CN107705244A - 一种适用于大区域多幅遥感影像的接边纠正方法 - Google Patents
一种适用于大区域多幅遥感影像的接边纠正方法 Download PDFInfo
- Publication number
- CN107705244A CN107705244A CN201710813300.5A CN201710813300A CN107705244A CN 107705244 A CN107705244 A CN 107705244A CN 201710813300 A CN201710813300 A CN 201710813300A CN 107705244 A CN107705244 A CN 107705244A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- image
- same place
- object coordinates
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 25
- 230000009466 transformation Effects 0.000 claims abstract description 25
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000013507 mapping Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000018199 S phase Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
- G06T3/147—Transformations for image registration, e.g. adjusting or mapping for alignment of images using affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种适用于大区域多幅遥感影像的接边纠正方法,(1)对所有影像进行自动邻接区同名点匹配,获取同名点;(2)利用已有的同名点构建三角网;(3)针对每个同名点,计算同名点参考物方坐标;(4)计算每张影像的仿射变换参数;(5)对每个同名点根据在不同影像上的像方坐标和对应的仿射变换参数,解算该同名点在对应影像上的新的观测物方坐标;(6)重复(3)~(5)直到参考物方坐标变化小于一定阈值或不再变化;(7)利用最后一次迭代的仿射变换参数纠正对应的影像。本发明提出的方法可以对大区域多幅影像同时进行接边纠正;纠正精度更高;避免了传统纠正方法出现变形不均和影像过度扭曲的问题。
Description
技术领域
本发明涉及一种适用于大区域多幅遥感影像的接边纠正方法,属于对地观测技术领域,是一种遥感图像处理技术。
背景技术
在遥感影像的应用过程中,根据应用场景和范围要求往往需要用到多幅不同来源的已经经过处理,仅具有坐标信息的遥感影像产品遥来覆盖一定范围的目标区域以进行工作。而此时这些已有坐标信息的遥感影像产品,其相互接边精度往往较差,对数据的应用造成相当大的影响。
在解决这一问题的方法上,传统的影像接边纠正算法针对仅有两幅影像覆盖的情况,采用了1)以其中一幅为参考对另一幅影像整体进行多项式纠正;2)使用能覆盖这两幅影像的参考影像对其进行二次纠正;3)仅对两幅影像的重叠区采用多项式或薄板样条纠正,这三种方法来解决。采用传统的纠正方法,主要有以下几个缺点:
1、传统方法仅能处理两幅影像间的接边纠正,不能对大区域多幅遥感影像的接边纠正进行处理;
2、以一幅为参考对另一幅进行整体纠正时,被纠正的影像处于重叠区外的部分会产生很大的位置偏移,影响相对精度;
3、使用参考影像进行二次纠正受限于参考影像是否能完整覆盖,并且二次纠正的结果并不能保证两幅影像间的接边精度达到使用要求;
4、采用多项式纠正方法对两幅影像的重叠区进行接边纠正,在误差较大时,使用低阶多项式无法保证接边纠正的效果,使用高阶多项式则往往会造成纠正后影像拉伸过度;
5、采用薄板样条方式对误差较大的影像间进行接边纠正时,如果几何偏差超过规定限差,纠正结果往往会出现变形不均匀,影像过度扭曲影响使用的情况。
发明内容
本发明所要解决的技术问题是:提出一种适用于大区域多幅遥感影像的接边纠正方法。该方法在每景影像上自动采集足够多的同名点,通过粗差剔除得到较好的同名点匹配结果作为接边纠正连接点。然后建立连接点接边纠正平差的误差方程,通过联合解算确保平差结果的精度,提高已具有坐标信息的影像之间的相对精度,同时避免出现传统纠正方法造成的纠正后影像出现变形不均匀,过度拉伸扭曲的现象。
本发明的技术方案为:首先利用基于物方约束影像灰度互相关匹配技术对所有影像进行邻接区自动同名点匹配,获取同名点并构建三角网;然后根据同名点在每一张影像上的观测值计算对应的参考物方坐标和每张影像的仿射变换参数,并根据计算结果更新新的观测值和参考物方坐标;重复迭代前一步的计算过程,直到参考物方坐标变化小于某一阈值或不再变化时完成接边纠正模型的解算过程。其具体步骤如下:
步骤(1)、利用基于物方约束影像灰度互相关匹配技术对所有影像进行自动邻接区同名点匹配,获取同名点;
步骤(2)、利用已有的同名点构建三角网;
步骤(3)、针对每个同名点,通过读取同名点在每张影像上坐标位置信息获得在该影像上的观测物方坐标,并根据每个同名点的全部观测物方坐标,计算同名点参考物方坐标;
步骤(4)、通过读取同名点在每张影像上的像素位置获得同名点在该影像上的像方坐标,并根据同名点像方坐标和通过步骤(3)得到的对应参考物方坐标,计算每张影像的仿射变换参数;
步骤(5)、对每个同名点根据在不同影像上的像方坐标和对应的仿射变换参数,解算该同名点在对应影像上的新的观测物方坐标;
步骤(6)、重复步骤(3)~步骤(5)直到参考物方坐标变化小于一定阈值或不再变化为止。
步骤(7)、利用最后一次迭代的仿射变换参数纠正对应的影像。
其中,步骤(3)中所述的参考物方坐标:
式中Xref与Yref为同名点参考物方坐标,n为同名点观测数,XiYi为在第i张观测影像上的观测物方坐标。
其中,步骤(4)中计算仿射变换参数的公式为:
其中,Xref与Yref为同名点的参考物方坐标,xiyi为同名点在第i张观测影像上的像方坐标,ai,bi为该影像的仿射变换参数。
其中,步骤(5)中解算新的观测物方坐标的公式为:
其中,Xi’与Yi’为同名点新的观测物方坐标,xiyi为同名点在第i张观测影像上的像方坐标,ai,bi为通过步骤(4)得到的该影像的仿射变换参数。
本发明与现有技术相比的优点在于:
本发明提出的一种适用于大区域多幅遥感影像的接边纠正方法,这种方法针对大范围多幅遥感影像间的相互接边误差较大需要进行纠正的需求,通过设计的接边纠正平差算法进行整体误差改正,在平差过程中对区域内每一个单元遥感影像进行平移、旋转和缩放,但保证其内部形状的相对关系不变,可以在不对影像进行大的变形和拉伸的基础上,实现接边精度的提升。此方法相对传统纠正方法有3个优点:
1、相对传统纠正方法仅支持对两幅影像进行接边纠正,本发明提出的方法可以对大区域多幅(大于2幅)影像同时进行接边纠正;
2、纠正精度更高,且对影像内部的相对精度影响较小;
3、本发明提出的方法由于进行整体误差改正,纠正结果避免了传统纠正方法出现变形不均和影像过度扭曲的问题。
附图说明
图1为本发明的实施方式流程图。
图2为本发明实施例样例数据分布图。
图3a)为本发明实施例纠正效果对比图位于范围图中黑色虚线部分。
图3b)为本发明实施例1#与2#影像以及2#与4#影像接边纠正前效果对比。
图3c)为本发明实施例1#与2#影像以及2#与4#影像接边纠正后效果对比。
图3d)为本发明实施例1#与3#影像接边纠正前效果对比。
图3e)为本发明实施例1#与3#影像接边纠正后效果对比。
图3f)为本发明实施例1#与4#影像及3#与4#影像接边纠正前效果对比。
图3g)为本发明实施例1#与4#影像及3#与4#影像接边纠正后效果对比。
具体实施方式
本发明的具体实施方式如附图所示。以4幅相互相邻并具有一定重叠邻接区域的正射影像间的接边纠正为例(如图2),其具体步骤为:
1、获取同名点
利用基于物方约束影像灰度互相关匹配技术对所有影像进行自动邻接区同名点匹配,获取同名点,并保证邻接区内的任一同名点在该位置上的所有观测影像上都具有一个观测值;
2、利用步骤1匹配的同名点构建三角网
3、针对每个同名点,根据同名点在每张影像上的观测物方坐标,计算同名点参考物方坐标。方法如下:
其中Xref与Yref为同名点参考物方坐标,n为同名点观测数(在此实例中n取值为2和4),XiYi为在第i张观测影像上的观测物方坐标。
4、根据同名点像方坐标和对应参考物方坐标,计算每张影像的仿射变换参数。方法如下:
上式建立了像方坐标到参考物方坐标的仿射变换关系,其中,Xref与Yref为同名点的参考物方坐标,xiyi为同名点在第i张观测影像上的像方坐标,ai,bi为该影像的仿射变换参数。
由式(2)可得误差方程为:
以矩阵表示为:
V=At-L (4)
上式中,仿射变换参数t=(ai0,ai1,ai2,bi0,bi1,bi2)T为满足式(4)条件下的残差平方和最小的最优解。
应用最小二乘法可得仿射变换参数t的最小二乘解为:t=(ATA)-1ATL
5、对每个同名点根据在不同影像上的像方坐标和对应的仿射变换参数,解算该同名点在对应影像上的新的观测物方坐标。方法如下:
式中,Xi’与Yi’为同名点在第i张观测影像上新的观测物方坐标,xiyi为同名点在第i张观测影像上的像方坐标,(ai0,ai1,ai2,bi0,bi1,bi2)为通过上一步解算得到的第i张观测影像的仿射变换参数。
6、重复迭代步骤3~5直到参考物方坐标Xref与Yref变化小于设定的阈值(阈值根据需求进行设置,即希望最终纠正结果误差达到多少个像素以内,例如本实例中希望最终结果可以达到0.5个像元以内的接边精度,则阈值设为0.5个像元)或不再变化为止。方法为:
将步骤5中得到的新观测物方坐标Xi’与Yi’代入式(1),计算新的参考物方坐标X′ref与Y′ref,代入式(2)~(4)计算新的仿射变换参数,并代入式(5)更新观测物方坐标。
7、利用最后一次迭代的仿射变换参数纠正对应的影像。
纠正前后的效果对比见图3a)~图3g),以4景样例数据中4度重叠部分的影像纠正前后效果进行对比,可以明显见到重叠区精度大大提高,相邻影像接边纠正前后重叠区相对误差对比见下表1。
表1
*注:误差为0表示重叠几乎不存在误差,但在很少的局部区域可能因为扭曲存在1米以内的细微误差。
Claims (4)
1.一种适用于大区域多幅遥感影像的接边纠正方法,其特征在于:该方法具体步骤如下:
步骤(1)、利用基于物方约束影像灰度互相关匹配技术对所有影像进行自动邻接区同名点匹配,获取同名点;
步骤(2)、利用已有的同名点构建三角网;
步骤(3)、针对每个同名点,通过读取同名点在每张影像上坐标位置信息获得在该影像上的观测物方坐标,并根据每个同名点的全部观测物方坐标,计算同名点参考物方坐标;
步骤(4)、通过读取同名点在每张影像上的像素位置获得同名点在该影像上的像方坐标,并根据同名点像方坐标和通过步骤(3)得到的对应参考物方坐标,计算每张影像的仿射变换参数;
步骤(5)、对每个同名点根据在不同影像上的像方坐标和对应的仿射变换参数,解算该同名点在对应影像上的新的观测物方坐标;
步骤(6)、重复步骤(3)~步骤(5)直到参考物方坐标变化小于一定阈值或不再变化为止;
步骤(7)、利用最后一次迭代的仿射变换参数纠正对应的影像。
2.根据权利要求1所述的一种适用于大区域多幅遥感影像的接边纠正方法,其特征在于:步骤(3)中所述的参考物方坐标:
<mrow>
<msub>
<mi>X</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>n</mi>
</mfrac>
<msub>
<mi>Y</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>n</mi>
</mfrac>
</mrow>
式中Xref与Yref为同名点参考物方坐标,n为同名点观测数,Xi Yi为在第i张观测影像上的观测物方坐标。
3.根据权利要求1所述的一种适用于大区域多幅遥感影像的接边纠正方法,其特征在于:步骤(4)中计算仿射变换参数的公式为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>X</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mn>0</mn>
</mrow>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Y</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mn>0</mn>
</mrow>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,Xref与Yref为同名点的参考物方坐标,xi yi为同名点在第i张观测影像上的像方坐标,ai,bi为该影像的仿射变换参数。
4.根据权利要求1所述的一种适用于大区域多幅遥感影像的接边纠正方法,其特征在于:步骤(5)中解算新的观测物方坐标的公式为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mn>0</mn>
</mrow>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mn>0</mn>
</mrow>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,Xi’与Yi’为同名点新的观测物方坐标,xi yi为同名点在第i张观测影像上的像方坐标,ai,bi为通过步骤(4)得到的该影像的仿射变换参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710813300.5A CN107705244B (zh) | 2017-09-11 | 2017-09-11 | 一种适用于大区域多幅遥感影像的接边纠正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710813300.5A CN107705244B (zh) | 2017-09-11 | 2017-09-11 | 一种适用于大区域多幅遥感影像的接边纠正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107705244A true CN107705244A (zh) | 2018-02-16 |
CN107705244B CN107705244B (zh) | 2021-01-15 |
Family
ID=61172466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710813300.5A Expired - Fee Related CN107705244B (zh) | 2017-09-11 | 2017-09-11 | 一种适用于大区域多幅遥感影像的接边纠正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107705244B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109166143A (zh) * | 2018-07-06 | 2019-01-08 | 航天星图科技(北京)有限公司 | 一种大区域网立体测绘卫星影像匹配方法 |
CN110675338A (zh) * | 2019-09-09 | 2020-01-10 | 武汉大学 | 一种基于多幅影像的矢量数据自动纠正方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5715385A (en) * | 1992-07-10 | 1998-02-03 | Lsi Logic Corporation | Apparatus for 2-D affine transformation of images |
US20050105804A1 (en) * | 2003-11-05 | 2005-05-19 | Francos Joseph M. | Parametric estimation of multi-dimensional homeomorphic transformations |
EP1668919A1 (en) * | 2003-09-30 | 2006-06-14 | Eric Belk Lange | Stereoscopic imaging |
CN102436652A (zh) * | 2011-08-31 | 2012-05-02 | 航天恒星科技有限公司 | 一种多源遥感图像自动配准方法 |
CN103218783A (zh) * | 2013-04-17 | 2013-07-24 | 国家测绘地理信息局卫星测绘应用中心 | 基于控制点影像数据库的卫星遥感图像快速几何纠正方法 |
CN103337077A (zh) * | 2013-07-01 | 2013-10-02 | 武汉大学 | 一种基于多尺度分割和sift的可见光与红外图像配准的方法 |
CN103544711A (zh) * | 2013-11-08 | 2014-01-29 | 国家测绘地理信息局卫星测绘应用中心 | 遥感影像的自动配准方法 |
GB201409580D0 (en) * | 2013-05-31 | 2014-07-16 | Adobe Systems Inc | Placing unobtrusive overlays in video content |
JP2015190921A (ja) * | 2014-03-28 | 2015-11-02 | 富士重工業株式会社 | 車両用ステレオ画像処理装置 |
CN105761228A (zh) * | 2016-03-09 | 2016-07-13 | 中国测绘科学研究院 | 通过微修正rpc参数实现卫星遥感影像高精度几何纠正方法 |
-
2017
- 2017-09-11 CN CN201710813300.5A patent/CN107705244B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5715385A (en) * | 1992-07-10 | 1998-02-03 | Lsi Logic Corporation | Apparatus for 2-D affine transformation of images |
EP1668919A1 (en) * | 2003-09-30 | 2006-06-14 | Eric Belk Lange | Stereoscopic imaging |
US20050105804A1 (en) * | 2003-11-05 | 2005-05-19 | Francos Joseph M. | Parametric estimation of multi-dimensional homeomorphic transformations |
CN102436652A (zh) * | 2011-08-31 | 2012-05-02 | 航天恒星科技有限公司 | 一种多源遥感图像自动配准方法 |
CN103218783A (zh) * | 2013-04-17 | 2013-07-24 | 国家测绘地理信息局卫星测绘应用中心 | 基于控制点影像数据库的卫星遥感图像快速几何纠正方法 |
GB201409580D0 (en) * | 2013-05-31 | 2014-07-16 | Adobe Systems Inc | Placing unobtrusive overlays in video content |
CN103337077A (zh) * | 2013-07-01 | 2013-10-02 | 武汉大学 | 一种基于多尺度分割和sift的可见光与红外图像配准的方法 |
CN103544711A (zh) * | 2013-11-08 | 2014-01-29 | 国家测绘地理信息局卫星测绘应用中心 | 遥感影像的自动配准方法 |
JP2015190921A (ja) * | 2014-03-28 | 2015-11-02 | 富士重工業株式会社 | 車両用ステレオ画像処理装置 |
CN105761228A (zh) * | 2016-03-09 | 2016-07-13 | 中国测绘科学研究院 | 通过微修正rpc参数实现卫星遥感影像高精度几何纠正方法 |
Non-Patent Citations (3)
Title |
---|
C.S. FRASER.ECT: "Geopositioning from High-Resolution Satellite Imagery: Experiences with the Affine Sensor Orientation Model", 《2003 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
曹宁 等: "以DEM 为高程辅助的弱交会卫星影像的区域网平差", 《遥感信息》 * |
齐建伟 等: "一种改进的遥感影像地形校正方法", 《测绘通报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109166143A (zh) * | 2018-07-06 | 2019-01-08 | 航天星图科技(北京)有限公司 | 一种大区域网立体测绘卫星影像匹配方法 |
CN110675338A (zh) * | 2019-09-09 | 2020-01-10 | 武汉大学 | 一种基于多幅影像的矢量数据自动纠正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107705244B (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544447B (zh) | 一种图像拼接方法、装置及存储介质 | |
CN110264525B (zh) | 一种基于车道线与目标车辆的相机标定方法 | |
JP6348093B2 (ja) | 入力データから検出対象物の像を検出する画像処理装置および方法 | |
CN103544711B (zh) | 遥感影像的自动配准方法 | |
TWI511086B (zh) | 鏡頭失真校正方法 | |
JP6353289B2 (ja) | 測距補正装置 | |
US9967516B2 (en) | Stereo matching method and device for performing the method | |
US10771776B2 (en) | Apparatus and method for generating a camera model for an imaging system | |
CN111695554B (zh) | 一种文本矫正的方法、装置、电子设备和存储介质 | |
CN109523583B (zh) | 一种基于反馈机制的电力设备红外与可见光图像配准方法 | |
CN108550113A (zh) | 图像扫描输出方法、装置、计算机设备和存储介质 | |
CN109506627B (zh) | 一种基于rpc模型的卫星影像系统误差修正方法 | |
CN112862895B (zh) | 一种鱼眼摄像头标定方法、装置及系统 | |
CN110084743B (zh) | 基于多航带起始航迹约束的图像拼接与定位方法 | |
CN107492080B (zh) | 免定标便捷的单目镜头图像径向畸变矫正方法 | |
CN103927730B (zh) | 基于Primal Sketch修正及矩阵填充的图像降噪方法 | |
CN110428466B (zh) | 一种非均匀性校正的方法和设备 | |
CN107705244A (zh) | 一种适用于大区域多幅遥感影像的接边纠正方法 | |
JP5998532B2 (ja) | 補正式算出方法、補正方法、補正装置及び撮像装置 | |
CN103778607B (zh) | 一种图像校正方法 | |
KR101514143B1 (ko) | 다중시기 영상의 모자이크 방법 | |
CN106776979A (zh) | 基于遥感的矢量电子地图质量提升自动化方法 | |
CN104794680A (zh) | 基于同一卫星平台的多相机图像镶嵌方法及装置 | |
CN108052986B (zh) | 基于多通道的最小二乘匹配方法 | |
CN112017108B (zh) | 基于独立模型法平差的卫星影像颜色相对校正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210115 |
|
CF01 | Termination of patent right due to non-payment of annual fee |