CN105046251A - 一种基于环境一号卫星遥感影像的自动正射校正方法 - Google Patents
一种基于环境一号卫星遥感影像的自动正射校正方法 Download PDFInfo
- Publication number
- CN105046251A CN105046251A CN201510472463.2A CN201510472463A CN105046251A CN 105046251 A CN105046251 A CN 105046251A CN 201510472463 A CN201510472463 A CN 201510472463A CN 105046251 A CN105046251 A CN 105046251A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- satellite
- pixel
- same place
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种基于环境一号卫星遥感影像的自动正射校正方法,步骤如下:(1)根据几何投影变换原理消除参考影像中的地面起伏所造成的投影变形,生成模拟投影影像;(2)利用Harris角点提取算法在参考影像与原始影像中寻找可能的特征点;(3)再利用相关系数法在步骤(2)的基础上寻找可能的同名点;(4)用基于最小二乘的多项式模型求解参考影像与原始影像间的关系系数;(5)利用参考影像与原始影像间的关系系数对原始影像进行校正并再次根据几何投影变换原理消除地形起伏所造成的畸变,最终完成正射校正。本发明所述方法具有自动化程度高、无需人工选取控制点、校正精度高以及生产效率高的特点。
Description
技术领域
本发明涉及一种基于环境一号卫星遥感影像的自动正射校正方法,属于遥感影像处理技术领域,适用于环境一号卫星遥感影像的精确定位,影像信息提取和专题产品生产的预处理工作等。
背景技术
卫星影像在成像的过程中,受到投影、摄影轴倾斜、地球曲率及地形起伏等诸多因素影响,致使影像中各像点产生不同程度的几何变形失真。而正射校正图像可以消除成像过程中的各种因素导致的影像畸变,还原一个地理位置准确的遥感影像。因而,对遥感影像进行正射校正已经成为各种遥感应用过程中必不可少的基础工作。
对环境一号卫星遥感影像进行正射校正可以选择的方法很多,主要包括严格物理模型和通用经验模型两种。严格物理模型以共线方程为代表,但是为获得较高的精度需要已知传感器的轨道参数和姿态参数等等,此方法参数要求较高,实现起来较为复杂;通用经验模型应用灵活,只要有足够数量的控制点就可以获得正射影像,但是其精度往往受到地形和控制点的限制。目前最主要的正射影像制作方法是结合立体像对的数字摄影测量和通用经验模型。但立体像对遥感影像获取不易、成本较高,而且需要人工选取一定数量的控制点。对于目前少量已存在的利用影像匹配和通用经验模型的遥感影像自动校正方法,也只是利用角点匹配和二次多项式模型简单的套用,并且需要在每一个步骤中设置一个固定的阈值,方法不灵活,适用性不高。
以上方法存在的缺点主要体现在:(1)需要人工选取控制点,选取控制点的过程极为繁琐,大大降低了影像正射校正的效率;(2)由于对人工高度依赖,以至于影像的校正精度不可控,受人工作业影响较大;(3)立体像对遥感影像获取不易,成本较高;(4)对于已存在的自动校正方法存在阈值的普适性不高,计算效率与计算结果的精度无法提高。
发明内容
本发明解决的技术问题为:克服现有技术不足,提供一种基于环境一号卫星遥感影像的自动正射校正方法,该方法结合几何投影变换、同名点自动选取和多项式模型等方法实现环境一号卫星遥感影像的高效率高精度的校正,同时生产效率和精度较高,工程实现容易。
本发明解决的技术方案为:一种基于环境一号卫星遥感影像的自动正射校正方法,步骤如下:
(1)选择一景环境卫星2级CCD影像作为目标数据,设定包含该目标数据的Landsat卫星参考影像,该Landsat卫星参考影像中的每一个像元的坐标为真实测量的地理坐标;设定数字高程数据(DEM)作为基准数据,该数字高程数据是测量真实地面的海拔高度h,用于对基准影像姿态的复原;
(2)将步骤(1)的Landsat卫星正射参考影像模拟为成像时的投影影像,以进行偏差参数解算,在步骤(1)的Landsat卫星正射参考影像上S点向外侧添加dS的投影偏移量,以消除大地高程起伏所带来的误差;S为卫星传感器拍摄的目标地物与星下点的间距;dS为卫星照射目标地物在大地投影的长度,即大地高程起伏在成像过程中的误差;
(3)对步骤(2)模拟后成像时的投影影像进行剪裁,得到剪裁后的投影参考影像,使得一景环境卫星2级CCD影像的地理范围被完全包含在投影参考影像的地理范围中,且投影参考影像的各边都比目标影像的各边长1/2个目标影像的边长,以完成数据准备与预处理;
(4)进行步骤(1)的目标影像与步骤(3)的投影参考影像的影像匹配过程如下:
①设定一个N*N像元大小的影像窗口,在目标影像中从左上角开始,以一个像元为步长先从左到右,再从上到下进行遍历,对每一个N*N像元大小的影像窗口覆盖的目标影像中的所有像元,进行Harris算子计算,即从目标影像和投影参考影像中提取兴趣点的角点响应值I,公式如下:
