CN102213762B - 基于rfm模型的多源星载sar影像自动匹配方法 - Google Patents
基于rfm模型的多源星载sar影像自动匹配方法 Download PDFInfo
- Publication number
- CN102213762B CN102213762B CN2011100917568A CN201110091756A CN102213762B CN 102213762 B CN102213762 B CN 102213762B CN 2011100917568 A CN2011100917568 A CN 2011100917568A CN 201110091756 A CN201110091756 A CN 201110091756A CN 102213762 B CN102213762 B CN 102213762B
- Authority
- CN
- China
- Prior art keywords
- image
- partiald
- matching
- utilize
- matched
- 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
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于RFM模型的多源星载SAR影像自动匹配方法,首先计算影像各自的RPC参数,然后,在每个金字塔影像层,利用影像RPC参数进行待匹配点初始点位的预测、近似核线几何建立约束匹配、匹配窗口影像几何粗纠正,并对每层金字塔影像匹配结果采用基于RFM模型区域网平差删除错误的匹配点,同时实现影像RPC参数的精化和匹配点物方坐标的计算。逐层精化匹配结果直到原始影像层,最后利用最小二乘影像匹配方法精化匹配结果,实现多源星载SAR影像同名点的自动可靠匹配。本发明将RFM模型引入到多源星载SAR影像自动匹配,并将RFM模型区域网平差融入到各层金字塔影像匹配过程中,可以有效删除匹配中错误的匹配点,有效降低同名点人工量测的工作量。
Description
技术领域
本发明涉及星载合成孔径雷达(Synthetic Aperture Radar,SAR)影像处理技术领域,更具体涉及一种基于有理函数模型(Rational Function Model,RFM)的多源星载SAR影像自动匹配方法,该方法可以解决匹配过程中错误匹配点无法有效删除的问题,实现多源星载SAR影像的自动可靠匹配。
背景技术
随着SAR传感器技术的发展,利用多种SAR传感器在不同时刻、不同位置获取的同一地区的星载遥感影像越来越容易,多源遥感影像的目标联合定位已成为摄影测量与遥感领域的重要研究方向之一。然而,无论是单点三维定位还是区域网平差,均需要快速而准确地找寻同名像点,并量测其影像坐标。目前,对于不同源SAR遥感影像的量测,多采用人工观测方法,既耗时又费力,且无法满足大量点量测的需求。
对于多源遥感影像自动匹配,相关学者进行了大量研究,具有一定参考意义。2007年Markuns利用边缘特征进行多源影像匹配;2008年Yong构建了一种顾及灰度和边缘方向信息的信息熵测度,将其用于多源遥感影像匹配;同年,Kim等人也综合利用边缘的灰度和方向信息进行边缘匹配来获取同名点。但是,对于星载SAR影像,由于斑点噪声的影响,往往无法提取比较完整的边缘特征,极大限制了边缘匹配的成功率和可靠性。近年来,Lowe提出了尺度不变线性变换算子(Scale-Invariant Feature Transform,SIFT),并在近景摄影测量和计算机视觉领域中取得巨大成功,但是将其用于大容量星载SAR影像匹配有待进一步研究。
此外,多源影像匹配中错误结果的有效删除往往十分困难。2006年Keller利用方向信息来删除错误匹配点,2008年刑帅首先利用影像各自的严格几何模型,通过投影轨迹法建立近似核线来缩小匹配搜索空间约束匹配,然后利用地形连续的相容性约束删除错误匹配点,并取得较好结果。该算法的优点在于将影像的几何信息引入到匹配过程中,但其缺点主要由如下两个方面:
