CN110675448A - 基于民航客机的地面灯光遥感监测方法、系统及存储介质 - Google Patents
基于民航客机的地面灯光遥感监测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN110675448A CN110675448A CN201910781132.5A CN201910781132A CN110675448A CN 110675448 A CN110675448 A CN 110675448A CN 201910781132 A CN201910781132 A CN 201910781132A CN 110675448 A CN110675448 A CN 110675448A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- monitoring
- noctilucent
- night light
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 230000005855 radiation Effects 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 235000011470 Adenanthera pavonina Nutrition 0.000 description 1
- 241000428378 Lopa Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了基于民航客机的地面灯光遥感监测方法、系统及存储介质，包括步骤：通过设置在民航客机上的拍摄设备获取地面的监测区域的夜间灯光图像；获取夜间灯光图像对应的拍摄监测区域的初步定位信息；通过SFM算法将监测区域的不同角度拍摄的夜间灯光图像处理为监测区域的夜间灯光重建图像；获取标准卫星夜光影像并将夜间灯光重建图像与标准卫星夜光影像进行数据配准融合，对夜间灯光重建图像的辐射信息进行定标，获得监测区域的最终夜光图像；对监测区域的最终夜光图像进行数据处理分析，获取夜间灯光遥感动态监测数据。本发明解决传统的夜光遥感卫星监测过程中拍摄距离远，导致灯光遥感数据监测具有实效性差，灯光遥感影像分辨率低的问题。
Description
技术领域
本发明涉及地面灯光监测技术领域，尤其涉及的是基于民航客机的地面灯光遥感监测方法、系统及存储介质。
背景技术
近年来，夜光遥感能够更加直接的反映人类的活动以及人类社会的发展程度，夜光遥感数据的研究已经成为一个非常活跃的遥感分支。应用夜光遥感数据进行社会经济参数估计、城市化监测、重大事件评估、生态环境评估以及公共健康一直是国内外研究的前沿和热点。我国在城市灯光遥感监测方面起步较晚，正在飞速发展。
灯光遥感监测方式主要是卫星遥感监测，卫星遥感监测主要是美国国防气象卫星计划(Defense Meteorological Satellite Program,DMSP)由美国空军航天与导弹系统中心运作,卫星运行的线性扫描系统(Operational Linescan System,OLS)，可见光近红外成像辐射(Visible Infrared Imaging Radiometer Suite,VIIRS)传感器搭载国家极轨卫星(Suomi National Polar Orbiting Partnership,Suomi-NPP)以及第一颗专业夜光遥感卫星——珞珈一号，但是夜光遥感卫星监测过程中，由于太空远离地面，导致灯光遥感数据监测具有实效性差，灯光遥感影像分辨率低等缺点，制约着夜间灯光遥感监测的发展。
因此，现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于民航客机的地面灯光遥感监测方法、系统及存储介质，旨在解决传统的夜光遥感卫星监测过程中由于拍摄距离远，导致灯光遥感数据监测具有实效性差，灯光遥感影像分辨率低的问题。
本发明解决技术问题所采用的技术方案如下：
基于民航客机的地面灯光遥感监测方法，其中，包括步骤：
通过设置在民航客机平台上的拍摄设备获取地面的监测区域的夜间灯光图像；
获取夜间灯光图像对应的拍摄监测区域的初步定位信息；
通过SFM算法将监测区域的不同角度拍摄的夜间灯光图像处理为监测区域的夜间灯光重建图像；
获取标准卫星夜光影像并将夜间灯光重建图像与标准卫星夜光影像进行数据配准融合，获得监测区域的最终夜光图像；
对监测区域的最终夜光图像进行数据处理分析，获取夜间灯光遥感动态监测数据。
