点,黑色星点S代表采样点)。
图3为以双三次插值为例的采样点在插值计算中会被哪些目标栅格点所使用的示意图(红色点P代表目标栅格点,黑色星点S代表采样点)。
图4为本发明的重采样计算流程图。
图5为本发明的双线性插值算法数组对应的采样点方位图。
图6为本发明的双三次插值算法数组对应的采样点方位图。
图7为重采样计算耗时改进前后对比图。
图8为本发明计算机设备的原理框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
卫星遥感数据经过几何定位后,采样点在目标栅格上的坐标点的分布是极其不规整的,如图1所示,星号代表采样点,网格交叉点代表目标栅格点。插值计算中,需要找到目标栅格点附近的一个或多个采样点,为了避免查找遍历,可以反向思考,一个采样点的数据会在哪些目标栅格点的插值计算中出现,很明显只会被该采样点坐标周围的目标栅格点所使用。
以最邻近元法为例,如图2所示,插值计算中,S33采样点只会被目标栅格点P33、P34、P43、P44所使用;以双三次插值为例,如图3所示,插值计算中,S33采样点只会被P22到P55等16个目标栅格点所使用,而不会被其他目标栅格点搜索到。因此,可以把采样点搜索问题,等价于采样点被谁使用的问题,这样就直接避免了重采样过程中比较耗时的搜索过程。
如图4所示,本发明提供一种遥感影像快速重采样方法,包括:
步骤1:根据设定的重采样插值算法,确定插值计算所需要的采样点个数;
如最邻近元法算法,需要1个采样点;双线性插值算法,需要4个采样点;双三次插值算法,需要16个采样点。
步骤2:建立一个用以存放所需采样点数据的数组,数组的大小为[目标栅格图像高]*[目标栅格图像宽]*[插值计算所需采样点个数];
将采样点数据存放于数组的规则为:
以目标栅格点为中心,从最近的左上位置开始,按顺时针顺序,依次将目标栅格点不同方位采样点数据存放于对应数组中的位置;
如图5所示,双线性插值算法,数组中[1]存放该目标栅格左上位置的采样点,[2]存放右上位置的采样点,[3]存放右下位置的采样点,[4]存放左下位置的采样点。双三次插值的与之类似,如图6所示。
步骤3:逐个处理遥感影像采样点数据,将每一个采样点数据赋值给其周围的目标栅格数组。
以最邻近元法算法为例,先判断目标栅格中的数组中是否已经有值,如没有值,直接赋值;如已经有,判断该采样点到目标栅格的距离d1,与已有采样点数据到目标栅格的距离d2,d1小于d2则赋值。
以双线性插值算法为例,图像坐标为(I,J)的采样点数据,令floorI、floorJ是坐标值向下取整,ceilI、ceilJ是坐标值向上取整,则该采样点数据将赋值给其左上点目标栅格数组[floorI][floorJ][3]、赋值给其右上点目标栅格数组[floorI][ceilJ][4]、赋值给其左下点目标栅格数组[ceilI][floorJ][2],赋值给其右下点目标栅格数组[ceilI][ceilJ][1]。
以双三次插值算法为例,采样点将向周围的16个目标栅格点数组赋值,分别赋值给数组[floorI+i][floorJ+j][i*4+j],i和j取值[-1,0,1,2]。
步骤4:待将所有采样点数据都赋值给目标栅格中的数组后,检查所有数组中是否都有值;
若数组中数据有缺失,则使用距离加权算法来处理;
若数组中数据完整,则对栅格点逐一进行插值计算完成重采样。
以最邻近元法算法为例,进行插值计算完成重采样的方法为:
f(P)=f(S1)
式中,f(P)为目标栅格点P插值得到的像素值,f(S1)是采样点S1的图像像素值。
以双线性插值算法为例,进行插值计算完成重采样的方法为:
式中,f(P)为目标栅格点P插值得到的像素值,f(S1)是采样点S1的图像像素值;x,y表示目标栅格点P的坐标,x1,x2,x3,x4为采样点S1,S2,S3,S4的横坐标,R1是S1,S2在Px处的插值点,R2是S3,S4在Px处的插值点,y1,y2分别是R1,R2的纵坐标。
以双三次插值算法为例,进行插值计算完成重采样的方法为:
式中,f(P)为目标栅格点P插值得到的像素值,f(S1)是采样点S1的图像像素值;x,y表示目标栅格点P的坐标,x1,y2是采样点Si的Si,i取值1到16,k(*)是双三次插值算法的核函数;
k(*)定义如下,其中参数a通常取值-0.5:
为了说明本发明改进后的重采样流程的先进性,取某卫星一景影像,大小为6G的图像数据,对比改进前后,三种插值算法的重采样的结果。首先是结果的准确性,即两种重采样流程得到的图像是否相同。通过比较每一个目标栅格的参与插值计算的采样点数据,没有发现差别,表明本发明是可行的。然后是计算耗时对比,如图7所示。可以看到,避免搜索,采用向目标栅格数组赋值的改进重采样流程计算效率提升了3~4倍。
基于同样的发明构思,本申请实施例还提供了一种遥感影像快速重采样***。该***所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个遥感影像快速重采样***实施例中的具体限定可以参见上文中对于方法的限定,在此不再赘述。
在一个示例性的实施例中,提供了一种遥感影像快速重采样***,包括:
采样点个数确定模块,用于根据设定的重采样插值算法,确定插值计算所需要的采样点个数;
数组建立模块,用于建立用以存放所需采样点数据的目标栅格的数组;其中,数组的大小为[目标栅格图像高]*[目标栅格图像宽]*[插值计算所需采样点个数];数组的最后一维存放不同方位的采样点,顺序是固定的;
赋值模块,用于逐个处理遥感影像采样点数据,将每一个采样点数据赋值给其周围的目标栅格数组;
重采样模块,用于:待将所有采样点数据都赋值给目标栅格中的数组后,检查所有数组中是否都有值;
若数组中数据有缺失,则使用距离加权算法来处理;
若数组中数据完整,则对栅格点逐一进行插值计算完成重采样。
上述***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中,提供了一种计算机设备,该计算机设备可以是终端。如图8所示,该计算机设备还包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现遥感影像快速重采样方法的步骤。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个示例性的实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现遥感影像快速重采样方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上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,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种遥感影像快速重采样方法,其特征在于,包括:
根据设定的重采样插值算法,确定插值计算所需要的采样点个数;
建立一个用以存放所需采样点数据的数组,数组的大小为[目标栅格图像高]*[目标栅格图像宽]*[插值计算所需采样点个数];
将采样点数据存放于数组的规则为:
以目标栅格点为中心,从最近的左上位置开始,按顺时针顺序,依次将目标栅格点不同方位采样点数据存放于对应数组中的位置;
逐个处理遥感影像采样点数据,将每一个采样点数据赋值给其周围的目标栅格数组;
待将所有采样点数据都赋值给目标栅格中的数组后,检查所有数组中是否都有值;
若数组中数据有缺失,则使用距离加权算法来处理;
若数组中数据完整,则对栅格点逐一进行插值计算完成重采样。
2.根据权利要求1所述的遥感影像快速重采样方法,其特征在于:
设定的重采样插值算法为最邻近元法,采用以下方式进行数组赋值:
先判断目标栅格中的数组中是否已经有值,如没有值,直接赋值;
如已经有,判断该采样点到目标栅格的距离d1,与已有采样点数据到目标栅格的距离d2,d1小于d2则赋值。
3.根据权利要求1所述的遥感影像快速重采样方法,其特征在于:
设定的重采样插值算法为双线性插值算法,采用以下方式进行数组赋值:
图像坐标为(I,J)的采样点数据,令floorI、floorJ是坐标值向下取整,ceilI、ceilJ是坐标值向上取整,则该采样点数据将赋值给其左上点目标栅格数组[floorI][floorJ][3]、赋值给其右上点目标栅格数组[floorI][ceilJ][4]、赋值给其左下点目标栅格数组[ceilI][floorJ][2],赋值给其右下点目标栅格数组[ceilI][ceilJ][1]。
4.根据权利要求1所述的遥感影像快速重采样方法,其特征在于:
设定的重采样插值算法为双三次插值算法,采用以下方式进行数组赋值:
采样点将向周围的16个目标栅格点数组赋值,分别赋值给数组[floorI+i][floorJ+j][i*4+j],i和j取值[-1,0,1,2]。
5.根据权利要求2所述的遥感影像快速重采样方法,其特征在于,进行插值计算完成重采样的方法为:
f(P)=f(S1)
式中,f(P)为目标栅格点P插值得到的像素值,f(S1)是采样点S1的图像像素值。
6.根据权利要求3所述的遥感影像快速重采样方法,其特征在于,进行插值计算完成重采样的方法为:
式中,f(P)为目标栅格点P插值得到的像素值,f(S1)是采样点S1的图像像素值;x,y表示目标栅格点P的坐标,x1,x2,x3,x4为采样点S1,S2,S3,S4的横坐标,R1是S1,S2在Px处的插值点,R2是S3,S4在Px处的插值点,y1,y2分别是R1,R2的纵坐标。
7.根据权利要求4所述的遥感影像快速重采样方法,其特征在于,进行插值计算完成重采样的方法为:
式中,f(P)为目标栅格点P插值得到的像素值,f(S1)是采样点S1的图像像素值;x,y表示目标栅格点P的坐标,x1,y2是采样点Si的Si,i取值1到16,k(*)是双三次插值算法的核函数。
8.一种遥感影像快速重采样***,其特征在于,包括:
采样点个数确定模块,用于根据设定的重采样插值算法,确定插值计算所需要的采样点个数;
数组建立模块,用于建立一个用以存放所需采样点数据的数组,数组的大小为[目标栅格图像高]*[目标栅格图像宽]*[插值计算所需采样点个数];
将采样点数据存放于数组的规则为:
以目标栅格点为中心,从最近的左上位置开始,按顺时针顺序,依次将目标栅格点不同方位的采样点数据存放于对应数组中的位置;
赋值模块,用于逐个处理遥感影像采样点数据,将每一个采样点数据赋值给其周围的目标栅格数组;
重采样模块,用于:待将所有采样点数据都赋值给目标栅格中的数组后,检查所有数组中是否都有值;
若数组中数据有缺失,则使用距离加权算法来处理;
若数组中数据完整,则对栅格点逐一进行插值计算完成重采样。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的遥感影像快速重采样方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的遥感影像快速重采样方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410212918.6A CN118071585A (zh) | 2024-02-26 | 2024-02-26 | 一种遥感影像快速重采样方法、***、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410212918.6A CN118071585A (zh) | 2024-02-26 | 2024-02-26 | 一种遥感影像快速重采样方法、***、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118071585A true CN118071585A (zh) | 2024-05-24 |
Family
ID=91098511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410212918.6A Pending CN118071585A (zh) | 2024-02-26 | 2024-02-26 | 一种遥感影像快速重采样方法、***、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118071585A (zh) |
-
2024
- 2024-02-26 CN CN202410212918.6A patent/CN118071585A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113963072B (zh) | 双目摄像头标定方法、装置、计算机设备和存储介质 | |
US20240125613A1 (en) | Map generation method and map generation apparatus | |
CN112419372A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN115830135A (zh) | 一种图像处理方法、装置及电子设备 | |
CN114463503A (zh) | 三维模型和地理信息***的融合方法及装置 | |
CN112927163A (zh) | 图像数据增强方法、装置、电子设备及存储介质 | |
CN116758206A (zh) | 矢量数据的融合渲染方法、装置、计算机设备、存储介质 | |
CN116863137A (zh) | 输电铁塔三维模型的优化方法、装置和计算机设备 | |
CN118071585A (zh) | 一种遥感影像快速重采样方法、***、装置及存储介质 | |
CN114022518B (zh) | 图像的光流信息获取方法、装置、设备和介质 | |
CN115482152A (zh) | 栅格地图导入设计软件方法、装置及计算机设备 | |
CN116957955A (zh) | 晶圆图像校正方法、装置、计算机设备和存储介质 | |
CN116049330A (zh) | 独立坐标系建立方法、装置、计算机设备、存储介质 | |
CN116385575A (zh) | 图像重构方法、装置、计算机设备和存储介质 | |
CN114663449A (zh) | 道路病害面积计算方法、装置、计算机设备和存储介质 | |
CN114817619A (zh) | 基于栅格重投影的地图生成方法、***、介质及设备 | |
CN115409962A (zh) | 虚幻引擎内构建坐标***的方法、电子设备和存储介质 | |
CN116527908B (zh) | 运动场估计方法、装置、计算机设备和存储介质 | |
CN116883563B (zh) | 标注点渲染方法、装置、计算机设备、存储介质 | |
CN116442226B (zh) | 位姿正确性判断方法、装置、机器人和存储介质 | |
CN116883575B (zh) | 建筑群渲染方法、装置、计算机设备和存储介质 | |
CN114750147B (zh) | 机器人的空间位姿确定方法、装置和机器人 | |
CN116295031B (zh) | 弧垂的测量方法、装置、计算机设备和存储介质 | |
CN118229585A (zh) | 深度图像修复方法、装置、计算机设备和存储介质 | |
Liu et al. | A Display Method of Large Underwater Photo-Mosaics Based on Pyramid Model of Tiled Images |
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 |