1)严格几何模型涉及较多的物理参数,而多源影像的严格几何模型又各不相同,更加大了计算的复杂程度;
2)对于非密集点匹配情况,相容性约束基于相邻点具有相同或者相似的视差的假设不一定成立,这极大限制了其发现错误匹配的能力。
基于RFM模型的区域网平差模型,能准确表达同名点间需要满足的空间几何约束关系,可用于检测和删除错误的匹配点,为此,本发明将RFM模型引入到多源星载SAR影像匹配,并将RFM模型区域网平差融入到各层金字塔影像匹配过程中,以解决目前多源星载SAR影像同名点获取过程中存在的匹配成功率低、匹配可靠性差等问题。
发明内容
本发明的目的是在于提供了一种基于RFM模型的多源星载SAR影像自动匹配方法,可在匹配过程中自动发现并剔除错误匹配点,实现同名点的自动、可靠、精确匹配,大大提高了同名点获取的自动化程度和工作效率,极大降低了人工工作量。
为了达到上述目的,本发明采用如下技术措施:
A、求解多源SAR遥感影像的有理函数模型参数(Rational PolynomialCoefficient,RPC);
B、在每个金字塔影像层,利用影像RPC参数进行待匹配点初始点位的预测、近似核线几何建立约束匹配、匹配窗口影像几何粗纠正,并对每层金字塔影像匹配结果采用基于RFM模型区域网平差删除错误的匹配点;
C、在每层金字塔影像,进行基于RFM模型的区域网平差,实现影像RPC参数的精化和匹配点物方坐标的计算。
D、逐层金字塔匹配直到原始影像层,最后利用最小二乘影像匹配方法精化匹配结果到子像素级别,最终实现多源星载SAR影像同名点的自动可靠匹配,其结果可满足多源SAR联合定位的要求。
与现有技术相比,本发明具有以下显著优点和效果:
(1)将RFM模型引入到多源星载SAR影像同名点匹配中,充分利用了RFM模型与传感器无关性,形式简单、解算方便等优点;
(2)将RFM模型区域网平差融入到各级金字塔影像匹配过程中,可以自动发现并删除各层匹配结果中的错误匹配点,具有更好的匹配可靠性;
(3)多源SAR影像的RPC参数在匹配过程中得到不断精化,可以提供准确的同名点初始位置,建立精确的核线几何约束方程,具有更高的匹配成功率。
对于某组多源SAR影像,Radarsat-1和Envisat影像存在近20度的旋转角度,传统匹配方法无法匹配出同名点,采用本方法可成功匹配出同名点并满足多源SAR联合定位的要求。
本发明为多源星载SAR影像的自动匹配提供了一种可靠的匹配方法,创新性的将RFM模型引入多源星载SAR影像同名点匹配,并将RFM模型区域网平差融入到各层金字塔匹配中,可有效删除匹配结果中的错误匹配点,实现同名点的自动、可靠和精确匹配,大大减少同名点量测的工作量。
附图说明
图1为一种建立的虚拟控制点格网示意图。
图2为一种基于RFM模型的多源星载SAR影像自动匹配方法的流程图。
具体实施方式
下面结合附图对本发明做进一步详细描述。
实施例1:
以下结合附图对本发明做进一步详细描述。一种基于RFM模型的多源星载SAR影像自动匹配方法,各步骤详细阐述如下:
步骤1多源星载SAR影像的RPC参数计算1:
采用与地形无关的方法(可参考张永生、巩丹超等著的《高分辨率遥感卫星应用——成像模型、处理算法及应用技术》),利用星载SAR影像的严格几何模型,基于不同高程面生成的密集且均匀分布的虚拟控制格网,如图1所示,利用虚拟控制点按最小二乘原理进行解算,得到各影像的RPC参数。
步骤2数据预处理2:
步骤2.1金字塔影像生成:采用实用、简单的3×3像元平均法,将多源星载SAR影像生成3级金字塔影像。首先对原始影像的每3×3个像元计算其平均灰度值,并赋给第一级金字塔影像的对应像元,生成第一级金字塔影像。依此类推,直至生成第三级金字塔影像。
步骤2.2特征点提取:将影像划分为均匀的格网,格网点数可以依据影像大小给定,一股将影像划分为40×40以内的格网即可,采用摄影测量中常用的Forstner特征提取算子(可参考张祖勋、张剑清编著的《数字摄影测量学》)在每个格网内提取一个最佳特征点。如果某格网内的特征信息不明显,则将网格中心点作为特征点,并存储为文件形式,供后继影像匹配使用。
步骤2.3基准影像待匹配影像的确定:首先利用步骤1得到的影像RPC参数,计算每张影像四个角点所对应的近似物方坐标。对每张基准影像,遍历其他所有影像,计算其四个角点在基准影像上的像素坐标,如果位于基准影像范围内,则认为该影像与基准影像存在重叠区域,加入到基准影像的待匹配影像链表中,便可以得到基准影像各自关联的所有待匹配影像。
步骤3特征点初始点位的预测3:
为了减少同名点的搜索时间,提高影像匹配的成功率,利用影像RPC参数和已知的空间坐标信息进行特征点初始点位的预测。在最高层金字塔影像,首先利用基准影像RPC参数,将待匹配点投影到测区平均高程面的物方坐标,然后利用待匹配影像的RPC参数,计算其在待影像匹配上的像素坐标,完成初始点位的预测。在其他金字塔影像层,直接利用上层匹配结果所获得的该特征点的物方坐标计算其在待匹配影像上的坐标,实现初始点位的计算。
步骤4带几何粗纠正和核线几何约束的相关系数法匹配4:
为了加快匹配速度,同时减少影像旋转角度和几何变形的不利影响,利用相关系数搜索同名点之前,建立核线几何约束方程并对匹配窗口影像进行几何粗纠正:
步骤4.1核线几何约束方程的建立:以特征点的高程值Z0为中心建立不同的高程平面,高程平面的高程为Z1和Z2,分别为Z1=Z0-ΔZ、Z2=Z0+ΔZ,其中ΔZ的取值可任意,本实施例中取为100米。利用基准影像的RPC参数,分别计算特征点投影到高程面Z1,Z2上的物方点坐标,分别记为(Lat1,Lon1,Z1)和(Lat2,Lon2,Z2),然后利用待匹配影像的RPC参数,计算对应的投影像素坐标(x1,y1)和(x2,y2)。在小范围内星载SAR影像的核线可近似认为是直线,利用(x1,y1)和(x2,y2)可建立该特征点在待匹配影像上对应的核线几何约束方程。
所述的Z1=Z0-ΔZ为低高程面的高程。
所述的Z2=Z0+ΔZ为高高程面的高程。
步骤4.2匹配窗口影像的几何粗纠正:经过上层金字塔影像匹配,申请人可以得到各特征点的物方坐标和各多源SAR影像精化后的RPC参数。以特征点高程Z0作一小面元Γp,利用基准影像精化后的RPC参数,将特征点所在基准影像上匹配窗口ξ1的四个角点投影到面元Γp,得到对应的四个物方空间坐标,再利用待匹配影像精化的RPC参数,投影计算像素坐标,得到四边形ξ2。利用上述两个四边形ξ1和ξ2四个角点的像素坐标,可解算出6个仿射变换参数,利用该变换参数,将待匹配影像中的四边形ξ2重采样为新的影像窗口ξ3,完成匹配窗口影像的几何粗纠正。最后,使用影像窗口ξ3与影像窗口ξ1实施匹配。
所述的Z0为高程。
所述的Γp为高程小面元。
所述的ξ1为所在基准影像上匹配窗口。
所述的ξ2为所在基准影像上匹配窗口投影到搜索影像对应的四边形。
所述的ξ3为经几何粗纠正、重采样后的影像窗口。
步骤4.3相关系数法匹配:在建立核线几何约束方程后,对搜索窗口影像的每个像素遍历,首先计算该像素到核线方程的距离,当小于给定的阈值时,以其为中心开辟匹配窗口。当变形超过指定阈值时,按步骤4.2中方法进行匹配窗口影像的几何粗纠正,然后利用相关系数法进行其相似性测度。最后,选取搜索窗口中相关系数值最大且大于指定阈值的像素点为该特征点的同名点。
步骤5基于RFM模型区域网平差删除错误匹配点5:
本发明采用像方仿射变换模型进行卫星影像区域网平差,模型定义如下:
式中,(x,y)为点在影像上真实坐标的列号和行号,(Sample,Line)为对应物方点利用RPC参数投影到影像上的坐标列号和行号,(pxi,pyi)(i=0,1,2)是待求的仿射变换系数。辅之于选权迭代法,在平差过程中,利用合理的调整各观测值的权值,保证错误匹配点不影响平差结果,并实现其自动检测和定位。
具体实施步骤如下:
步骤5.1平差初始值的确定:在最高金字塔影像层,每张影像的仿射变换系数的初始值为缺省值,px1、py2为1,其他系数均为0,特征点的物方坐标利用影像的RPC参数通过前方交会技术计算得到。在其他金字塔影像层,每张影像的仿射变换系数初始值为上层匹配区域网平差的结果,特征点的物方坐标利用其在当前金字塔层匹配得到的同名点影像行列号坐标和上一级金字塔层平差精化后的影像定向参数通过前方交会技术计算得到。
