CN110516588B - 一种遥感卫星系统 - Google Patents
一种遥感卫星系统 Download PDFInfo
- Publication number
- CN110516588B CN110516588B CN201910788001.XA CN201910788001A CN110516588B CN 110516588 B CN110516588 B CN 110516588B CN 201910788001 A CN201910788001 A CN 201910788001A CN 110516588 B CN110516588 B CN 110516588B
- Authority
- CN
- China
- Prior art keywords
- image
- satellite
- landmark
- acquired
- remote sensing
- 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
- 230000003595 spectral effect Effects 0.000 claims abstract description 97
- 230000004927 fusion Effects 0.000 claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 42
- 238000004891 communication Methods 0.000 claims description 33
- 238000004088 simulation Methods 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 17
- 238000012952 Resampling Methods 0.000 claims description 15
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000000903 blocking effect Effects 0.000 description 26
- 230000008569 process Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 12
- 238000007500 overflow downdraw method Methods 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 239000013589 supplement Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000000701 chemical imaging Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011155 quantitative monitoring Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种遥感卫星系统,包括第一卫星,第一卫星包括至少四个图像传感器,所述至少四个图像传感器同时采集地面的图像,所述至少四个图像传感器采集的地面区域完全重叠或者部分重叠,所述至少四个图像传感器采集的图像的空间分辨率和光谱分辨率均彼此不同,第一卫星对所述至少四个图像传感器采集的图像的至少一部分进行图像融合以生成融合后的遥感图像。本发明能够利用卫星的有限资源高效地获得具有高清晰度的遥感图像。
Description
技术领域
本发明涉及遥感技术领域,尤其涉及一种遥感卫星系统。
背景技术
遥感技术是指从高空或外层空间接收来自地球表层各类地物的电磁波信息,并通过对这些信息进行扫描、摄影、传输和处理,从而对地表各类地物和现象进行远距离控测和识别的现代综合技术。
高光谱遥感是在20世纪80年代发展起来的一种全新的遥感技术。该技术利用星载或机载的成像光谱仪设备对地面进行成像,成像光谱仪在对目标地空间特征成像的同时,对每个空间像元经过色散形成几十个乃至几百个窄波段以进行连续的光谱覆盖,从而形成谱分辨率达到纳米数量级的遥感数据。这种数据由于光谱分辨率高,通常称为高光谱数据或高光谱图像。高光谱数据的光谱分辨率在10纳米左右,比多光谱图像高出几十甚至上百倍。伴随着成像光谱技术的不断发展,高光谱数据已经被应用到了众多领域中。从民用领域广泛应用的环境监测、城市规划、农作物估产、洪涝灾害调查、国土资源调查,到军事领域的卫星侦察、目标检测识别等等。
高光谱图像的突出特点是在获得目标图像二维空间景像信息的同时,还可以获得高分辨率的一维表征其物理属性的光谱信息,即图谱合一。通过处理高光谱图像中目标图像的空间特征和光谱特征,可以以较高的可信度辨别和区分地物目标。这对遥感图像军事侦察、真/假目标识别、农林的精细化分类等都具有重要应用意义和巨大的潜力。遥感技术长期以来的两个主要发展趋势就是向高空间分辨率和高光谱分辨率方向发展,但二者的发展往往是相互矛盾、相互制约的,这主要是由于成像光学系统在设计和实现上的限制。高光谱图像的光谱分辨率一般较高,但其空间分辨率却偏低,这对于目标识别算法较为不利。
空间分辨率简单来说就是成像系统对图像细节分辨能力的一种度量,也是图像中目标细微程度的指标,它表示景物信息详细程度,是评价传感器性能和遥感信息的重要指标之一,也是识别地物目标形状大小的重要依据。遥感图像的空间分辨率的高低与成像光学系统有着直接的关系,如果其分辨率较低,将使得遥感图像中存在较多的混合像元,严重影响图像的分析和理解,这对于目标分类、检测和识别来说,是非常不利的。
光谱分辨率是指传感器在一定波长范围内对地物光谱进行离散采样的精细程度。光谱分辨率是表征传感器获取地物光谱信息性能的主要指标。相对于空间图像信息,作为刻划地物特征的另一种方式,通过远程探测得到的光谱信息同样可实现对地物的辨识,并且光谱信息直接与目标的物质组成有关,特别是对于目标识别、植被的精细分类、海洋水色定量监测以及军事上对伪装的辨识等从光谱的角度比空间的图像更适合。
图像融合就是将不同空间与光谱分辨率图像按特定的算法进行处理,使所产生的新图像同时具有原来图像的多光谱特性以及高空间分辨率信息。在多光谱遥感影像融合中,典型的图像融合方法有:基于IHS变换的融合方法,基于IHS变换和小波变换的相结合的融合方法,基于HSV变换与小波变换相结合的融合方法。
目前,通常是将全色图像和多光谱图像进行融合。例如,公开号为CN108230281A的中国专利文献公开了一种遥感图像处理方法,所述方法的一具体实施方式包括:匹配全色图像的特征与多光谱图像的特征,得到多个特征对;基于特征对,确定图像间映射矩阵;根据图像间映射矩阵,确定全色图像与多光谱图像的重叠区域;融合全色图像的重叠区域与多光谱图像的重叠区域,得到融合后的遥感图像。该实施方式可以处理的遥感图像的范围更广,避免了位深度转换带来的图像精度的损失,提高了融合后的图像的精度。但是,在遥感技术快速发展的今天,我们对遥感图像的分辨率有着越来越高的要求,但对于现有的成像设备,还远远不能满足各方面的要求。因此,有必要对现有技术进行改进。
发明内容
