CN109493298B - 一种机载摆扫式高光谱数据快速几何校正方法 - Google Patents
一种机载摆扫式高光谱数据快速几何校正方法 Download PDFInfo
- Publication number
- CN109493298B CN109493298B CN201811343891.5A CN201811343891A CN109493298B CN 109493298 B CN109493298 B CN 109493298B CN 201811343891 A CN201811343891 A CN 201811343891A CN 109493298 B CN109493298 B CN 109493298B
- Authority
- CN
- China
- Prior art keywords
- image
- geometric
- airborne
- data
- control point
- 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
Links
- 238000012937 correction Methods 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000000701 chemical imaging Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims 1
- 238000005096 rolling process Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 2
- 241000132092 Aster Species 0.000 description 1
- 206010021703 Indifference Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G06T2207/10036—Multispectral image; Hyperspectral image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种机载摆扫式高光谱数据快速几何校正方法,涉及高光谱数据几何校正及应用技术领域。该方法利用DEM数据在无地面控制点的情况下,实现了对机载高光谱数据的系统级几何校正,同时,采用局部匹配算法有效优化了系统级几何校正的处理效率,进一步提升了航空高光谱数据几何校正的效率和精度,而且采用本发明提供的方法,可以实现对多景航空高光谱数据进行工程化批量化处理,为工程化应用提供了解决方案。
Description
技术领域
本发明涉及高光谱数据几何校正及应用技术领域,尤其涉及一种机载摆扫式高光谱数据快速几何校正方法。
背景技术
航空遥感具有自主性强、精度高、效率高、灵活方便等优点,成为快速获取高精度遥感数据的有效手段。随着人们对于遥感数据的需求逐渐向着高空间、高时间、高光谱的“三高”方向发展,航空高光谱方面的应用变得越来越引人关注。近年来,航空高光谱技术已逐渐深入到各领域中,并且在定量化应用方面取越来越多的成果。几何校正作为遥感数据处理的重要过程,其精度对于定量化应用效果具有决定性作用。一般来说,航空遥感的工作高度在1000-3000m左右,剧烈变化的大气气流使得航空高光谱数据获取条件十分复杂,成像过程涉及参数无法被准确估计,此外,高光谱数据量大的特点也逐渐成为几何校正效率的难点,如何高效进行几何校正并获得高精度数据产品成为高光谱数据工程化应用所面临的挑战。
发明内容
本发明的目的在于提供一种机载摆扫式高光谱数据快速几何校正方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种机载摆扫式高光谱数据快速几何校正方法,包括如下步骤:
S1,从原始高光谱影像中提取高信噪比的单波段影像;
S2,利用DEM数据和GPS数据,生成系统级几何校正控制点:
S3,利用系统级几何校正控制点对所述单波段影像进行校正,得到单波段系统级几何校正影像;
S4,将高分辨率影像作为参考影像,将单波段系统级几何校正影像作为待校正影像,利用待校正影像与参考影像同名点地理信息以及S2中得到的系统级几何校正控制点,采用逆变换方式生成几何精校正控制点;
S5,利用几何精校正控制点对高光谱原始数据进行处理,得到几何校正后的高光谱影像。
优选地,S2包括如下步骤:
S201,按照如下公式计算传感器在高度h条件下的扫描向量
其中,为初始坐标系下扫描向量,为机体坐标系下扫描向量,R、P、H分别代表翻滚角ω、俯仰角偏航角κ的变换矩阵,上式中各项展开后变形为:
其中,s为扫描方向,θ为扫描向量与星下点方向夹角;
S202,按照如下公式计算传感器扫描行中各个像元的真实扫描向量
其中,h为传感器相对地面的高度值;
S203,根据DEM数据和传感器GPS数据,计算得到任一DEM像元点对于传感器的扫描向量
S204,按照如下公式寻找与最接近的扫描向量得到传感器扫描像元对应DEM像元的真实坐标信息:
S205,按照S204的方法遍历所有的像元,得到原始影像的地理查找表,获得系统级几何校正控制点。
优选地,S204采用如下原理的基于滑框的局部匹配优化的方法进行处理:
在完成首次最优解求取并获得初始像元坐标之后,以初始像元为中心生成边长L=2r+1的正方形滑框,以步长为1逐像元遍历DEM,每次求解范围将缩减到L×L范围内。
优选地,S4包括如下步骤:
S401,利用待校正影像与参考影像同名点地理信息,按照如下公式计算多项式校正系数:
其中,u、v和x、y分别为变换前后的影像坐标,aij、bij分别为多项式校正系数,n表示多项式次数;
S402,利用S2中得到的系统级几何校正控制点以及S401中得到的多项式校正系数,按照S401中的公式,逐像元计算生成几何精校正控制点。
优选地,S5之后还包括步骤:重复S1至S5对多景航空高光谱数据进行工程化批量化处理。
本发明的有益效果是:本发明提供的机载摆扫式高光谱数据快速几何校正方法,利用DEM数据在无地面控制点的情况下,实现了对机载高光谱数据的系统级几何校正,同时,采用局部匹配算法有效优化了系统级几何校正的处理效率,进一步提升了航空高光谱数据几何校正的效率和精度,而且采用本发明提供的方法,可以实现对多景航空高光谱数据进行工程化批量化处理,为工程化应用提供了解决方案。
附图说明
图1为本发明提供的机载摆扫式高光谱数据快速几何校正方法流程示意图;
图2为传感器姿态参数示意图;
图3为基于DEM的系统级几何校正原理示意图;
图4为基于滑框的局部匹配算法原理示意图;
图5是新疆罗布泊地区HyMap机载高光谱原始影像示意图;
图6是对新疆罗布泊地区HyMap机载高光谱原始影像进行校正后的影像示意图。
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,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方式仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供了一种机载摆扫式高光谱数据快速几何校正方法,包括如下步骤:
S1,从原始高光谱影像中提取高信噪比的单波段影像;
S2,利用DEM数据和GPS数据,生成系统级几何校正控制点:
S3,利用系统级几何校正控制点对所述单波段影像进行校正,得到单波段系统级几何校正影像;
S4,将高分辨率影像作为参考影像,将单波段系统级几何校正影像作为待校正影像,利用待校正影像与参考影像同名点地理信息以及S2中得到的系统级几何校正控制点,采用逆变换方式生成几何精校正控制点;
S5,利用几何精校正控制点对高光谱原始数据进行处理,得到几何校正后的高光谱影像。
现有技术中,一般是通过分步骤的方法对高光谱数据进行几何校正,需要对所有波段进行两次校正。而由于高光谱影像具有上百个波段,所以,采用现有技术的方法对高光谱数据进行几何校正,速度会非常慢。
本发明中,依据高光谱影像的上百个波段中,各个波段间几何信息是近似一致的特点,采用的上述方法中,首先从上百个波段中选择一个信噪比高的波段进行后续控制点提取,然后再利用最终获得的控制点对高光谱影像的所有的上百个波段进行一次性几何校正,所以,节省了很多时间,有效的提高了高光谱影像几何校正过程的效率。
本发明的一个优选实施例中,S2可以包括如下步骤:
S201,按照如下公式计算传感器在高度h条件下的扫描向量
其中,为初始坐标系下扫描向量,为机体坐标系下扫描向量,R、P、H分别代表翻滚角ω、俯仰角偏航角κ的变换矩阵,上式中各项展开后变形为:
其中,s为扫描方向,θ为扫描向量与星下点方向夹角;
上述方法在实施过程中,具体可以为,首先假定在某一高度H时传感器各个飞行姿态角度都为0的状态为初始状态,此时扫描向量可记作对于摆扫型传感器来说,其横轴Xi的变化将取决于扫描的方向和角度s·tanθ,扫描方式决定其纵轴方向无变化,所以Yi为0,Zi为-1。如图2所示,当传感器在获取数据时,各个飞行姿态角度是变化的,此时扫描向量记作通过获取翻滚角(ω)、俯仰角及偏航角(κ)三个姿态参数可以构建机体坐标系与初始坐标系下扫描向量的变换关系。
在高度h的条件下计算的扫描向量还需将其向量的模长转换为实际值,从而得到传感器扫描行中各个像元的真实扫描向量具体的,
S202,可以按照如下公式计算传感器扫描行中各个像元的真实扫描向量
其中,h为传感器相对地面的高度值;
S203,如图3所示,根据DEM数据和传感器GPS数据,计算得到任一DEM像元点对于传感器的扫描向量
S204,可以按照如下公式寻找与最接近的扫描向量得到传感器扫描像元对应DEM像元的真实坐标信息:
该步骤在具体实施过程中,由于数据量较大,采用现有的匹配过程效率极其低下,因此,本发明中,采用了基于滑框的局部匹配算法对上述过程进行优化。
如图4所示,为一个[m×n]的矩阵A,m和n分别代表DEM的长和宽,为一个[ns×nl]的矩阵B,ns和nl分别代表影像的列数和行数。局部匹配优化原理是在完成首次最优解求取并获得初始像元坐标之后,以初始像元为中心生成边长L=2r+1的正方形滑框,以步长为1逐像元遍历DEM,每次求解范围将缩减到L×L范围内。
对于整辐影像,采用本发明提供的上述局部匹配算法仅需要(m×n×L×L+1)次匹配过程,而采用现有技术的方法则需要进行(m×n×ns×nl)次匹配过程,可见,采用本发明提供的方法,效率得到了大大提高。
S205,按照S204的方法遍历所有的像元,得到原始影像的地理查找表,获得系统级几何校正控制点。
通过上述步骤逐像元计算即可求得该幅影像的地理查找表,进而获得系统级几何校正控制点,对步骤一获得的单波段影像进行校正可获得单波段系统级几何校正影像。
原始影像指的是包含所有波段的影像,因为无论多少个波段相对几何无差异,所以该步骤中,原始影像地理查找表等同于单波段影像地理查找表。
可见,本发明的S2-S3中,从成像原理出发,采用正变换的方式在无地面控制点的情况下利用DEM数据完成了对航空影像的系统级几何校正,通过对局部匹配算法的应用有效的提高了处理过程的效率。
本发明实施例中,S4可以包括如下步骤:
为了进一步消除复杂成像条件下产生的非系统性几何误差,采用逆变换的方式结合几何精准的高分辨率参考影像对目标数据进行几何精校正。多项式校正法是一种常用的逆变换方式,校正前后影像相应点之间的坐标关系可以利用二元n次多项式来表达,具体的,
S401,利用待校正影像与参考影像同名点地理信息,按照如下公式计算多项式校正系数:
其中,u、v和x、y分别为变换前后的影像坐标,aij、bij分别为多项式校正系数,n表示多项式次数;
几何精校正过程需要几何精准的高分辨率影像作为参考,将S3得到DE系统级几何校正影像作为待校正影像,待校正影像与参考影像同名地物的选取以基于灰度特征的自动选取方式为主,也可采用传统的人工方式选取。将同名点地理信息带入公式(5),可完成对数据的几何精校正并求解出方程系数。
S402,利用S2中得到的系统级几何校正控制点以及S401中得到的多项式校正系数,按照S401中的公式(5),逐像元计算生成几何精校正控制点。
通过执行S1-S4步骤,通过一个信噪比高的波段,提取到了影像的几何精校正控制点,然后,
S5,利用几何精校正控制点对高光谱原始数据进行处理,得到几何校正后的高光谱影像。
可见,采用本发明提供的方法,对高光谱影像的几何校正只需要进行一次,所以,与现有技术的方法相比,节省了很多时间,有效的提高了高光谱影像几何校正过程的效率。
本发明实施例中,S5之后还可以包括步骤:重复S1至S5对多景航空高光谱数据进行工程化批量化处理。
针对多景航空高光谱数据,重复步骤一至步骤五即可实现工程化批量化处理。对于工程化批量化处理,本发明提供的方法,与现有技术的方法相比,节省的时间更多,提高的效率更高。
具体实施例
本实施例中,对新疆罗布泊地区HyMap机载高光谱数据进行几何校正。数据由中国国土资源航空物探遥感中心于2016年6月获取,数据空间分辨率为2.5米×2.5米,飞行航高1.5km。HyMap获取的原始数据包括原始DN值以及每个扫描行的GPS数据(经纬度、高程),姿态参数(航迹向角、偏航角、侧滚角、俯仰角)等。
按照本发明提供的方法,对上述高光谱数据进行几何校正,其校正前后的高光谱影像分别如图5、6所示。
从图5中可以看出,原始数据(转置90°)未经几何校正,边界平直,地物形态特征扭曲。从图6(a)中可见,经系统级几何校正后影像与几何精准的资源三号高分数据对比可见,经系统级几何校正的影像几何位置基本准确,但依然可从水系的纹理和走向上观察到非系统性几何误差,计算过程中采用Aster 30米分辨率的DEM数据作为辅助数据。从图6(b)中可见,经几何精校正后几何精度进一步提高,微小错位现象基本消除,校正精度较高。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:本发明提供的机载摆扫式高光谱数据快速几何校正方法,利用DEM数据在无地面控制点的情况下,实现了对机载高光谱数据的系统级几何校正,同时,采用局部匹配算法有效优化了系统级几何校正的处理效率,进一步提升了航空高光谱数据几何校正的效率和精度,而且采用本发明提供的方法,可以实现对多景航空高光谱数据进行工程化批量化处理,为工程化应用提供了解决方案。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (4)
1.一种机载摆扫式高光谱数据快速几何校正方法,其特征在于,包括如下步骤:
S1,从原始高光谱影像中提取高信噪比的单波段影像;
S2,利用DEM数据和GPS数据,生成系统级几何校正控制点:
S3,利用系统级几何校正控制点对所述单波段影像进行校正,得到单波段系统级几何校正影像;
S4,将高分辨率影像作为参考影像,将单波段系统级几何校正影像作为待校正影像,利用待校正影像与参考影像同名点地理信息以及S2中得到的系统级几何校正控制点,采用逆变换方式生成几何精校正控制点;
S5,利用几何精校正控制点对高光谱原始数据进行处理,得到几何校正后的高光谱影像;
S2包括如下步骤:
S201,按照如下公式计算传感器在高度h条件下的扫描向量
其中,为初始坐标系下扫描向量,为机体坐标系下扫描向量,R、P、H分别代表翻滚角ω、俯仰角偏航角κ的变换矩阵,上式中各项展开后变形为:
其中,s为扫描方向,θ为扫描向量与星下点方向夹角;
S202,按照如下公式计算传感器扫描行中各个像元的真实扫描向量
其中,h为传感器相对地面的高度值;
S203,根据DEM数据和传感器GPS数据,计算得到任一DEM像元点对于传感器的扫描向量
S204,按照如下公式寻找与最接近的扫描向量得到传感器扫描像元对应DEM像元的真实坐标信息:
S205,按照S204的方法遍历所有的像元,得到原始影像的地理查找表,获得系统级几何校正控制点。
2.根据权利要求1 所述的机载摆扫式高光谱数据快速几何校正方法,其特征在于,S204采用如下原理的基于滑框的局部匹配优化的方法进行处理:
在完成首次最优解求取并获得初始像元坐标之后,以初始像元为中心生成边长L=2r+1的正方形滑框,以步长为1逐像元遍历DEM,每次求解范围将缩减到L×L范围内。
3.根据权利要求1所述的机载摆扫式高光谱数据快速几何校正方法,其特征在于,S4包括如下步骤:
S401,利用待校正影像与参考影像同名点地理信息,按照如下公式计算多项式校正系数:
其中,u、v和x、y分别为变换前后的影像坐标,aij、bij分别为多项式校正系数,n表示多项式次数;
S402,利用S2中得到的系统级几何校正控制点以及S401中得到的多项式校正系数,按照S401中的公式,逐像元计算生成几何精校正控制点。
4.根据权利要求1所述的机载摆扫式高光谱数据快速几何校正方法,其特征在于,S5之后还包括步骤:重复S1至S5对多景航空高光谱数据进行工程化批量化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811343891.5A CN109493298B (zh) | 2018-11-13 | 2018-11-13 | 一种机载摆扫式高光谱数据快速几何校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811343891.5A CN109493298B (zh) | 2018-11-13 | 2018-11-13 | 一种机载摆扫式高光谱数据快速几何校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109493298A CN109493298A (zh) | 2019-03-19 |
CN109493298B true CN109493298B (zh) | 2019-08-30 |
Family
ID=65694380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811343891.5A Active CN109493298B (zh) | 2018-11-13 | 2018-11-13 | 一种机载摆扫式高光谱数据快速几何校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109493298B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555813B (zh) * | 2019-08-27 | 2021-10-22 | 成都数之联科技有限公司 | 一种无人机遥感影像的快速几何校正方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810701A (zh) * | 2014-01-15 | 2014-05-21 | 北京农业信息技术研究中心 | 一种无人机载成像高光谱几何校正的方法及系统 |
CN103971334A (zh) * | 2014-04-25 | 2014-08-06 | 中国科学院遥感与数字地球研究所 | 高光谱遥感图像校正方法及装置 |
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 |
CN107798668A (zh) * | 2017-11-23 | 2018-03-13 | 北京依锐思遥感技术有限公司 | 基于rgb影像的无人机成像高光谱几何校正的方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436652B (zh) * | 2011-08-31 | 2014-08-27 | 航天恒星科技有限公司 | 一种多源遥感图像自动配准方法 |
US9823116B2 (en) * | 2012-08-23 | 2017-11-21 | Raytheon Company | Geometric calibration of a remote sensor |
CN107274441B (zh) * | 2017-06-14 | 2020-07-03 | 中国科学院遥感与数字地球研究所 | 一种高光谱图像的波段校准方法和系统 |
-
2018
- 2018-11-13 CN CN201811343891.5A patent/CN109493298B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810701A (zh) * | 2014-01-15 | 2014-05-21 | 北京农业信息技术研究中心 | 一种无人机载成像高光谱几何校正的方法及系统 |
CN103971334A (zh) * | 2014-04-25 | 2014-08-06 | 中国科学院遥感与数字地球研究所 | 高光谱遥感图像校正方法及装置 |
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 |
CN107798668A (zh) * | 2017-11-23 | 2018-03-13 | 北京依锐思遥感技术有限公司 | 基于rgb影像的无人机成像高光谱几何校正的方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于POS的机载推扫式高光谱影像几何校正;肖凯 等;《青海大学学报》;20171031;第35卷(第5期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN109493298A (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106127697B (zh) | 无人机机载成像高光谱几何校正方法 | |
CN106960174B (zh) | 高分影像激光雷达高程控制点提取及其辅助定位方法 | |
CN110570449B (zh) | 一种基于毫米波雷达与视觉slam的定位与建图方法 | |
CN106895851B (zh) | 一种光学遥感卫星多ccd多相机统一处理的传感器校正方法 | |
CN100541232C (zh) | 无姿态信息条件下的航空多光谱扫描仪几何粗校正方法 | |
CN101672646B (zh) | 一种卫星图像自动几何精校正方法 | |
CN107144293A (zh) | 一种视频卫星面阵相机的几何定标方法 | |
CN108734685B (zh) | 一种无人机载高光谱线阵列遥感影像的拼接方法 | |
CN104807477B (zh) | 一种基于靶标控制点的卫星ccd阵列影像几何检校方法 | |
CN113538595B (zh) | 利用激光测高数据辅助提升遥感立体影像几何精度的方法 | |
CN111220120B (zh) | 一种动平台双目测距自校准方法及装置 | |
CN102194225A (zh) | 一种由粗到精的星载合成孔径雷达图像自动配准方法 | |
CN108226982B (zh) | 单线阵卫星激光联合高精度定位处理方法 | |
CN111473802A (zh) | 一种基于线阵推扫的光学传感器内方位元素定标方法 | |
CN108830811A (zh) | 一种飞行参数与相机内参相结合的航空影像实时校正方法 | |
CN114972545B (zh) | 一种高光谱卫星的在轨数据快速预处理方法 | |
CN104361563B (zh) | 基于gps的高光谱遥感图像几何精校正方法 | |
CN110793542A (zh) | 一种基于广义探元指向角的面阵光学遥感卫星在轨几何定标方法 | |
CN108447100B (zh) | 一种机载三线阵ccd相机的偏心矢量和视轴偏心角标定方法 | |
CN108562900B (zh) | 一种基于高程校正的sar图像几何配准方法 | |
CN102147249B (zh) | 基于直线特征的星载光学线阵影像精确纠正处理方法 | |
CN111238488A (zh) | 一种基于异源图像匹配的飞行器精确定位方法 | |
CN109493298B (zh) | 一种机载摆扫式高光谱数据快速几何校正方法 | |
CN107705272A (zh) | 一种空间影像的高精度几何校正方法 | |
CN110490830B (zh) | 一种农业遥感图像校正方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |