CN105512678A - 一种卫星激光高度计足印相机影像精确分类的方法 - Google Patents
一种卫星激光高度计足印相机影像精确分类的方法 Download PDFInfo
- Publication number
- CN105512678A CN105512678A CN201510868974.6A CN201510868974A CN105512678A CN 105512678 A CN105512678 A CN 105512678A CN 201510868974 A CN201510868974 A CN 201510868974A CN 105512678 A CN105512678 A CN 105512678A
- Authority
- CN
- China
- Prior art keywords
- image
- classification
- footmark
- footmark camera
- data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种卫星激光高度计足印相机影像精确分类的方法,该方法步骤为:(1)基于全球高分辨率多光谱数据建立全球地表覆盖类型分类数据库;(2)对足印相机获得的影像进行预处理,生成标准数据产品;(3)将激光足印相机待分类影像与分类数据库中同时相同地区多光谱影像进行图像配准;(4)根据光谱辐射特性建立足印相机影像与多光谱影像和分类数据的关联,确定足印相机中不变的具有固定特征的地物类别;(5)通过灰度匹配得到足印相机影像变化区域的类别,从而得到卫星激光高度计足印相机影像精确分类。该方法可以为卫星激光高度计立体测图全波形分解提供精确的地物类别信息,辅助提高波形分解的准确性。
Description
技术领域
本发明属于遥感对地观测技术领域,涉及一种结合全球地表覆盖类型分类数据库的卫星激光高度计足印相机影像精确分类的方法。
背景技术
国家测绘局从2005年开始启动测绘卫星计划,拟用10-15年时间,建立我国具有长期稳定运行能力的测图卫星系列体系。测图卫星主要有效载荷之一为激光测距仪,其主要用于广义高程控制点测量,达到满足实际测绘应用需求,因此,生成高精度的广义地面控制点至关重要。
基于全波形数据的地物特征提取技术是实现大足印内广义高程控制点提取的基础。发射激光与地物目标作用后,返回的激光回波就携带了地物特征信息。地物复杂性主要体现在地面目标反射率变化、地形特征变化以及城市复杂场景变化。激光立体测绘需要了解地物的类别,从而根据先验知识得到照射范围内激光反射率信息。仅利用足印相机影像无法准确获得地物的分类结果,激光波形拟合时会缺乏重要信息,从而会对激光测距的真实波形分解造成影响,进而影响最终广义高程控制点的精度。
为提高足印相机的分类精度,辅助激光测距的波形分解,需要根据立体测图的应用需求,提出一种结合全球地表覆盖类型分类数据库的卫星激光高度计足印相机影像精确分类的方法,以实现足印相机影像的准确分类,为后续激光波形分解提供辅助信息,提高波形分解精度。
发明内容
本发明所要解决的问题是:一种结合全球地表覆盖类型分类数据库的卫星激光高度计足印相机影像精确分类的方法
本发明提供的技术方案采用如下步骤:
1)基于全球高分辨率多光谱数据建立全球地表覆盖类型分类数据库
获取高分辨率多光谱影像,对获取的影像数据按照空间维和时间维属性进行组织,通过自动分类/目视解译的方式对影像进行地表覆盖类型分类,形成地表覆盖类型分类结果数据,并将分类结果与原始影像按照空间和时间统一管理,建立全球地表覆盖类型分类数据库。
2)对足印相机获得的影像进行预处理,生成标准数据产品
对足印相机获得的原始影像经过辐射校正、几何校正等预处理,生成激光足印相机待分类影像数据。
3)将激光足印相机待分类影像与全球地表覆盖类型分类数据库中同一时相、同一地区分类图像进行图像配准,确定足印相机位置
统一足印相机和分类数据库中多光谱数据坐标系,以足印相机影像的属性数据为检索参数,从全球地表覆盖类型分类数据库中查找覆盖足印相机影像地域范围和时相的原始高分辨率多光谱影像和分类数据进行匹配,并提取出与足印相机范围相同、谱段相同的多光谱数据及对应分类数据。
4)根据光谱辐射特性建立足印相机影像与多光谱影像的关联,确定足印相机中不变的地物类别
通过足印相机影像与提取的高分辨率多光谱影像的光谱辐射相似性,建立二者之间的关联,同时结合同时相分类图像确定足印相机内具有相对稳定辐射特性的类别。
5)通过灰度匹配得到足印相机影像变化区域的类别,最终得到卫星激光高度计足印相机影像精确分类
在同一幅足印相机影像中,对于通过步骤4)无法确定的地物已经发生变化的区域,利用同幅影像灰度匹配,确定变化地物的类别,最终得到卫星激光高度计足印相机影像精确分类结果。
附图说明
图1为结合全球地表覆盖类型分类数据库的卫星激光高度计足印相机影像精确分类的方法。
具体实施方式
1)基于全球高分辨率多光谱数据建立全球地表覆盖类型分类数据库
a)获取高分辨率多光谱影像数据;
b)对多光谱影像按照空间维和时间维在统一坐标系下进行组织;
c)通过自动分类/目视解译的方式对多光谱影像进行地表覆盖类型分类,评价分类精度,分类精度满足要求后,得到多光谱影像的地表覆盖类型分类结果数据;
d)将分类结果与相关联的原始高分辨率多光谱影像在空间上和时间上进行统一组织;
e)建立全球地表覆盖类型分类数据库,对高分辨率多光谱原始数据和相应分类结果数据进行时空数据组织管理,提供数据检索服务。
2)对足印相机获得的影像进行预处理,生成标准数据产品
对足印相机获得的原始影像经过辐射校正、几何校正等预处理,生成激光足印相机待分类影像数据。
3)将激光足印相机待分类影像与全球地表覆盖类型分类数据库中同一时相、同一地区分类图像进行图像配准,确定足印相机位置
a)通过坐标转换使激光足印相机影像和分类数据库中的多光谱影像处于同一坐标系中;
b)以足印相机影像属性数据为检索参数,从全球地表覆盖类型分类数据库中查找覆盖足印相机影像地域范围和时相的高分辨率多光谱数据及其对应分类数据;
c)以时间距离最短为原则,选择最接近足印相机影像获取时间的多光谱数据及对应分类数据,并提取出与足印相机同波段的多光谱影像;
d)截取提取的多光谱影像及对应分类数据,获得与足印相机影像相一致的区域
4)根据光谱辐射特性建立足印相机影像与分类图像的关联,确定足印相机中不变的地物类别
a)对足印相机进行重采样将分辨率提升至多光谱影像的分辨率;
b)对截取的多光谱影像和足印相机影像进行辐射特征提取,根据辐射特征相似性,对足印相机影像和多光谱数据进行辐射相似度计算;
c)足印相机影像中满足设定阈值的辐射特征的像元认为是与高分辨率多光谱影像中对应像元是同一类地物,即不变地物;
d)通过高分辨率多光谱影像与分类数据的关联确定像元类别,从而确定足印相机影像中像元的地物类别。
5)通过灰度匹配得到足印相机影像变化区域的类别,最终得到卫星激光高度计足印相机影像精确分类
a)确定通过步骤4)不能识别类别的像元,这些像元属于地物发生变化的像元;
b)将上述像元利用灰度相似性计算其与足印相机已分类像元的相似程度;
c)按照最优匹配原则确定未分类像元与足印相机影像中已分类像元的关系,从而对这些像元进行分类,最终得到卫星激光高度计足印相机影像精确分类结果。
Claims (1)
1.一种卫星激光高度计足印相机影像精确分类的方法,其特征在于包括以下步骤:
1)基于全球高分辨率多光谱数据建立全球地表覆盖类型分类数据库,
获取高分辨率多光谱影像,对获取的影像数据按照空间维和时间维属性进行组织,通过自动分类/目视解译的方式对影像进行地表覆盖类型分类,形成地表覆盖类型分类结果数据,并将分类结果与原始影像按照空间和时间统一管理,建立全球地表覆盖类型分类数据库;
2)对足印相机获得的影像进行预处理,生成标准数据产品;对足印相机获得的原始影像经过辐射校正、几何校正预处理,生成激光足印相机待分类影像数据;
3)将激光足印待分类影像与全球地表覆盖类型分类数据库中同一时相、同一地区分类图像进行图像配准,确定足印相机位置;统一足印相机和分类数据库中多光谱数据坐标系,以足印相机影像的属性数据为检索参数,从全球地表覆盖类型分类数据库中查找覆盖足印相机影像地域范围和时相的原始高分辨率多光谱影像和分类数据进行匹配,并提取出与足印相机范围相同、谱段相同的多光谱数据及对应分类数据;
4)根据光谱辐射特性建立足印相机影像与多光谱影像的关联,确定足印相机中不变的地物类别;通过足印相机影像与提取的高分辨率多光谱影像的光谱辐射相似性,建立二者之间的关联,同时结合同时相分类图像确定足印相机内具有相对稳定辐射特性的类别;
5)通过灰度匹配得到足印相机影像变化区域的类别,最终得到卫星激光高度计足印相机影像精确分类;在同一幅足印相机影像中,对于通过步骤4)无法确定的地物已经发生变化的区域,利用同幅影像灰度匹配,确定变化地物的类别,最终得到卫星激光高度计足印相机影像精确分类结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510868974.6A CN105512678A (zh) | 2015-12-01 | 2015-12-01 | 一种卫星激光高度计足印相机影像精确分类的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510868974.6A CN105512678A (zh) | 2015-12-01 | 2015-12-01 | 一种卫星激光高度计足印相机影像精确分类的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105512678A true CN105512678A (zh) | 2016-04-20 |
Family
ID=55720644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510868974.6A Pending CN105512678A (zh) | 2015-12-01 | 2015-12-01 | 一种卫星激光高度计足印相机影像精确分类的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105512678A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842679A (zh) * | 2016-04-22 | 2016-08-10 | 中国科学院上海技术物理研究所 | 一种国产卫星激光高度计在轨几何标定方法及系统 |
CN110940966A (zh) * | 2019-11-25 | 2020-03-31 | 同济大学 | 一种基于激光测高卫星足印影像的激光足印平面定位方法 |
CN111189430A (zh) * | 2019-12-22 | 2020-05-22 | 同济大学 | 一种基于随机森林分类器的星载激光足印高程提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140064554A1 (en) * | 2011-11-14 | 2014-03-06 | San Diego State University Research Foundation | Image station matching, preprocessing, spatial registration and change detection with multi-temporal remotely-sensed imagery |
CN104573662A (zh) * | 2015-01-14 | 2015-04-29 | 北京航天世景信息技术有限公司 | 一种云判方法和系统 |
-
2015
- 2015-12-01 CN CN201510868974.6A patent/CN105512678A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140064554A1 (en) * | 2011-11-14 | 2014-03-06 | San Diego State University Research Foundation | Image station matching, preprocessing, spatial registration and change detection with multi-temporal remotely-sensed imagery |
CN104573662A (zh) * | 2015-01-14 | 2015-04-29 | 北京航天世景信息技术有限公司 | 一种云判方法和系统 |
Non-Patent Citations (2)
Title |
---|
《中国优秀硕士学位论文全文数据库信息科技辑》 * |
《中国博士学位论文全文数据库基础科学辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842679A (zh) * | 2016-04-22 | 2016-08-10 | 中国科学院上海技术物理研究所 | 一种国产卫星激光高度计在轨几何标定方法及系统 |
CN110940966A (zh) * | 2019-11-25 | 2020-03-31 | 同济大学 | 一种基于激光测高卫星足印影像的激光足印平面定位方法 |
CN111189430A (zh) * | 2019-12-22 | 2020-05-22 | 同济大学 | 一种基于随机森林分类器的星载激光足印高程提取方法 |
CN111189430B (zh) * | 2019-12-22 | 2021-02-02 | 同济大学 | 一种基于随机森林分类器的星载激光足印高程提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Breidenbach et al. | Prediction of species specific forest inventory attributes using a nonparametric semi-individual tree crown approach based on fused airborne laser scanning and multispectral data | |
CN110542908B (zh) | 应用于智能驾驶车辆上的激光雷达动态物体感知方法 | |
CN108053408B (zh) | 一种基于遥感卫星影像的高自动化土地利用更新方法 | |
Zhang et al. | Efficient registration of terrestrial LiDAR scans using a coarse-to-fine strategy for forestry applications | |
Zeybek | Classification of UAV point clouds by random forest machine learning algorithm | |
Melin et al. | Assessing the performance of aerial image point cloud and spectral metrics in predicting boreal forest canopy cover | |
CN105547244A (zh) | 一种结合立体像对的激光高度计高程控制点生成方法 | |
Park et al. | Conceptual design of the CZMIL data processing system (DPS): algorithms and software for fusing lidar, hyperspectral data, and digital images | |
CN110889899A (zh) | 一种数字地表模型的生成方法及装置 | |
CN105512678A (zh) | 一种卫星激光高度计足印相机影像精确分类的方法 | |
Haala et al. | Hybrid georeferencing, enhancement and classification of ultra-high resolution UAV lidar and image point clouds for monitoring applications | |
Jiménez-Jiménez et al. | Quantification of the error of digital terrain models derived from images acquired with UAV | |
Yang et al. | Airborne LiDAR and photogrammetric point cloud fusion for extraction of urban tree metrics according to street network segmentation | |
CN114140700A (zh) | 基于级联网络的分步异源图像模板匹配方法 | |
Wang et al. | Layover compensation method for regional spaceborne SAR imagery without GCPs | |
Li et al. | Registration of aerial imagery and lidar data in desert areas using the centroids of bushes as control information. | |
Sefercik et al. | Photogrammetric 3D modelling potential comparison of SFM-based new generation image matching software | |
Liew et al. | Integration of tree database derived from satellite imagery and lidar point cloud data | |
Cömert et al. | Object based building extraction and building period estimation from unmanned aerial vehicle data | |
Liu et al. | Multiple natural features fusion for on-site calibration of LiDAR boresight angle misalignment | |
CN105487083B (zh) | 一种多光谱影像气溶胶像元气溶胶厚度的检测与提取方法 | |
Zeng et al. | A stereo image matching method to improve the DSM accuracy inside building boundaries | |
Ok et al. | Accuracy assessment of Pleiades-1 stereo/tri-stereo digital surface models: a case-study for citrus trees | |
Sun et al. | Individual tree segmentation and biomass estimation based on UAV Digital aerial photograph | |
Popescu et al. | Increasing land classification accuracy using unmanned aerial vehicles (UAVs) with multispectral LiDAR sensor. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160420 |
|
WD01 | Invention patent application deemed withdrawn after publication |