所述基于民航客机的地面灯光遥感监测方法，其中，所述通过设置在民航客机平台上的拍摄设备获取地面的监测区域的夜间灯光图像的步骤具体为：
通过设置在民航客机平台上的拍摄设备对所需监测区域进行多次对地拍摄或者录像，获取多张监测区域的夜间灯光的静态图像或动态图像
所述基于民航客机的地面灯光遥感监测方法，其中，获取夜间灯光图像对应的拍摄监测区域的初步定位信息的具体步骤为：
读取图像头文件获取拍摄时间、拍摄设备焦距、传感器大小、拍摄设备的内部定位参数的相机参数；
查询飞行轨迹记录网站获取航班轨迹和起飞时间，通过航班起飞时间和拍摄时间进行计算后获取图像所拍摄监测区域的初始位置。
所述基于民航客机的地面灯光遥感监测方法，其中，所述通过SFM算法将监测区域的不同角度拍摄的夜间灯光图像处理为监测区域的夜间灯光重建图像的具体步骤为；
通过SIFT描述子来处理每张图像，提取具有尺度和旋转不变形的特征点；
对每张图像提取的特征点在两张图片之间进行匹配；
基于光束平差法对相机参数进行初步解算；
加入外部地面控制点，对相机参数进行优化；
基于优化获取的相机参数，生成密集点云并对点云进行插值，生成栅格形式的数字表面模型；
根据获得的数字表面模型，对图像进行正射投影，生成正射图像。
所述基于民航客机的地面灯光遥感监测方法，其中，所述将夜间灯光重建图像与标准卫星夜光影像进行数据配准融合，获得监测区域的最终夜光图像的具体为：
获取珞珈一号的标准卫星夜光影像；
根据初步定位信息与标准卫星夜光影像的定位信息进行分析得到靠近初步定位信息附近的标准卫星夜光影像；
对夜间灯光重建图像的辐射信息进行定标并将夜间灯光重建图像与标准卫星夜光影像进行数据配准融合；
根据数据配准融合后的图像获取监测区域的最终夜光图像。
所述基于民航客机的地面灯光遥感监测方法，其中，所述对监测区域的最终夜光图像进行数据处理分析，获取夜间灯光遥感动态监测数据之后还包括步骤：
存储多组长时间序列的夜间灯光遥感动态监测数据，分析获取监测区域各项指标的年度变化规律。
所述基于民航客机的地面灯光遥感监测方法，其中，所述对监测区域的最终夜光图像进行数据处理分析，获取夜间灯光遥感动态监测数据之后还包括步骤：
将夜间灯光遥感动态监测数据和最终夜光图像传送给信息接收端。
一种基于民航客机的地面灯光遥感监测系统，其中，包括：设置在民航客机上并向下方拍摄的拍摄设备、处理器、存储器，所述处理器与存储器和所述拍摄设备通过通讯总线实现通讯连接；
所述存储器存储有基于民航客机的地面灯光遥感监测程序，所述基于民航客机的地面灯光遥感监测的程序被所述处理器执行时实现如上所述的基于民航客机的地面灯光遥感监测方法。
一种存储介质，所述存储介质储存有用于实现如上所述的基于民航客机的地面灯光遥感监测方法的程序。
有益效果：与现有技术相比，本发明提供了基于民航客机的地面灯光遥感监测方法、系统及存储介质，通过在飞机上对所需监测夜间发光区域进行多次对地拍摄，然后通过读取图像头文件以及查询航班轨迹，得到图像的初始位置。最后利用图像处理算法将多组照片进行处理，通过位置校准，图像数据融合生成一张具有地理信息的高质量夜间灯光遥感影像。通过对影像的数据分析来实现区域监测，无论是长时间序列监测还是短期的动态监测都能实现。该影像在灯光遥感监测应用方面具有非常高度的应用价值，特别是基于民航客机的地面灯光遥感监测系统具有结构简易、低成本、高精度、受环境影响小，时效性高的特点。解决传统的夜光遥感卫星监测过程中由于拍摄距离远，导致灯光遥感数据监测具有实效性差，灯光遥感影像分辨率低的问题。
附图说明
图1是本发明中基于民航客机的地面灯光遥感监测方法的一种实施例的步骤流程图。
图2是本发明中基于民航客机的地面灯光遥感监测方法较佳实施例的步骤流程图。
图3是本发明基于民航客机的地面灯光遥感监测系统的实施例的结构框图。
图4是本发明基于民航客机的地面灯光遥感监测系统的实施例的运用场景示意图。
图中，10、处理器；20、拍摄设备；30、存储器；40、通讯总线。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。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。
请同时参阅图1-图2，本发明提供了基于民航客机的地面灯光遥感监测方法的一些实施例。
本发明的一个实施例提供的基于民航客机的地面灯光遥感监测方法，R如图4所示，本方法是基于民航客机平台。在民航客机平台上安装拍摄设备，通过民航客机携带拍摄设备进行多角度拍摄监测区域，实现地面灯光遥感监测。
如图1所示，基于民航客机的地面灯光遥感监测方法，该方法包括步骤：
步骤S100、通过设置在民航客机平台上的拍摄设备获取地面的监测区域的夜间灯光图像。
具体的，在民航客机上固定设置拍摄设备，拍摄设备可以是便携式相机，固定或手持相机在民航客机靠窗的位置对准下方区域进行拍摄。拍摄设备的类型可以灵活变更，例如手机、单反相机等，以手机为例，通过设置在民航客机平台上的手机摄像头对所需监测区域进行多次对地拍摄或者录像，手机获取多张监测区域的夜间灯光的静态图像或动态图像。
步骤S200、获取夜间灯光图像对应的拍摄监测区域的初步定位信息。
具体的，手机通过读取图像头文件以及查询航班轨迹，通过头文件得到相应的图像拍摄参数，通过查询航班轨迹可以得到在拍摄时间的航班所经过的位置，从而得到图像的初始位置。
如图2所示，在优选的实施例中，步骤S200具体包括步骤：
步骤S210、读取图像头文件获取拍摄时间、拍摄设备焦距、传感器大小、拍摄设备的内部定位参数的相机参数。
步骤S220、查询飞行轨迹记录网站获取航班轨迹和起飞时间，通过航班起飞时间和拍摄时间进行计算后获取图像所拍摄监测区域的初始位置。
具体的，在大多数情况下，手机在民航飞机上是没有信号，因此无法通过GPS卫星导航对手机所拍摄的图像位置进行定位，因此通过查询飞行轨迹记录网站获取航班轨迹和起飞时间，通过读取图像头文件获取拍摄时间经过计算能得到图像对应所拍摄监测区域的初始位置，该初始位置为粗略定位。图像头文件获取拍摄时间、拍摄设备焦距、传感器大小等相机参数，对于内置有定位系统的拍摄设备，还可获取拍摄设备的内部定位参数，通过内部定位参数，可以直接对相片拍摄的监控区域进行定位。
如图1所示，步骤S300、通过SFM算法将监测区域的不同角度拍摄的夜间灯光图像处理为监测区域的夜间灯光重建图像。
具体的，SFM算法(structure-from-motion算法)是通过相机的移动来确定目标的空间和几何关系，是图像重建的一种方法。该算法只需要普通的RGB摄像头即可，因此成本更低廉，且受环境约束较小，在室内和室外均能使用。飞机在飞行过程中根据轨迹会对同一监测区域拍摄多张不同角度的图像，通过SFM算法将监测区域的不同角度拍摄的图像进行重建处理为监测区域的合成图像。
如图2所示，优选实施例中，步骤S300具体包括：
步骤S310、通过SIFT描述子来处理每张图像，提取具有尺度和旋转不变形的特征点。
具体的，SIFT(Scale-invariant feature transform)描述子即尺度不变特征转换，是一种计算机视觉算法。SIFT描述子用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。局部影像特征的描述与侦测可以帮助辨识物体，SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性，它们是高度显著而且相对容易撷取，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认。使用SIFT特征描述对于部分物体遮蔽的侦测率也相当高，甚至只需要3个以上的SIFT物体特征就足以计算出位置与方位。在现今的电脑硬件速度下和小型的特征数据库条件下，辨识速度可接近即时运算。SIFT特征的信息量大，适合在海量数据库中快速准确匹配。
步骤S320、对每张图像提取的特征点在两张图片之间进行匹配。
具体的，对每张图像提取的特征点在两张图片之间进行匹配，匹配结果往往有很多误匹配，为了排除这些错误，使用KNN算法(k-NearestNeighbor分类算法)寻找与该特征最匹配的2个特征，若第一个特征的匹配距离与第二个特征的匹配距离之比小于某一阈值，就接受该匹配，否则视为误匹配。当然，也可以使用交叉验证方法来排除错误。
步骤S330、基于光束平差法对相机参数进行初步解算。
具体过程中，相机参数包括相机内参数和相机外参数，相机内参数是描述相机成像几何的关键参数，通常包括主点位置和焦距。主点位置就是像平面坐标系的原点在图片上的像素坐标(或者物理坐标)，通常再经过畸变改正后都位于图像的正中心。焦距是描述投影中心到成像平面的距离，焦距的单位可以是物理距离也可以是像素距离，只需要保证与图像坐标系的描述一致即可。
相机外参数主要是描述相机相对于世界坐标系的位置，通常需要使用6个自由变量(三个位置变量和三个角度变量，位置变量描述相机在世界坐标系中的位置，角度变量描述相机的朝向)来描述。在摄影测量中，位置变量使用一个三维向量表示，角度变量使用欧拉角表示。
基于这些参数，采用光束平差法对射影空间下的多个相机运动矩阵及非编码元三维结构进行优化。光束平差法一般在各种重建算法的最后一步使用。光束平差法优化方法的最大特点是可以处理数据丢失情况并提供真正的最大似然估计。
