CN103530628A - 基于浮动控制点的高分辨率遥感影像正射校正方法 - Google Patents
基于浮动控制点的高分辨率遥感影像正射校正方法 Download PDFInfo
- Publication number
- CN103530628A CN103530628A CN201310525278.6A CN201310525278A CN103530628A CN 103530628 A CN103530628 A CN 103530628A CN 201310525278 A CN201310525278 A CN 201310525278A CN 103530628 A CN103530628 A CN 103530628A
- Authority
- CN
- China
- Prior art keywords
- ship
- remote sensing
- control point
- image
- resolution remote
- 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
本发明公开了一种基于浮动控制点的高分辨率遥感影像正射校正方法,包括步骤:步骤S101,基于高分辨率遥感影像进行水陆边界提取,选取水域中的小型目标作为船只识别的候选目标;步骤S102,构建特征向量;步骤S103,构建训练和测试样本库;步骤S104,利用SVM或ANN方法,基于训练和测试样本库训练分类器,完成船只识别,获取船只的影像坐标;步骤S105,对识别得到的船只,利用形态学细分获得其几何中心线,并利用几何中心线完成与所述船只的AIS航迹的切线方向进行匹配,从而获取船只的精确GPS定位信息;步骤S106,基于船只的影像坐标、地理坐标构成控制点,优化卫星有理多项式纠正模型,获得高精度正射影像。
Description
技术领域
本发明涉及遥感影像识别校正的技术领域,尤其涉及一种基于浮动控制点的高分辨率遥感影像正射校正方法。
背景技术
航道更新是航运管理中的重要内容。传统的基于野外测量的更新方式需要耗费大量的人力物力,基于卫星高分辨率多光谱遥感影像的更新方法能够快速更新航道边界并且成本较低。但是部分地区的地面控制点比较稀少,无法实现影像的高精度正射校正。给该方法在航道更新中的应用带来的困难,很难满足需求,需进一步加以改进。
发明内容
有鉴于现有技术的上述不足,本发明提出一种可完成无地面控制点区域的高分辨率遥感影像校正的基于浮动控制点的高分辨率遥感影像正射校正方法。
为实现上述目的,本发明提供了一种基于浮动控制点的高分辨率遥感影像正射校正方法,包括以下步骤:
步骤S101,基于高分辨率遥感影像进行水陆边界提取,选取水域中的小型目标作为船只识别的候选目标。
步骤S102,利用纹理和反射率指标对所述候选目标进行描述,构建特征向量。
步骤S103,在同类型影像中选取船只和伪船只构建训练和测试样本库。
步骤S104,利用SVM或ANN(神经网络)方法,基于训练和测试样本库训练分类器,完成船只识别,获取船只的影像坐标。
步骤S105,对识别得到的船只,利用形态学细分获得其几何中心线,并利用所述几何中心线完成与所述船只的AIS航迹的切线方向进行匹配,从而获取船只的精确GPS定位信息。
步骤S106,基于船只的影像坐标、地理坐标构成控制点,优化卫星有理多项式纠正模型,获得高精度正射影像。
较佳的,步骤S102中构建的特征向量包括灰度共生矩阵统计量、Gabor滤波器响应和光谱反射率(像素灰度)。
较佳的,步骤S104中获取的船只的影像坐标为船只的质心所处的坐标。
较佳的,在步骤S103中对样本库中的样本图像计算步骤S102中所述的特征向量,并为特征向量添加输出值:船只输出值为1,伪船只输出值为-1。
较佳的,在步骤S104中获取分类决策函数,决策函数的自变量为目标特征向量,决策函数变量为船只识别预测值,值域为{-1,1},其中-1代表伪船只、1代表船只。
支持向量机(Support Vector Machine,SVM)在目标识别领域具有非常广泛的应用,并且已经被证明具有非常好的推广能力和鲁棒性。
本发明将水上的船只作为浮动控制点从影像中提取出来,并利用船只自带的AIS系统获取准确的地理坐标,通过利用船只作为移动控制点,实现无地面控制点区域的影像校正,还可利用曲线拟合技术实现船只AIS信息与影像信息的精确对应。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1为本实施例基于浮动控制点的高分辨率遥感影像正射校正方法的流程示意图。
具体实施方式
本实施例提出一种基于浮动控制点的高分辨率遥感影像正射校正方法,包括以下步骤:
步骤S101,基于高分辨率遥感影像进行水陆边界提取,选取水域中的小型目标作为船只识别的候选目标。
步骤S102,利用纹理和反射率指标对所述候选目标进行描述,构建特征向量;示例性的,本实施例构建的特征向量包括灰度共生矩阵统计量、Gabor滤波器响应和光谱反射率。
步骤S103,在同类型影像中选取船只和伪船只构建训练和测试样本库,对样本库中的样本图像计算步骤S102中所述的特征向量,并为特征向量添加输出值:船只输出值为1,伪船只输出值为-1。
步骤S104,利用SVM或ANN方法,基于训练和测试样本库训练分类器,完成船只识别(识别和提取所述候选目标中的船只),获取船只的影像坐标和分类决策函数,决策函数的自变量为目标特征向量,决策函数变量为船只识别预测值,值域为{-1,1},其中-1代表伪船只、1代表船只,具体的,获取的船只的影像坐标为船只的质心所处的坐标。
步骤S105,对识别得到的船只,利用形态学细分获得其几何中心线,并利用所述几何中心线完成与所述船只的AIS航迹的切线方向进行匹配,从而获取船只的精确GPS定位信息;
步骤S106,基于船只的影像坐标、地理坐标构成控制点,优化卫星有理多项式纠正模型,利用RPC、多项式、小面元等方法完成影像纠正,获得高精度正射影像。
图1为本实施例基于浮动控制点的高分辨率遥感影像正射校正方法的流程示意图。示例性的,如图1所示,本实施例的基于浮动控制点的高分辨率遥感影像正射校正方法,通过对高分辨率遥感影像水陆边界的提取获得河流区域信息,结合航标知识库和船只知识库,对该河流区域内的航道和船只进行识别和提取,并获得船只质心的影像坐标,通过船只上的AIS系统获得船只的实际地理坐标,基于船只的影像坐标、地理坐标构成控制点,利用船只作为浮动控制点,优化卫星有理多项式纠正模型,利用RPC、多项式、小面元等方法完成影像纠正,可实现无地面控制点区域的影像校正,获得高精度正射影像。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (5)
1.一种基于浮动控制点的高分辨率遥感影像正射校正方法,其特征在于:
包括以下步骤:
步骤S101,基于高分辨率遥感影像进行水陆边界提取,选取水域中的小型目标作为船只识别的候选目标;
步骤S102,利用纹理和反射率指标对所述候选目标进行描述,构建特征向量;
步骤S103,在同类型影像中选取船只和伪船只构建训练和测试样本库;
步骤S104,利用SVM或ANN方法,基于训练和测试样本库训练分类器,完成船只识别,获取船只的影像坐标;
步骤S105,对识别得到的船只,利用形态学细分获得其几何中心线,并利用所述几何中心线完成与所述船只的AIS航迹的切线方向进行匹配,从而获取船只的精确GPS定位信息;
步骤S106,基于船只的影像坐标、地理坐标构成控制点,优化卫星有理多项式纠正模型,获得高精度正射影像。
2.如权利要求1所述的基于浮动控制点的高分辨率遥感影像正射校正方法,其特征在于:步骤S102中构建的特征向量包括灰度共生矩阵统计量、Gabor滤波器响应和光谱反射率。
3.如权利要求1所述的基于浮动控制点的高分辨率遥感影像正射校正方法,其特征在于:步骤S104中获取的船只的影像坐标为船只的质心所处的坐标。
4.如权利要求1或2所述的基于浮动控制点的高分辨率遥感影像正射校正方法,其特征在于:在步骤S103中对样本库中的样本图像计算步骤S102中所述的特征向量,并为特征向量添加输出值:船只输出值为1,伪船只输出值为-1。
5.如权利要求1或3所述的基于浮动控制点的高分辨率遥感影像正射校正方法,其特征在于:在步骤S104中获取分类决策函数,决策函数的自变量为目标特征向量,决策函数变量为船只识别预测值,值域为{-1,1},其中-1代表伪船只、1代表船只。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310525278.6A CN103530628B (zh) | 2013-10-29 | 2013-10-29 | 基于浮动控制点的高分辨率遥感影像正射校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310525278.6A CN103530628B (zh) | 2013-10-29 | 2013-10-29 | 基于浮动控制点的高分辨率遥感影像正射校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103530628A true CN103530628A (zh) | 2014-01-22 |
CN103530628B CN103530628B (zh) | 2016-08-17 |
Family
ID=49932627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310525278.6A Active CN103530628B (zh) | 2013-10-29 | 2013-10-29 | 基于浮动控制点的高分辨率遥感影像正射校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103530628B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361563A (zh) * | 2014-11-06 | 2015-02-18 | 西北工业大学 | 基于gps的高光谱遥感图像几何精校正方法 |
CN107871119A (zh) * | 2017-11-01 | 2018-04-03 | 西安电子科技大学 | 一种基于目标空间知识和两阶段预测学习的目标检测方法 |
CN110660099A (zh) * | 2019-03-22 | 2020-01-07 | 西安电子科技大学 | 基于神经网络的遥感影像处理的有理函数模型拟合方法 |
CN112115891A (zh) * | 2020-09-24 | 2020-12-22 | 电子科技大学 | 一种基于一维多向抽取的sar图像港口检测方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI823654B (zh) * | 2022-11-01 | 2023-11-21 | 國立中央大學 | 結構物表面缺陷識別校正系統 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247669A1 (en) * | 2007-04-04 | 2008-10-09 | National Central University | Method of Ortho-Rectification for high-resolution remote sensing image |
CN102867196A (zh) * | 2012-09-13 | 2013-01-09 | 武汉大学 | 基于Gist特征学习的复杂海面遥感影像舰船检测方法 |
CN102968625A (zh) * | 2012-12-14 | 2013-03-13 | 南京思创信息技术有限公司 | 基于轨迹的船舶识别与跟踪方法 |
CN103020592A (zh) * | 2012-11-22 | 2013-04-03 | 北京大学 | 一种基于局部上下文的遥感图像舰船检测虚警剔除方法 |
-
2013
- 2013-10-29 CN CN201310525278.6A patent/CN103530628B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247669A1 (en) * | 2007-04-04 | 2008-10-09 | National Central University | Method of Ortho-Rectification for high-resolution remote sensing image |
CN102867196A (zh) * | 2012-09-13 | 2013-01-09 | 武汉大学 | 基于Gist特征学习的复杂海面遥感影像舰船检测方法 |
CN103020592A (zh) * | 2012-11-22 | 2013-04-03 | 北京大学 | 一种基于局部上下文的遥感图像舰船检测虚警剔除方法 |
CN102968625A (zh) * | 2012-12-14 | 2013-03-13 | 南京思创信息技术有限公司 | 基于轨迹的船舶识别与跟踪方法 |
Non-Patent Citations (1)
Title |
---|
宋伟东等: "高分辨率遥感影像单片定位及正射纠正方法", 《辽宁工程技术大学学报(自然科学版)》, vol. 28, no. 1, 15 February 2009 (2009-02-15), pages 36 - 39 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361563A (zh) * | 2014-11-06 | 2015-02-18 | 西北工业大学 | 基于gps的高光谱遥感图像几何精校正方法 |
CN104361563B (zh) * | 2014-11-06 | 2017-02-15 | 西北工业大学 | 基于gps的高光谱遥感图像几何精校正方法 |
CN107871119A (zh) * | 2017-11-01 | 2018-04-03 | 西安电子科技大学 | 一种基于目标空间知识和两阶段预测学习的目标检测方法 |
CN107871119B (zh) * | 2017-11-01 | 2021-07-06 | 西安电子科技大学 | 一种基于目标空间知识和两阶段预测学习的目标检测方法 |
CN110660099A (zh) * | 2019-03-22 | 2020-01-07 | 西安电子科技大学 | 基于神经网络的遥感影像处理的有理函数模型拟合方法 |
CN110660099B (zh) * | 2019-03-22 | 2023-04-07 | 西安电子科技大学 | 基于神经网络的遥感影像处理的有理函数模型拟合方法 |
CN112115891A (zh) * | 2020-09-24 | 2020-12-22 | 电子科技大学 | 一种基于一维多向抽取的sar图像港口检测方法 |
CN112115891B (zh) * | 2020-09-24 | 2022-06-14 | 电子科技大学 | 一种基于一维多向抽取的sar图像港口检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103530628B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108550174B (zh) | 一种基于半全局优化的海岸线超分辨率制图方法及系统 | |
CN103530628A (zh) | 基于浮动控制点的高分辨率遥感影像正射校正方法 | |
CN104361590B (zh) | 一种控制点自适应分布的高分辨率遥感影像配准方法 | |
WO2017071160A1 (zh) | 一种大幅面遥感图像海陆分割的方法及系统 | |
CN110542908A (zh) | 应用于智能驾驶车辆上的激光雷达动态物体感知方法 | |
CN109766886B (zh) | 一种基于图像识别的水位识别方法 | |
CN104613944A (zh) | 一种基于gwr和bp神经网络的分布式水深预测方法 | |
CN103363962A (zh) | 一种基于多光谱影像的湖泊水储量遥感估算方法 | |
KR20180094702A (ko) | 드론을 활용한 갯벌 지역에서의 갯골 정보 추출 장치 및 방법 | |
CN103871072A (zh) | 基于投影数字高程模型的正射影像镶嵌线自动提取方法 | |
CN105374041A (zh) | 利用多期遥感影像提取砂质岸线的方法 | |
CN108257142A (zh) | Dem中斜坡单元提取方法 | |
CN109186706A (zh) | 一种用于城市雨洪淹没区预警的方法 | |
CN108921120A (zh) | 一种适应广泛零售场景下的香烟识别方法 | |
CN101968877A (zh) | 一种双层圆弧的编码标记点设计方法 | |
CN102567726B (zh) | 极地冰盖边缘区域浮冰自动提取技术 | |
Xu et al. | Water level estimation based on image of staff gauge in smart city | |
CN107563296A (zh) | 基岩海岸岸线的提取方法及系统 | |
CN113902792A (zh) | 基于改进RetinaNet网络的建筑物高度检测方法、系统和电子设备 | |
Getirana et al. | Evaluating parameter effects in a DEM ‘burning’process based on land cover data | |
Birgand et al. | Field performance of the GaugeCam image-based water level measurement system | |
CN105093222A (zh) | 一种sar影像区域网平差连接点自动提取方法 | |
Wang et al. | Deriving natural coastlines using multiple satellite remote sensing images | |
He et al. | An integrated use of topography with RSI in gully mapping, Shandong Peninsula, China | |
CN101446642A (zh) | 基于知识学习的遥感卫星资料地面控制点自动匹配方法 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 200011 Tibet South Road, Shanghai, No. 1170, No. Patentee after: Shanghai urban construction design & Research Institute (Group) Co., Ltd. Address before: 200011 Tibet South Road, Shanghai, No. 1170, No. Patentee before: Shanghai Urban Construction Design & Research Institute |
|
CP01 | Change in the name or title of a patent holder |