所述的px1、py2为公式(1)中所述的仿射变换系数。
步骤5.2观测值权值的计算:第一次平差时,每个连接点行列坐标观测值的权为1,在后面的平差计算中,观测值的权按照从验后方差估计原理导出的选择权迭代法进行计算。首先按公式(2)计算各个观测值的统计量Ti,
其中,Fα,1,r为给定阈值。对于多余观测量的计算,采用重复计算可靠性矩阵的逐次递归快速算法。
步骤5.3卫星影像区域网平差:对每个连接点,以仿射变换系数和其对应的物方坐标为未知数,对公式(1)线性化,列立对应的误差方程:
V=At+Bx-L,P (4)
式中,V为误差方程残差向量,t为射变换系数未知数的改正数向量,x为匹配点物方坐标未知数改正数向量,A为仿射变换系数未知数对应的系数矩阵,B为匹配点物方坐标未知数对应的系数矩阵,L为误差方程对应的常数向量,P为权矩阵,具体计算公式如下所示:
(5)
t=[dpx0 dpx1 dpx2 dpy0 dpy1 dpy2]T
x=[dLat dLon dheight]T
利用最小二乘原理,并采用列立改化法方程的策略,完成所有未知参数改正数的分步解求。利用改正数对未知数进行更新,并按照步骤5.2和步骤5.3中的方法重新计算权矩阵P和列立误差方程,直至满足平差收敛条件,便可完成本层金字塔匹配结果中误匹配的删除和影像定向参数的精化。利用上层匹配结果约束下层金字塔影像匹配6,重复步骤3、步骤4、步骤5,一股为3次,判断是否达到原始影像层,如果达到则利用最小二乘匹配精化匹配结果7,最后输出匹配结果8。
V=At+Bx-L,P为误差方程,V为误差方程残差向量,t为射变换系数未知数的改正数向量,x为匹配点物方坐标未知数改正数向量,A为仿射变换系数未知数对应的系数矩阵,B为匹配点物方坐标未知数对应的系数矩阵,L为误差方程对应的常数向量,P为权矩阵。
Claims (1)
1.一种基于RFM模型的多源星载SAR影像自动匹配方法,其步骤是:
A、多源星载SAR影像的RPC参数计算(1):
采用与地形无关的方法,利用星载SAR影像的严格几何模型,基于不同高程面生成的密集且均匀分布的虚拟控制格网,利用虚拟控制点按最小二乘原理进行解算,得到各影像的RPC参数;
B、数据预处理(2):
1)金字塔影像生成:采用3×3像元平均法,将多源星载SAR影像生成3级金字塔影像,首先对原始影像的每3×3个像元计算其平均灰度值,并赋给第一级金字塔影像的对应像元,生成第一级金字塔影像,依此类推,直至生成第三级金字塔影像;
2)特征点提取:将原始影像划分为均匀的格网,格网点数依据原始影像大小给定,将原始影像划分为40×40以内的格网,在每个格网内提取一个点,供后继影像匹配使用;
3)基准影像待匹配影像的确定:首先利用步骤A得到的影像RPC参数,计算每张原始影像四个角点所对应的近似物方坐标,对每张基准影像,计算四个角点在基准影像上的像素坐标,加入到基准影像的待匹配影像链表中,得到基准影像各自关联的所有待匹配影像;
C、特征点初始点位的预测(3):
利用影像RPC参数和已知的空间坐标信息进行特征点初始点位的预测,在最高金字塔影像层,首先利用基准影像RPC参数,将待匹配点投影到测区平均高程面的物方坐标,然后利用待匹配影像的RPC参数,计算待匹配点在待匹配影像上的像素坐标,完成初始点位的预测,在其他金字塔影像层,直接利用上层匹配结果所获得的该特征点的物方坐标计算其在待匹配影像上的坐标,实现初始点位的计算;
D、带几何粗纠正和核线几何约束的相关系数法匹配(4):
建立核线几何约束方程并对匹配窗口影像进行几何粗纠正:
1)核线几何约束方程的建立:以特征点的高程值Z0为中心建立不同的高程平面,高程平面的高程为Z1和Z2,分别为Z1=Z0-ΔZ、Z2=Z0+ΔZ,其中ΔZ的取值可任意,利用基准影像的RPC参数,分别计算特征点投影到高程为Z1和Z2的高程平面上的物方坐标,分别记为(Lat1,Lon1,Z1)和(Lat2,Lon2,Z2),然后利用待匹配影像的RPC参数,计算对应的投影像素坐标(x1,y1)和(x2,y2),利用(x1,y1)和(x2,y2)建立该特征点在待匹配影像上对应的核线几何约束方程;