步骤S340、加入外部地面控制点，对相机参数进行优化。
外部控制点是已知的真实坐标的地面控制点，通过真实坐标的地面控制点并采用最小二乘方法对相机内参数和和相机外参数进行精确化。
步骤S350、基于优化获取的相机参数，生成密集点云并对点云进行插值，生成栅格形式的数字表面模型。
步骤S360、根据获得的数字表面模型，对图像进行正射投影，生成正射图像。
以上两步为SFM算法对图像处理的成像过程，通过上述处理，得到图像所显示的画面。
步骤S400、将夜间灯光重建图像与标准卫星夜光影像进行数据配准融合，获得监测区域的最终夜光图像。
具体的，夜间灯光重建图像所获取的是通过航线轨迹粗略估计位置后的图像，该粗略位置的图像通过与标准卫星夜光影像进行数据配准融合可得到夜间灯光重建图像的准确位置，在配准融合过程中通过标准卫星夜光影像对夜间灯光重建图像的辐射信息进行定标，辐射信息定标是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标。本实施例中，将夜间灯光重建图像和标准卫星夜光影像进行辐射定标后进行融合，将两种图像融合在一起，各取所长，形成最终夜光图像。
优选实施例中，所述步骤S400具体包括以下步骤：
步骤S410、获取珞珈一号的标准卫星夜光影像。
步骤S420、根据初步定位信息与标准卫星夜光影像的定位信息进行分析得到靠近初步定位信息附近的标准卫星夜光影像。
步骤S430、对夜间灯光重建图像的辐射信息进行定标并将夜间灯光重建图像与标准卫星夜光影像进行数据配准融合。
步骤S440、根据数据配准融合后的图像获取监测区域的最终夜光图像。
具体方式中，预先获取标准的卫星夜光影像，标准的卫星夜光影像可以为珞珈一号的标准卫星夜光影像，根据初步定位信息与标准卫星夜光影像的定位信息进行分析得到靠近初步定位信息附近的标准卫星夜光影像，由于初步定位信息只是粗略的定位信息，其获取的图像的准确位置并不一定是卫星定位的准确位置，但初步定位位置坐标肯定与标准的卫星定位的位置坐标相差不大，因此在标准卫星夜光影像中分析获取初步定位位置的图像，从而得到靠近初步定位信息附近的标准卫星夜光影像，通过将夜间灯光重建图像与标准卫星夜光影像进行数据配准融合，融合是一种遥感数据的处理方法，目前有很多种融合算法可实现该功能，如Gram-Schmidt(基于Gram-Schmidt的图像融合方法)，NND，PCA等融合方法，均可以将不同光谱和分辨率的遥感影像融合在一起，各取所长，形成新的图像，通过得到拍摄的夜间灯光重建图像的具体位置，通过对夜间灯光重建图像的辐射信息进行定标，实现夜间灯光重建图像与标准卫星夜光影像进行数据配准融合得到更清晰的夜光图像，根据数据配准融合后的图像获取监测区域的最终夜光图像。
步骤S500、监测区域的最终夜光图像进行数据处理分析，获取夜间灯光遥感动态监测数据。
具体的，监测区域的最终夜光图像进行数据处理分析，获取夜间灯光遥感动态监测数据，动态监测数据包括夜间灯光的亮度、夜间灯光区域等方面数据，上述步骤获取的夜间灯光遥感数据具有3个波段，遥感影像具有的3个波段为RGB(红绿蓝)，获得RGB图像对于监测数据能够表达更加丰富的细节和色彩差异，而传统的卫星图为1波段，即展现的是黑图上的亮点，并没有监测区域图像的细节表现。
同时，运用现有的拍摄设备，如手机摄像头(普通手机摄像头的拍摄像素均为千万级)获得的监测区域的最终夜光图像的分辨率小于10米，比传统的卫星遥感数据的分辨率要高出10多倍。飞机航行中通过拍摄设备对监测区域进行连续拍摄，短时间生产序列的动态监测图，对区域发生的重大事件或异常变化进行提前的预警和监测，例如森林火灾、地质灾害等。
步骤S600、存储多组长时间序列的夜间灯光遥感动态监测数据，分析获取监测区域各项指标的年度变化规律。
具体的，对于固定监测区域，每次航班为一组数据，由于固定的航线以及航班，可以获取到全年的数据(除去极端天气影响)。对多组长时间序列的夜间灯光遥感动态监测数据进行存储后，用于对多组长时间序列的夜间灯光遥感数据进行分析，获取监测区域各项指标的年度变化规律，为后续发展政策的制定提供依据，例如：城市经济参数，光污染程度等。
步骤S700、将夜间灯光遥感动态监测数据和最终夜光图像传送给信息接收端。
具体的，将标记有监测信息的遥感图像传送给信息接收端，传送过程可以采用多种方式，如电子邮箱，蓝牙通讯，WIFI通讯等。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
如图3所示，本发明的另一个实施例所提供基于民航客机的地面灯光遥感监测系统，系统包括：设置在民航客机上并向下方拍摄的拍摄设备20、处理器10、存储器30，所述处理器10与存储器30和所述拍摄设备20通过通讯总线40实现通讯连接；