针对现有技术之不足,本发明提供了一种遥感卫星系统,本发明能够通过对同一卫星采集的彼此具有不同空间分辨率和不同光谱分辨率的图像进行融合以得到融合后的遥感图像,能够将多种不同特征的数据结合起来,相互取长补短,发挥各自的优势,弥补各自的不足,能够更全面的反应地面目标,以利用卫星的有限资源高效地获得具有高清晰度的遥感图像。
根据一个优选实施方式,一种遥感卫星系统,包括第一卫星,第一卫星包括至少四个图像传感器,所述至少四个图像传感器同时采集地面的图像,所述至少四个图像传感器采集的地面区域完全重叠或者部分重叠,所述至少四个图像传感器采集的图像的空间分辨率和光谱分辨率均彼此不同,第一卫星对所述至少四个图像传感器采集的图像的至少一部分进行图像融合以生成融合后的遥感图像。
根据一个优选实施方式,所述至少四个图像传感器包括第一图像传感器、第二图像传感器、第三图像传感器和第四图像传感器;其中,所述第一图像传感器具有第一空间分辨率和第一光谱分辨率,所述第二图像传感器具有第二空间分辨率和第二光谱分辨率,所述第三图像传感器具有第三空间分辨率和第三光谱分辨率,所述第四图像传感器具有第四空间分辨率和第四光谱分辨率,所述第二空间分辨率低于第一空间分辨率,所述第二光谱分辨率高于第一光谱分辨率,所述第三空间分辨率低于第二空间分辨率,所述第三光谱分辨率高于第二光谱分辨率,所述第四空间分辨率低于第三空间分辨率,所述第四光谱分辨率高于第三光谱分辨率,第一图像传感器能用于采集第一图像,第二图像传感器能用于采集第二图像,第三图像传感器能用于采集第三图像,第四图像传感器能用于采集第四图像。
根据一个优选实施方式,所述至少四个图像传感器同时采集的图像具有公共重叠区域,所述第一卫星将所述至少四个图像传感器同时采集的图像中的每两张图像的公共重叠区域进行融合形成若干第一类融合图像,然后所述第一卫星将若干第一类融合图像中的每两张图像进行融合形成若干第二类融合图像,所述第一卫星将若干第二类融合图像中的至少一张作为融合后的遥感图像。
根据一个优选实施方式,第一图像是全色图像类型,第二图像是多光谱图像类型,第三图像是高光谱图像类型,第四图像是超高光谱图像类型。
根据一个优选实施方式,第一卫星包括陆标识别模块和误差校正模块,其中,陆标识别模块被配置为获取与所述至少四个图像传感器采集的每张图像相关联的陆标信息,误差校正模块被配置为基于陆标信息计算用于校正与所述至少四个图像传感器采集的每张图像相关联的第一卫星的轨道误差和姿态误差的状态向量。
根据一个优选实施方式,所述陆标识别模块被配置为:从所述至少四个图像传感器采集的每张图像中选择至少三个陆标,确定所述至少三个陆标在所述至少四个图像传感器采集的每张图像中所在的遥感陆标位置和在地球上的实际陆标位置,计算对应的遥感陆标位置和实际陆标位置的差异,并且基于对应的遥感陆标位置和实际陆标位置的差异获取陆标信息。
根据一个优选实施方式,所述陆标识别模块被配置为:在从至少四个图像传感器采集的每张图像中选择至少三个陆标之前,识别至少四个图像传感器采集的每张图像中的陆标个数;当至少四个图像传感器采集的每张图像中的可识别的陆标个数大于等于三个之时,从至少四个图像传感器采集的每张图像中选择至少三个陆标,确定至少三个陆标在至少四个图像传感器采集的每张图像中所在的遥感陆标位置和在地球上的实际陆标位置,计算对应的遥感陆标位置和实际陆标位置的差异,并且基于对应的遥感陆标位置和实际陆标位置的差异获取陆标信息;当至少四个图像传感器采集的每张图像中的可识别的陆标个数小于三个之时,从至少四个图像传感器采集的每张图像中选择一个具有方向指向性的陆标,确定该具有方向指向性的陆标在至少四个图像传感器采集的每张图像中所在的遥感陆标位置和指向以及在地球上的实际陆标位置和指向,计算对应的遥感陆标位置和指向与实际陆标位置和指向的差异,并且基于对应的遥感陆标位置和指向与实际陆标位置和指向的差异获取陆标信息,其中,具有方向指向性的陆标是河流、飞机跑道、道路和海岸线中的至少一个。
根据一个优选实施方式,所述第一卫星还包括:重采样模块,所述重采样模块被配置为基于计算的状态向量重新采样所述至少四个图像传感器采集的每张图像的像素位置;并且在基于计算的状态向量重新采样所述至少四个图像传感器采集的每张图像的像素位置之后,才对所述至少四个图像传感器采集的图像的至少一部分进行图像融合以生成融合后的遥感图像。
根据一个优选实施方式,一种生成遥感图像的方法,包括:获取从第一卫星的至少四个图像传感器同时采集地面的图像,对所述至少四个图像传感器采集的图像的至少一部分进行图像融合以生成融合后的遥感图像,其中,所述至少四个图像传感器采集的地面区域完全重叠或者部分重叠,所述至少四个图像传感器采集的图像的空间分辨率和光谱分辨率均彼此不同。
根据一个优选实施方式,所述至少四个图像传感器包括第一图像传感器、第二图像传感器、第三图像传感器和第四图像传感器;其中,所述第一图像传感器具有第一空间分辨率和第一光谱分辨率,所述第二图像传感器具有第二空间分辨率和第二光谱分辨率,所述第三图像传感器具有第三空间分辨率和第三光谱分辨率,所述第四图像传感器具有第四空间分辨率和第四光谱分辨率,所述第二空间分辨率低于第一空间分辨率,所述第二光谱分辨率高于第一光谱分辨率,所述第三空间分辨率低于第二空间分辨率,所述第三光谱分辨率高于第二光谱分辨率,所述第四空间分辨率低于第三空间分辨率,所述第四光谱分辨率高于第三光谱分辨率,第一图像传感器能用于采集第一图像,第二图像传感器能用于采集第二图像,第三图像传感器能用于采集第三图像,第四图像传感器能用于采集第四图像,并且其中,第一图像是全色图像类型,第二图像是多光谱图像类型,第三图像是高光谱图像类型,第四图像是超高光谱图像类型。
附图说明
图1是第一卫星的一个优选实施方式的示意图;
图2是本发明的一个优选实施方式的简化示意图;
图3是本发明的一个优选实施方式的局部示意图;
图4是第一卫星的另一个优选实施方式的示意图;
图5是第一卫星的一个优选实施方式的模块示意图;和
图6是第二卫星的一个优选实施方式的模块示意图。
附图标记列表
100:第一卫星 110:第一ATP装置
120:第二ATP装置 131:第一图像传感器
132:第二图像传感器 133:第三图像传感器
134:第四图像传感器 140:陆标识别模块
150:误差校正模块 160:重采样模块
200:第二卫星 210:第三ATP装置
220:气象GIS平台 300:地面站
具体实施方式
下面结合附图1、2、3、4、5和6进行详细说明。
在本发明的描述中,需要理解的是,若出现术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,还需要理解的是,若出现“第一”、“第二”等术语,其仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,若出现术语“多个”,其含义是两个或两个以上,除非另有明确具体的限定。
在本发明的描述中,还需要理解的是,若出现“安装”、“相连”、“连接”、“固定”、“固接”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义,除非另有明确的规定和/或限定。
在本发明的描述中,还需要理解的是,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
实施例1
本实施例公开了一种遥感卫星系统,或者说一种遥感系统,或者说一种基于低轨遥感卫星的遥感系统,在不造成冲突或者矛盾的情况下,其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。该系统适于执行本发明记载的各个方法步骤,以达到预期的技术效果。
根据一个优选实施方式,该系统可以包括第一卫星100和/或第二卫星。第一卫星100可以包括至少四个图像传感器。至少四个图像传感器可以同时采集地面的图像。至少四个图像传感器采集的地面区域可以完全重叠或者部分重叠。至少四个图像传感器采集的图像的空间分辨率和光谱分辨率可以均彼此不同。第一卫星100可以对至少四个图像传感器采集的图像的至少一部分进行图像融合以生成融合后的遥感图像。本发明采用此方式至少能够实现以下有益技术效果:第一,本发明能够通过对同一卫星采集的彼此具有不同空间分辨率和不同光谱分辨率的图像进行融合以得到融合后的遥感图像,能够将多种不同特征的数据结合起来,相互取长补短,发挥各自的优势,弥补各自的不足,能够更全面的反应地面目标,以利用卫星的有限资源高效地获得具有高清晰度的图像;第二,进行融合的图像是同一卫星在同一时间、同一离地高度采集的图像,相对于由不同卫星在不同的时间、离地高度采集的图像,不仅融合难度更小,效率更高,而且具有更小的图像失真;第三,空间信息之间的整合更自然;第四,通过自动多级空间和光谱分辨率融合处理,有效地组合来自至少四个图像传感器的多级空间和光谱信息,可以创建高空间分辨率、大覆盖的高光谱图像。
根据一个优选实施方式,至少四个图像传感器可以包括第一图像传感器131、第二图像传感器132、第三图像传感器133和第四图像传感器134。第一图像传感器131可以具有第一空间分辨率和第一光谱分辨率。第二图像传感器132可以具有第二空间分辨率和第二光谱分辨率。第三图像传感器133可以具有第三空间分辨率和第三光谱分辨率。第四图像传感器134可以具有第四空间分辨率和第四光谱分辨率。第二空间分辨率可以低于第一空间分辨率。第二光谱分辨率可以高于第一光谱分辨率。第三空间分辨率可以低于第二空间分辨率。第三光谱分辨率可以高于第二光谱分辨率。第四空间分辨率可以低于第三空间分辨率。第四光谱分辨率可以高于第三光谱分辨率。第一图像传感器131可以用于采集第一图像。第二图像传感器132可以用于采集第二图像。第三图像传感器133可以用于采集第三图像。第四图像传感器134可以用于采集第四图像。
根据一个优选实施方式,至少四个图像传感器同时采集的图像可以具有公共重叠区域。第一卫星100将至少四个图像传感器同时采集的图像中的每两张图像的公共重叠区域进行融合形成若干第一类融合图像。第一卫星100可以将若干第一类融合图像中的每两张图像进行融合形成若干第二类融合图像。第一卫星100可以将若干第二类融合图像中的至少一张作为融合后的遥感图像。
根据一个优选实施方式,第一图像可以是全色图像类型。第二图像可以是多光谱图像类型。第三图像可以是高光谱图像类型。第四图像可以是超高光谱图像类型。
根据一个优选实施方式,第一卫星100可以包括陆标识别模块140和误差校正模块150。陆标识别模块140可以被配置为获取与至少四个图像传感器采集的每张图像相关联的陆标信息。误差校正模块150可以被配置为基于陆标信息计算用于校正与至少四个图像传感器采集的每张图像相关联的第一卫星100的轨道误差和姿态误差的状态向量。
根据一个优选实施方式,陆标识别模块140可以被配置为:从至少四个图像传感器采集的每张图像中选择至少三个陆标;确定至少三个陆标在至少四个图像传感器采集的每张图像中所在的遥感陆标位置和在地球上的实际陆标位置;计算对应的遥感陆标位置和实际陆标位置的差异;和/或基于对应的遥感陆标位置和实际陆标位置的差异获取陆标信息。
根据一个优选实施方式,陆标识别模块140可以被配置为:在从至少四个图像传感器采集的每张图像中选择至少三个陆标之前,识别至少四个图像传感器采集的每张图像中的陆标个数。当至少四个图像传感器采集的每张图像中的可识别的陆标个数大于等于三个之时,可以从至少四个图像传感器采集的每张图像中选择至少三个陆标,确定至少三个陆标在至少四个图像传感器采集的每张图像中所在的遥感陆标位置和在地球上的实际陆标位置,计算对应的遥感陆标位置和实际陆标位置的差异,并且基于对应的遥感陆标位置和实际陆标位置的差异获取陆标信息。当至少四个图像传感器采集的每张图像中的可识别的陆标个数小于三个之时,可以从至少四个图像传感器采集的每张图像中选择一个具有方向指向性的陆标,确定该具有方向指向性的陆标在至少四个图像传感器采集的每张图像中所在的遥感陆标位置和指向以及在地球上的实际陆标位置和指向,计算对应的遥感陆标位置和指向与实际陆标位置和指向的差异,并且基于对应的遥感陆标位置和指向与实际陆标位置和指向的差异获取陆标信息。具有方向指向性的陆标可以是河流、飞机跑道、道路和海岸线中的至少一个。
根据一个优选实施方式,第一卫星100可以包括:重采样模块160。重采样模块160被配置为基于计算的状态向量重新采样至少四个图像传感器采集的每张图像的像素位置。在基于计算的状态向量重新采样至少四个图像传感器采集的每张图像的像素位置之后,才对至少四个图像传感器采集的图像的至少一部分进行图像融合以生成融合后的遥感图像。
实施例2
本实施例可以是对实施例1的进一步改进和/或补充,重复的内容不再赘述。在不造成冲突或者矛盾的情况下,其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。
根据一个优选实施方式,该系统可以包括若干第一卫星100和若干第二卫星200。若干第一卫星100可以是低轨遥感卫星且分布在彼此不同的至少两个轨道平面上。至少两个轨道平面中的每个轨道平面上可以至少有三颗第一卫星100。第二卫星200可以是地球同步轨道卫星。第一卫星100采集的遥感图像和/或遥感数据可以直接传输给地面站300或者通过相应的第二卫星200间接传输给地面站300。优选地,该系统可以包括至少三个第二卫星200。尤其优选地,优选地,该系统可以包括至少九个第二卫星200。优选地,遥感数据可以是指包含遥感图像的数据和/或数据包。优选地,地面站300可以包括微波站和/或光学站。优选地,第一卫星100和/或第二卫星200可以和地面站300进行微波通信。本发明采用此方式至少能够实现以下有益技术效果:本发明通过低轨遥感卫星采集高清的遥感图像,并能借助同步轨道卫星传输遥感数据给地面站,极大地提高和保证了遥感数据的传输效率。
据一个优选实施方式,每个第一卫星100可以包括至少一个第一ATP装置110和至少一个第二ATP装置120。每个第二卫星200可以包括至少两个第三ATP装置210。第一ATP装置110可以被配置为朝向地球方向发射激光以能在第一卫星100和地面站300之间建立激光通信。第一ATP装置110可以被配置为朝向地球方向发射激光以能在第一卫星100和地面站300之间建立激光通信。第二ATP装置120可以被配置为朝背离地球方向发射激光以能和第三ATP装置210共同在第一卫星100和第二卫星200之间建立激光通信。第三ATP装置210可以被配置为朝向地球方向发射激光以使第二卫星200能与第一卫星100和/或地面站300建立激光通信。在相应的第一卫星100需要将采集的遥感数据传输给地面站300之前,相应的第一卫星100可以向相应的第二卫星200发送传输耗时比较请求。响应于传输耗时比较请求,相应的第二卫星200可以至少基于气象条件为相应的第一卫星100确定第一传输路径和第二传输路径的预计耗时。第一卫星100可以根据预计耗时从第一传输路径和第二传输路径中选择一条传输路径传输遥感数据。第一传输路径可以是相应的第一卫星100直接和接收遥感数据的地面站300建立的激光通信链路。第二传输路径可以是相应的第一卫星100通过相应的第二卫星200间接和接收遥感数据的地面站300建立的激光通信链路。