2)匹配窗口影像的几何粗纠正:经过上层金字塔影像匹配,得到各特征点的物方坐标和各多源SAR影像精化后的RPC参数,以特征点高程Z0作一小面元Γp,利用基准影像精化后的RPC参数,将特征点所在基准影像上匹配窗口ξ1的四个角点投影到面元Γp,得到对应的四个物方空间坐标,再利用待匹配影像精化的RPC参数,投影计算像素坐标,得到四边形ξ2,利用上述匹配窗口ξ1和四边形ξ2四个角点的像素坐标,解算出6个仿射变换参数,利用该变换参数,将待匹配影像中的四边形ξ2重采样为新的影像窗口ξ3,完成匹配窗口影像的几何粗纠正,最后,使用影像窗口ξ3与匹配窗口ξ1实施匹配;
3)相关系数法匹配:在建立核线几何约束方程后,对搜索窗口影像的每个像素遍历,首先计算像素到核线几何约束方程的距离,当小于给定的阈值时,以该像素为中心开辟匹配窗口,按步骤D中的步骤2)中方法进行匹配窗口影像的几何粗纠正,利用相关系数法进行该像素对应的相似性测度,最后,选取搜索窗口中相关系数值最大且大于指定的相关系数阈值的像素点为该特征点的同名点;
E、基于RFM模型区域网平差删除错误匹配点(5):
采用像方仿射变换模型进行卫星影像区域网平差,模型定义如下:
式中,x和y分别为点在原始影像上真实坐标的列号和行号,Sample和Line分别为对应物方点利用RPC参数投影到原始影像上的坐标列号和行号,pxi和pyi分别是待求的仿射变换系数,其中i=0,1,2:
1)平差初始值的确定:在最高金字塔影像层,每张原始影像的仿射变换系数的初始值为缺省值,特征点的物方坐标利用原始影像的RPC参数通过前方交会技术计算得到,在其他金字塔影像层,每张原始影像的仿射变换系数初始值为上层匹配区域网平差的结果,特征点的物方坐标利用其在当前金字塔影像层匹配得到的同名点影像行列号坐标和上一级金字塔影像层平差精化后的影像定向参数通过前方交会技术计算得到;
2)观测值权值的计算:第一次平差时,每个连接点行列坐标观测值的权值为1,在后面的平差计算中,观测值的权值按照从验后方差估计原理导出的选择权迭代法进行计算,首先按公式(2)计算各个观测值的统计量Ti,
其中,Fα,1,r为给定的统计量阈值,对于多余观测量的计算,采用重复计算可靠性矩阵的逐次递归快速算法;
3)卫星影像区域网平差:对每个连接点,以仿射变换系数和其对应的物方坐标为未知数,对公式(1)线性化,列立对应的误差方程:
V=At+Bx-L,P (4)
式中,V为误差方程残差向量,t为仿射变换系数未知数的改正数向量,x为匹配点物方坐标未知数改正数向量,A为仿射变换系数未知数对应的系数矩阵,B为匹配点物方坐标未知数对应的系数矩阵,L为误差方程对应的常数向量,P为权矩阵,如下所示:
t=[dpx0 dpx1 dpx2 dpy0 dpy1 dpy2]T
x=[dLat dLon dheight]T
利用最小二乘原理,采用列立改化法方程,完成所有未知参数改正数的分步解求,利用改正数对未知数进行更新,并按照步骤E中的步骤2)和步骤3)中的方法重新计算权矩阵P和列立误差方程,直至满足平差收敛条件,完成本层金字塔影像匹配结果中错误匹配点的删除和影像定向参数的精化,利用上层匹配结果约束下层金字塔影像匹配(6),重复步骤C、步骤D、步骤E,判断是否达到原始影像层,如果达到则利用最小二乘匹配精化匹配结果(7),最后输出该匹配结果(8)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100917568A CN102213762B (zh) | 2011-04-12 | 2011-04-12 | 基于rfm模型的多源星载sar影像自动匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100917568A CN102213762B (zh) | 2011-04-12 | 2011-04-12 | 基于rfm模型的多源星载sar影像自动匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102213762A CN102213762A (zh) | 2011-10-12 |
