CN103295202A - 一种面向高山地区的遥感影像几何纠正方法 - Google Patents
一种面向高山地区的遥感影像几何纠正方法 Download PDFInfo
- Publication number
- CN103295202A CN103295202A CN2013102317011A CN201310231701A CN103295202A CN 103295202 A CN103295202 A CN 103295202A CN 2013102317011 A CN2013102317011 A CN 2013102317011A CN 201310231701 A CN201310231701 A CN 201310231701A CN 103295202 A CN103295202 A CN 103295202A
- Authority
- CN
- China
- Prior art keywords
- image
- geometrical
- deviation
- elevation
- reference images
- 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.)
- Granted
Links
Images
Abstract
本发明涉及一种面向高山地区的遥感影像几何纠正方法,该方法针对高山地区遥感影像中存在的非线性地形畸变的问题,在影像几何纠正的过程中,采用了先计算地形起伏引起的非线性几何偏差再消除影像线性系统误差的思路。在使用基准正射影像对待纠正的目标影像进行几何纠正之前,先根据目标影像成像几何关系,计算基准影像在不同高度下的几何偏移,生成高差计算表,并以此模拟基准影像未地形纠正之前的状态;然后再对目标影像和模拟基准影像进行精配准,使目标影像与模拟影像的几何偏差在规定范围内;最后按照高差计算表逐像素反算目标影像由地形起伏引起的几何偏移,从而生成高山地区的几何精纠正产品。该方法重点解决地形崎岖条件下遥感影像的非线性几何畸变的问题。
Description
技术领域
本发明涉及卫星遥感影像几何纠正处理方法,用于遥感标准几何纠正数据产品的生产,属于遥感测绘领域。
背景技术
遥感影像的几何纠正处理是遥感影像预处理的一个关键步骤,是遥感定量分析、变化监测以及专题信息提取等遥感应用分析的前提。遥感影像几何纠正的目的是校正卫星影像成像过程中由传感器姿态、地球自转、地球曲率、地形起伏等因素引起的图像相对于地面目标的几何偏移,按照类型可以分为系统畸变和外部畸变。系统畸变主要包括比例尺畸变、扫描线畸变、摄影中心偏移等,这些误差是可预测和处理的,从卫星地面站获取的遥感数据大多是经过系统纠正的1B级产品。外部畸变指的是由传感器姿态变化、地球曲率、地形起伏等因素引起的形变。目前几何纠正方法主要解决的是外部畸变的问题。传统的几何纠正方法的技术流程是先几何精纠正后地形误差改正。高山地区地形起伏较大,对于刈幅较宽、中等分辨率的资源遥感卫星数据而言,由地形起伏引起的几何畸变是非线性的,且几何畸变的大小随着高度、坡度的变化而变化(图2)。这种由地形高差引起的非线性畸变不利于控制点的精确选取,影像几何精纠正的精度不稳定,给后续的正射处理带来较大的几何误差。特别是在缺乏卫星星历和传感器姿态参数的情况下,传统的几何纠正方法很难解决这种非线性几何畸变的问题。本发明提供一种针对地形起伏较大的山区影像几何纠正方法,用于高山地区的高精度遥感制图。
发明内容
本发明的目的是提供一种面向高山地区的遥感影像几何纠正方法,该方法针对高山地区遥感影像中存在的非线性地形畸变的问题,在影像几何纠正的过程中,采用了先计算地形起伏引起的非线性几何偏差再消除影像线性系统误差的思路。在使用基准正射影像对待纠正的目标影像进行几何纠正之前,先根据目标影像成像几何关系,计算基准影像在不同高度下的几何偏移,生成高差计算表,并以此模拟基准影像未地形纠正之前的状态;然后再对目标影像和模拟基准影像进行精配准,使目标影像与模拟影像的几何偏差在规定范围内;最后按照高差计算表逐像素反算目标影像由地形起伏引起的几何偏移,从而生成高山地区的几何精纠正产品。该方法重点解决地形崎岖条件下遥感影像的非线性几何畸变的问题。
本发明所述的一种面向高山地区的遥感影像几何纠正方法,按下列步骤进行:
a、首先按照纠正影像(3)的空间信息对基准影像(1)和数字高程模型(2)进行投影变换和裁剪操作,并按照纠正影像(2)的空间分辨率进行重采样,使基准影像(1)与纠正影像(3)具有相同的空间范围和分辨率;
