CN107845066B - 基于分段仿射变换模型的城市遥感图像拼接方法及装置 - Google Patents

基于分段仿射变换模型的城市遥感图像拼接方法及装置 Download PDF

Info

Publication number
CN107845066B
CN107845066B CN201710934732.1A CN201710934732A CN107845066B CN 107845066 B CN107845066 B CN 107845066B CN 201710934732 A CN201710934732 A CN 201710934732A CN 107845066 B CN107845066 B CN 107845066B
Authority
CN
China
Prior art keywords
point
curve
points
images
inter
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.)
Active
Application number
CN201710934732.1A
Other languages
English (en)
Other versions
CN107845066A (zh
Inventor
李毅
徐斌
满青珊
沈自然
陈思
杨砚世
刘佳瑶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 28 Research Institute
Original Assignee
CETC 28 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CETC 28 Research Institute filed Critical CETC 28 Research Institute
Priority to CN201710934732.1A priority Critical patent/CN107845066B/zh
Publication of CN107845066A publication Critical patent/CN107845066A/zh
Application granted granted Critical
Publication of CN107845066B publication Critical patent/CN107845066B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T3/40—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于改进分段仿射变换模型的城市遥感图像拼接方法。该方法针对星载非共线多线阵CCD相机所获取的城市遥感图像，首先采用归一化图像匹配算法获取图像重叠区的密集匹配点，并将其中的误匹配点去除，得到可以真实反映片间相对位置关系同名点；然后将重叠区同名点对的坐标位置关系转换为片间偏移量曲线，根据片间偏移量曲线整体变化趋势和局部变化特点对其进行分段，保证每段内的曲线近似线性；最后根据偏移量曲线的分段结果将相应的图像对进行分段，并在每一个分段内建立图像间的仿射变换模型，并对图像进行配准，实现相邻图像的拼接。从而解决非共线多线阵CCD相机获取的城市遥感图像拼接的问题。

Description

基于分段仿射变换模型的城市遥感图像拼接方法及装置
技术领域
本专利涉及到一种基于分段仿射变换模型的城市遥感图像拼接方法，属于遥感图像处理领域。
背景技术
非共线多线阵CCD相机以其高分辨率、高幅宽的优势被广泛搭载在遥感卫星上，其所成图像在城市规划、城市建筑物提取、城市自然灾害监测等方面发挥着巨大作用。
非共线多线阵CCD遥感图像是由多片相互错位的子图像组成，所以在应用之前必须将它们进行拼接形成一幅无缝的完整图像。相邻子图像之间的相对位置关系会随着卫星姿态变化、地表高程的起伏发生变化，而且变化无规律，这一点可以从片间偏移量曲线上明显看出。因此，如果要获得较高的拼接精度，需要对图像进行分段，在每段内使用仿射变换模型进行图像的拼接，对此研究者们提出了一系列的方法。胡芬首先采用归一化互相关(Normalized Cross-Correlation，NCC)匹配算法获取片间重叠区的匹配点，然后根据行积分时间的跳变周期构建分段仿射变换模型完成图像的拼接。禄金波等同样采用NCC提取同名点，然后利用局部仿射变换建立相邻图像关系。李世威等根据图像行号将图像分为22段，在每段内采用NCC获取匹配点，然后根据每段的匹配点信息加权计算片间的近似偏移常量，采用平移的方法进行图像的拼接。孟伟灿等利用SIFT(Scale-invariant FeatureTransform)算法提取同名点，根据垂轨方向偏移量的变化趋势构建分段仿射变换模型，但算法中并未给出具体的分段原则，从结果上看每段的范围较大。
以上方法基本上都采用分段仿射变换模型完成相邻图像的拼接，但是分段的方法都没有根据片间偏移量的具体变化进行定量的精细化处理，不能精确反映相邻CCD图像的位置关系，因此难以保证多线阵CCD图像的拼接精度。
发明内容
本发明的目的在于提供一种基于分段仿射变换模型的城市遥感图像拼接方法。具体实现本发明目的的技术解决方案为：通过匹配算法得到相邻CCD图像重叠区同名点，将同名点的坐标关系转换为片间偏移量曲线并对其进行分段，然后将相邻图像分段并在每一段内采用仿射变换模型完成图像的拼接。步骤如下：
针对现有技术的缺陷，本发明提供一种基于分段仿射变换模型的城市遥感图像拼接方法，包括：
S1：输入待拼接图像，提取相邻图像重叠区的同名点；
S2：将同名点坐标关系转换为片间偏移量曲线，并对其进行分段；
S3：依据片间偏移量曲线的分段结果，对相邻图像进行分段，并分别求解各分段内的仿射变换模型系数，完成图像的拼接。
进一步的，所述提取相邻图像重叠区的同名点包括：
S11：提取相邻子图像的重叠区域，对重叠区图像进行直方图均衡化，提高图像的对比度；
S12：采用基于NCC的模板匹配算法，获得重叠区内均匀分布的密集匹配点，并采用基于聚类的算法去除去匹配点，得到可以正确反映相邻图像相对位置关系的同名点对，每个点都有两个坐标值，分别是卫星飞行方向坐标值和线阵CCD方向的坐标值。
具体的，所述将同名点坐标关系转换为片间偏移量曲线，并对其进行分段具体为：将重叠区中每对同名点卫星飞行方向和线阵CCD方向的坐标值分别相减，得到了同名点在两个方向上的偏移量，将其按卫星飞行方向坐标值增加的方向依次排列，绘制后得到片间偏移量曲线，然后对曲线进行分段。
进一步的，所述片间偏移量曲线分段，具体包括：
S21：将偏移量曲线的第一个点设为第一段的起点，并将第一段曲线设为当前段；
S22：首先将当前段的起点设定为基准点，其值为x，然后依次扫描曲线后续的点，直到出现某个点的数值超出数值区间[x-1，x+1]，则将该点定义为变化转折点，然后考察的转折点数值的大小，如果大于1，则判定曲线当前的趋势为上升，如果小于1，则判定为下降；
S23：将上步中得到的变化转折点设为新的基准点，继续向后扫描，直到发现下一个转折点，再次判定曲线当前的趋势，如果与在上一个转折点处趋势一致，则将该转折点设为新的基准点，继续向后扫描；如果趋势相反，则以该转折点作为基准点反向扫描并寻找反向转折点，找到以后将该反向转折点设定为当前段的终点；
S24：根据当前段的起点和终点的位置，就得到了当前段的曲线，将其保存并设定编号；
S25：将当前段终点的下一个点作为下一段曲线的起点，同时把下一段设定为当前段；
S26：重复S22-S25，直到所有点扫描一遍；
S27将曲线上最后一个点设为最后一段的终点，然后保存曲线和编号，得到整条偏移量曲线的分段。
进一步的，所述片间偏移量曲线分段完成后，根据偏移量曲线上离散点的坐标值与图像行号之间的转换关系将两幅像分成和曲线段数相同的图像段，在每一个图像分段内，利用片内的匹配点建立两个图像片之间的仿射变换模型关系，具体如下：
S31：每个图像片内匹配点的个数都会远大于3个，可从中均匀选取n(n＞3)个，列出仿射变换模型的方程，如下式所示：
Figure BDA0001428521300000041
上式可写为：HX＝Y
其中：
Figure BDA0001428521300000042
S32：使用最小二乘法解算出仿射变换参数，如下式所示：
X＝(HTH)-1HTY
当求解出分段内的仿射变换系数后，得到相对应分段图像之间的仿射变换模型；
S33：使用同样方法求解出所有分段的仿射变换系数，建立相邻图像间完整的变换关系，然后依据此关系，相邻图像变换到同一坐标系下，即实现了图像的拼接。
本发明的另一个方面，提供一种基于分段仿射变换模型的城市遥感图像拼接装置，包括：
同名点提取模块，用于输入待拼接图像，提取相邻图像重叠区的同名点；
坐标变换模块，用于将同名点坐标关系转换为片间偏移量曲线，并对其进行分段；
拼接模块，用于依据片间偏移量曲线的分段结果，对相邻图像进行分段，并分别求解各分段内的仿射变换模型系数，完成图像的拼接。
其中，所述同名点提取模块，具体包括：
重叠区域处理单元，用于提取相邻子图像的重叠区域，对重叠区图像进行直方图均衡化，提高图像的对比度；
同名点提取单元，用于采用基于归一化互相关的模板匹配算法，获得重叠区内均匀分布的密集匹配点，并采用基于聚类的算法去除误匹配点，得到可以正确反映相邻图像相对位置关系的同名点对，每个点都有两个坐标值，分别是卫星飞行方向坐标值和线阵CCD方向的坐标值。
其中，所述坐标变换模块，具体用于：将重叠区中每对同名点卫星飞行方向和线阵CCD方向的坐标值分别相减，得到了同名点在两个方向上的偏移量，将其按卫星飞行方向坐标值增加的方向依次排列，绘制后得到片间偏移量曲线，然后对曲线进行分段。
其中，对所述片间偏移量曲线分段，具体包括：
S21：将偏移量曲线的第一个点设为第一段的起点，并将第一段曲线设为当前段；
S22：首先将当前段的起点设定为基准点，其值为x，然后依次扫描曲线后续的点，直到出现某个点的数值超出数值区间[x-1，x+1]，则将该点定义为变化转折点，然后考察的转折点数值的大小，如果大于1，则判定曲线当前的趋势为上升，如果小于1，则判定为下降；
S23：将步骤S22中得到的变化转折点设为新的基准点，继续向后扫描，直到发现下一个转折点，再次判定曲线当前的趋势，如果与在上一个转折点处趋势一致，则将该转折点设为新的基准点，继续向后扫描；如果趋势相反，则以该转折点作为基准点反向扫描并寻找反向转折点，找到以后将该反向转折点设定为当前段的终点；
S24：根据当前段的起点和终点的位置，得到当前段的曲线，将所述曲线保存并设定编号；
S25：将当前段终点的下一个点作为下一段曲线的起点，同时把下一段设定为当前段；
S26：重复步骤S22-S25，直到所有点扫描一遍；
S27：将曲线上最后一个点设为最后一段的终点，然后保存曲线和编号，得到整条偏移量曲线的分段。
其中，拼接模块在片间偏移量曲线分段完成后，根据偏移量曲线上离散点的坐标值所对应的图像行号将两幅像分成和曲线段数相同的图像段，在每一个图像分段内，利用片内的匹配点建立两个图像片之间的仿射变换模型关系，具体如下：
S31：每个图像片内匹配点的个数都会远大于3个，可从中均匀选取n(n＞3)个，列出仿射变换模型的方程，如下式所示：
Figure BDA0001428521300000071
上式可写为：HX＝Y
其中：
Figure BDA0001428521300000072
S32：使用最小二乘法解算出仿射变换参数，如下式所示：
X＝(HTH)-1HTY
当求解出分段内的仿射变换系数后，得到相对应分段图像之间的仿射变换模型；
S33：使用同样方法求解出所有分段的仿射变换系数，建立相邻图像间完整的变换关系，然后依据此关系，相邻图像变换到同一坐标系下，即实现了图像的拼接。
本专利提出方法的优点在于：对待拼接的相邻子图像的分段是依据片间偏移量曲线的分段结果进行的，这就保证了每一个分段的图像片内都有多个同名点对，避免了由于缺少同名点而导致仿射变换模型参数无法结算进而导致图像拼接失败的问题。片间偏移量曲线的分段完全依照曲线自己的特点，不需要事先设定分段的大小，避免了由于不同曲线的变换特点不同而导致的分段不合理，从而保证了图像拼接的精度。
因此，通过提取相邻图像重叠区同名点、建立片间偏移量曲线并进行分段、建立图像对之间的仿射变换模型，我们可以解决非共线多线阵CCD相机获取的城市遥感图像拼接的问题。
附图说明
图1是本发明基于改进分段仿射变换模型的城市遥感图像拼接方法流程图。
图2是片间偏移量曲线示意图。
图3是片间偏移量曲线分段示意图
图4是相邻图像分段示意图。
图5是图像拼接结果示意图。
图6是本发明基于改进分段仿射变换模型的城市遥感图像拼接装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明，应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
现在将详细参考本发明的实施例，这些实施例的示例在附图中示出。元件的后缀“模块”和“单元”在此用于方便描述，并且因此可以可交换地被使用，而且没有任何可区别的意义或功能。
虽然构成本发明的实施例的所有元件或单元被描述为结合到单个元件中或被操作为单个元件或单元，但是本发明不一定局限于此种实施例。根据实施例，在本发明的目的和范围内所有的元件可以选择性地结合到一个或多个元件并且被操作为一个或多个元件。
本发明的一个实施例中，提供一种基于改进分段仿射变换模型的城市遥感图像拼接方法，如图1所示，包括：
S1：输入待拼接图像，提取相邻图像重叠区的同名点；
进一步的，所述提取相邻图像重叠区的同名点包括：
S11：提取相邻子图像的重叠区域，对重叠区图像进行直方图均衡化，提高图像的对比度；
S12：采用基于NCC的模板匹配算法，获得重叠区内均匀分布的密集匹配点，并采用基于聚类的算法去除去匹配点，得到可以正确反映相邻图像相对位置关系的同名点对，每个点都有两个坐标值，分别是卫星飞行方向坐标值和线阵CCD方向的坐标值。
S2：将同名点坐标关系转换为片间偏移量曲线，并对其进行分段；
具体的，所述将同名点坐标关系转换为片间偏移量曲线，并对其进行分段具体为：将重叠区中每对同名点卫星飞行方向和线阵CCD方向的坐标值分别相减，得到了同名点在两个方向上的偏移量，将其按卫星飞行方向坐标值增加的方向依次排列，绘制后得到片间偏移量曲线，然后对曲线进行分段，如图2所示。
进一步的，所述片间偏移量曲线分段，具体包括：
S21：将偏移量曲线的第一个点设为第一段的起点，并将第一段曲线设为当前段；
S22：首先将当前段的起点设定为基准点，其值为x，然后依次扫描曲线后续的点，直到出现某个点的数值超出数值区间[x-1，x+1]，则将该点定义为变化转折点，然后考察的转折点数值的大小，如果大于1，则判定曲线当前的趋势为上升，如果小于1，则判定为下降；
S23：将上步中得到的变化转折点设为新的基准点，继续向后扫描，直到发现下一个转折点，再次判定曲线当前的趋势，如果与在上一个转折点处趋势一致，则将该转折点设为新的基准点，继续向后扫描；如果趋势相反，则以该转折点作为基准点反向扫描并寻找反向转折点，找到以后将该反向转折点设定为当前段的终点；
S24：根据当前段的起点和终点的位置，就得到了当前段的曲线，将其保存并设定编号；
S25：将当前段终点的下一个点作为下一段曲线的起点，同时把下一段设定为当前段；
S26：重复S22-S25，直到所有点扫描一遍；
S27将曲线上最后一个点设为最后一段的终点，然后保存曲线和编号，得到整条偏移量曲线的分段，如图3所示。
S3：依据片间偏移量曲线的分段结果，对相邻图像进行分段，并分别求解各分段内的仿射变换模型系数，完成图像的拼接。
进一步的，所述片间偏移量曲线分段完成后，根据偏移量曲线上离散点的坐标值与图像行号之间的转换关系将两幅像分成和曲线段数相同的图像段，在每一个图像分段内，利用片内的匹配点建立两个图像片之间的仿射变换模型关系，具体如下：
S31：每个图像片内匹配点的个数都会远大于3个，在每一个图像分段内，利用片内的匹配点建立两个图像片之间的仿射变换模型关系，仿射变换系数一共有6个，而要通过构建方程组将它们解算出来，至少需要三对同名点。根据偏移量曲线的分段算法，除了最后一个分段，每一段曲线至少会有三个数值，也就是每一段图像片内至少有三对同名点，可以满足解算仿射变换模型参数的要求。对于最后一个分段所对应的图像片，如果同名点少于三对的话，可以把它与相邻的图像片合并，然后计算仿射变换系数。
从中均匀选取n(n＞3)个，列出仿射变换模型的方程，如下式所示：
Figure BDA0001428521300000111
上式可写为：HX＝Y
其中：
Figure BDA0001428521300000121
S32：使用最小二乘法解算出仿射变换参数，如下式所示：
X＝(HTH)-1HTY
当求解出分段内的仿射变换系数后，得到相对应分段图像之间的仿射变换模型；
S33：使用同样方法求解出所有分段的仿射变换系数，建立相邻图像间完整的变换关系，如图4所示，然后依据此关系，相邻图像变换到同一坐标系下，即实现了图像的拼接，如图5所示。
本发明的另一个实施例中，提供一种基于分段仿射变换模型的城市遥感图像拼接装置，如图6所示，包括：
同名点提取模块10，用于输入待拼接图像，提取相邻图像重叠区的同名点；
偏移量曲线分段模块20，用于将同名点坐标关系转换为片间偏移量曲线，并对其进行分段；
拼接模块30，用于依据片间偏移量曲线的分段结果，对相邻图像进行分段，并分别求解各分段内的仿射变换模型系数，完成图像的拼接。
本专利提出方法的优点在于：对待拼接的相邻子图像的分段是依据片间偏移量曲线的分段结果进行的，这就保证了每一个分段的图像片内都有多个同名点对，避免了由于缺少同名点而导致仿射变换模型参数无法结算进而导致图像拼接失败的问题。片间偏移量曲线的分段完全依照曲线自己的特点，不需要事先设定分段的大小，避免了由于不同曲线的变换特点不同而导致的分段不合理，从而保证了图像拼接的精度。
因此，通过提取相邻图像重叠区同名点、建立片间偏移量曲线并进行分段、建立图像对之间的仿射变换模型，我们可以解决非共线多线阵CCD相机获取的城市遥感图像拼接的问题。

Claims (6)

1.一种基于分段仿射变换模型的城市遥感图像拼接方法，包括：
S1：输入待拼接图像，提取相邻图像重叠区的同名点；
S2：将同名点坐标关系转换为片间偏移量曲线，并对其进行分段；
S3：依据片间偏移量曲线的分段结果，对相邻图像进行分段，并分别求解各分段内的仿射变换模型系数，完成图像的拼接；
所述片间偏移量曲线分段，具体包括:
S21：将偏移量曲线的第一个点设为第一段的起点，并将第一段曲线设为当前段；
S22：首先将当前段的起点设定为基准点，其值为x，然后依次扫描曲线后续的点，直到出现某个点的数值超出数值区间[x-1,x+1]，则将该点定义为变化转折点，然后考察的转折点数值的大小，如果大于1，则判定曲线当前的趋势为上升，如果小于1,则判定为下降；
S23：将步骤S22中得到的变化转折点设为新的基准点，继续向后扫描，直到发现下一个转折点，再次判定曲线当前的趋势，如果与在上一个转折点处趋势一致，则将该转折点设为新的基准点，继续向后扫描；如果趋势相反，则以该转折点作为基准点反向扫描并寻找反向转折点，找到以后将该反向转折点设定为当前段的终点；
S24：根据当前段的起点和终点的位置，得到当前段的曲线，将所述曲线保存并设定编号；
S25：将当前段终点的下一个点作为下一段曲线的起点，同时把下一段设定为当前段；
S26：重复步骤S22-S25，直到所有点扫描一遍；
S27：将曲线上最后一个点设为最后一段的终点，然后保存曲线和编号，得到整条偏移量曲线的分段。
2.如权利要求1所述的基于分段仿射变换模型的城市遥感图像拼接方法，所述提取相邻图像重叠区的同名点包括：
S11：提取相邻子图像的重叠区域，对重叠区图像进行直方图均衡化，提高图像的对比度；
S12：采用基于归一化互相关的模板匹配算法，获得重叠区内均匀分布的密集匹配点，并采用基于聚类的算法去除误匹配点，得到可以正确反映相邻图像相对位置关系的同名点对，每个点都有两个坐标值，分别是卫星飞行方向坐标值和线阵CCD方向的坐标值。
3.如权利要求1所述的基于分段仿射变换模型的城市遥感图像拼接方法，所述将同名点坐标关系转换为片间偏移量曲线，并对其进行分段，具体为：将重叠区中每对同名点卫星飞行方向和线阵CCD方向的坐标值分别相减，得到了同名点在两个方向上的偏移量，将其按卫星飞行方向坐标值增加的方向依次排列，绘制后得到片间偏移量曲线，然后对曲线进行分段。
4.一种基于分段仿射变换模型的城市遥感图像拼接装置，包括：
同名点提取模块，用于输入待拼接图像，提取相邻图像重叠区的同名点；
坐标变换模块，用于将同名点坐标关系转换为片间偏移量曲线，并对其进行分段；
拼接模块，用于依据片间偏移量曲线的分段结果，对相邻图像进行分段，并分别求解各分段内的仿射变换模型系数，完成图像的拼接；
对所述片间偏移量曲线分段，具体包括:
S21：将偏移量曲线的第一个点设为第一段的起点，并将第一段曲线设为当前段；
S22：首先将当前段的起点设定为基准点，其值为x，然后依次扫描曲线后续的点，直到出现某个点的数值超出数值区间[x-1,x+1]，则将该点定义为变化转折点，然后考察的转折点数值的大小，如果大于1，则判定曲线当前的趋势为上升，如果小于1,则判定为下降；
S23：将步骤S22中得到的变化转折点设为新的基准点，继续向后扫描，直到发现下一个转折点，再次判定曲线当前的趋势，如果与在上一个转折点处趋势一致，则将该转折点设为新的基准点，继续向后扫描；如果趋势相反，则以该转折点作为基准点反向扫描并寻找反向转折点，找到以后将该反向转折点设定为当前段的终点；
S24：根据当前段的起点和终点的位置，得到当前段的曲线，将所述曲线保存并设定编号；
S25：将当前段终点的下一个点作为下一段曲线的起点，同时把下一段设定为当前段；
S26：重复步骤S22-S25，直到所有点扫描一遍；
S27：将曲线上最后一个点设为最后一段的终点，然后保存曲线和编号，得到整条偏移量曲线的分段。
5.如权利要求4所述的基于分段仿射变换模型的城市遥感图像拼接装置，所述同名点提取模块，具体包括：
重叠区域处理单元，用于提取相邻子图像的重叠区域，对重叠区图像进行直方图均衡化，提高图像的对比度；
同名点提取单元，用于采用基于归一化互相关的模板匹配算法，获得重叠区内均匀分布的密集匹配点，并采用基于聚类的算法去除误匹配点，得到可以正确反映相邻图像相对位置关系的同名点对，每个点都有两个坐标值，分别是卫星飞行方向坐标值和线阵CCD方向的坐标值。
6.如权利要求4所 述的基于分段仿射变换模型的城市遥感图像拼接装置，所述坐标变换模块，具体用于：将重叠区中每对同名点卫星飞行方向和线阵CCD方向的坐标值分别相减，得到了同名点在两个方向上的偏移量，将其按卫星飞行方向坐标值增加的方向依次排列，绘制后得到片间偏移量曲线，然后对曲线进行分段。
CN201710934732.1A 2017-10-09 2017-10-09 基于分段仿射变换模型的城市遥感图像拼接方法及装置 Active CN107845066B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710934732.1A CN107845066B (zh) 2017-10-09 2017-10-09 基于分段仿射变换模型的城市遥感图像拼接方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710934732.1A CN107845066B (zh) 2017-10-09 2017-10-09 基于分段仿射变换模型的城市遥感图像拼接方法及装置

Publications (2)

Publication Number Publication Date
CN107845066A CN107845066A (zh) 2018-03-27
CN107845066B true CN107845066B (zh) 2021-03-30

Family

ID=61662373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710934732.1A Active CN107845066B (zh) 2017-10-09 2017-10-09 基于分段仿射变换模型的城市遥感图像拼接方法及装置

Country Status (1)

Country Link
CN (1) CN107845066B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110182578B (zh) * 2019-06-14 2021-02-02 上海洪海实业发展有限公司 一种分段计算上料偏差进行物料纠偏的方法和装置及设备
CN110458895B (zh) 2019-07-31 2020-12-25 腾讯科技（深圳）有限公司 图像坐标系的转换方法、装置、设备及存储介质
CN112182892B (zh) * 2020-09-30 2024-01-02 西安空间无线电技术研究所 一种基于分段仿射的功率放大器行为建模方法及装置
CN112632315B (zh) * 2020-12-30 2022-03-29 珠海大横琴科技发展有限公司 一种遥感图像检索的方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101540046A (zh) * 2009-04-10 2009-09-23 凌阳电通科技股份有限公司 基于图像特征的全景图拼接方法和装置
CN101799293A (zh) * 2010-03-05 2010-08-11 武汉大学 基于分段仿射变换的星载三片非共线tdiccd影像拼接方法
CN104794683A (zh) * 2015-05-05 2015-07-22 中国人民解放军国防科学技术大学 基于围绕渐变拼缝区域平面扫描的视频拼接方法
CN106875374A (zh) * 2016-12-21 2017-06-20 北京空间机电研究所 一种基于线特征的弱连接影像拼接方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9590000B2 (en) * 2009-12-14 2017-03-07 Shilat Optical Systems Ltd. Laser daylight designation and pointing

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101540046A (zh) * 2009-04-10 2009-09-23 凌阳电通科技股份有限公司 基于图像特征的全景图拼接方法和装置
CN101799293A (zh) * 2010-03-05 2010-08-11 武汉大学 基于分段仿射变换的星载三片非共线tdiccd影像拼接方法
CN104794683A (zh) * 2015-05-05 2015-07-22 中国人民解放军国防科学技术大学 基于围绕渐变拼缝区域平面扫描的视频拼接方法
CN106875374A (zh) * 2016-12-21 2017-06-20 北京空间机电研究所 一种基于线特征的弱连接影像拼接方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
运用分段仿射变换模型拼接分片TDI CCD图像;孟伟灿;《测绘科学技术学报》;20130531;第505-509页 *

Also Published As

Publication number Publication date
CN107845066A (zh) 2018-03-27

Similar Documents

Publication Publication Date Title
CN107845066B (zh) 基于分段仿射变换模型的城市遥感图像拼接方法及装置
CN106127684B (zh) 基于双向递归卷积神经网络的图像超分辨率增强方法
CN102436652B (zh) 一种多源遥感图像自动配准方法
CN106485751B (zh) 应用于基桩检测中的无人机摄影成像及数据处理方法及系统
CN106447601B (zh) 一种基于投影-相似变换的无人机遥感影像拼接方法
CN107220957B (zh) 一种利用滚动导向滤波的遥感图像融合方法
CN103679672B (zh) 基于边缘垂直距离匹配的全景图像拼接方法
CN107480701B (zh) 基于多通道卷积神经网络的光学图像与雷达图像匹配方法
CN103295239A (zh) 一种基于平面基准影像的激光点云数据的自动配准方法
CN105354841B (zh) 一种快速遥感影像匹配方法及系统
CN105469359A (zh) 基于局部约束低秩表示的人脸超分辨率重建方法
CN105956542B (zh) 一种结构线束统计匹配的高分遥感影像道路提取方法
CN107092905B (zh) 一种电力巡检机器人的待识别仪器定位方法
CN109376641A (zh) 一种基于无人机航拍视频的运动车辆检测方法
CN108460795A (zh) 倒金字塔式双目立体匹配方法及系统
CN117437519B (zh) 一种无水尺水位识别方法及装置
CN106203269A (zh) 一种基于可形变局部块的人脸超分辨率处理方法及系统
CN111476714A (zh) 基于psv神经网络的跨尺度图像拼接方法及装置
CN104217411A (zh) 一种不规则破碎单面图像快速拼接方法
CN103914807A (zh) 一种缩放尺度补偿的非局部性图像超分辨率方法及系统
CN115511705A (zh) 一种基于可变形残差卷积神经网络的图像超分辨率重建方法
CN110929690B (zh) 一种基于深度神经网络的遥感影像路网提取方法
CN104156977A (zh) 基于多线列时差扫描扩展采样的点目标运动速度探测方法
CN111047513A (zh) 一种用于柱面全景拼接的鲁棒性图像对齐方法及装置
CN102149000B (zh) 一种色版颜色提取和校正方法及系统

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Li Yi

Inventor after: Xu Bin

Inventor after: Man Qingshan

Inventor after: Shen Ziran

Inventor after: Chen Si

Inventor after: Yang Yanshi

Inventor after: Liu Jiayao

Inventor before: Huang Li

Inventor before: Sun Ting

Inventor before: Li Yi

Inventor before: Man Qingshan

Inventor before: Shen Ziran

Inventor before: Lin Yu

Inventor before: Chen Si

GR01 Patent grant
GR01 Patent grant