CN102213762B true CN102213762B (zh) | 2012-11-28 |
Family
ID=44745153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100917568A Active CN102213762B (zh) | 2011-04-12 | 2011-04-12 | 基于rfm模型的多源星载sar影像自动匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102213762B (zh) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077527A (zh) * | 2013-02-05 | 2013-05-01 | 湖北工业大学 | 一种稳健的多源卫星遥感影像配准方法 |
CN103163521B (zh) * | 2013-02-06 | 2014-02-12 | 中国科学院电子学研究所 | 一种基于多源信息关联的InSAR同名点自动优选方法 |
CN103390102B (zh) * | 2013-07-16 | 2018-11-30 | 中交第二公路勘察设计研究院有限公司 | 一种卫星图像立体交会角的计算方法 |
CN103759714B (zh) * | 2014-01-20 | 2015-12-09 | 国家测绘地理信息局卫星测绘应用中心 | 一种三线阵卫星影像区域网平差方法 |
CN105510913B (zh) * | 2015-11-11 | 2018-01-09 | 湖北工业大学 | 基于类光学像方改正的异源光学和sar遥感影像联合定位方法 |
CN105931248A (zh) * | 2016-05-06 | 2016-09-07 | 西安航天天绘数据技术有限公司 | 卫星影像定位的方法和装置 |
CN106504286B (zh) * | 2016-08-20 | 2019-10-22 | 航天恒星科技有限公司 | 卫星影像定位方法和装置 |
CN108271023B (zh) * | 2017-01-04 | 2021-11-19 | 华为技术有限公司 | 图像预测方法和相关设备 |
CN106886794B (zh) * | 2017-02-14 | 2019-06-14 | 湖北工业大学 | 顾及高阶结构特征的异源遥感影像同名点匹配方法 |
CN107314763B (zh) * | 2017-07-18 | 2019-05-07 | 上海海洋大学 | 一种基于制约函数非线性估计的卫星影像区域网平差方法 |
CN108592884B (zh) * | 2018-04-24 | 2019-08-23 | 武汉大学 | 一种通用线阵卫星核线影像生成方法 |
CN108830889B (zh) * | 2018-05-24 | 2022-05-31 | 中国科学院遥感与数字地球研究所 | 基于全局几何约束的遥感影像与基准影像的匹配方法 |
CN110543886A (zh) * | 2018-05-28 | 2019-12-06 | 天津理工大学 | 一种基于月面ccd影像的金字塔成像匹配算法 |
CN109115218A (zh) * | 2018-07-06 | 2019-01-01 | 航天星图科技(北京)有限公司 | 一种无地面控制点的遥感影像定位方法 |
CN109741381B (zh) * | 2019-01-23 | 2020-07-03 | 张过 | 基于平行观测的星载推扫式光学传感器高频误差消除方法 |
CN110084865B (zh) * | 2019-04-17 | 2020-10-13 | 武汉大学 | 一种离散点分级加权拟合规则格网的方法 |
CN110322557B (zh) * | 2019-06-18 | 2022-11-08 | 中南林业科技大学 | 一种结合gps与srtm融合的游动平差方法 |