所述存储器存储有基于民航客机的地面灯光遥感监测程序，所述基于民航客机的地面灯光遥感监测的程序被所述处理器执行时实现如上文所述的基于民航客机的地面灯光遥感监测方法。
本发明基于民航客机的地面灯光遥感监测系统可通过带摄像头的手机(移动终端)实现，使用手机内置的CPU作为处理器，使用手机内置存储器作为系统的存储器，这样，只需将执行基于民航客机的地面灯光遥感监测方法的程序下载在手机中，手机在民航客机上使用时就可实现基于民航客机的地面灯光遥感监测系统，提高便携性，更加方便使用，且不需增加硬件成本。
本发明还提供一种存储介质，所述存储介质储存有用于实现如上文所述的基于民航客机的地面灯光遥感监测方法的程序。
从上述方案可以看出，本实施例提供了基于民航客机的地面灯光遥感监测方法、系统及存储介质，通过在飞机上对所需监测夜间发光区域进行多次对地拍摄，然后通过读取图像头文件以及查询航班轨迹，得到图像的初始位置。最后利用图像处理算法将多组照片进行处理，通过位置校准，图像数据融合生成一张具有地理信息的高质量夜间灯光遥感影像。通过对影像的数据分析来实现区域监测，无论是长时间序列监测还是短期的动态监测都能实现。该影像在灯光遥感监测应用方面具有非常高度的应用价值，特别是基于民航客机的地面灯光遥感监测系统具有结构简易、低成本、高精度、受环境影响小，时效性高的特点。解决传统的夜光遥感卫星监测过程中由于拍摄距离远，导致灯光遥感数据监测具有实效性差，灯光遥感影像分辨率低的问题。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (9)
1.基于民航客机的地面灯光遥感监测方法，其特征在于，包括步骤：
通过设置在民航客机平台上的拍摄设备获取地面的监测区域的夜间灯光图像；
获取夜间灯光图像对应的拍摄监测区域的初步定位信息；
通过SFM算法将监测区域的不同角度拍摄的夜间灯光图像处理为监测区域的夜间灯光重建图像；
获取标准卫星夜光影像并将夜间灯光重建图像与标准卫星夜光影像进行数据配准融合，获得监测区域的最终夜光图像；
对监测区域的最终夜光图像进行数据处理分析，获取夜间灯光遥感动态监测数据。
2.根据权利要求1所述基于民航客机的地面灯光遥感监测方法，其特征在于，所述通过设置在民航客机平台上的拍摄设备获取地面的监测区域的夜间灯光图像的步骤具体为：
通过设置在民航客机平台上的拍摄设备对所需监测区域进行多次对地拍摄或者录像，获取多张监测区域的夜间灯光的静态图像或动态图像。
3.根据权利要求2所述基于民航客机的地面灯光遥感监测方法，其特征在于，获取夜间灯光图像对应的拍摄监测区域的初步定位信息的具体步骤为：
读取图像头文件获取拍摄时间、拍摄设备焦距、传感器大小、拍摄设备的内部定位参数的相机参数；
查询飞行轨迹记录网站获取航班轨迹和起飞时间，通过航班起飞时间和拍摄时间进行计算后获取图像所拍摄监测区域的初始位置。
4.根据权利要求3所述基于民航客机的地面灯光遥感监测方法，其特征在于，所述通过SFM算法将监测区域的不同角度拍摄的夜间灯光图像处理为监测区域的夜间灯光重建图像的具体步骤为；
通过SIFT描述子处理每张图像，提取具有尺度和旋转不变形的特征点；
对每张图像提取的特征点在两张图片之间进行匹配；
基于光束平差法对相机参数进行初步解算；
加入外部地面控制点，对相机参数进行优化；
基于优化获取的相机参数，生成密集点云并对点云进行插值，生成栅格形式的数字表面模型；
根据获得的数字表面模型，对图像进行正射投影，生成正射图像。
5.根据权利要求4所述基于民航客机的地面灯光遥感监测方法，其特征在于，所述将夜间灯光重建图像与标准卫星夜光影像进行数据配准融合，获得监测区域的最终夜光图像的具体为：
获取珞珈一号的标准卫星夜光影像；
根据初步定位信息与标准卫星夜光影像的定位信息进行分析得到靠近初步定位信息附近的标准卫星夜光影像；
对夜间灯光重建图像的辐射信息进行定标并将夜间灯光重建图像与标准卫星夜光影像进行数据配准融合；
根据数据配准融合后的图像获取监测区域的最终夜光图像。
6.根据权利要求5所述基于民航客机的地面灯光遥感监测方法，其特征在于，所述对监测区域的最终夜光图像进行数据处理分析，获取夜间灯光遥感动态监测数据之后还包括步骤：
存储多组长时间序列的夜间灯光遥感动态监测数据，分析获取监测区域各项指标的年度变化规律。
7.根据权利要求6所述基于民航客机的地面灯光遥感监测方法，其特征在于，所述对监测区域的最终夜光图像进行数据处理分析，获取夜间灯光遥感动态监测数据之后还包括步骤：
将夜间灯光遥感动态监测数据和最终夜光图像传送给信息接收端。
8.一种基于民航客机的地面灯光遥感监测系统，其特征在于，包括：设置在民航客机上并向下方拍摄的拍摄设备、处理器、存储器，所述处理器与存储器和所述拍摄设备通过通讯总线实现通讯连接；
所述存储器存储有基于民航客机的地面灯光遥感监测程序，所述基于民航客机的地面灯光遥感监测的程序被所述处理器执行时实现如权利要求1-7任一所述的基于民航客机的地面灯光遥感监测方法。
9.一种存储介质，其特征在于，储存有用于实现如权利要求1-7任一所述的基于民航客机的地面灯光遥感监测方法的程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910781132.5A CN110675448B (zh) | 2019-08-21 | 2019-08-21 | 基于民航客机的地面灯光遥感监测方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910781132.5A CN110675448B (zh) | 2019-08-21 | 2019-08-21 | 基于民航客机的地面灯光遥感监测方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110675448A true CN110675448A (zh) | 2020-01-10 |
| CN110675448B CN110675448B (zh) | 2023-05-02 |
Family
ID=69075561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910781132.5A Active CN110675448B (zh) | 2019-08-21 | 2019-08-21 | 基于民航客机的地面灯光遥感监测方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110675448B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111639204A (zh) * | 2020-05-27 | 2020-09-08 | 皖西学院 | 一种基于遥感卫星的物联网定位系统 |
| CN111693025A (zh) * | 2020-06-12 | 2020-09-22 | 深圳大学 | 一种遥感影像数据生成方法、系统及设备 |
| CN112949540A (zh) * | 2021-03-16 | 2021-06-11 | 江苏海扬智慧物联研究院有限公司 | 基于卫星图片的路灯状态判定方法、装置、设备和介质 |
| CN114612788A (zh) * | 2022-03-22 | 2022-06-10 | 东北林业大学 | 基于神经网络的城市景观植物多样性监测方法 |
| CN114782255A (zh) * | 2022-06-16 | 2022-07-22 | 武汉大学 | 一种基于语义的夜光遥感影像高分辨率重建方法 |
| CN117972580A (zh) * | 2024-04-01 | 2024-05-03 | 广州市新航科技有限公司 | 一种航空障碍灯远程监控方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101052124A (zh) * | 2007-04-29 | 2007-10-10 | 戴宏 | 一种机动车、船夜视装置 |
| CN102607534A (zh) * | 2012-03-13 | 2012-07-25 | 上海交通大学 | 基于运动恢复结构的卫星相对姿态测量方法 |
| CN104318544A (zh) * | 2014-09-25 | 2015-01-28 | 中国水产科学研究院东海水产研究所 | 基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法 |
| CN104966298A (zh) * | 2015-06-17 | 2015-10-07 | 南京大学 | 一种基于微光云图数据的夜间低云大雾监测方法 |
| CN106683059A (zh) * | 2016-12-29 | 2017-05-17 | 中国科学院深圳先进技术研究院 | 夜间灯光数据序列构建方法及装置 |
| CN107145988A (zh) * | 2017-05-31 | 2017-09-08 | 北京天汇元气候科技有限公司 | 森林管理系统 |
| CN107368922A (zh) * | 2017-07-20 | 2017-11-21 | 华中师范大学 | 基于夜间灯光强度的城市住宅平均房价预估方法 |
| CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
| CN109828291A (zh) * | 2019-03-27 | 2019-05-31 | 中国科学院电子学研究所 | 一种有人机应急遥感监测的方法及装置 |
| CN109919875A (zh) * | 2019-03-08 | 2019-06-21 | 中国科学院遥感与数字地球研究所 | 一种高时频遥感图像特征辅助的居民地提取与分类方法 |
| WO2019143102A1 (ko) * | 2018-01-16 | 2019-07-25 | 강문식 | 태양광 발전 장치의 시뮬레이션 방법, 시스템 및 프로그램 |
-
2019
- 2019-08-21 CN CN201910781132.5A patent/CN110675448B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101052124A (zh) * | 2007-04-29 | 2007-10-10 | 戴宏 | 一种机动车、船夜视装置 |
| CN102607534A (zh) * | 2012-03-13 | 2012-07-25 | 上海交通大学 | 基于运动恢复结构的卫星相对姿态测量方法 |
| CN104318544A (zh) * | 2014-09-25 | 2015-01-28 | 中国水产科学研究院东海水产研究所 | 基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法 |
| CN104966298A (zh) * | 2015-06-17 | 2015-10-07 | 南京大学 | 一种基于微光云图数据的夜间低云大雾监测方法 |
| CN106683059A (zh) * | 2016-12-29 | 2017-05-17 | 中国科学院深圳先进技术研究院 | 夜间灯光数据序列构建方法及装置 |
| CN107145988A (zh) * | 2017-05-31 | 2017-09-08 | 北京天汇元气候科技有限公司 | 森林管理系统 |
| CN107368922A (zh) * | 2017-07-20 | 2017-11-21 | 华中师范大学 | 基于夜间灯光强度的城市住宅平均房价预估方法 |
| WO2019143102A1 (ko) * | 2018-01-16 | 2019-07-25 | 강문식 | 태양광 발전 장치의 시뮬레이션 방법, 시스템 및 프로그램 |
| CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
| CN109919875A (zh) * | 2019-03-08 | 2019-06-21 | 中国科学院遥感与数字地球研究所 | 一种高时频遥感图像特征辅助的居民地提取与分类方法 |
| CN109828291A (zh) * | 2019-03-27 | 2019-05-31 | 中国科学院电子学研究所 | 一种有人机应急遥感监测的方法及装置 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111639204A (zh) * | 2020-05-27 | 2020-09-08 | 皖西学院 | 一种基于遥感卫星的物联网定位系统 |
| CN111693025A (zh) * | 2020-06-12 | 2020-09-22 | 深圳大学 | 一种遥感影像数据生成方法、系统及设备 |
| CN111693025B (zh) * | 2020-06-12 | 2022-04-15 | 深圳大学 | 一种遥感影像数据生成方法、系统及设备 |
| CN112949540A (zh) * | 2021-03-16 | 2021-06-11 | 江苏海扬智慧物联研究院有限公司 | 基于卫星图片的路灯状态判定方法、装置、设备和介质 |
| CN114612788A (zh) * | 2022-03-22 | 2022-06-10 | 东北林业大学 | 基于神经网络的城市景观植物多样性监测方法 |
| CN114782255A (zh) * | 2022-06-16 | 2022-07-22 | 武汉大学 | 一种基于语义的夜光遥感影像高分辨率重建方法 |
| CN117972580A (zh) * | 2024-04-01 | 2024-05-03 | 广州市新航科技有限公司 | 一种航空障碍灯远程监控方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110675448B (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110675448B (zh) | 基于民航客机的地面灯光遥感监测方法、系统及存储介质 | |
| US9773301B2 (en) | Systems and methods for producing temperature accurate thermal images | |
| Lin et al. | Use of UAV oblique imaging for the detection of individual trees in residential environments | |
| Baltsavias et al. | High‐quality image matching and automated generation of 3D tree models | |
| TWI483215B (zh) | 根據相關３ｄ點雲端資料強化影像資料 | |
| US9294682B2 (en) | Information processing device, information processing method, and program for light source estimation | |
| WO2019100219A1 (zh) | 输出影像生成方法、设备及无人机 | |
| US11290705B2 (en) | Rendering augmented reality with occlusion | |
| CN115507959B (zh) | 一种用于目标检测的红外辐射特性分析方法 | |
| Deng et al. | The effect of spatial resolution on radiometric and geometric performances of a UAV-mounted hyperspectral 2D imager | |
| CN116754076B (zh) | 一种城市复杂三维场景高异质性地表温度的反演方法 | |
| CN114495416A (zh) | 基于无人机的火情监测方法、装置及终端设备 | |
| AU2014276325B2 (en) | Method and system for coordinating between image sensors | |
| CN110910379B (zh) | 一种残缺检测方法及装置 | |
| CN113256493B (zh) | 一种热红外遥感图像重建方法和装置 | |
| Liu et al. | High-spatial-resolution nighttime light dataset acquisition based on volunteered passenger aircraft remote sensing | |
| Öktem et al. | Stereophotogrammetry of oceanic clouds | |
| KR20220062709A (ko) | 모바일 디바이스 영상에 기반한 공간 정보 클러스터링에 의한 재난 상황 인지 시스템 및 방법 | |
| Baeck et al. | Drone based near real-time human detection with geographic localization | |
| CN116152471A (zh) | 基于视频流的厂区安全生产监管方法及其系统、电子设备 | |
| CN110617800A (zh) | 基于民航客机的应急遥感监测方法、系统及存储介质 | |
| CN111680659B (zh) | 国际空间站rgb夜间灯光图像的相对辐射归一化方法 | |
| US20230368357A1 (en) | Visibility measurement device | |
| CN114295108A (zh) | 一种其于外部设备及红外望远镜的测距方法及系统 | |
| CN114155290A (zh) | 一种用于大视场高速运动测量的系统与方法 |
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 |