I=det(M)-k·tr2(M),k=0.04
式中,
式中,gx为x方向的梯度,gy为y方向的梯度;
式中,为高斯模板,det为矩阵的行列式,tr为矩阵的迹,k为默认
常数。矩阵I中每一点的元素值对应于原图相应点的兴趣值。
②设定符合特征点的阈值,即对步骤①的兴趣点的角点响应值I,从大到小进行排序,取第P个兴趣点的I值作为符合特征点的阈值T,
③若步骤①的兴趣点的角点响应值I大于步骤②设定的符合特征点的阈值T,则该角点响应值I所对应的兴趣点为投影参考影像的特征点;
(5)根据步骤(4)提取的投影参考影像的特征点,利用相关系数法,得到相关系数ρ(c,r),有|ρ(c,r)|≤1,当|ρ(c,r)|越趋近于1时,投影参考影像的特征点与目标影像的参考点,作为匹配的初始同名点对集合。对于环境卫星影像,设定相关系数ρ(c,r)必须满足|ρ(c,r)|≥0.85,否则视为投影参考影像中的此特征点在目标影像中无匹配的初始同名点对,对此特征点予以剔除;
(6)对步骤(5)中的初始同名点对集合进行筛选,即通过二次多项式模型,求解出二次多项式的系数aij,bij,再将求解出的二次多项式的系数aij,bij代入二次多项式模型中,求出目标影像的坐标(u,v)对应的投影参考影像的坐标(x,y),将所有投影参考影像的坐标(x,y)分别与步骤(5)的初始同名点对中的投影参考影像的特征点坐标进行对比,用最小二乘法将残差最大的(x,y)所对应的同名点对剔除,得到剔除后的同名点对集合;
所述二次多项式模型为:
(7)然后在剔除后的同名点对集合中,重复步骤(6),直至剔除后的同名点对集合中的同名点对的残差精度达到设定精度时,即一个像元内,不再重复步骤(6),得到最终的二次多项式的系数aij,bij,此时同名点对集合中的同名点对为控制点对;
(8)根据步骤(7)的最终的二次多项式的系数aij,bij,解算出所有的目标影像中所有像元的二维平面的地理坐标;
(9)对目标影像中所有像元的二维平面的地理坐标,去除dS的投影偏移量,得到三维空间的真实地理坐标,完成目标影像的自动正射校正。
本发明与现有技术相比的优点在于:
(1)本发明中,目标数据的投影变换,同名点确定以及二次多项式系数求解等步骤均为自动化处理,无需人工干预,实现了环境一号卫星遥感影像批量校正的工程化;
(2)本发明中,在利用Harris算子提取兴趣点时,存在一个N×N像元大小的影像遍历窗口,这个窗口大小的确定是基于环境一号卫星CCD影像的特点确定的,一景环境一号卫星CCD影像的分辨率为30米,而环境一号卫星CCD影像中的兴趣点一般为城市桥梁道路的拐点,大型建筑物的棱角,山体的角点等,这些地物兴趣点在环境一号卫星CCD影像中的可识别的最大范围约为300米×300米,若大于此范围,地物呈现较为复杂,会对兴趣点提取造成干扰,若小于此范围,地物特征无法完整呈现,并且窗口遍历计算的次数也会增加,会降低计算效率。结合对环境一号卫星CCD影像的反复测试,本发明最终确定窗口大小为10×10像元,实践证明,10×10像元大小的影像遍历窗口不仅能最大程度地获取准确的兴趣点,还能保证较高的计算效率。
(3)本发明中,利用第P个兴趣点的I值来确定符合特征点的阈值T中,设置P为150个,不仅可以保证特征点的选取的精确度,为后续步骤提供足够的初始同名点对,还可以使得计算复杂度维持在较低区间,大大缩短了特征点、同名点对、以及后续的二次多项式解算的时间;
(4)本发明中,对于已提取的参考影像中的特征点在目标影像中寻找同名点,相关系数法中确定相关系数必须满足|ρ(c,r)|≥0.85时才能成为候选的初始同名点对,是根据环境一号卫星CCD影像自身特点以及相关系数计算中目标图像窗口反复测试而设定的,由于环境一号卫星CCD影像为中等分辨率影像,其图像细节并不像高分辨率影像那么丰富,故在目标图像10*10像元的窗口中计算相关性会受到相似地物图像的干扰,如山地、森林等。因此,在此处设置一个较高的相关系数阈值可以进一步保证初始同名点对选取的准确性;
(5)本发明中,在解算二次多项式模型中循环使用最小二乘法剔除误差较大的同名点对使得二次多项式模型系数解算更为精确,使得最后的校正误差控制在一个像元之内;
(6)本发明中,在投影影像进行剪裁的步骤中,由于Landsat卫星参考影像与环境一号卫星2级CCD影像之间地理位置偏差一般在30个像元以内,所以1/2边长距离即能足够保证目标影像在基准影像区域内,又能使投影参考影像不至于远大于目标影像,缩小了后续投影参考影像的匹配步骤中的影像窗口的遍历、利用相关系数筛选同名点对的搜索范围,极大的减少了后续步骤的计算时间,提高了整个正射校正过程的处理效率。
(7)本发明已在环境卫星CCD影像处理系统自动正射校正模块中试验验证,方法可行,工程技术易实现,因此具有实用性。
(8)本发明对于相关系数ρ(c,r),有|ρ(c,r)|≤1,当|ρ(c,r)|越趋近于1时,即0.85≤|ρ(c,r)|≤1,两影像的相关性越好,基于相关系数法的影像匹配结果只能达到像素级精度,即大于等于一个像元的精度,以匹配结果为初值再进行最小二乘匹配,能够达到子像素级的匹配精度,即小于一个像元的精度。
附图说明
图1为本发明正射校正技术实施流程图;
图2为本发明环境一号卫星线阵CCD投影几何关系图;
图3为本发明中投影参考影像的剪裁大小;
图4为本发明中使用影像窗口遍历目标影像;
图5为本发明中影像成像投影形变分析图;
图6为本发明中最小二乘法解算二次多项式模型。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细描述,如图1所示,为本发明正射校正的流程图。选择一景环境卫星2级CCD影像作为目标数据,设定包含该目标数据的Landsat卫星参考影像,该Landsat卫星参考影像中的每一个像元的坐标为真实测量的地理坐标;设定数字高程数据作为基准数据,该数字高程数据是测量真实地面的海拔高度h,用于对基准影像姿态的复原。其复原过程如图2所示,将Landsat卫星正射参考影像模拟为成像时的投影影像,以进行偏差参数解算(即模拟方式),在Landsat卫星正射参考影像上S点向外侧添加dS的投影偏移量,以消除大地高程起伏所带来的误差;其中dS为卫星照射目标地物在大地投影的长度,即大地高程起伏在成像过程中的误差;S为卫星传感器拍摄的目标地物与星下点的间距;h为地物高程,Alt为传感器高度,Re为地球半径,LOS’卫星到地面目标的直线距离,S、h、Alt、Re都可通过参考影像或元数据获得,为已知参数。dS求解公式如下,
dS=Re*(z″-s-d-dd)
其中根据已知参数S、Alt、Re结合几何原理可求出角度s、Alt和LOS的夹角d和长度LOS,然后再结合已知参数h可求出Alt和LOS’的夹角dd,进而求出z″。
然后以上成像时的投影影像进行剪裁,得到剪裁后的投影参考影像,如图3所示,使得一景环境卫星2级CCD影像的地理范围被完全包含在投影参考影像的地理范围中,且投影参考影像的各边都比目标影像的各边长1/2个目标影像的边长,因为Landsat卫星参考影像与环境一号卫星2级CCD影像之间地理位置偏差一般在30个像元以内,所以1/2边长距离即能足够保证目标影像在基准影像区域内,又能使投影参考影像不至于远大于目标影像,缩小了后续投影参考影像的匹配步骤中的影像窗口的遍历、利用相关系数筛选同名点对的搜索范围,极大的减少了后续步骤的计算时间,提高了整个正射校正过程的处理效率;
待上述预处理过程结束后,将进行目标影像与投影参考影像的影像配准,整个配准过程包括投影参考影像的特征点提取,相关系数确定同名点对和基于最小二乘法的多项式模型求解三个步骤。
对于特征点提取本发明通过使用Harris算子计算角点响应值I来确定,Harris算子是一种基于信号的点特征提取算子,具有计算简单、提取的角点特征均匀合理、可以定量提取特征点以及算子稳定的特点。
如图4所示,设定一个N*N像元大小的影像窗口,在目标影像中从左上角开始,以一个像元为步长先从左到右,再从上到下进行遍历,对每一个N*N像元大小的影像窗口覆盖的目标影像中的所有像元,进行Harris算子计算,即从目标影像和投影参考影像中提取兴趣点的角点响应值I,公式如下:
I=det(M)-k·tr2(M),k=0.04
式中,
式中,gx为x方向的梯度,gy为y方向的梯度;
为高斯模板,det为矩阵的行列式,tr为矩阵直迹,k为默认常数。矩阵I中每一点的元素值对应于原图相应点的兴趣值。特征点需均匀分布在整个影像上,将影像分为N×N的影像块,对于环境一号卫星本发明采用10×10像元窗口,在目标影像上提取局部最优的Harris特征点。这个窗口大小的确定是基于环境一号卫星CCD影像的特点确定的,一景环境一号卫星CCD影像的分辨率为30米,而环境一号卫星CCD影像中的兴趣点一般为城市桥梁道路的拐点,大型建筑物的棱角,山体的角点等,这些地物兴趣点在环境一号卫星CCD影像中的可识别的最大范围约为300米×300米,若大于此范围,地物呈现较为复杂,会对兴趣点提取造成干扰,若小于此范围,地物特征无法完整呈现,并且窗口遍历计算的次数也会增加,会降低计算效率。结合对环境一号卫星CCD影像的反复测试,本发明最终确定窗口大小为10×10像元,实践证明,10×10像元大小的影像遍历窗口不仅能最大程度地获取准确的兴趣点,还能保证较高的计算效率。
对这一步骤的所有兴趣点的角点响应值I进行从大到小进行排序,取第P个兴趣点的I值作为符合特征点的阈值T,此处设定P为150,这样不仅可以保证特征点的选取的精确度,为后续步骤提供足够的初始同名点对,还可以使得计算复杂度维持在较低区间,大大缩短了特征点、同名点对、以及后续的二次多项式解算的时间。若某兴趣点的角点响应值I大于设定的符合特征点的阈值T,则该角点响应值I所对应的兴趣点为投影参考影像的特征点;
根据上一步骤提取的投影参考影像的特征点,利用相关系数法,得到相关系数ρ(c,r)。相关系数法是一种常用的在空间域中直接利用像元灰度进行相关的算法。对于两个图像子窗口构成的灰度矩阵而言,其相关系数ρ(c,r)定义如下:
式中m,n分别为目标图像窗口的长和宽,在本发明中设定目标图像窗口长宽与上述步骤中提取特征点窗口一致,为10×10像元。