CN110555817B (zh) * | 2019-09-10 | 2022-06-24 | 中国科学院遥感与数字地球研究所 | 一种遥感图像几何归一化方法和装置 |
CN111060910B (zh) * | 2019-12-11 | 2023-08-29 | 西安电子科技大学 | 一种基于地形-影像匹配的InSAR载体反定位 |
CN111174753B (zh) * | 2019-12-28 | 2021-05-11 | 同济大学 | 基于有理函数模型的光学影像与激光测高数据平差方法 |
CN111754458B (zh) * | 2020-05-18 | 2023-09-15 | 北京吉威空间信息股份有限公司 | 面向几何精处理的卫星影像立体空间基准框架构建方法 |
CN111965645B (zh) * | 2020-08-10 | 2022-04-05 | 中南大学 | 一种顾及几何约束的多基线植被高度反演方法及装置 |
CN112082576A (zh) * | 2020-09-09 | 2020-12-15 | 桂林理工大学 | 一种“三无情况下”的卫星影像正射纠正方法 |
CN112509042A (zh) * | 2020-11-27 | 2021-03-16 | 西安中科星图空间数据技术有限公司 | 一种基于星上控制点库的实时定位方法、装置及存储介质 |
CN112597428B (zh) * | 2020-12-22 | 2022-09-20 | 同济大学 | 基于rfm模型光束法平差和影像重采样的颤振探测修正方法 |
CN113210282B (zh) * | 2021-01-29 | 2022-10-11 | 广西人防设计研究院有限公司 | 一种人防门密闭性能检测系统 |
CN113096163B (zh) * | 2021-04-16 | 2022-09-27 | 湘潭大学 | 一种无需先验升降轨信息的星载sar影像高精度匹配方法 |
CN112991525B (zh) * | 2021-05-07 | 2021-09-24 | 北京道达天际科技有限公司 | 像方和物方混合匹配基元的数字表面模型生成方法 |
CN113283525B (zh) * | 2021-06-07 | 2022-07-26 | 郑健青 | 一种基于深度学习的图像匹配方法 |
CN114562982B (zh) * | 2022-03-09 | 2023-09-26 | 北京市遥感信息研究所 | 一种光学和sar异源卫星影像联合平差的定权方法和装置 |
CN114998399B (zh) * | 2022-05-20 | 2023-04-11 | 中国人民解放军61540部队 | 一种异源光学遥感卫星影像立体像对预处理方法 |
CN116109848B (zh) * | 2022-12-30 | 2023-11-24 | 中国人民解放军61646部队 | 辐射几何不变的sar影像特征匹配方法及装置 |
CN117664087B (zh) * | 2024-01-31 | 2024-04-02 | 中国人民解放军战略支援部队航天工程大学 | 垂轨环扫式卫星影像核线生成方法、系统及设备 |
CN117665818B (zh) * | 2024-02-02 | 2024-04-12 | 北京东方至远科技股份有限公司 | 一种针对合成孔径雷达卫星的平面位置修正方法及系统 |
CN117761695B (zh) * | 2024-02-22 | 2024-04-30 | 中国科学院空天信息创新研究院 | 基于自适应分区sift的多角度sar三维成像方法 |
-
2011
- 2011-04-12 CN CN2011100917568A patent/CN102213762B/zh active Active
Non-Patent Citations (6)
Title |
---|
万志龙 等.有理函数模型实现影像点定位和纠正的方法.《测绘学院学报》.2002,第19卷(第3期),189-190,194. * |