优选地,相应的第一卫星100通过第二卫星200间接和接收遥感数据的地面站300建立的激光通信链路可以包括两种方式。第一种方式可以是相应的第一卫星100通过第二卫星200间接和接收遥感数据的地面站300建立实时的激光通信链路,即相应的第一卫星100和相应的第二卫星200以及相应的第二卫星200和接受遥感数据的地面站300同时建立激光通信链路。第二种方式可以是相应的第一卫星100先将遥感数据通过两者建立的激光通信链路传输到相应的第二卫星200后,由相应的第二卫星200择机和地面站300建立激光通信链路并传输遥感数据。本发明采用此方式至少能够实现以下有益技术效果:第一,通过第二卫星的分析确定传输路径,能够更好地保证传输数据的效率;第二,借助激光通信,进一步提高传输效率;第三,能够增加遥感数据传输的安全性;第四,可以通过将数据传输给第二卫星,让第二卫星在适宜激光通信的气象条件下将遥感数据发送给地面站,而无需等待第一卫星运转一周回到与地面站可见的位置才进行续传。
优选地,第一卫星100可以被配置让第一ATP装置110周期性地与地面站300建立激光通信链路。优选地,ATP可以是指Acquisition,Tracking and Pointing,即捕获跟踪与瞄准。优选地,ATP装置还可以称为APT装置、捕获瞄准跟踪仪、捕获跟踪与瞄准系统、瞄准捕获跟踪装置和/或捕获跟踪与瞄准装置。例如,以地面站300和卫星为例,为了能在卫星与卫星之间或卫星与其他通信设备之间实现可靠通信,首先要求一颗卫星能捕捉到另一颗卫星或地面站300发来的光束,称之为信标光,并将该光束会聚到探测器或天线中心,这个过程称作捕获或者捕获体。捕获完成后,作为接收方的卫星也要发出一光束,要求该光束能准确地指向发出信标光的另一颗卫星或地面站300,这个过程称作指向或者瞄准。发出信标光的卫星接收到此光束后,也要相应地完成捕获过程,才能使两颗卫星或卫星和地面站300最终达到通信连接状态。为保证这两颗卫星或卫星与地面站300一直处于通信状态,必须一直保持这种精确的连接状态,这过程称作跟踪或者跟踪口。优选地,确定物体的姿态和位置有多种数学表达方法,例如可以欧拉角、欧拉-罗德里格参数、罗德里格-吉普斯矢量、四元数和对偶四元数中的至少一种。
根据一个优选实施方式,相应的第一卫星100向相应的第二卫星200发送传输耗时比较请求之后,相应的第二卫星200可以至少基于相应的第一卫星100的位置信息、相应的第一卫星100的数据收发能力、接收遥感数据的地面站300的位置信息、接收遥感数据的地面站300的数据收发能力、该第二卫星200的位置信息、该第二卫星200的数据收发能力和气象条件确定第一传输路径和第二传输路径的预计耗时。
据一个优选实施方式,相应的第二卫星200确定第一传输路径和第二传输路径的预计耗时之时,相应的第二卫星200的气象GIS平台220可以周期性地获取气象数据以根据气象数据进行气象条件仿真模拟。在相应的第二卫星200的气象GIS平台220进行气象条件仿真模拟之时,相应的第二卫星200的气象GIS平台220可以针对与第一传输路径和第二传输路径变化的气象要素进行仿真模拟。相应的第二卫星200可以基于相应的第一卫星100的位置信息、接收遥感数据的地面站300的位置信息和该第二卫星200的位置信息在气象GIS平台220内确定相应的第一卫星100、接收遥感数据的地面站300和该第二卫星200的模拟位置。相应的第二卫星200的气象GIS平台220可以按照时间变化动态模拟相应的第一卫星100的运动,以让相应的第二卫星200基于气象条件仿真模拟和相应的第一卫星100的运动确定第一传输路径和第二传输路径在传输遥感数据时的预计耗时并发送给相应的第一卫星100。相应的第一卫星100可以至少基于第一传输路径和第二传输路径的预计耗时选择其中一条传输路径传输遥感数据。
优选地,第二卫星200可以从地面站300和/或气象卫星处获取卫星。气象要素可以至少包括云。气象要素可以包括云、雨、雪、雾和风中的至少一种。本发明采用此方式至少能够实现以下有益技术效果:在第二卫星200上搭载气象GIS平台进行分析,能避免受到大气环境因素干扰导致通信不畅以致分析延误,能够通过第二卫星200直接快速高效地获取气象数据进行分析。
据一个优选实施方式,相应的第二卫星200可以基于气象条件仿真模拟和相应的第一卫星100的运动确定第一传输路径和第二传输路径在传输遥感数据时的预计耗时的处理可以包括:相应的第二卫星200在其气象GIS平台220内模拟的相应的第一卫星100和接收遥感数据的地面站300之间绘制代表在第一卫星100和地面站300之间建立激光通信的第一虚拟激光束。相应的第二卫星200可以基于气象条件仿真模拟和相应的第一卫星100的运动确定第一传输路径和第二传输路径在传输遥感数据时的预计耗时的处理可以包括:相应的第二卫星200在其气象GIS平台(220)内模拟的相应的第二卫星200和接收遥感数据的地面站300之间绘制代表在第二卫星200和地面站300之间建立激光通信的激光束的第二虚拟激光束。相应的第二卫星200可以基于气象条件仿真模拟和相应的第一卫星100的运动确定第一传输路径和第二传输路径在传输遥感数据时的预计耗时的处理可以包括:根据变化的气象要素和角度变化的第一虚拟激光束确定第一虚拟激光束在仿真模拟过程中完成数据传输所用的第一阻断时间和第一有效传输时间。相应的第二卫星200可以基于气象条件仿真模拟和相应的第一卫星100的运动确定第一传输路径和第二传输路径在传输遥感数据时的预计耗时的处理可以包括:根据变化的气象要素和角度固定的第二虚拟激光束确定第二虚拟激光束在仿真模拟过程中完成数据传输所用的第二阻断时间和第二有效传输时间。相应的第二卫星200可以基于气象条件仿真模拟和相应的第一卫星100的运动确定第一传输路径和第二传输路径在传输遥感数据时的预计耗时的处理可以包括:计算第一阻断时间和第一有效传输时间之和得到通过第一传输路径传输遥感数据时所需的预计耗时。相应的第二卫星200可以基于气象条件仿真模拟和相应的第一卫星100的运动确定第一传输路径和第二传输路径在传输遥感数据时的预计耗时的处理可以包括:计算第二阻断时间和第二有效传输时间之和得到通过第二传输路径传输遥感数据时所需的预计耗时。第一阻断时间可以是指第一虚拟激光束在仿真模拟过程中被气象要素影响而不能通信的时间。第一阻断时间可以包括第一虚拟激光束被阻断的时间和第一虚拟激光束每次从被阻断变为未被阻断后重新建立激光通信链路所需的链路建立耗时。第二阻断时间可以是指第二虚拟激光束在仿真模拟过程中被气象要素影响而不能通信的时间。第二阻断时间可以包括第二虚拟激光束被阻断的时间和第二虚拟激光束每次从被阻断变为未被阻断后重新建立激光通信链路的链路建立耗时。链路建立耗时可以是两个捕获瞄准跟踪仪彼此构建激光通信链路所需的平均耗时或者估计耗时。优选地,第二卫星200绘制第一虚拟激光束可以是在气象GIS平台内模拟的相应的第一卫星100和接收遥感数据的地面站300之间绘制的一条线段。由于模拟的地面站的位置不动,而模拟的相应的第一卫星100在运动,因此该第一虚拟激光束的角度会发生变化。优选地,第二卫星200绘制第二虚拟激光束可以是在气象GIS平台内模拟的相应的第二卫星200和接收遥感数据的地面站300之间绘制的一条线段。由于模拟的地面站的位置不动,而模拟的相应的第二卫星200的位置也不动,因此该第二虚拟激光束的角度固定。优选地,气象要素可以包括云、雨、雪、雾和风中的至少一种。优选地,第二卫星200内存储有设定的相应的气象要素的阻断系数。比如,第二卫星200内可以按照云层的厚度将云的阻断系数设为0~1。第二卫星200内可以按照降水量的大小将雨的阻断系数设为0~1。第二卫星200内可以按照降水量的大小将雪的阻断系数设为0~1。第二卫星200内按照雾滴直径的大小将雾的阻断系数设为0~1。风的大小和方向可以判断云的移动。阻断阈值可以设为1。第二卫星200内可以将第一虚拟激光束在相应时刻所要穿透的所有的气象要素的阻断系数之和大于等于阻断阈值时则认定第一虚拟激光束被阻断。第二虚拟激光束在相应时刻所要穿透的所有的气象要素的阻断系数之和大于等于阻断阈值时则认定第二虚拟激光束被阻断。比如,当第一虚拟激光束或者第二激光束在相应时刻所要穿透的所有的气象要素的阻断系数之和为1或者1.5则认定其被阻断。第一虚拟激光束在相应时刻所要穿透的所有的气象要素的阻断系数之和小于阻断阈值时则认定第一虚拟激光束未被阻断。第二虚拟激光束在相应时刻所要穿透的所有的气象要素的阻断系数之和小于阻断阈值时则认定第二虚拟激光束未被阻断。比如,当第一虚拟激光束或者第二激光束在相应时刻所要穿透的所有的气象要素的阻断系数之和为0.2或者0.5则认定其未被阻断。尤其优选地,第二卫星200内可以按照所有的云、雨、雪和雾的阻断系数设为1。阻断阈值可以设为1。即,只要模拟过程中,第一虚拟激光束或者第二虚拟激光束在相应时刻如果需要穿透云、雨、雪和雾则认为被阻断。本发明采用此方式至少能够实现以下有益技术效果:第一,本发明采用第一虚拟激光束或者第二虚拟激光束能够快速确定相应的激光通信链路在模拟过程中所需经历的或者穿透的气象要素,以缩短模拟仿真时间;第二,因为目前激光通信链路的建立不如微波通信链路建立速度快,本发明将每次第一虚拟激光束或者第二虚拟激光束被阻断后重建激光重新建立激光通信链路所需的链路建立耗时考虑在内能够使得预计耗时的计算更准确,使得本发明具有更高的可靠性。
根据一个优选实施方式,每个第一卫星100可以包括至少四个图像传感器。至少四个图像传感器可以同时采集地面上同一区域的图像。至少四个图像传感器采集的图像的空间分辨率和光谱分辨率均可以彼此不同。第一卫星100可以对至少四个图像传感器采集的图像进行图像融合以生成融合后的遥感图像。优选地,图像融合的方法例如可以采用波段代数云算法、IHS变换融合法、小波变换融合算法、光谱锐化融合法和主成分变换融合法中的至少一种。尤其优选地,本发明采用光谱锐化融合法进行图像融合。
根据一个优选实施方式,对于图像传感器的数量,可以根据图像传感器的设计、所使用的材料和/或用于图像融合的设备的计算性能而变化。例如,还可以采用5个、6个、7个、8个、10个、16个或者更多数量的图像传感器。
根据一个优选实施方式,至少四个图像传感器可以具有相同的FOV和/或相同的地面条带。至少四个图像传感器可以具有共同的重叠区域以采集同一区域的图像。优选地,对至少四个图像传感器采集的图像进行图像融合时用于融合的图像数据可以包括共有的重叠区域中的全部或者一部分的图像数据。优选地,融合的图像数据可以包括定义重叠区域的光谱分辨率的第三图像和/或第四图像的所有光谱带。优选地,第三图像和第四图像的所有光谱带定义了共有的重叠区域的光谱分辨率。
根据一个优选实施方式,至少四个图像传感器可以包括第一图像传感器131、第二图像传感器132、第三图像传感器133和第四图像传感器134。第一图像传感器131具有第一空间分辨率和第一光谱分辨率,第二图像传感器132具有第二空间分辨率和第二光谱分辨率,第三图像传感器133具有第三空间分辨率和第三光谱分辨率,第四图像传感器134具有第四空间分辨率和第四光谱分辨率,第二空间分辨率低于第一空间分辨率,第二光谱分辨率高于第一光谱分辨率,第三空间分辨率低于第二空间分辨率,第三光谱分辨率高于第二光谱分辨率,第四空间分辨率低于第三空间分辨率,第四光谱分辨率高于第三光谱分辨率。优选地,第一图像传感器131采集第一图像,第二图像传感器132采集第二图像,第三图像传感器133采集第三图像,第四图像传感器134采集第四图像。优选地,第一图像、第二图像、第三图像或第四图像可以是全色图像类型、多光谱图像类型、高光谱图像类型和超高光谱图像类型中的至少一种。尤其优选地,第一图像可以是全色图像类型。第二图像可以是多光谱图像类型。第三图像可以是高光谱图像类型。第四图像可以是超高光谱图像类型。由此,结合本发明的图像融合方法能够明显提高遥感图像的成像质量。优选地,全色可以是指全部可见光波段0.38~0.76um,全色图像为这一波段范围的混合图像,一般为黑白图像。优选地,多光谱图像类型可以是指使用多光谱成像技术采集的图像,一般具有10~20个光谱通道,光谱分辨率为λ/Δλ≈10。优选地,高光谱图像类型可以是指使用高光谱成像技术采集的图像。一般具有100~400个光谱通道的探测能力,一般光谱分辨率可达λ/Δλ≈100。优选地,超高光谱图像类型可以是指使用超高光谱成像采集的图像。一般光谱通道数在1000左右,光谱分辨率一般在λ/Δλ≧1000。
根据一个优选实施方式,第一卫星100可以将至少四个图像传感器同时采集的地面上同一区域的图像中的每两张图像进行融合形成若干第一类融合图像。第一卫星100可以将若干第一类融合图像中的每两张图像进行融合形成若干第二类融合图像。第一卫星100可以将若干第二类融合图像中的至少一张作为融合后的遥感图像。优选地,例如,第一卫星100可以将第一图像、第二图像、第三图像和第四图像中的每两张图像融合形成六张第一类融合图像。第一卫星100可以将六张第一类融合图像中的每两张图像融合形成十五张第二类融合图像。本发明采用此方式至少能够实现以下有益技术效果:由于从卫星上高空采集的图像会受到各种因素的影响,比如,卫星振动、辐射或者成像角度差异等,不同的图像传感器采集到的图像对融合图像的影响不同,如果采用固定形式的图像融合方式,图像融合的质量可能会有较大波动而本发明采用该方式能够从多张融合后的第二类融合图像中选择其中至少一张融合图像来作为融合后的遥感图像,以保证或者提高融合图像的质量。
根据一个优选实施方式,第一卫星100可以对若干第二类融合图像的图像清晰度进行评价。第一卫星100可以从若干第二类融合图像中选择图像清晰度靠前的至少一张图像作为融合后的遥感图像。
根据一个优选实施方式,第一卫星100对若干第二类融合图像的图像清晰度进行评价的处理可以包括:通过引入高低阈值和去伪边处理对相应的第二类融合图像进行图像分割以得到图像平坦区和图像边缘区;对图像平坦区使用点锐度法计算图像平坦区清晰度;对图像边缘区使用归一化的平方梯度法计算图像边缘区清晰度;将平坦区清晰度和图像边缘区清晰度进行加权求和得到相应的第二类融合图像的图像清晰度;和/或对相应的第二类融合图像的图像清晰度进行排序。本发明采用此方式至少能够实现以下有益技术效果:第一,该优选实施方式利用了点锐度法和平方梯度法的抗噪性好、单峰性强、灵敏度高、无偏性好的优势,能够准确稳定地评价图像清晰度;第二,适于没有参考图像的图像清晰度的评价。
根据一个优选实施方式,第一卫星100可以包括陆标识别模块140和/或误差校正模块150。陆标识别模块140可以被配置为获取与至少四个图像传感器采集的每张图像相关联的陆标信息。误差校正模块150可以被配置为基于陆标信息计算用于校正与至少四个图像传感器采集的每张图像相关联的第一卫星100的轨道误差和姿态误差中的至少一个的状态向量。优选地,第一卫星100可以是低轨遥感卫星。
根据一个优选实施方式,第一卫星100可以被配置为让第一ATP装置110受控地与地面站300建立激光通信链路。误差校正模块150可以至少基于第一ATP装置110与地面站300建立的激光通信链路校正第一卫星100的轨道、位置和姿态。
根据一个优选实施方式,状态向量的计算可以包括使用卡尔曼滤波算法计算状态向量。
根据一个优选实施方式,陆标识别模块140可以被配置为:从至少四个图像传感器采集的每张图像中选择至少三个陆标;确定至少三个陆标在至少四个图像传感器采集的每张图像中所在的遥感陆标位置和在地球上的实际陆标位置;计算对应的遥感陆标位置和实际陆标位置的差异;和/或基于对应的遥感陆标位置和实际陆标位置的差异获取陆标信息。
根据一个优选实施方式,第一卫星100可以包括陆标识别模块140和误差校正模块150。陆标识别模块140可以被配置为获取与至少四个图像传感器采集的每张图像相关联的陆标信息。误差校正模块150可以被配置为基于陆标信息校正关于至少四个图像传感器采集的每张图像的轨道误差、姿态误差和有效载荷未对准误差中的至少一个的状态向量。优选地,第一卫星100可以是低轨遥感卫星。本发明采用此方式至少能够实现以下有益技术效果:卫星级分布式航天器在采集遥感图像时,会遇到图像失真,因此需要校正遥感图像中的几何失真,以提供准确的观测信息。参见的系统采用了由陆标和恒星作为用于几何校正的参考点。陆标对卫星的轨道和姿态都敏感,因此可用于校正轨道和姿态。相反,恒星仅对卫星的姿态敏感,因此可能对纠正姿态有用。但是,由于恒星数量非常大,视星等亮于6等的恒星全天球有5000多颗,不像太阳、月球、地球,作为参考天体都只有一个,必须进行恒星识别,而且要接近于实时识别,这是恒星敏感器的技术难点。而且,星敏感器存在低频误差。星敏感器的低频误差主要是由于星敏感器在太阳照射角度变化下,光轴指向发生运动,从而产生的周期性误差,这在先进对地观测卫星和天绘一号等多个卫星的传输数据中已经被发现。哨兵2号卫星将星敏感器低频误差建模为一阶高斯-马尔可夫过程,通过协方差调整对星敏感器的低频误差进行滤除,但是模型未能完全体现低频误差的变化趋势,校正效果有限。而本发明采用该方式能够很好地利用陆标进行校正,由于除轨道误差和姿态误差以外,还考虑了有效载荷未对准误差,使得校正的效果更好。
优选地,陆标又可以称为地标,可以是指具有显著结构特征的地物,比如岛屿、湖泊、河流、海岸线、道路和建筑物。
根据一个优选实施方式,状态向量的计算可以包括使用卡尔曼滤波算法计算状态向量。
根据一个优选实施方式,陆标识别模块140可以被配置为:从至少四个图像传感器采集的每张图像中选择至少三个陆标;确定至少三个陆标在至少四个图像传感器采集的每张图像中所在的遥感陆标位置和在地球上的实际陆标位置;计算对应的遥感陆标位置和实际陆标位置的差异;和/或基于对应的遥感陆标位置和实际陆标位置的差异获取陆标信息。
根据一个优选实施方式,陆标识别模块140可以被配置为:在从至少四个图像传感器采集的每张图像中选择至少三个陆标之前,识别至少四个图像传感器采集的每张图像中的陆标个数;当至少四个图像传感器采集的每张图像中的可识别的陆标个数大于等于三个之时,从至少四个图像传感器采集的每张图像中选择至少三个陆标,确定至少三个陆标在至少四个图像传感器采集的每张图像中所在的遥感陆标位置和在地球上的实际陆标位置,计算对应的遥感陆标位置和实际陆标位置的差异,并且基于对应的遥感陆标位置和实际陆标位置的差异获取陆标信息;当至少四个图像传感器采集的每张图像中的可识别的陆标个数小于三个之时,从至少四个图像传感器采集的每张图像中选择一个具有方向指向性的陆标,确定该具有方向指向性的陆标在至少四个图像传感器采集的每张图像中所在的遥感陆标位置和指向以及在地球上的实际陆标位置和指向,计算对应的遥感陆标位置和指向与实际陆标位置和指向的差异,并且基于对应的遥感陆标位置和指向与实际陆标位置和指向的差异获取陆标信息。优选地,具有方向指向性的陆标例如可以是河流、飞机跑道、道路和海岸线中的至少一个。本发明采用此方式至少能够实现以下有益技术效果:本发明能够根据在可识别陆标个数多的情况下选择至少三个陆标来更准确的确定陆标信息,在可识别的陆标个数少时,通过具有方向指向性的陆标的位置和指向来尽可能提高陆标信息的准确性。
根据一个优选实施方式,第一卫星100可以包括:重采样模块160,重采样模块160被配置为基于计算的状态向量重新采样至少四个图像传感器采集的每张图像的像素位置。优选地,在基于计算的状态向量重新采样至少四个图像传感器采集的每张图像的像素位置之后,才对至少四个图像传感器采集的图像进行图像融合以生成融合后的遥感图像。
根据一个优选实施方式,地面站300可以将遥感图像存储在数据库中,处理器与数据库通信以获得遥感图像,将遥感图像分成多个子图像,通过去除与相邻图像重叠的重叠区域来获得裁剪的子图像,生成每个包括裁剪的子图像的预处理图像,从中选择参考图像和目标图像,预处理图像基于特征匹配算法确定参考图像与目标图像之间的重叠区域中的多个对应对,通过基于对应对的坐标的最小二乘算法获得变换矩阵,获得每个对应的校准坐标通过应用变换矩阵,目标图像的像素,并基于目标图像的校准坐标将目标图像缝合到广角图像中。
实施例3
本实施例可以是对实施例1、2或者其结合的进一步改进和/或补充,重复的内容不再赘述。本实施例公开了一种生成遥感图像的方法,或者说一种图像处理方法,在不造成冲突或者矛盾的情况下,其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。
根据一个优选实施方式,该方法可以包括:获取从第一卫星100的至少四个图像传感器同时采集地面的图像;和/或对至少四个图像传感器采集的图像的至少一部分进行图像融合以生成融合后的遥感图像。至少四个图像传感器采集的地面区域完全重叠或者部分重叠,至少四个图像传感器采集的图像的空间分辨率和光谱分辨率均彼此不同。
实施例4
本实施例可以是对实施例1、2、3或者其结合的进一步改进和/或补充,重复的内容不再赘述。
根据一个优选实施方式,该方法可以包括:使用本发明的系统执行遥感数据的采集、处理和传输中的至少一个。该方法可以由本发明的系统和/或其他可替代的零部件实现。比如,通过使用本发明的系统中的各个零部件实现本发明的方法。比如,误差校正、重采样、图像融合和图像缝合等。
如本文所用的词语“模块”描述任一种硬件、软件或软硬件组合,其能够执行与“模块”相关联的功能。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.一种遥感卫星系统,其特征在于,包括第一卫星(100),第一卫星(100)包括至少四个图像传感器,所述至少四个图像传感器同时采集地面的图像,所述至少四个图像传感器采集的地面区域完全重叠或者部分重叠,所述至少四个图像传感器采集的图像的空间分辨率和光谱分辨率均彼此不同,第一卫星(100)对所述至少四个图像传感器采集的图像的至少一部分进行图像融合以生成融合后的遥感图像,
其中,所述第一卫星(100)能够基于陆标识别模块(140)、误差校正模块(150)、重采样模块(160)对图像进行精准采集,
所述第一卫星(100)能够将采集的若干图像基于重叠地面区域进行逐步融合得到第一类融合图像和第二类融合图像,
所述系统还包括第二卫星(200),所述第二卫星(200)能够基于气象条件仿真模拟和相应的所述第一卫星(100)的运动确定第一传输路径和第二传输路径在传输遥感数据时的预计耗时,从而建立激光通信链路进行传输。
2.如权利要求1所述的系统,其特征在于,所述至少四个图像传感器包括第一图像传感器(131)、第二图像传感器(132)、第三图像传感器(133)和第四图像传感器(134);
其中,所述第一图像传感器(131)具有第一空间分辨率和第一光谱分辨率,所述第二图像传感器(132)具有第二空间分辨率和第二光谱分辨率,所述第三图像传感器(133)具有第三空间分辨率和第三光谱分辨率,所述第四图像传感器(134)具有第四空间分辨率和第四光谱分辨率,所述第二空间分辨率低于第一空间分辨率,所述第二光谱分辨率高于第一光谱分辨率,所述第三空间分辨率低于第二空间分辨率,所述第三光谱分辨率高于第二光谱分辨率,所述第四空间分辨率低于第三空间分辨率,所述第四光谱分辨率高于第三光谱分辨率,第一图像传感器(131)能用于采集第一图像,第二图像传感器(132)能用于采集第二图像,第三图像传感器(133)能用于采集第三图像,第四图像传感器(134)能用于采集第四图像。
3.如权利要求1或2所述的系统,其特征在于,所述至少四个图像传感器同时采集的图像具有公共重叠区域,所述第一卫星(100)将所述至少四个图像传感器同时采集的图像中的每两张图像的公共重叠区域进行融合形成若干第一类融合图像,然后所述第一卫星(100)将若干第一类融合图像中的每两张图像进行融合形成若干第二类融合图像,所述第一卫星(100)将若干第二类融合图像中的至少一张作为融合后的遥感图像。
4.如权利要求3所述的系统,其特征在于,第一图像是全色图像类型,第二图像是多光谱图像类型,第三图像是高光谱图像类型,第四图像是超高光谱图像类型。
5.如权利要求4所述的系统,其特征在于,第一卫星(100)包括陆标识别模块(140)和误差校正模块(150),其中,陆标识别模块(140)被配置为获取与所述至少四个图像传感器采集的每张图像相关联的陆标信息,误差校正模块(150)被配置为基于陆标信息计算用于校正与所述至少四个图像传感器采集的每张图像相关联的第一卫星(100)的轨道误差和姿态误差的状态向量。
6.如权利要求5所述的系统,其特征在于,所述陆标识别模块(140)被配置为:从所述至少四个图像传感器采集的每张图像中选择至少三个陆标,确定所述至少三个陆标在所述至少四个图像传感器采集的每张图像中所在的遥感陆标位置和在地球上的实际陆标位置,计算对应的遥感陆标位置和实际陆标位置的差异,并且基于对应的遥感陆标位置和实际陆标位置的差异获取陆标信息。
7.如权利要求6所述的系统,其特征在于,所述陆标识别模块(140)被配置为:在从至少四个图像传感器采集的每张图像中选择至少三个陆标之前,识别至少四个图像传感器采集的每张图像中的陆标个数;当至少四个图像传感器采集的每张图像中的可识别的陆标个数大于等于三个之时,从至少四个图像传感器采集的每张图像中选择至少三个陆标,确定至少三个陆标在至少四个图像传感器采集的每张图像中所在的遥感陆标位置和在地球上的实际陆标位置,计算对应的遥感陆标位置和实际陆标位置的差异,并且基于对应的遥感陆标位置和实际陆标位置的差异获取陆标信息;当至少四个图像传感器采集的每张图像中的可识别的陆标个数小于三个之时,从至少四个图像传感器采集的每张图像中选择一个具有方向指向性的陆标,确定该具有方向指向性的陆标在至少四个图像传感器采集的每张图像中所在的遥感陆标位置和指向以及在地球上的实际陆标位置和指向,计算对应的遥感陆标位置和指向与实际陆标位置和指向的差异,并且基于对应的遥感陆标位置和指向与实际陆标位置和指向的差异获取陆标信息,其中,具有方向指向性的陆标是河流、飞机跑道、道路和海岸线中的至少一个。
8.如权利要求7所述的系统,其特征在于,所述第一卫星(100)还包括:重采样模块(160),所述重采样模块(160)被配置为基于计算的状态向量重新采样所述至少四个图像传感器采集的每张图像的像素位置;
并且在基于计算的状态向量重新采样所述至少四个图像传感器采集的每张图像的像素位置之后,才对所述至少四个图像传感器采集的图像的至少一部分进行图像融合以生成融合后的遥感图像。
9.一种生成遥感图像的方法,其特征在于,包括:
获取从第一卫星(100)的至少四个图像传感器同时采集地面的图像,
对所述至少四个图像传感器采集的图像的至少一部分进行图像融合以生成融合后的遥感图像,
其中,所述至少四个图像传感器采集的地面区域完全重叠或者部分重叠,所述至少四个图像传感器采集的图像的空间分辨率和光谱分辨率均彼此不同,
其中,所述第一卫星(100)基于陆标识别模块(140)、误差校正模块(150)、重采样模块(160)对图像进行精准采集,
所述第一卫星(100)能够将采集的若干图像基于重叠地面区域进行逐步融合得到第一类融合图像和第二类融合图像,
第二卫星(200)基于气象条件仿真模拟和相应的所述第一卫星(100)的运动确定第一传输路径和第二传输路径在传输遥感数据时的预计耗时,从而建立激光通信链路进行传输。
10.如权利要求9所述的方法,其特征在于,所述至少四个图像传感器包括第一图像传感器(131)、第二图像传感器(132)、第三图像传感器(133)和第四图像传感器(134);
其中,所述第一图像传感器(131)具有第一空间分辨率和第一光谱分辨率,所述第二图像传感器(132)具有第二空间分辨率和第二光谱分辨率,所述第三图像传感器(133)具有第三空间分辨率和第三光谱分辨率,所述第四图像传感器(134)具有第四空间分辨率和第四光谱分辨率,所述第二空间分辨率低于第一空间分辨率,所述第二光谱分辨率高于第一光谱分辨率,所述第三空间分辨率低于第二空间分辨率,所述第三光谱分辨率高于第二光谱分辨率,所述第四空间分辨率低于第三空间分辨率,所述第四光谱分辨率高于第三光谱分辨率,第一图像传感器(131)能用于采集第一图像,第二图像传感器(132)能用于采集第二图像,第三图像传感器(133)能用于采集第三图像,第四图像传感器(134)能用于采集第四图像,
并且其中,第一图像是全色图像类型,第二图像是多光谱图像类型,第三图像是高光谱图像类型,第四图像是超高光谱图像类型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2018116525879 | 2018-12-29 | ||
CN201811652587 | 2018-12-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110516588A CN110516588A (zh) | 2019-11-29 |
CN110516588B true CN110516588B (zh) | 2023-04-18 |
Family
ID=68627772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910788001.XA Active CN110516588B (zh) | 2018-12-29 | 2019-08-23 | 一种遥感卫星系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110516588B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112866574B (zh) * | 2021-01-14 | 2022-12-23 | 中国科学院软件研究所 | 一种面向软件定义卫星的可重构阵列成像方法与装置 |
CN116824396B (zh) * | 2023-08-29 | 2023-11-21 | 湖北省泛星信息技术有限公司 | 一种多卫星数据融合自动化解译的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932050B (zh) * | 2012-11-07 | 2016-12-21 | 北京邮电大学 | 基于中轨数据中继的分离模块化卫星系统和方法 |
US10158427B2 (en) * | 2017-03-13 | 2018-12-18 | Bae Systems Information And Electronic Systems Integration Inc. | Celestial navigation using laser communication system |
CN107707297A (zh) * | 2017-11-03 | 2018-02-16 | 潘运滨 | 一种航空激光通信系统及其通信方法 |
-
2019
- 2019-08-23 CN CN201910788001.XA patent/CN110516588B/zh active Active
Non-Patent Citations (1)
Title |
---|
An Integrated Framework for the Spatio–Temporal–Spectral Fusion of Remote Sensing Images;Huanfeng Shen et al.;《IEEE Transactions on Geoscience and Remote Sensing》;第54卷(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110516588A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113454677A (zh) | 一种遥感卫星系统 | |
Grodecki et al. | IKONOS geometric accuracy | |
CN109781635B (zh) | 一种分布式遥感卫星系统 | |
Fazeli et al. | Evaluating the potential of RTK-UAV for automatic point cloud generation in 3D rapid mapping | |
US7171328B1 (en) | Method for measuring thermal properties using a long-wavelength infrared thermal image | |
Wierzbicki et al. | Assesment of the influence of UAV image quality on the orthophoto production | |
CN110930508B (zh) | 二维光电视频与三维场景融合方法 | |
Ribeiro-Gomes et al. | Approximate georeferencing and automatic blurred image detection to reduce the costs of UAV use in environmental and agricultural applications | |
CN108362267B (zh) | 基于卫星数据的湿渍害胁迫下油菜产量损失遥感定量评估方法 | |
Bürgmann et al. | Matching of TerraSAR-X derived ground control points to optical image patches using deep learning | |
Herrero-Huerta et al. | Vicarious radiometric calibration of a multispectral sensor from an aerial trike applied to precision agriculture | |
Liu et al. | Rapidly responding to landslides and debris flow events using a low-cost unmanned aerial vehicle | |
CN110516588B (zh) | 一种遥感卫星系统 | |
Ramirez‐Paredes et al. | Low‐altitude Terrestrial Spectroscopy from a Pushbroom Sensor | |
Szabó et al. | Zooming on aerial survey | |
Matthies et al. | Terrain relative navigation for guided descent on titan | |
Elbahnasawy et al. | Multi-sensor integration onboard a UAV-based mobile mapping system for agricultural management | |
Roth et al. | Towards a global elevation product: combination of multi-source digital elevation models | |
US11580690B1 (en) | Horizon-based navigation | |
Jaud et al. | Method for orthorectification of terrestrial radar maps | |
Wang et al. | A method for generating true digital orthophoto map of UAV platform push-broom hyperspectral scanners assisted by lidar | |
Jacobsen | Use of very high resolution satellite imagery | |
Brouwer et al. | Multi-Spectral Imaging from LEO: High-Resolution Images and Data from the NAPA-2 Turn-Key Mission | |
Tampubolon | Investigations for an improved Large Scale Topographic Mapping in Indonesia | |
Mostafa | Comparison of Land cover change detection methods using SPOT images |
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 |