b、根据纠正影像(3)的成像几何关系模拟基准影像(1)在不同高度下的几何偏差,生成高差计算表(5);
c、根据高差计算表(5)和数字高程模型(2)对基准影像(1)进行高程偏差模拟,生成基准影像(1)未地形几何纠正时的模拟影像(4);
d、将模拟影像(4)与纠正影像(3)进行几何精纠正,生成与模拟影像精确配准的影像(6),影像匹配的几何精度控制在1个像素之内;
e、将影像(6)按照步骤c进行地形偏差纠正,生成最终的几何纠正影像。
所述方法中,步骤b中利用卫星传感器成像几何关系和数字高程模型(2)数据逐像素计算基准影像(1)在不同高度下的几何偏差,生成高差计算表(5),并按照扫描方向逐像素模拟基准影像(1)高差改正前的影像(4)。
所述方法中,步骤b中影像(4)的高差改正表对影像(6)进行逐像素地形偏差解算,从而得到纠正影像(3)的几何纠正结果。
所述方法中,步骤d中,采用基准影像与目标影像的几何精配准的技术流程是,模拟影像(4)在基准影像(1)的基础上增加地形偏差后,消除了模拟影像(4)与纠正影像(2)之间存在的非线性高程偏差,两者的几何偏差只剩余仿射变换偏差和残存的系统误差。
本发明所述的一种面向高山地区的遥感影像几何纠正方法,所述方法中,步骤a将基准影像(1)重采样到纠正影像(3)相同的分辨率,并按照影像(3)的地理范围进行裁剪,从而使步骤d自动影像匹配时快速地找到同名像点,另外,只需基准影像与目标影像重叠部分的数据进入运算,可以大大减少实际运算量;
所述方法中,步骤b中地形偏差的计算只跟传感器成像时的几何位置相关,因此保持目标影像上所有可能高程范围内的偏差即可满足该类传感器在所有地形偏差的解算,可大大地提高运算效率。例如,地球上陆地表面的高程范围可设为[-500,9000],可满足所有地形条件下地形偏差的解算;
所述方法中,步骤b中利用纠正影像(3)的卫星传感器成像几何关系和数字高程模型(2)逐像素计算基准影像(1)在不同高度下的几何偏差,生成高差计算表(5),其目的在于模拟基准影像(1)与纠正影像(3)的地形偏差解算关系;
所述方法中,步骤b中生成高差计算表(5)可以直接应用于步骤e中影像(6)的地形偏差解算,可减少纠正影像(3)正射处理步骤的运算量,不同的是步骤c从正向模拟,由现有坐标解算出模拟影像坐标;而步骤e采用反向解算,先根据待求解的纠正影像坐标反算出重采样点的位置,然后再进行重采样。
所述方法中,步骤d中,模拟影像(4)在基准影像(1)的基础上增加了地形偏差,消除了模拟影像(4)与纠正影像(2)之间存在的非线性地形偏差,两者的几何偏差只剩余仿射变换偏差和残存的系统误差。由于此时的几何偏差是线性可控的,同名控制点的提取也相对容易,这里采用传统的影像匹配方法即可得到较好的效果。
按固定间隔换算基准影像(1)和纠正影像(3)相同像素位置的坐标,计算X、Y方向上的几何误差,并统计总体误差。
本发明所述的方法改变了传统几何纠正模型中先几何精纠正后地形纠正的思路,提出了先地形纠正后影像匹配的方法。高山地区地形崎岖,因地形起伏引起的影像几何变形较大,且这种变形是非线性的,这对目标影像与基准影像之间的配准带来较大的困难。本发明首先计算基准影像在目标影像成像条件下的地形畸变,恢复其未纠正之间的状态,然后再与目标影像进行影像匹配,这样就消除了地形起伏对几何纠正过程的干扰,把非线性的几何畸变问题转化为线性问题来解决,从而提高了山区影像的几何纠正的精度和算法的稳定性。
附图说明
图1为本发明流程图;
图2为本发明高山地区影像几何形变示意图,其中左图为遥感影像,右图为所选图像点位的几何偏差;
图3为本发明地形起伏条件下卫星成像的几何偏差示意图,其中R为地球半径,S为目标A与星下点O的距离,h为目标A的高程,;
图4为本发明遥感影像的几何偏差示意图,其中扫描方向线为X轴,轨道方向线为Y轴,θ为轨道方向与正北方向间的夹角;
图5为本发明影像特征点提取效果图,其中图中背景影像为Landsat模拟影像4,前景影像为CBERS影像,+为模拟影像,×为纠正影像;
图6为本发明模拟影像与目标影像自动配准效果示意图,其中a(左)为目标影像,(右)为模拟影像;b几何精纠正后(左)为纠正影像,(右)为模拟影像;
图7为本发明高山地区影像几何纠正效果图,其中a为目标影像纠正图,b为基准影像。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步的具体说明:
实施例
本发明所述方法中的几何纠正处理主要针对国产资源卫星数据--中巴资源2号CBERS02L1B级遥感数据产品,数据地点为天山博格达峰附近,轨道号为P32R51,成像时间为2005年6月6日,数据由中国资源卫星应用中心发布;采用的基准影像为美国地质调查局发布的陆地资源卫星Landsat的正射产品,空间分辨率为30米;高程数据采用目前已被广泛采用的SRTM DEM数据产品,数据同样由美国地址调查局发布,其中山区空白地区经过修补填充处理,平面分辨率为90m。技术流程主要分为数据预处理、高程偏差模拟、几何精纠正、偏差解算等4个主要步骤,具体实现过程如下:
数据预处理:首先应对辅助数据进行一定的预处理,需裁剪出与目标影像相同的地理范围的部分并重投影至相同投影坐标系下,但由于卫星成像过程中传感器外方位元素的变化,存在一定的仿射偏差,这在国产卫星影像上这类偏差尤为明显,在影像裁切前可针对偏差较大的数据进行简单的仿射纠正,消除基准影像1与纠正影像3的坐标平移偏差,以方便生成的模拟影像4与纠正影像3进行几何精纠正,生成与模拟影像精确配准的影像6,影像匹配的几何精度控制在1个像素之内,自动配准过程中控制点的选择;
基准影像的高程偏差模拟:根据纠正影像3的成像几何关系,恢复基准影像1在地形纠正前的几何状态(图3),根据传感器的成像几何关系,地面目标基准影像1由于受地面高差h的影响偏移到模拟影像4,需要解算基准影像1在扫描方向上的几何偏差为dS,图3中R为地球半径,S为目标A与星下点O的距离(已知),h为目标A的高程,可由DEM获取,α为A的正射投影点与垂直方向的夹角,dα为A的正射投影点与A的实际投影点与传感器的夹角,β为O和A正射投影点与地心的夹角,dβ为A正射投影点和A实际投影点与地心的夹角,L为传感器与A正射投影点的距离,L′为传感器与A的距离。dS的具体计算公式为:
α=sin-1(R×sin(β)/L)
dα=sin-1((R+h)×sin(β)/L)-α
dβ=180-α-dα-β-sin-1((R+alt)×sin(α+dα)/R)
dS=R×dβ
按照上述公式,计算传感器幅宽范围内所有像素点在不同高度下的地形几何畸变;对于线阵扫描的传感器而言,地形偏差只存在于垂直运行轨道的方向,为此,可根据像元距离星下点的距离分别计算不同高程下的几何偏差,形成一个二维高差计算表。其中,X维为象元距星下点的距离,Y维代表地面高程,这里取[-400,9000]。高差表的具体计算过程为:
根据待基准影像1的4个角点坐标(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)的中垂线确定轨道坐标平面,如图4所示,其中,扫描方向线为X轴,轨道方向线为Y轴,θ为轨道方向与正北方向间的夹角;
对于基准影像1扫描线上的一个像素点(x0,y0),由x0和数字高程模型(DEM)影像上对应位置的高程值z查找成像偏差dS,经过影像成像后,投影在(xm,ym)在图像坐标。对比图3,(x0,y0)为目标影像1正射投影时的位置,(xm,ym)为由于地形起伏偏移后的位置模拟影像4,两者在图像中的几何关系如下式:
Xm=X0+dS×cosθ
Ym=Y0+dS×sinθ;
对每条扫描线都进行同样的步骤进行高差解算,这样可由基准影像1模拟未正射时的状态,得到模拟影像4;
这样记录能够满足查找该类传感器在地球表面所有高程起伏条件下的地形偏差情况,并生成高差计算表5,保存高差,高差改正表对影像6进行逐像素地形偏差解算,从而得到影像3的几何纠正结果,解算地形畸变减少重复计算的时间;
几何精纠正:经过地形起伏几何形变模拟后,模拟影像4与纠正影像3之间的几何误差为线性的系统畸变,这里以模拟影像4为参考,采用自动影像匹配的方法对纠正影像3进行几何精纠正,具体算法如下:
特征点选择:采用Frostner特征算子自动提取模拟影像4与纠正影像3的同名控制点,为了能够保证顺利地选择足够的特征控制点,选点的原则为尽量均匀覆盖整幅影像;
对每个控制点在目标纠正影像3上对应坐标位置设定搜索窗口寻找匹配点,并采用两幅影像移动窗口之间的相关系数作为相似性测度,计算相关度,并作为控制点精度评定的依据;
对选取的特征点采用多项式模型拟合,并使用迭代最小二乘法平差求解模型系数,并剔除误差大于1个像素的控制点,直至所有控制点的几何误差都小于1个像素;
按照求解的多项式模型对纠正影像3进行几何变换与重采样,得到配准影像6;
图5中十为模拟影像4上提取的特征点,╳为纠正影像3上的配准点;从图6中可以看出河流和山体的几何偏差都得到了纠正,统计结果表明基准影像1经过高差改正后与纠正影像3之间的几何误差是线性的,整体控制点的匹配精度在1个像素以内。
高程偏差解算:经过几何精纠正后的配准影像6,根据传感器几何成像关系和DEM数据逐像素计算基准影像1在不同高度下的几何偏差,生成高差计算表5,并按照扫描方向逐像素模拟基准影像1高差改正前的影像4计算的高程偏差表逐像素进行地形纠正,得到正射的影像(图7,为局部视图),与多项式纠正模型对比,本发明提出的方法与之误差比对,结果如表:
本发明所描述的具体事例仅对本发明的思路进行举例阐述,本发明所述技术领域的技术人员可以对所描述的各种实例进行修改或补充,但不会偏离本发明的思路或超越所附权利要求书所定义的范围。
Claims (4)
1.一种面向高山地区的遥感几何纠正方法,其特征在于按下列步骤进行:
a、首先按照纠正影像(3)的空间信息对基准影像(1)和数字高程模型(2)进行投影变换和裁剪操作,并按照纠正影像(2)的空间分辨率进行重采样,使基准影像(1)与纠正影像(3)具有相同的空间分辨率与范围;
b、根据纠正影像(3)的成像几何关系模拟基准正射影像(1)在不同高度下的几何偏差,生成高差计算表(5);
c、根据高差计算表(5)和数字高程模型(2)对基准影像(1)进行高程偏差模拟,生成基准影像(1)未地形纠正时的模拟影像(4);
d、将步骤c生成的模拟影像(4)与纠正影像(3)进行几何精纠正,生成与模拟影像精确配准的影像(6),影像匹配的几何精度控制在1个像素之内;
e、将步骤d经过几何精纠正的目标影像再进行地形偏差纠正,生成最终的几何纠正影像。
2. 根据权利要求1所述的方法,其特征在于步骤b中利用卫星传感器成像几何关系和数字高程模型(2)数据逐像素计算基准影像(1)在不同高度下的几何偏差,生成高差计算表(5),并按照扫描方向逐像素模拟基准影像(1)高差改正前的影像(4)。
3.根据权利要求1所述的方法,其特征在于步骤b中影像(4)的高差改正表对影像(6)进行逐像素地形偏差解算,从而得到纠正影像(3)的几何纠正结果。
4.根据权利要求1所述的方法,其特征在于步骤d中,采用基准影像与目标影像的几何精配准的技术流程是,模拟影像(4) 在基准影像(1)的基础上增加地形偏差后,消除了模拟影像(4)与纠正影像(2)之间存在的非线性高程偏差,两者的几何偏差只剩余仿射变换偏差和残存的系统误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310231701.1A CN103295202B (zh) | 2013-06-07 | 2013-06-07 | 一种面向高山地区的遥感影像几何纠正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310231701.1A CN103295202B (zh) | 2013-06-07 | 2013-06-07 | 一种面向高山地区的遥感影像几何纠正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103295202A true CN103295202A (zh) | 2013-09-11 |
CN103295202B CN103295202B (zh) | 2016-02-17 |
Family
ID=49096009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310231701.1A Expired - Fee Related CN103295202B (zh) | 2013-06-07 | 2013-06-07 | 一种面向高山地区的遥感影像几何纠正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103295202B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104180794A (zh) * | 2014-09-02 | 2014-12-03 | 西安煤航信息产业有限公司 | 数字正射影像拉花区域的处理方法 |
CN108038086A (zh) * | 2017-12-28 | 2018-05-15 | 太原理工大学 | 一种基于像素尺度的dem数据误差评价与校正方法 |
CN109405834A (zh) * | 2018-11-23 | 2019-03-01 | 北京电子工程总体研究所 | 一种基于数字地图的遮蔽角实时解算方法以及系统 |
CN110285805A (zh) * | 2019-06-28 | 2019-09-27 | 北京航空航天大学 | 一种数据空洞的自适应插值/分割处理方法 |
CN111028178A (zh) * | 2019-12-20 | 2020-04-17 | 武汉大学 | 一种基于深度学习的遥感影像数据自动化几何纠正方法 |
CN113505764A (zh) * | 2021-09-09 | 2021-10-15 | 成都理工大学 | 顾及局部入射角的高山峡谷区sar几何畸变识别方法 |
CN116503269A (zh) * | 2023-03-27 | 2023-07-28 | 中山大学 | 一种sar图像的校正方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855628A (zh) * | 2012-08-20 | 2013-01-02 | 武汉大学 | 多源多时相高分辨率卫星遥感影像自动匹配方法 |
CN102968631A (zh) * | 2012-11-22 | 2013-03-13 | 中国科学院、水利部成都山地灾害与环境研究所 | 山区多光谱遥感卫星影像的自动几何纠正与正射校正方法 |
CN103063200A (zh) * | 2012-11-28 | 2013-04-24 | 国家测绘地理信息局卫星测绘应用中心 | 高分辨率光学卫星正射纠正影像生成方法 |
-
2013
- 2013-06-07 CN CN201310231701.1A patent/CN103295202B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855628A (zh) * | 2012-08-20 | 2013-01-02 | 武汉大学 | 多源多时相高分辨率卫星遥感影像自动匹配方法 |
CN102968631A (zh) * | 2012-11-22 | 2013-03-13 | 中国科学院、水利部成都山地灾害与环境研究所 | 山区多光谱遥感卫星影像的自动几何纠正与正射校正方法 |
CN103063200A (zh) * | 2012-11-28 | 2013-04-24 | 国家测绘地理信息局卫星测绘应用中心 | 高分辨率光学卫星正射纠正影像生成方法 |
Non-Patent Citations (3)
Title |
---|
KLAUS I. ITTEN等: "Geometric and Radiometric Correction of TM Data of Mountainous Forested Areas", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
SOREN N. MADSEN等: "Topographic Mapping Using Radar Interferometry: Processing Techniques", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
徐凌等: "利用DEM进行多山地区星载SAR影像的正射校正", 《物探化探计算技术》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104180794A (zh) * | 2014-09-02 | 2014-12-03 | 西安煤航信息产业有限公司 | 数字正射影像拉花区域的处理方法 |
CN108038086A (zh) * | 2017-12-28 | 2018-05-15 | 太原理工大学 | 一种基于像素尺度的dem数据误差评价与校正方法 |
CN108038086B (zh) * | 2017-12-28 | 2021-08-10 | 太原理工大学 | 一种基于像素尺度的dem数据误差评价与校正方法 |
CN109405834A (zh) * | 2018-11-23 | 2019-03-01 | 北京电子工程总体研究所 | 一种基于数字地图的遮蔽角实时解算方法以及系统 |
CN109405834B (zh) * | 2018-11-23 | 2022-08-30 | 北京电子工程总体研究所 | 一种基于数字地图的遮蔽角实时解算方法以及系统 |
CN110285805A (zh) * | 2019-06-28 | 2019-09-27 | 北京航空航天大学 | 一种数据空洞的自适应插值/分割处理方法 |
CN111028178A (zh) * | 2019-12-20 | 2020-04-17 | 武汉大学 | 一种基于深度学习的遥感影像数据自动化几何纠正方法 |
CN111028178B (zh) * | 2019-12-20 | 2022-04-29 | 武汉大学 | 一种基于深度学习的遥感影像数据自动化几何纠正方法 |
CN113505764A (zh) * | 2021-09-09 | 2021-10-15 | 成都理工大学 | 顾及局部入射角的高山峡谷区sar几何畸变识别方法 |
CN113505764B (zh) * | 2021-09-09 | 2021-12-07 | 成都理工大学 | 顾及局部入射角的高山峡谷区sar几何畸变识别方法 |
CN116503269A (zh) * | 2023-03-27 | 2023-07-28 | 中山大学 | 一种sar图像的校正方法及装置 |
CN116503269B (zh) * | 2023-03-27 | 2023-12-19 | 中山大学 | 一种sar图像的校正方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103295202B (zh) | 2016-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103295202B (zh) | 一种面向高山地区的遥感影像几何纠正方法 | |
US20200103530A1 (en) | Method for extracting elevation control point with assistance of satellite laser altimetry data | |
CN105046251A (zh) | 一种基于环境一号卫星遥感影像的自动正射校正方法 | |
CN112017224B (zh) | Sar数据区域网平差处理方法和系统 | |
CN102628942B (zh) | 一种雷达影像双视向信息补偿方法 | |
CN102968631A (zh) | 山区多光谱遥感卫星影像的自动几何纠正与正射校正方法 | |
CN103822615A (zh) | 一种多控制点自动提取与聚合的无人机地面目标实时定位方法 | |
CN103673995A (zh) | 一种线阵推扫式相机在轨光学畸变参数标定方法 | |
CN103345737A (zh) | 一种基于误差补偿的uav高分辨率影像几何校正方法 | |
CN103218789A (zh) | 一种基于几何形变分步解算的自动化正射纠正方法 | |
CN102855628A (zh) | 多源多时相高分辨率卫星遥感影像自动匹配方法 | |
CN103129752A (zh) | 一种基于地面导航的光学遥感卫星姿态角误差动态补偿方法 | |
CN102735216A (zh) | Ccd立体相机三线阵影像数据平差处理方法 | |
Liu et al. | Accurate mapping method for UAV photogrammetry without ground control points in the map projection frame | |
CN102147249B (zh) | 基于直线特征的星载光学线阵影像精确纠正处理方法 | |
CN111003214B (zh) | 基于云控制的国产陆地观测卫星姿轨精化方法 | |
CN108562900A (zh) | 一种基于高程校正的sar图像几何配准方法 | |
CN109188483B (zh) | 一种时序化高精度外方位元素自动定标方法 | |
CN105571598A (zh) | 一种卫星激光高度计足印相机姿态的测定方法 | |
Tao et al. | On-orbit geometric calibration of the panchromatic/multispectral camera of the ZY-1 02C satellite based on public geographic data | |
CN105093222A (zh) | 一种sar影像区域网平差连接点自动提取方法 | |
CN102663680A (zh) | 基于面特征的图像几何校正方法 | |
CN102735225B (zh) | 月球控制网的建立方法 | |
CN107945235B (zh) | 一种高轨大面阵静止卫星影像几何定位仿真方法 | |
HONG et al. | Fast mosaicking method of InSAR-generated multi-stripe digital elevation model |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160217 |