季顺平 等.基于RFM的高分辨率卫星遥感影像自动匹配研究.《测绘学报》.2010,第39卷(第6期),592-598. * |
明洋 等.无地面控制Worldview卫星影像测量在公路勘察设计中的应用.《交通科技》.2010,15-17. * |
曹金山 等.利用虚拟格网系统误差补偿进行RPC参数精化.《武汉大学学报 信息科学版》.2011,第36卷(第2期),185-189. * |
袁修孝 等.一种综合利用像方和物方信息的多影像匹配方法.《测绘学报》.2009,第38卷(第3期),216-222. * |
袁修孝 等.基于有理函数模型的高分辨率卫星遥感影像匹配.《武汉大学学报 信息科学版》.2009,第34卷(第6期),671-674. * |
Also Published As
Publication number | Publication date |
---|---|
CN102213762A (zh) | 2011-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102213762B (zh) | 基于rfm模型的多源星载sar影像自动匹配方法 | |
CN101915913B (zh) | 一种稳健的高分辨率卫星影像连接点自动匹配方法 | |
CN106526590B (zh) | 一种融合多源sar影像工矿区三维地表形变监测及解算方法 | |
CN102693542B (zh) | 一种影像特征匹配方法 | |
CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
CN101464149B (zh) | Pos辅助航空影像匹配方法 | |
CN103077527A (zh) | 一种稳健的多源卫星遥感影像配准方法 | |
CN103115614B (zh) | 多源多轨长条带卫星遥感影像联合并行匹配方法 | |
CN101887589B (zh) | 一种基于立体视觉的实拍低纹理图像重建方法 | |
CN102073874B (zh) | 附加几何约束的航天三线阵ccd相机多影像立体匹配方法 | |
CN104820991B (zh) | 一种基于代价矩阵的多重软约束立体匹配方法 | |
CN103604417B (zh) | 物方信息约束的多视影像双向匹配策略 | |
CN104237887B (zh) | 一种sar遥感影像匹配方法 | |
CN104299228B (zh) | 一种基于精确点位预测模型的遥感影像密集匹配方法 | |
CN106886794B (zh) | 顾及高阶结构特征的异源遥感影像同名点匹配方法 | |
CN108459318A (zh) | 基于遥感技术的潜在滑坡早期识别方法 | |
CN102628942B (zh) | 一种雷达影像双视向信息补偿方法 | |
CN109031301A (zh) | 基于PSInSAR技术的山区地形形变提取方法 | |
CN103822616A (zh) | 一种图分割与地形起伏约束相结合的遥感影像匹配方法 | |
CN105137431B (zh) | 一种sar立体模型构建与量测方法 | |
CN113176544B (zh) | 一种边坡雷达影像与地形点云的误匹配校正方法 | |
CN103777229A (zh) | 一种面向目的层的vsp观测系统设计方法 | |
CN105093222A (zh) | 一种sar影像区域网平差连接点自动提取方法 | |
He et al. | Robust Estimation of Landslide Displacement from Multi-temporal UAV Photogrammetry-Derived Point Clouds | |
CN107784666A (zh) | 基于立体影像的地形地物三维变化检测和更新方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |