CN110796641A - 基于连续快照模型的高分辨率卫星影像震颤检测方法 - Google Patents

基于连续快照模型的高分辨率卫星影像震颤检测方法 Download PDF

Info

Publication number
CN110796641A
CN110796641A CN201910950405.4A CN201910950405A CN110796641A CN 110796641 A CN110796641 A CN 110796641A CN 201910950405 A CN201910950405 A CN 201910950405A CN 110796641 A CN110796641 A CN 110796641A
Authority
CN
China
Prior art keywords
tremor
image
model
continuous
curve
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
Application number
CN201910950405.4A
Other languages
English (en)
Other versions
CN110796641B (zh
Inventor
潘俊
叶果
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201910950405.4A priority Critical patent/CN110796641B/zh
Publication of CN110796641A publication Critical patent/CN110796641A/zh
Priority to US17/024,678 priority patent/US11210766B2/en
Application granted granted Critical
Publication of CN110796641B publication Critical patent/CN110796641B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20004—Adaptive image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于连续快照模型的高分辨率卫星影像震颤检测方法，包括步骤：多光谱图像相邻波段间子像素级匹配，得到视差图像；定义积分转换函数，建立视差图像与震颤曲线之间的关系式；构建连续快照模型，采取更密集的采样策略；定义采样误差函数，从而确定连续快照模型的细分级数；反馈具化的连续快照模型到积分转换函数；由细化的积分转换函数拟合出震颤曲线，得到检测结果。本发明适用于高分辨率卫星影像的震颤检测，充分结合了像方空间与物方空间，整体效应与即时效应，并提供了一种更密集的采样策略以充分反映卫星的连续推扫模式，以透彻地解剖震颤给TDI CCD的成像过程造成的影响，进而实现对震颤曲线的准确估计。

Description

基于连续快照模型的高分辨率卫星影像震颤检测方法
技术领域
本发明属于遥感图像处理与分析领域，涉及一种高分辨率卫星影像的震颤检测方法。
背景技术
TDI CCD(time delay integration charge-coupled device)通过时间延迟积分技术增加光通量，提高相机的灵敏度和信噪比，是高分辨率星载光学成像系统的主流传感器。因其成像时特殊的积分特性，TDI CCD很容易受到卫星震颤的影响，导致产生的影像存在不同程度的退化。然而受震颤检测精度的限制，TDI CCD退化影像的复原也难以达到满意的效果，因此以提升震颤检测准确性为目标展开研究十分必要。
目前已有的震颤检测方法包括直接和间接两种方式。直接方式主要依靠高灵敏度的角度传感器来收集卫星角位移、速度和加速度数据。这种方式对设备的精度要求很高，在实践中较难实现。更常用的间接方式则主要是根据配准获取的视差图像来分析震颤曲线，其中离散化处理卫星的连续推扫成像过程是一个重要环节。由于采样间隔较大，传统方法在实现离散化处理时会引入较大的计算误差，而且这些已有方法大多仅关注地物在像方空间的整体像移，却忽视了震颤在物方空间的瞬时变化，致使成像过程的分析不透彻，所以震颤检测的精度难以满足要求。本发明针对该问题，提出了基于连续快照模型的高分辨率卫星影像震颤检测方法，从TDI CCD成像原理着手，将震颤偏移量从像方空间映射到物方空间，将整体效应分解为即时效应，同时在离散化计算时提供了一种更密集的采样策略以充分反映卫星的连续推扫模式，从而实现对震颤曲线的准确估计。
发明内容
针对现有方法存在的问题，本发明提出了一种基于连续快照模型的高分辨率卫星影像震颤检测方法。该方法充分考虑到TDI CCD成像的积分特性，根据成像过程中卫星的连续推扫模式提出了更密集的采样方案，并将像方空间和物方空间结合起来，提升了卫星影像震颤检测的准确性。
本发明采用如下技术方案：
基于连续快照模型的高分辨率卫星影像震颤检测方法，包括以下步骤：
步骤1，基于相关系数和最小二乘算法，在多光谱图像相邻波段间进行子像素级匹配，得到垂轨和沿轨方向上波段间的视差图像；
步骤2，定义积分转换函数，建立视差图像与震颤曲线之间的关系式，使震颤偏移量从像方空间映射到物方空间；
步骤3，根据积分转换函数，构建连续快照模型，采取密集的采样策略处理卫星的推扫成像过程；
步骤4，定义采样误差函数，由此确定连续快照模型的细分级数，得到具化的模型；
步骤5，将具化的连续快照模型反馈到积分转换函数，得到细化的积分转换函数；
步骤6，细化的积分转换函数作用于步骤1产生的视差图像，从而拟合出震颤曲线，得到检测结果。
而且，所述步骤2包括以下子步骤，
步骤2.1，设N为TDI CCD的积分级数，震颤曲线为ε(t)，将成像时间等间隔划分为N个区间，T为每个区间大小，各区间端点对应TDI CCD曝光时刻，根据TDI CCD成像的积分特性，累计端点处的震颤量至成像结束时刻输出，以第i行图像为例，得到像方空间震颤E(i)的表达式，
Figure BDA0002225606620000021
步骤2.2，设L为多光谱图像中两波段同名点之间的行间隔数，那么同在像方空间中的视差图像J(i)与震颤E(i)的关系式为，
J(i)＝E(i+L)-E(i)
步骤2.3，根据步骤2.1和2.2，以像方空间的震颤E(i)作为桥梁，将像方空间的视差图像J(i)映射到物方空间的震颤曲线ε(t)，得到积分转换函数，
Figure BDA0002225606620000022
而且，所述步骤3包括以下子步骤，
步骤3.1，设A是振幅，Tj是震颤曲线的周期，θ是初相位，震颤曲线表达式为，
Figure BDA0002225606620000023
将其代入步骤2.1积分转换函数所述的像方空间震颤E(i)的表达式，得到，
Figure BDA0002225606620000031
步骤3.2，对已划分的N个区间进行再划分，设m为子区间的数量，采样在震颤曲线子区间的端点处进行，同步骤3.1一样，进行震颤量的累加输出，从而构建连续快照模型，
其中m又称为连续快照模型的细分级数。
而且，所述步骤4通过采样误差函数确定连续快照模型细分级数的实现方式如下，
以成像时间在区间(0,Tr)内的行为例，该行由连续快照模型描述的像方空间震颤S(m)为，
Figure BDA0002225606620000033
设C为卫星推扫后实际震颤的输出结果，那么，
Figure BDA0002225606620000034
采样误差函数定义为S(m)与C之间的相对误差，
Figure BDA0002225606620000035
根据采样误差函数可以分析出让误差减小到平稳状态时连续快照模型的细分级数，从而确定具化的模型。
而且，所述步骤5将连续快照模型反馈到积分转换函数中的实现方式如下，
将步骤3.2已确定细分级数的连续快照模型代入到步骤2.2描述的转换过程，得到细化的积分转换函数，
Figure BDA0002225606620000041
与现有技术相比，本发明具有如下特点：
本发明适用于高分辨率卫星影像的震颤检测。与传统方法相比，本发明建立了震颤偏移量在像方空间与物方空间之间的映射关系，将震颤从卫星影像的整体像移分解为实时成像过程中的即时偏移量，明确了时变震颤在不同时刻的变化情况，同时，通过对TDICCD成像过程更细致的划分，反映了卫星的连续推扫过程，克服了传统方法关于离散化处理TDI CCD曝光时间上的不足，使得震颤检测的准确性得以提高。
附图说明
图1为本发明实施例的流程图。
图2为本发明实施例步骤4中采样误差与连续快照模型细分级数的关系图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步说明。
图1表示的是基于连续快照模型的高分辨率卫星影像震颤检测方法流程图，以下针对实施例流程中的各步骤，对本发明方法做进一步详细描述。
步骤1，基于相关系数和最小二乘算法，在多光谱图像相邻波段间进行子像素级匹配，得到垂轨和沿轨方向上波段间的视差图像；
由于TDI CCD的构造，各波段在焦平面上平行排列，设L为两相邻波段同名点所在行的间隔数，对两波段上间隔L的行先通过相关系数进行粗匹配，再采取最小二乘算法，实现子像素级匹配。分别沿图像长宽方向，即TDI CCD沿轨与垂轨方向，在各个像素处记录匹配到的同名点之间的坐标差。对于未匹配到同名点的像素赋以极大的无效值，如9999，从而得到两个波段间的视差图像J(i)，其中i表示行数；
步骤2，定义积分转换函数，建立视差图像与震颤曲线之间的关系式，使震颤偏移量从像方空间映射到物方空间；
该步骤进一步包括如下子步骤：
步骤2.1，建立像方空间震颤的表达式。考虑到图像每行成像过程相同，震颤对行内各像素的影响一致，于是将每行图像视作为整体进行分析。TDI CCD成像具有独特的积分特性，它在各个曝光时刻不仅通过光电转换产生光生电荷包，还伴随着光生电荷包的转移与累积，所以像方空间里，震颤在图像中的体现是通过物方空间中由震颤曲线描述的时变偏移量叠加累积而产生的。传统方法以TDI CCD的积分级数作为单行图像成像过程中的曝光次数，并只在曝光时刻考虑震颤的累加。以图像第i行为例，假设N表示TDI CCD的积分级数，T表示单次曝光需要的时间，ε(t)表示描述物方空间中震颤偏移量随时间变化关系的震颤曲线。将成像时间等间隔划分为N个区间，各区间端点对应曝光时刻。震颤经TDI CCD累积k+1(k＝1,2,...,N-1)次后，输出为像方空间中该处像素的整体偏移E(i)，即像方空间的震颤，由下式表示：
Figure BDA0002225606620000051
步骤2.2，建立视差图像与像方空间震颤之间的关系。步骤1得到的视差图像是通过计算两相邻波段同名点的坐标差产生的，由于TDI CCD的排列方式导致波段间存在固有行间隔数L，所以两波段上对应行的成像时间也相距L倍行成像间隔时间，因此视差图像J(i)与像方空间的震颤E(i)存在如下关系：
J(i)＝E(i+L)-E(i) (2)
步骤2.3，将步骤2.1中阐述像方空间震颤与震颤曲线关系的公式(1)带入步骤2.2中阐述视差图像与像方空间震颤关系的公式(2)，关联上像方空间的视差图像与物方空间的震颤曲线，从而得到用于刻画视差图像J(i)和震颤曲线ε(t)关系式的积分转换函数：
积分转换函数将震颤从像方空间映射到物方空间，由震颤引起的像移也从图像中的直观偏移量分解为实时成像过程中的变化量，因此整个成像过程中各时刻具体的震颤干扰以定量的方式被提取出来，计算输出的震颤量也更加准确，进而有助于提高震颤检测的精度。
步骤3，根据积分转换函数，构建连续快照模型，采取更密集的采样策略处理卫星的推扫成像过程；
该步骤进一步包括如下子步骤：
步骤3.1，引入震颤曲线ε(t)，确定像方空间的震颤E(i)的具体表达式。震颤曲线通常由正弦函数表示：
Figure BDA0002225606620000061
其中，t是时间，A是振幅，Tj是震颤曲线的周期，θ是初相位。在步骤2构建积分转换函数时，基于TDI CCD成像的积分特性，阐释了像方空间的震颤与震颤曲线之间的关系。已知公式(4)描述的震颤曲线表达式，将其代入步骤2.1积分转换过程中由公式(1)表示的像方空间震颤E(i)，得到：
Figure BDA0002225606620000062
步骤3.2，上述步骤沿用的传统成像划分方法已经将单行图像的成像时间等间隔划分为N个区间，其中N为TDI CCD的积分级数。考虑到在卫星的连续推扫过程中，震颤的作用是持续不断的，为了避免传统方法所采取的离散化方式忽略掉震颤曲线上某些重要的急剧变化点，根据卫星的连续推扫模式，本文通过更密集的采样策略构建连续快照模型，让成像过程中持续作用的震颤参与计算，以减小由离散化计算方式引起的误差。设连续快照模型中细分级数为m，在已划分区间的基础上进行子区间划分，子区间的数量等于m。采样点选择在震颤曲线各子区间的端点处，对应震颤的累加。根据公式(5)，引入此种密集采样策略后，连续快照模型的表达式如下：
Figure BDA0002225606620000063
连续快照模型采取的离散化方式使得采样间隔更密集，在其细分级数尽可能大，子区间数量尽可能多的情况下，震颤曲线中时变的偏移量都能参与作用，于是离散逼近连续，该方法可以模拟卫星的连续推扫过程。
步骤4，定义采样误差函数，由此确定连续快照模型的细分级数，得到具化的模型；
理论上连续快照模型中细分级数的数量越多，震颤的离散化计算结果越接近于连续推扫后的输出，因采样方式带来的偏差越小，但这样的计算方式仍然不可避免的会存在一定的误差。考虑到运算的效率与工作量，从计算误差着手，定义采样误差函数，用以评估因连续快照模型的离散化处理方式导致的计算结果与真实成像输出之间的偏差，从而确定出模型中最优的细分级数。
设图像一行的成像时间为Tr，那么Tr＝NT，其中N是TDI CCD的积分级数，T是其单级积分时间。由于图像每一行的成像过程相同，以成像时间在区间(0,Tr)内的行为例，按照步骤3.2连续快照模型的公式(6)进行计算，震颤导致该行的图像像移S(m)，由下式表示：
Figure BDA0002225606620000071
设C为卫星推扫过程中因震颤的持续作用导致该行图像的实际像移，由下式表示：
设震颤分别经连续快照模型的离散化处理，以及实际成像时TDI CCD的连续累计过程之后，两者的相对误差为σ(m)，定义采样误差函数为：
Figure BDA0002225606620000073
采样误差函数显示，连续快照模型中细分级数m越大，由模型离散化方式引起的计算误差越小。在固定时间比例
Figure BDA0002225606620000074
和TDI CCD的积分级数N的情况下，连续快照模型中的细分级数与采样误差之间的具体关系，如附图2所示。其中，横轴代表连续快照模型的细分级数，纵轴代表采样误差，time ratio表示时间比例
Figure BDA0002225606620000075
N表示TDI CCD的积分级数，附图2(a)中N设置为4，附图2(b)中设置为2。由图可见，随着连续快照模型的细分级数变大，采样误差减小，而且不管和N取何值，在连续快照模型的细分级数趋近于10时，采样误差都趋于平缓，所以将10作为连续快照模型的积分级数是合理的，由此便确定了具化的模型。
步骤5，将具化的连续快照模型反馈到积分转换函数，得到细化的积分转换函数；
为了准确描述视差图像J(i)与震颤曲线参数，即振幅A，周期Tj，以及初相位θ之间的具体关系，根据积分转换函数确定连续快照模型的细分级数后，将步骤3.2中表达式(6)描述的具化模型，反馈到步骤2.2中由公式(2)描述的转换过程，得到更加精细的积分转换函数：
Figure BDA0002225606620000082
依靠提供密集采样策略的连续快照模型，得以细化积分转换函数，凭借积分转换函数联系像方空间与物方空间，得以确定连续快照模型的细分级数，连续快照模型与积分转换函数两者相辅相成，共同作用提取出了成像时间段内震颤的干扰量，使得离散化的计算结果无限逼近于真实情况下卫星的连续推扫输出，从而减少像方空间到物方空间转换过程中因计算带来的误差。
步骤6，在步骤5中，细化的积分转换函数描述了视差图像J(i)与震颤曲线参数，即振幅A，周期Tj，以及初相位θ之间的关系，将由公式(10)表示的该函数作用于步骤1产生的视差图像，根据最小二乘原理，拟合出震颤曲线的参数，从而得到检测结果。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (5)

1.基于连续快照模型的高分辨率卫星影像震颤检测方法，对震颤引起的图像畸变进行检测，其特征在于，包括如下步骤：
步骤1，基于相关系数和最小二乘算法，在多光谱图像相邻波段间进行子像素级匹配，得到垂轨和沿轨方向上波段间的视差图像；
步骤2，定义积分转换函数，建立视差图像与震颤曲线之间的关系式，使震颤偏移量从像方空间映射到物方空间；
步骤3，根据积分转换函数，构建连续快照模型，采取密集的采样策略处理卫星的推扫成像过程；
步骤4，定义采样误差函数，由此确定连续快照模型的细分级数，得到具化的模型；
步骤5，将具化的连续快照模型反馈到积分转换函数，得到细化的积分转换函数；
步骤6，细化的积分转换函数作用于步骤1产生的视差图像，从而拟合出震颤曲线，得到检测结果。
2.如权利要求1所述的基于连续快照模型的高分辨率卫星影像震颤检测方法，其特征在于：所述步骤2包括以下子步骤，
步骤2.1，设N为TDI CCD的积分级数，震颤曲线为ε(t)，即描述物方空间中震颤偏移量随时间变化关系的震颤曲线，t是时间，将成像时间等间隔划分为N个区间，T为每个区间大小，各区间端点对应TDI CCD曝光时刻，根据TDI CCD成像的积分特性，累计端点处的震颤量至成像结束时刻输出，以第i行图像为例，得到像方空间震颤E(i)的表达式，
Figure FDA0002225606610000011
步骤2.2，设L为多光谱图像中两波段同名点之间的行间隔数，那么同在像方空间中的视差图像J(i)与震颤E(i)的关系式为，
J(i)＝E(i+L)-E(i)
其中k表示震颤经TDI CCD累积的次数；
步骤2.3，根据步骤2.1和2.2，以像方空间的震颤E(i)作为桥梁，将像方空间的视差图像J(i)映射到物方空间的震颤曲线ε(t)，得到积分转换函数，
Figure FDA0002225606610000021
3.如权利要求2所述的基于连续快照模型的高分辨率卫星影像震颤检测方法，其特征在于：所述步骤3包括以下子步骤，
步骤3.1，设A是振幅，Tj是震颤曲线的周期，θ是初相位，t是时间，震颤曲线表达式为，
Figure FDA0002225606610000022
将其代入步骤2.1积分转换函数所述的像方空间震颤E(i)的表达式，得到，
步骤3.2，对已划分的N个区间进行再划分，设m为子区间的数量，采样在震颤曲线子区间的端点处进行，同步骤3.1一样，进行震颤量的累加输出，从而构建连续快照模型，
Figure FDA0002225606610000024
其中m又称为连续快照模型的细分级数。
4.如权利要求3所述的基于连续快照模型的高分辨率卫星影像震颤检测方法，其特征在于：步骤4定义了采样误差函数，用于衡量连续快照模型的离散化结果与真实情况下卫星推扫输出之间的偏差，从而确定模型中的细分级数，实现方法如下，
以成像时间在区间(0,Tr)内的行为例，该行由连续快照模型描述的像方空间震颤S(m)为，
设C为卫星推扫后实际震颤的输出结果，那么，
Figure FDA0002225606610000032
采样误差函数定义为S(m)与C之间的相对误差，
Figure FDA0002225606610000033
根据采样误差函数分析出让误差减小到平稳状态时连续快照模型的细分级数，从而确定具化的模型。
5.如权利要求4所述的基于连续快照模型的高分辨率卫星影像震颤检测方法，其特征在于：步骤5中将连续快照模型反馈到积分转换函数中的实现方式如下，
为了准确描述视差图像J(i)与震颤曲线参数，即振幅A，周期Tj，以及初相位θ之间的具体关系，将步骤3.2已确定细分级数的连续快照模型代入到步骤2.2描述的转换过程，得到细化的积分转换函数，
Figure FDA0002225606610000034
其中，i表示图像的行数。
CN201910950405.4A 2019-10-08 2019-10-08 基于连续快照模型的高分辨率卫星影像震颤检测方法 Active CN110796641B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910950405.4A CN110796641B (zh) 2019-10-08 2019-10-08 基于连续快照模型的高分辨率卫星影像震颤检测方法
US17/024,678 US11210766B2 (en) 2019-10-08 2020-09-17 Method of jitter detection and image restoration for high-resolution TDI CCD satellite images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910950405.4A CN110796641B (zh) 2019-10-08 2019-10-08 基于连续快照模型的高分辨率卫星影像震颤检测方法

Publications (2)

Publication Number Publication Date
CN110796641A true CN110796641A (zh) 2020-02-14
CN110796641B CN110796641B (zh) 2022-02-01

Family

ID=69438931

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910950405.4A Active CN110796641B (zh) 2019-10-08 2019-10-08 基于连续快照模型的高分辨率卫星影像震颤检测方法

Country Status (2)

Country Link
US (1) US11210766B2 (zh)
CN (1) CN110796641B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111787244A (zh) * 2020-07-15 2020-10-16 吉林大学 一种航天tdi沿轨推扫像移混叠抑制方法
CN114170192A (zh) * 2021-12-10 2022-03-11 武汉工程大学 星载光学相机焦面震颤精细检测方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113534143B (zh) * 2021-07-16 2022-03-25 中国人民解放军国防科技大学 基于地球同步轨道合成孔径雷达的高程空变误差补偿方法
CN117475087B (zh) * 2023-12-22 2024-04-26 武汉工程大学 一种星载tdi ccd影像震颤成像畸变建模方法及装置
CN118134837B (zh) * 2024-01-05 2024-09-20 武汉工程大学 基于非共线ccd的遥感卫星多频震颤检测与建模方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103778612A (zh) * 2014-02-13 2014-05-07 同济大学 一种基于全色影像的卫星颤振探测与补偿方法
CN103791899A (zh) * 2014-02-14 2014-05-14 同济大学 一种基于成像传感器视差的卫星姿态颤振探测方法
CN103983343A (zh) * 2014-05-29 2014-08-13 武汉大学 一种基于多光谱影像的卫星平台震颤检测方法及系统
CN106959454A (zh) * 2017-03-20 2017-07-18 上海航天控制技术研究所 一种基于数字域tdi及连续复线阵成像模式的颤振反演方法
CN107301628A (zh) * 2017-06-27 2017-10-27 武汉大学 基于震颤像移轨迹的卫星平台震颤影像去模糊方法
CN107966137A (zh) * 2017-11-22 2018-04-27 安徽农业大学 一种基于tdiccd拼接区图像的卫星平台颤振探测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7505604B2 (en) * 2002-05-20 2009-03-17 Simmonds Precision Prodcuts, Inc. Method for detection and recognition of fog presence within an aircraft compartment using video images
CN104536293B (zh) * 2014-12-09 2017-02-01 北京航空航天大学 一种星间相对运动误差消除方法
EP3182164B1 (en) * 2015-12-15 2018-07-04 Airbus Defence and Space GmbH Noise distribution shaping for signals, particularly cdma signals, with mitigation of artifact signals
JP6593879B2 (ja) * 2016-03-24 2019-10-23 日本電気株式会社 衛星測位システム、測位端末、測位方法、及びプログラム
US10694479B2 (en) * 2017-12-26 2020-06-23 Hughes Nerwork Systems, LLC Timing synchronization with a modified DVB-S2X waveform for a beam hopping satellite

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103778612A (zh) * 2014-02-13 2014-05-07 同济大学 一种基于全色影像的卫星颤振探测与补偿方法
CN103791899A (zh) * 2014-02-14 2014-05-14 同济大学 一种基于成像传感器视差的卫星姿态颤振探测方法
CN103983343A (zh) * 2014-05-29 2014-08-13 武汉大学 一种基于多光谱影像的卫星平台震颤检测方法及系统
CN106959454A (zh) * 2017-03-20 2017-07-18 上海航天控制技术研究所 一种基于数字域tdi及连续复线阵成像模式的颤振反演方法
CN107301628A (zh) * 2017-06-27 2017-10-27 武汉大学 基于震颤像移轨迹的卫星平台震颤影像去模糊方法
CN107966137A (zh) * 2017-11-22 2018-04-27 安徽农业大学 一种基于tdiccd拼接区图像的卫星平台颤振探测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
JUN PAN等: "Satellite Jitter Estimation and Validation Using Parallax Images", 《SENSORS》 *
MARIIA SIDOROVA等: "Intrinsic Jitter in Photon Detection by Straight Superconducting Nanowires", 《IEEE TRANSACTIONS ON APPLIED SUPERCONDUCTIVITY》 *
YING ZHU等: "An Improved Jitter Detection Method Based on Parallax Observation of Multispectral Sensors for Gaofen-1 02/03/04 Satellites", 《REMOTE SENSING》 *
朱映等: "利用多光谱影像检测资源三号卫星平台震颤", 《测绘学报》 *
胡堃等: "基于高频角位移数据的卫星平台颤振检测与影像几何质量补偿", 《电子与信息学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111787244A (zh) * 2020-07-15 2020-10-16 吉林大学 一种航天tdi沿轨推扫像移混叠抑制方法
CN114170192A (zh) * 2021-12-10 2022-03-11 武汉工程大学 星载光学相机焦面震颤精细检测方法

Also Published As

Publication number Publication date
US20210104022A1 (en) 2021-04-08
US11210766B2 (en) 2021-12-28
CN110796641B (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
CN110796641B (zh) 基于连续快照模型的高分辨率卫星影像震颤检测方法
CN101263511B (zh) 使用图像重采样的手指传感器设备和相关方法
CN100504288C (zh) 一种基于多源图像融合的物体几何尺寸测量装置及方法
CN111288967A (zh) 一种基于机器视觉的远距离高精度位移检测方法
CN104219464B (zh) 一种采样位置自适应调整的ccd视频信号处理系统
CN103115614A (zh) 多源多轨长条带卫星遥感影像联合并行匹配方法
CN114170192A (zh) 星载光学相机焦面震颤精细检测方法
CN113359143B (zh) 飞行时间传感器像素电路及其工作方法
CN106791405B (zh) 一种获取亚像素位移序列图像的方法及系统
CN110018529A (zh) 降雨测量方法、装置、计算机设备和存储介质
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
CN114359486A (zh) 基于计算机视觉的桥梁健康云监测系统
JP2008216127A (ja) 距離画像生成装置、距離画像生成方法及びプログラム
KR20130082045A (ko) 이미지 센서, 이미지 센싱 방법, 그리고 이미지 센서를 포함하는 이미지 촬영 장치
CN103248838A (zh) 基于数字域tdi算法的cmos相机图像调偏流方法
Pan et al. Jitter detection and image restoration based on continue dynamic shooting model for high-resolution TDI CCD satellite images
CN110969576B (zh) 一种基于路侧ptz相机的高速公路路面图像拼接方法
JP7100144B2 (ja) 合成処理システム、合成処理装置、及び合成処理方法
Wang et al. Use of digital cameras for pavement surface distress survey
KR20060018910A (ko) 구조물 감시, 진단을 위한 이미지 프로세싱에 기반한구조물의 정적영상변위계측시스템
CN103646390B (zh) 基于多层次图像定位的图像处理系统和方法
JPH10512953A (ja) 光学的なレンジ及び速度検出システム
CN113570523A (zh) 针对光学图像的相对辐射校正系数自动生成和外推方法
US20100020099A1 (en) Mapping electrical crosstalk in pixelated sensor arrays
CN113160312B (zh) 一种卫星线阵影像rpc模型定位方法

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