式中gi,j为参考图像子窗口中(i,j)处的像素灰度值,g′i+r,j+c为匹配图像中以参考点(c,r)为中心的搜索区域(i,j)处的像素灰度值,为窗口内的平均值,对于相关系数ρ(c,r),有|ρ(c,r)|≤1,当|ρ(c,r)|越趋近于1时,两影像的相关性越好。投影参考影像的特征点与目标影像的参考点,作为匹配的初始同名点对集合。对于环境卫星影像,设定相关系数ρ(c,r)必须满足|ρ(c,r)|≥0.85,否则视为投影参考影像中的此特征点在目标影像中无匹配的初始同名点对,对此特征点予以剔除。这是根据环境一号卫星CCD影像自身特点以及相关系数计算中目标图像窗口反复测试而设定的,由于环境一号卫星CCD影像为中等分辨率影像,其图像细节并不像高分辨率影像那么丰富,故在目标图像10*10像元的窗口中计算相关性会受到相似地物图像的干扰,如山地、森林等。因此,在此处设置一个较高的相关系数阈值可以进一步保证初始同名点对选取的准确性。
在影像配准的最后对步骤中进行初始同名点对集合进行筛选,如图5所示根据遥感影像成像过程及几何处理过程建立如下坐标变换过程:
(1)成像过程中的误差产生
成像过程中,可分为两个阶段,真实地面坐标经过传感器投影后的物方坐标到物方坐标的变换,此过程即在真实地面坐标上添加投影畸变:
(X0,Y0)=G(X,Y)
投影影像物方到像方的坐标变换,即由大地坐标系到传感器坐标系之间的变换,最常用的变换模型为共线方程:
(x,y)=T(X0,Y0)
(2)定向过程中的误差产生
系统级校正根据卫星的轨道参数及传感器的内方位元素的先验的校验值,解算共线方程,与地球椭球面相交进行初始定向,得到初始地理参考。由于传感器的姿态的不稳定,先验星历参数与卫星真实的运行参数存在一定偏差,因此误差II是在建立像方坐标到物方坐标关系是产生的定向误差:
(X1,Y1)=T'-1(x,y)
根据上述过程的分析,完全精确的几何精校正产品即为真实地物经过投影变换后映射到像平面的影像。因此对于星下点平坦区域,中心投影产生的地形形变可以忽略。而对于宽幅影像,需要对地形形变单独进行处理。系统级产品中的几何形变同时包括定向过程中的全局误差及地形起伏引起的局部形变,由于环境一号卫星宽幅的特性,多项式模型无法同时拟合这两类误差。根据上述形变产生过程的分析,精校正产品可以看做真实地面按照传感器的成像几何关系投影至虚拟水平面的投影影像,因此可通过模拟投影的过程将地形形变与定向误差分步处理。
本发明通过二次多项式模型来表示上述像方坐标到物方坐标关系,求解出二次多项式的系数aij,bij,再将求解出的二次多项式的系数aij,bij代入二次多项式模型中,求出目标影像的坐标(u,v)对应的投影参考影像的坐标(x,y),将所有投影参考影像的坐标(x,y)分别与上述初始同名点对中的投影参考影像的特征点坐标进行对比,用最小二乘法将残差最大的(x,y)所对应的同名点对剔除,得到剔除后的同名点对集合;
所述二次多项式模型为:
然后在剔除后的同名点对集合中,重复使用最小二乘解算二次多项式系数,直至剔除后的同名点对集合中的同名点对的残差精度达到设定精度时,即一个像元内,得到最终的二次多项式的系数aij,bij,此时同名点对集合中的同名点对为控制点对;根据最终的二次多项式的系数aij,bij,解算出所有的目标影像中所有像元的二维平面的地理坐标。例如,如图6所示,使用多个目标影像的坐标(u0,v0),(u1,v1),…(um,vm)解算出二次多项式模型曲线,然后将这些横坐标u0,u1,…um代入到解算的二次多项式中,算出的纵坐标值与原纵坐标v0,v1,…vm之差为Δy0,Δy1,…Δym,剔除最大差值,如Δy0多对应的坐标(u0,v0),剩下的坐标(u1,v1),…(um,vm)解算出二次多项式模型曲线,再剔除最大差值对应的坐标,直至Δy小于一个像元的坐标差,即环境星CCD影像数据的分辨率30米。
最后对目标影像中所有像元的二维平面的地理坐标,去除dS的投影偏移量,即Landsat卫星正射参考影像上S点向外侧添加dS的投影偏移量的逆过程,将投影影像再还原为真实的地理左标,得到三维空间的真实地理坐标,完成目标影像的自动正射校正。
本发明使得对于环境卫星上的效率提高至少一倍,三到五分完成一景环境一号卫星多光谱数据,仅需3~5分钟,利用本发明的方法使得校正精度在平原地区控制在一个像元内,在山区控制在两个像元内,为后续遥感影像的融合、镶嵌专题图制作、信息提取提供了极大的便利。
本发明未详细阐述部分属于本领域公知技术。
Claims (5)
1.一种基于环境一号卫星遥感影像的自动正射校正方法,其特征在于包括数据准备与预处理阶段、自动正射校正阶段,
所述数据准备与预处理阶段步骤如下:
(1)选择一景环境卫星2级CCD影像作为目标数据,设定包含该目标数据的Landsat卫星参考影像,该Landsat卫星参考影像中的每一个像元的坐标为真实测量的地理坐标;设定数字高程数据作为基准数据,该数字高程数据是测量真实地面的海拔高度h,用于对基准影像姿态的复原;
(2)将步骤(1)的Landsat卫星正射参考影像模拟为成像时的投影影像,以进行偏差参数解算,在步骤(1)的Landsat卫星正射参考影像上S点向外侧添加dS的投影偏移量,以消除大地高程起伏所带来的误差;S为卫星传感器拍摄的目标地物与星下点的间距;dS为卫星照射目标地物在大地投影的长度,即大地高程起伏在成像过程中的误差;
(3)对步骤(2)模拟后成像时的投影影像进行剪裁,得到剪裁后的投影参考影像,使得一景环境卫星2级CCD影像的地理范围被完全包含在投影参考影像的地理范围中,且投影参考影像的各边都比目标影像的各边长1/2个目标影像的边长,以完成数据准备与预处理;
所述自动正射校正阶段步骤如下:
(4)进行步骤(1)的目标影像与步骤(3)的投影参考影像的影像匹配过程如下:
①设定一个N*N像元大小的影像窗口,在目标影像中从左上角开始,以一个像元为步长先从左到右,再从上到下进行遍历,对每一个N*N像元大小的影像窗口覆盖的目标影像中的所有像元,进行Harris算子计算,即从目标影像和投影参考影像中提取兴趣点的角点响应值I,公式如下:
I=det(M)-k·tr2(M),k=0.04
式中,
式中,gx为x方向的梯度,gy为y方向的梯度;
式中,为高斯模板,det为矩阵的行列式,tr为矩阵的迹,k为默认常数,矩阵I中每一点的元素值对应于原图相应点的兴趣值;
②设定符合特征点的阈值,即对步骤①的兴趣点的角点响应值I,从大到小进行排序,取第P个兴趣点的I值作为符合特征点的阈值T,
③若步骤①的兴趣点的角点响应值I大于步骤②设定的符合特征点的阈值T,则该角点响应值I所对应的兴趣点为投影参考影像的特征点;
(5)根据步骤(4)提取的投影参考影像的特征点,利用相关系数法,得到相关系数ρ(c,r),有|ρ(c,r)|≤1,当|ρ(c,r)越趋近于1时,投影参考影像的特征点与目标影像的参考点,作为匹配的初始同名点对集合;对于环境卫星影像,设定相关系数ρ(c,r)必须满足|ρ(c,r)|≥0.85,否则视为投影参考影像中的此特征点在目标影像中无匹配的初始同名点对,对此特征点予以剔除;
(6)对步骤(5)中的初始同名点对集合进行筛选,即通过二次多项式模型,求解出二次多项式的系数aij,bij,再将求解出的二次多项式的系数aij,bij代入二次多项式模型中,求出目标影像的坐标(u,v)对应的投影参考影像的坐标(x,y),将所有投影参考影像的坐标(x,y)分别与步骤(5)的初始同名点对中的投影参考影像的特征点坐标进行对比,用最小二乘法将残差最大的(x,y)所对应的同名点对剔除,得到剔除后的同名点对集合;
所述二次多项式模型为:
(7)然后在剔除后的同名点对集合中,重复步骤(6),直至剔除后的同名点对集合中的同名点对的残差精度达到设定精度时,即一个像元内,不再重复步骤(6),得到最终的二次多项式的系数aij,bij,此时同名点对集合中的同名点对为控制点对;
(8)根据步骤(7)的最终的二次多项式的系数aij,bij,解算出所有的目标影像中所有像元的二维平面的地理坐标;
(9)对目标影像中所有像元的二维平面的地理坐标,去除dS的投影偏移量,得到三维空间的真实地理坐标,完成目标影像的自动正射校正。
2.根据权利要求1所述的一种基于环境一号卫星遥感影像的自动正射校正方法,其特征在于:将步骤(2)的Landsat卫星正射参考影像模拟为成像时的投影影像的公式如下:
dS=Re*(z″-s-d-dd)
式中,S为每一个地面点与星下点间距,星下点为卫星垂直于地球表面的投影点,Alt为卫星传感器高度,dS为地形起伏造成的投影畸变,Re为地球半径;式中z″,s,d,dd均可由传感器高度Alt与地物距星下点距离S等已知参数计算得出。
3.根据权利要求1所述的一种基于环境一号卫星遥感影像的自动正射校正方法,其特征在于:对于环境卫星,步骤(4)中的步骤①中一个N*N像元大小的影像窗口为10*10像元。
4.根据权利要求1所述的一种基于环境一号卫星遥感影像的自动正射校正方法,其特征在于:取第P个兴趣点的I值作为符合特征点的阈值T中的P为150。
5.根据权利要求1所述的一种基于环境一号卫星遥感影像的自动正射校正方法,其特征在于:所述步骤(5)相关系数法的公式为:
式中,m,n分别为目标图像窗口的长和宽,在此处与步骤(4)中兴趣点提取的影像窗口一致,即为10*10像元,gi,j为参考图像子窗口中(i,j)处的像素灰度值,g′i+r,j+c为匹配图像中以参考点(c,r)为中心的搜索区域(i,j)处的像素灰度值,为窗口内的平均值,对于相关系数ρ(c,r),有|ρ(c,r)|≤1,当|ρ(c,r)|越趋近于1时,即0.85≤|ρ(c,r)|≤1,两影像的相关性越好,基于相关系数法的影像匹配结果只能达到像素级精度,即大于等于一个像元的精度,以匹配结果为初值再进行最小二乘匹配,能够达到子像素级的匹配精度,即小于一个像元的精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510472463.2A CN105046251B (zh) | 2015-08-04 | 2015-08-04 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510472463.2A CN105046251B (zh) | 2015-08-04 | 2015-08-04 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046251A true CN105046251A (zh) | 2015-11-11 |
CN105046251B CN105046251B (zh) | 2018-12-18 |
Family
ID=54452780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510472463.2A Active CN105046251B (zh) | 2015-08-04 | 2015-08-04 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046251B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127697A (zh) * | 2016-06-07 | 2016-11-16 | 哈尔滨工业大学 | 无人机机载成像高光谱几何校正方法 |
CN106447725A (zh) * | 2016-06-29 | 2017-02-22 | 北京航空航天大学 | 基于轮廓点混合特征匹配的空间目标姿态估计方法 |
CN106570837A (zh) * | 2016-10-28 | 2017-04-19 | 中国人民解放军第三军医大学 | 基于高斯多尺度空间的脑组织mri图像偏移场校正方法 |
CN107516291A (zh) * | 2017-08-22 | 2017-12-26 | 长光卫星技术有限公司 | 夜景影像正射纠正处理方法 |
CN108664446A (zh) * | 2018-05-10 | 2018-10-16 | 四川省冶地工程勘察设计有限公司 | 一种适用于遥感卫片数学精度检验的自动化解算系统 |
CN108871291A (zh) * | 2017-05-12 | 2018-11-23 | 北京中天易观信息技术有限公司 | 一种空中三角测量中大数据匹配点智能压缩方法 |
CN109540946A (zh) * | 2018-10-25 | 2019-03-29 | 华东师范大学 | 基于人工智能算法的透射电子显微镜样品漂移矫正方法 |
WO2019062166A1 (zh) * | 2017-09-30 | 2019-04-04 | 中国科学院遥感与数字地球研究所 | 跨平台月基对地观测影像自动几何校正方法 |
CN109934788A (zh) * | 2019-03-22 | 2019-06-25 | 鲁东大学 | 一种基于标准遥感图像的遥感图像缺失数据修复方法 |
CN111003214A (zh) * | 2019-11-22 | 2020-04-14 | 武汉大学 | 基于云控制的国产陆地观测卫星姿轨精化方法 |
CN111047628A (zh) * | 2019-12-16 | 2020-04-21 | 中国水利水电科学研究院 | 夜间灯光卫星影像的配准方法及配准装置 |
CN113160071A (zh) * | 2021-03-11 | 2021-07-23 | 北京师范大学 | 卫星影像自动化几何纠正方法、系统、介质及终端设备 |
CN113469899A (zh) * | 2021-06-04 | 2021-10-01 | 中国资源卫星应用中心 | 一种基于辐射能量重构的光学遥感卫星相对辐射校正方法 |
CN116958833A (zh) * | 2023-09-20 | 2023-10-27 | 青岛浩海网络科技股份有限公司 | 一种gf4数据几何精校正的方法 |
CN117076704A (zh) * | 2023-10-16 | 2023-11-17 | 北京中遥数创科技有限公司 | 一种图像质量分析评价方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1694487A (zh) * | 2005-06-02 | 2005-11-09 | 复旦大学 | 一种抗几何变形的图像大容量隐秘通信方法 |
CN102073990A (zh) * | 2010-11-26 | 2011-05-25 | 中国科学院遥感应用研究所 | 一种遥感图像自动几何纠正的系统框架和方法 |
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 |
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 |
CN103218789A (zh) * | 2013-04-24 | 2013-07-24 | 中国科学院遥感与数字地球研究所 | 一种基于几何形变分步解算的自动化正射纠正方法 |
-
2015
- 2015-08-04 CN CN201510472463.2A patent/CN105046251B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1694487A (zh) * | 2005-06-02 | 2005-11-09 | 复旦大学 | 一种抗几何变形的图像大容量隐秘通信方法 |
CN102073990A (zh) * | 2010-11-26 | 2011-05-25 | 中国科学院遥感应用研究所 | 一种遥感图像自动几何纠正的系统框架和方法 |
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 |
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 |
CN103218789A (zh) * | 2013-04-24 | 2013-07-24 | 中国科学院遥感与数字地球研究所 | 一种基于几何形变分步解算的自动化正射纠正方法 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127697B (zh) * | 2016-06-07 | 2018-12-11 | 哈尔滨工业大学 | 无人机机载成像高光谱几何校正方法 |
CN106127697A (zh) * | 2016-06-07 | 2016-11-16 | 哈尔滨工业大学 | 无人机机载成像高光谱几何校正方法 |
CN106447725A (zh) * | 2016-06-29 | 2017-02-22 | 北京航空航天大学 | 基于轮廓点混合特征匹配的空间目标姿态估计方法 |
CN106570837A (zh) * | 2016-10-28 | 2017-04-19 | 中国人民解放军第三军医大学 | 基于高斯多尺度空间的脑组织mri图像偏移场校正方法 |
CN106570837B (zh) * | 2016-10-28 | 2019-12-17 | 中国人民解放军第三军医大学 | 基于高斯多尺度空间的脑组织mri图像偏移场校正方法 |
CN108871291A (zh) * | 2017-05-12 | 2018-11-23 | 北京中天易观信息技术有限公司 | 一种空中三角测量中大数据匹配点智能压缩方法 |
CN107516291A (zh) * | 2017-08-22 | 2017-12-26 | 长光卫星技术有限公司 | 夜景影像正射纠正处理方法 |
CN107516291B (zh) * | 2017-08-22 | 2020-06-26 | 长光卫星技术有限公司 | 夜景影像正射纠正处理方法 |
WO2019062166A1 (zh) * | 2017-09-30 | 2019-04-04 | 中国科学院遥感与数字地球研究所 | 跨平台月基对地观测影像自动几何校正方法 |
US11107199B2 (en) | 2017-09-30 | 2021-08-31 | Institute Of Remote Sensing And Digital Earth, Chinese Academy Of Sciences | Automatic cross-platform geometric correction method for moon-based earth observation image |
CN108664446A (zh) * | 2018-05-10 | 2018-10-16 | 四川省冶地工程勘察设计有限公司 | 一种适用于遥感卫片数学精度检验的自动化解算系统 |
CN109540946A (zh) * | 2018-10-25 | 2019-03-29 | 华东师范大学 | 基于人工智能算法的透射电子显微镜样品漂移矫正方法 |
CN109934788A (zh) * | 2019-03-22 | 2019-06-25 | 鲁东大学 | 一种基于标准遥感图像的遥感图像缺失数据修复方法 |
CN111003214A (zh) * | 2019-11-22 | 2020-04-14 | 武汉大学 | 基于云控制的国产陆地观测卫星姿轨精化方法 |
CN111003214B (zh) * | 2019-11-22 | 2021-05-18 | 武汉大学 | 基于云控制的国产陆地观测卫星姿轨精化方法 |
CN111047628A (zh) * | 2019-12-16 | 2020-04-21 | 中国水利水电科学研究院 | 夜间灯光卫星影像的配准方法及配准装置 |
CN113160071A (zh) * | 2021-03-11 | 2021-07-23 | 北京师范大学 | 卫星影像自动化几何纠正方法、系统、介质及终端设备 |
CN113160071B (zh) * | 2021-03-11 | 2023-11-07 | 北京师范大学 | 卫星影像自动化几何纠正方法、系统、介质及终端设备 |
CN113469899A (zh) * | 2021-06-04 | 2021-10-01 | 中国资源卫星应用中心 | 一种基于辐射能量重构的光学遥感卫星相对辐射校正方法 |
CN113469899B (zh) * | 2021-06-04 | 2023-12-29 | 中国资源卫星应用中心 | 一种基于辐射能量重构的光学遥感卫星相对辐射校正方法 |
CN116958833A (zh) * | 2023-09-20 | 2023-10-27 | 青岛浩海网络科技股份有限公司 | 一种gf4数据几何精校正的方法 |
CN116958833B (zh) * | 2023-09-20 | 2023-12-08 | 青岛浩海网络科技股份有限公司 | 一种gf4数据几何精校正的方法 |
CN117076704A (zh) * | 2023-10-16 | 2023-11-17 | 北京中遥数创科技有限公司 | 一种图像质量分析评价方法及系统 |
CN117076704B (zh) * | 2023-10-16 | 2024-01-23 | 北京中遥数创科技有限公司 | 一种图像质量分析评价方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105046251B (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Nikolakopoulos et al. | UAV vs classical aerial photogrammetry for archaeological studies | |
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 | |
US8427505B2 (en) | Geospatial modeling system for images and related methods | |
Dall’Asta et al. | Unmanned Aerial Systems and DSM matching for rock glacier monitoring | |
Niethammer et al. | Open source image-processing tools for low-cost UAV-based landslide investigations | |
CN101604018B (zh) | 高分辨率遥感影像数据处理方法及其系统 | |
KR101219767B1 (ko) | 수치지형도 작성을 위한 차량 모바일 매핑 시스템을 이용한 도로 레이어 현지조사 방법 | |
Jorayev et al. | Imaging and photogrammetry models of Olduvai Gorge (Tanzania) by Unmanned Aerial Vehicles: A high-resolution digital database for research and conservation of Early Stone Age sites | |
Puniach et al. | Application of UAV-based orthomosaics for determination of horizontal displacement caused by underground mining | |
Yoo et al. | Beach volume change using UAV photogrammetry Songjung beach, Korea | |
CN107917699B (zh) | 一种用于提高山区地貌倾斜摄影测量空三质量的方法 | |
CN114219819A (zh) | 基于正射影像边界检测的倾斜摄影模型单体化方法 | |
Backes et al. | Towards a high-resolution drone-based 3D mapping dataset to optimise flood hazard modelling | |
CN103218789A (zh) | 一种基于几何形变分步解算的自动化正射纠正方法 | |
CN103295202A (zh) | 一种面向高山地区的遥感影像几何纠正方法 | |
CN116758234A (zh) | 一种基于多点云数据融合的山地地形建模方法 | |
CN115358486A (zh) | 基于立体卫星影像的港口货运量预测方法、系统及应用 | |
CN116883604A (zh) | 一种基于天、空、地影像的三维建模技术方法 | |
US20240005599A1 (en) | Data normalization of aerial images | |
Dowman | Automating image registration and absolute orientation: solutions and problems | |
Li et al. | Registration of aerial imagery and lidar data in desert areas using the centroids of bushes as control information. | |
CN116310901A (zh) | 一种基于低空遥感的泥石流物源动态运移识别方法 | |
Rusli et al. | Accuracy assessment of DEM from UAV and TanDEM-X imagery | |
Monnier et al. | Registration of terrestrial mobile laser data on 2D or 3D geographic database by use of a non-rigid ICP approach. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |