CN110807730B - 影像几何纠正方法、装置及电子设备 - Google Patents

影像几何纠正方法、装置及电子设备 Download PDF

Info

Publication number
CN110807730B
CN110807730B CN202010015882.4A CN202010015882A CN110807730B CN 110807730 B CN110807730 B CN 110807730B CN 202010015882 A CN202010015882 A CN 202010015882A CN 110807730 B CN110807730 B CN 110807730B
Authority
CN
China
Prior art keywords
image
area
corrected
target
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
Application number
CN202010015882.4A
Other languages
English (en)
Other versions
CN110807730A (zh
Inventor
葛慧斌
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.)
Aerospace Hongtu Information Technology Co Ltd
Original Assignee
Beijing Piesat Information Technology Co ltd
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 Beijing Piesat Information Technology Co ltd filed Critical Beijing Piesat Information Technology Co ltd
Priority to CN202010015882.4A priority Critical patent/CN110807730B/zh
Publication of CN110807730A publication Critical patent/CN110807730A/zh
Application granted granted Critical
Publication of CN110807730B publication Critical patent/CN110807730B/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
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (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)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种影像几何纠正方法、装置及电子设备，涉及图像处理技术领域，该方法包括：对待纠正影像和待纠正影像对应区域的基准影像进行同名点匹配，得到匹配成功的控制点对；按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域；其中，目标区域为基准影像中与待纠正影像的地理范围相对应的区域；根据控制点对，确定各方格区域的中心点与待纠正影像中的对应像素点之间的位置对应关系；根据该位置对应关系和目标区域中的每个像素点与各方格区域之间的位置关系，对待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像。与现有技术中的基于不规则三角网的几何纠正方式相比，这种方式提高了纠正精度。

Description

影像几何纠正方法、装置及电子设备
技术领域
本发明涉及图像处理技术领域，尤其是涉及一种影像几何纠正方法、装置及电子设备。
背景技术
影像几何纠正是指从具有几何变形（几何畸变）的影像中消除几何变形的过程。
现有的影像几何纠正方法通常是在自动匹配完控制点后，利用匹配的控制点对构建不规则三角网来做三角网的小面元局部纠正。这种影像几何纠正方法中，一旦有一个控制点对是错误的，那么会导致由该控制点对所组成的多个三角形区域的几何纠正不准确，从而使得纠正精度较低。
发明内容
本发明的目的在于提供一种影像几何纠正方法、装置及电子设备，以提高纠正精度。
本发明实施例提供了一种影像几何纠正方法，包括：
对待纠正影像和所述待纠正影像对应区域的基准影像进行同名点匹配，得到匹配成功的控制点对；
按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域；其中，所述目标区域为所述基准影像中与所述待纠正影像的地理范围相对应的区域；
根据所述控制点对，确定各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系；
根据所述位置对应关系和所述目标区域中的每个像素点与各所述方格区域之间的位置关系，对所述待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像。
进一步地，在所述按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域之前，所述方法还包括：
根据所述控制点对的地理坐标、所述待纠正影像中四个顶点处的地理坐标和预设的坐标变换模型，确定所述目标区域；其中，所述坐标变换模型用于表征所述待纠正影像与所述基准影像之间的地理位置变换关系。
进一步地，所述坐标变换模型包括二次多项式模型；所述根据所述控制点对的地理坐标、所述待纠正影像中四个顶点处的地理坐标和预设的坐标变换模型，确定所述目标区域，包括：
将所述控制点对的地理坐标带入所述二次多项式模型中，求解得到所述二次多项式模型中的二次多项式参数；
将所述待纠正影像中四个顶点处的地理坐标和所述二次多项式参数带入所述二次多项式模型中，求解得到四个第一地理坐标；
将所述基准影像中由所述四个第一地理坐标所围成的区域确定为所述目标区域。
进一步地，所述根据所述控制点对，确定各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系，包括：
基于所述控制点对，分别在所述待纠正影像和所述基准影像中构建不规则三角网，使得所述待纠正影像被划分成多个第一三角形区域，所述基准影像被划分成多个第二三角形区域；
确定每个所述第二三角形区域对应的坐标对应关系；其中，所述第二三角形区域对应的坐标对应关系为所述第二三角形区域中的各像素点与对应的所述第一三角形区域中的各像素点之间的地理坐标对应关系；
根据各所述第二三角形区域对应的坐标对应关系和每个所述方格区域与各所述第二三角形区域之间的位置关系，确定各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系。
进一步地，所述确定每个所述第二三角形区域对应的坐标对应关系，包括：
对每个所述第二三角形区域均进行如下处理：将该第二三角形区域对应的三个控制点对的地理坐标带入预设的初始仿射变换模型中，求解得到所述初始仿射变换模型中的仿射变换参数；将所述仿射变换参数带入所述初始仿射变换模型中，得到目标仿射变换模型；将所述目标仿射变换模型确定为该第二三角形区域对应的坐标对应关系；
所述根据各所述第二三角形区域对应的坐标对应关系和每个所述方格区域与各所述第二三角形区域之间的位置关系，确定各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系，包括：
遍历各所述方格区域；
对于遍历到的当前方格区域，从各所述第二三角形区域中确定所述当前方格区域的中心点所处的目标三角形区域；根据所述当前方格区域的中心点的地理坐标和所述目标三角形区域对应的坐标对应关系，确定所述待纠正影像中与所述当前方格区域的中心点对应的第二地理坐标；
直至遍历完各所述方格区域，得到每个所述方格区域的中心点对应的第二地理坐标；
根据各所述方格区域的中心点对应的第二地理坐标，生成各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系。
进一步地，所述根据所述位置对应关系和所述目标区域中的每个像素点与各所述方格区域之间的位置关系，对所述待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像，包括：
遍历所述目标区域中的各像素点；
对于遍历到的当前像素点，从各所述方格区域中选取与所述当前像素点所在的方格区域相邻的四个目标方格区域；根据所述位置对应关系，确定每个所述目标方格区域对应的像素坐标信息，所述目标方格区域对应的像素坐标信息包括所述目标方格区域的中心点的像素坐标和所述待纠正影像中与所述目标方格区域的中心点对应的像素坐标；采用线性插值算法根据各所述目标方格区域对应的坐标信息和所述当前像素点的像素坐标，确定所述待纠正影像中与所述当前像素点对应的目标像素坐标；获取所述待纠正影像中所述目标像素坐标处的目标像素值；将所述当前像素点的像素值替换为所述目标像素值；
直至遍历完所述目标区域中的各像素点，得到像素值替换后的目标区域；
将所述像素值替换后的目标区域确定为纠正后的目标影像。
进一步地，所述获取所述待纠正影像中所述目标像素坐标处的目标像素值，包括：
当所述目标像素坐标包括小数时，获取所述待纠正影像中与所述目标像素坐标相邻的参考像素点；
根据所述参考像素点的灰度值，采用双线性插值法确定所述待纠正影像中所述目标像素坐标处的目标像素值。
本发明实施例还提供了一种影像几何纠正装置，包括：
匹配模块，用于对待纠正影像和所述待纠正影像对应区域的基准影像进行同名点匹配，得到匹配成功的控制点对；
切分模块，用于按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域；其中，所述目标区域为所述基准影像中与所述待纠正影像的地理范围相对应的区域；
关系确定模块，用于根据所述控制点对，确定各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系；
纠正模块，用于根据所述位置对应关系和所述目标区域中的每个像素点与各所述方格区域之间的位置关系，对所述待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像。
本发明实施例还提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的影像几何纠正方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的影像几何纠正方法。
本发明实施例提供的影像几何纠正方法、装置及电子设备中，该方法包括：对待纠正影像和待纠正影像对应区域的基准影像进行同名点匹配，得到匹配成功的控制点对；按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域；其中，目标区域为基准影像中与待纠正影像的地理范围相对应的区域；根据控制点对，确定各方格区域的中心点与待纠正影像中的对应像素点之间的位置对应关系；根据该位置对应关系和目标区域中的每个像素点与各方格区域之间的位置关系，对待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像。这种方式在对待纠正影像进行几何纠正时，考虑到了目标区域中的每个像素点与切分得到的各方格区域之间的位置关系，且采用了线性插值算法，这样可以降低错误的控制点对所造成的纠正精度影响，因此，与现有技术中的基于不规则三角网的几何纠正方式相比，提高了纠正精度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种影像几何纠正方法的流程示意图；
图2为本发明实施例提供的另一种影像几何纠正方法的流程示意图；
图3为进行影像重采样时的双线性插值法的示意图；
图4为一种待纠正影像和基准影像的卷帘式对比图；
图5为对图4中的待纠正影像和基准影像进行不规则三角网的构建的对比图；
图6为与图4对应的目标影像和图4中的基准影像的卷帘式对比图；
图7为本发明实施例提供的一种影像几何纠正装置的结构示意图；
图8为本发明实施例提供的另一种影像几何纠正装置的结构示意图；
图9为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前现有的影像几何纠正方法通常利用自动匹配的控制点对构建不规则三角网，进而对不规则三角网中的每个三角形区域构建仿射模型来对影像进行采样，以完成几何纠正的处理。由于地形、纹理等因素的影响，自动匹配的控制点对往往不能保证全部准确，即使后期利用几何多项式等数学模型删除错误的点位也不能保证将所有错误的控制点对剔除完全，如果有一个控制点对是错误的，那么会导致由该控制点所组成的多个三角形区域会发生变形、拉花等现象，导致这些三角形区域的几何纠正不准确，也即有一个错误的控制点就对会明显影响影像的局部纠正精度。基于此，本发明实施例提供的一种影像几何纠正方法、装置及电子设备，通过构建方格网来对影像进行几何纠正，可以缓解单纯按照三角形进行小面元纠正对控制点对要求绝对精确的弊端，提高纠正精度。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种影像几何纠正方法进行详细介绍。
本发明实施例提供了一种影像几何纠正方法，该方法可以由具有图像处理能力的电子设备执行。参见图1所示的一种影像几何纠正方法的流程示意图，该方法主要包括如下步骤S102至步骤S108：
步骤S102，对待纠正影像和待纠正影像对应区域的基准影像进行同名点匹配，得到匹配成功的控制点对。
上述待纠正影像可以为在几何位置、形状、尺寸或方位上存在几何变形（几何畸变）的图像，待纠正影像可以但不限于为遥感影像，待纠正影像中的每个像素点均配置有地理坐标。待纠正影像对应区域的基准影像是范围覆盖该待纠正影像的范围且无几何变形的影像，基准影像中的每个像素点也均配置有地理坐标。同名点指地面上同一个点在不同影像上成的像点，匹配成功的控制点对为多个，每个控制点对均由待纠正影像内的一个控制点和基准影像内的一个控制点组成，且这两个控制点属于同名点。可以但不限于利用SIFT（Scale-invariant feature transform，尺度不变特征变换）算法对待纠正影像和基准影像进行同名点匹配。
步骤S104，按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域；其中，目标区域为基准影像中与待纠正影像的地理范围相对应的区域。
本实施例中通过对目标区域进行方格网切分来构建纠正方格网（grid），方格网可以为正方形，也可以为长方形。以方格网为正方形为例，记预设方格尺寸（即正方形的边长）为G，则可以将目标区域按照G*G大小进行切分，其中G可以设置为10像素、15像素或20像素。还可以考虑运算量和计算机的运算能力，根据待纠正影像输出范围的大小自适应调整预设方格尺寸，例如，当待纠正影像的宽、高均大于10万像素时，G可以设置为50像素（该数值仅为示例）。目标区域可以为由基准影像中与待纠正影像的四个顶点相对应的四个像素点所围成的区域。
步骤S106，根据上述控制点对，确定各方格区域的中心点与待纠正影像中的对应像素点之间的位置对应关系。
上述位置对应关系可以为地理坐标对应关系，该位置对应关系可以根据控制点对的地理坐标和每个方格区域的中心点的地理坐标得到。
步骤S108，根据上述位置对应关系和目标区域中的每个像素点与各方格区域之间的位置关系，对待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像。
在基于步骤S106得到的位置对应关系对待纠正影像进行几何纠正时，考虑了目标区域中的每个像素点与切分得到的各方格区域之间的位置关系，且采用了线性插值算法，这样可以降低错误的控制点对所造成的纠正精度影响，从而提高纠正精度。
本发明实施例中，对待纠正影像和待纠正影像对应区域的基准影像进行同名点匹配，得到匹配成功的控制点对；按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域；其中，目标区域为基准影像中与待纠正影像的地理范围相对应的区域；根据控制点对，确定各方格区域的中心点与待纠正影像中的对应像素点之间的位置对应关系；根据该位置对应关系和目标区域中的每个像素点与各方格区域之间的位置关系，对待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像。这种方式在对待纠正影像进行几何纠正时，考虑到了目标区域中的每个像素点与切分得到的各方格区域之间的位置关系，且采用了线性插值算法，这样可以降低错误的控制点对所造成的纠正精度影响，因此，与现有技术中的基于不规则三角网的几何纠正方式相比，提高了纠正精度。
为了便于理解，本实施例还提供了利用SIFT算法对待纠正影像和基准影像进行同名点匹配的一种实现方式，其中，SIFT算法主要包括两大部分：关键点检测和描述子构成。同名点匹配的实现过程包括如下两步：
步骤1.1，通过SIFT算法获取待纠正影像的关键点信息和基准影像的关键点信息，关键点信息包括关键点的地理坐标和特征描述子。
步骤1.2，根据待纠正影像的关键点信息和基准影像的关键点信息，采用BBF（BestBin First，最优节点优先）算法和最短欧式距离的匹配算法对待纠正影像和基准影像进行关键点匹配，得到多个控制点对。
具体地，上述步骤1.1可以通过分别对待纠正影像和基准影像进行以下处理实现：
（1）建立尺度空间；
（2）通过进行空间极值点检测来初步确定关键点的位置和所在尺度；
（3）精确确定关键点的位置，同时去掉低对比度的关键点和不稳定的边缘响应点，以增强匹配稳定性、提高抗噪声能力；
（4）进行关键点方向分配，以为每个关键点制定方向参数，使算子具备旋转不变性；
（5）生成每个关键点的特征描述子。
对于上述步骤1.2，基于关键点的特征描述子进行两个影像的关键点匹配时，可以采用最短欧式距离的方法。考虑到特征描述子为32维乃至128维的数据，而k-d树算法一般解决不超过10维的数据，在进行欧式距离比较时，使用BBF算法来对传统的k-d树算法做逼近。BBF算法之所以更快速是因为仅考虑那些次最近点的距离0.8倍以内的最邻近点，这样就规避了麻烦的多个距离相近邻接点的问题。欧式距离D的计算公式可以为：
Figure 766247DEST_PATH_IMAGE001
(公式1)
其中，i代表维度，特征描述子一共有128维，X i 代表基准影像在维度为i上的灰度梯度值，Y i 代表待纠正影像在维度为i上的灰度梯度值。
在一种可选的实现方式中，上述步骤1.2在进行关键点匹配时，可以先根据BBF算法的阈值自适应化得到同名阈值，该同名阈值用于辅助判断两个关键点是否为同名点；然后对于待纠正影像中的每个关键点：获取该关键点与基准影像中各关键点之间的欧式距离中的最小值和次小值；计算次小值与最小值的差值；判断该差值是否大于同名阈值；如果是，将该最小值对应的两个关键点作为待纠正影像和基准影像之间的控制点对（即认为这两个关键点为同名点）。
考虑到现有的基于不规则三角网的几何纠正方式中，每个三角形区域有一套仿射变换参数，通过循环每个三角形区域来进行影像纠正，此种算法需要判断每个像素点是否在某个三角形区域内，非常耗时；基于此，本发明实施例提供了一种影像几何纠正方法的具体实现过程，参见图2所示的另一种影像几何纠正方法的流程示意图，该方法包括如下步骤S202至步骤S214：
步骤S202，对待纠正影像和待纠正影像对应区域的基准影像进行同名点匹配，得到匹配成功的控制点对。
具体过程可以参见前述实施例的相应内容，这里不再赘述。
步骤S204，基于上述控制点对，分别在待纠正影像和基准影像中构建不规则三角网，使得待纠正影像被划分成多个第一三角形区域，基准影像被划分成多个第二三角形区域。
对于待纠正影像和基准影像中的每个影像，由于影像内部的控制点并不能覆盖全局，如果仅仅利用自动匹配的控制点来构建不规则三角网的话，影像的有些区域就覆盖不到，不便于后续的纠正，因此可以利用现有的控制点经过最小二乘法参数估计，从而虚拟出影像的四个角点（即矩形影像的四个顶点），以此来形成一个对待纠正影像完全覆盖的点位网络。
TIN（Triangulated Irregular Network，不规则三角网）是将离散数据点（即匹配得到的控制点）连成一系列连续的三角形网格，三角网的大小和形状取决于离散数据点的位置和密度。按照优化组合原则，把这些离散数据点连接成相互连续的三角面网络，三角面（即三角形区域）的形状和大小取决于不规则控制点的位置和密度。需要说明的是，在连接时，尽可能地确保每个三角形都是锐角三角形或是三边的长度近似相等。影像中任意像素点落在三角面的顶点、边上或三角形内。如果像素点不在顶点上，该点的高程值通常通过线性插值的方法得到。
构建待纠正影像或基准影像的TIN时可以采用三角网生长算法。具体地，对于任意一个平面点集P（平面点集P由待纠正影像的控制点或基准影像的控制点构成），Pi表示点集P的第i个点。构建其三角网的基本步骤如下：
（1）初始化待扩展边列表E与三角形列表T；
（2）任取点集P中一点Pi与其最近邻点Pj构成基边PiPj；
（3）在点集中寻找第3点Pk，使得三角形△PiPjPk构成一个三角形；
（4）将△PiPjPk的另外两条边PiPk与PjPk加入到待扩展边列表E中；将三角形△PiPjPk加入到三角形列表T中；
（5）如果待扩展边列表E不为空，取其中的一条边为基边转到步骤（3）继续执行。如果待扩展边列表E为空，退出执行（执行结束）。
步骤S206，根据上述控制点对的地理坐标、待纠正影像中四个顶点处的地理坐标和预设的坐标变换模型，确定目标区域。
其中，坐标变换模型用于表征待纠正影像与基准影像之间的地理位置变换关系。
可选地，上述坐标变换模型可以包括二次多项式模型；上述步骤S206可以通过如下过程实现：首先，将上述控制点对的地理坐标带入二次多项式模型中，求解得到二次多项式模型中的二次多项式参数；其次，将待纠正影像中四个顶点处的地理坐标和二次多项式参数带入二次多项式模型中，求解得到四个第一地理坐标；最后，将基准影像中由四个第一地理坐标所围成的区域确定为目标区域。
具体实现时，可以利用已有的控制点对构建二次多项式模型，二次多项式模型需要求解12个二次多项式参数，因此至少需要6个控制点对来解算，如下公式2，需要说明的是，本实施例中可以任选6个控制点对来解算，也可以采用所有控制点对来解算，以提高计算精度。利用待纠正影像的四个顶点的地理坐标和二次多项式参数，可以求解纠正后的目标影像的四个顶点的地理坐标（即在基准影像内对应的四个第一地理坐标），继而求解得到目标影像的地理坐标输出范围（也即目标区域的地理坐标范围）。
f(x)=a 0 x 2 +a 1 y 2 +a 2 x+a 3 y+a 4 xy+a 5 ，f(y)=b 0 x 2 +b 1 y 2 +b 2 x+b 3 y+b 4 xy+b 5 (公式2)
上式映射了待纠正影像的坐标（x，y）和基准影像的坐标（f(x)，f(y)）的数学变换关系，a 0、a 1、a 2、a 3、a 4、a 5、b 0、b 1、b 2、b 3、b 4、b 5为12个二次多项式参数。
步骤S208，按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域。
具体过程可以参见前述实施例的相应内容，这里不再赘述。
步骤S210，确定每个第二三角形区域对应的坐标对应关系；其中，第二三角形区域对应的坐标对应关系为该第二三角形区域中的各像素点与对应的第一三角形区域中的各像素点之间的地理坐标对应关系。
可选地，可以对每个第二三角形区域均进行如下处理：将该第二三角形区域对应的三个控制点对的地理坐标带入预设的初始仿射变换模型中，求解得到初始仿射变换模型中的仿射变换参数；将该仿射变换参数带入初始仿射变换模型中，得到目标仿射变换模型；将目标仿射变换模型确定为该第二三角形区域对应的坐标对应关系。
仿射变换的功能是一种二维坐标到二维坐标之间的线性变换，是利用控制点数据计算仿射变换系数，即6个仿射变换参数，至少需要三个控制点对来解算。而三角网几何纠正恰恰是利用这一点来完成的，每个三角形的三个顶点可以计算出一套仿射变换参数。初始仿射变换模型的公式如下式：
g(x)=a 6 x+a 7 y+a 8 ，g(y)=b 6 x+b 7 y+b 8 (公式3)
上式描述了基准影像的二维点（x，y）到待纠正影像的坐标（g(x)，g(y)）的仿射变换关系，仿射变换的六个仿射变换参数a 6、a 7、a 8、b 6、b 7、b 8为方程组求解的对象。
步骤S212，根据各第二三角形区域对应的坐标对应关系和每个方格区域与各第二三角形区域之间的位置关系，确定各方格区域的中心点与待纠正影像中的对应像素点之间的位置对应关系。
可选地，上述步骤S212可以通过如下过程实现：
（1）遍历各方格区域；
（2）对于遍历到的当前方格区域，从各第二三角形区域中确定当前方格区域的中心点所处的目标三角形区域；根据当前方格区域的中心点的地理坐标和目标三角形区域对应的坐标对应关系，确定待纠正影像中与当前方格区域的中心点对应的第二地理坐标；
（3）直至遍历完各方格区域，得到每个方格区域的中心点对应的第二地理坐标；
（4）根据各方格区域的中心点对应的第二地理坐标，生成各方格区域的中心点与待纠正影像中的对应像素点之间的位置对应关系。
具体实现时，每个第二三角形区域对应有一套仿射变换参数，可以先判断每个格网中心点（即方格区域的中心点）落在哪个第二三角形区域内，然后将格网中心点所在的第二三角形区域对应的仿射变换参数作为该格网中心点的仿射变换参数，最后基于该仿射变换参数解算得到该格网中心点在待纠正影像上的地理坐标（即第二地理坐标）。这样可以得到每个格网中心点在待纠正影像上的地理坐标，从而得到上述位置对应关系。
步骤S214，根据上述位置对应关系和目标区域中的每个像素点与各方格区域之间的位置关系，对待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像。
可选地，上述步骤S214可以通过如下过程实现：
（1）遍历目标区域中的各像素点；
（2）对于遍历到的当前像素点，从各方格区域中选取与当前像素点所在的方格区域相邻的四个目标方格区域；根据上述位置对应关系，确定每个目标方格区域对应的像素坐标信息，目标方格区域对应的像素坐标信息包括目标方格区域的中心点的像素坐标和待纠正影像中与目标方格区域的中心点对应的像素坐标；采用线性插值算法根据各目标方格区域对应的坐标信息和当前像素点的像素坐标，确定待纠正影像中与当前像素点对应的目标像素坐标；获取待纠正影像中目标像素坐标处的目标像素值；将当前像素点的像素值替换为目标像素值；
（3）直至遍历完目标区域中的各像素点，得到像素值替换后的目标区域；
（4）将像素值替换后的目标区域确定为纠正后的目标影像。
每个影像中地理坐标和像素坐标存在一一对应的关系，因此基于位置对应关系，可以得到对应的像素坐标对应关系，也即根据上述位置对应关系，可以确定每个目标方格区域对应的像素坐标信息。在根据各目标方格区域对应的坐标信息和当前像素点的像素坐标，确定待纠正影像中与当前像素点对应的目标像素坐标时，可以采用双线性插值法，也即上述线性插值算法可以为双线性插值法。
具体实现时，当以方格网为正方形为例，记预设方格尺寸（即正方形的边长）为G时，可以将目标区域中每个像素点的像素坐标除以G得到浮点数的格网坐标，取临近的四个格网（即目标方格区域）按照双线性插值法得到最终该像素点应该取自待纠正影像的像素坐标。例如，目标区域中像素点S的像素坐标为（15，18），格网尺寸G为10，则像素点S的格网坐标为（1.5，1.8），临近的四个格网的格网坐标分别为（1，1）、（2，1）、（1，2）和（2，2），像素点S取自待纠正影像的像素坐标（x，y）为：
x=(1-0.5)(1-0.8)x 11 +(1-0.5)*0.8x 12 +0.5(1-0.8)x 21 +0.5*0.8x 22 ，
y=(1-0.5)(1-0.8)y 11 +(1-0.5)*0.8y 12 +0.5(1-0.8)y 21 +0.5*0.8y 22 ，
其中，x mn 为待纠正影像中与格网坐标为（m，n）的格网中心点对应的行坐标，y mn 为待纠正影像中与格网坐标为（m，n）的格网中心点对应的列坐标，m的取值为1或2，n的取值为1或2。
本实施例中采用重采样法循环纠正目标影像的每一个像素点。考虑到上述目标像素坐标可能不一定为整数，因此在进行影像重采样时也可以采用双线性插值法。基于此，获取待纠正影像中目标像素坐标处的目标像素值的过程可以如下：当目标像素坐标包括小数时，获取待纠正影像中与目标像素坐标相邻的参考像素点；根据参考像素点的灰度值，采用双线性插值法确定待纠正影像中目标像素坐标处的目标像素值。其中，参考像素点的个数与目标像素坐标有关，目标像素坐标包括行坐标x和列坐标y，若目标像素坐标中行坐标x和列坐标y均为小数，则参考像素点为4个；若仅目标像素坐标的行坐标x或列坐标y中仅有一个为小数，即目标像素坐标位于两个像素点的连线上，则参考像素点为2个。
为了便于理解，下面参照图3对获取目标像素值的过程进行示例性说明。图3为进行影像重采样时的双线性插值法的示意图，如图3所示，点P为待纠正影像中与当前像素点对应的像素点，点P的像素坐标（即目标像素坐标）为（x，y），x、y均为小数，待纠正影像中与点P相邻的四个像素点分别为（1，1）、（1，2）、（2，1）和（2，2），点P的灰度重采样值I（P）为：
I(P)=(1-△x)(1-△y)I 11 +(1-△x)△yI 12 +△x(1-△y)I 21 +△x△yI 22 (公式4)
其中，I 11 、I 12 、I 21 、I 22 分别为（1，1）、（1，2）、（2，1）和（2，2）四个像素点的灰度值，△x、△y分别为点P的像素坐标与其整数之差：
△x=x-INT(x),△y=y-INT(y) (公式5)
其中，INT(x)表示将x向下取整，INT(y)表示将y向下取整。
本发明实施例提供的影像几何纠正方法，利用匹配的大量控制点对来构建不规则三角网，在不规则三角网的基础上再构建纠正方格网来对影像进行几何纠正，解决了现有影像自动纠正方法对不符合某一数学模型所带来的局部纠正不准确的问题，同时也解决了单纯按照三角形进行小面元纠正对控制点对要求绝对精确的弊端。相比较现有的影像自动纠正方法，本实施例对各种情况数据的适应性更强，尤其是对影像内部有畸变、拍摄的影像有角度等情况的数据，可以做到只要控制点对正确的地方精度绝对准确的效果，而对错误的控制点对对纠正精度的影响进行了降低化处理，且在进行几何纠正时不需要执行现有技术中的像素点是否在三角形区域内的判断操作，纠正效率更高。
本发明实施例还提供了验证上述方法的有益效果的相关图，图4为一种待纠正影像和基准影像的卷帘式对比图，图5为对图4中的待纠正影像和基准影像进行不规则三角网的构建的对比图，图6为与图4对应的目标影像和图4中的基准影像的卷帘式对比图，其中，图4的上半图为基准影像，图4的下半图为待纠正影像，为了便于区分，对待纠正影像（即图4的下半图）进行了色彩差异化调整；图5的左图为待纠正影像，图5的右图为基准影像；图6的上半图为基准影像，图6的下半图为进行了色彩差异化调整的目标影像，这里的色彩差异化调整也是为了便于区分基准影像和目标影像。如图4所示，在马路的上下左右各个方向的精度是满足需求的，但是待纠正影像在马路处是存在局部畸变的，用常规的几何多项式模型无法纠正出满意的效果。对图4中的两个影像进行控制点对匹配并构建TIN，得到图5所示的图像。利用TIN+纠正方格网（grid）对待纠正影像进行几何纠正，对待纠正影像的局部畸变进行了纠正处理，得到了一个精度满足要求的结果，如图6所示。
综上，本发明实施例提供的影像几何纠正方法，是结合了自动匹配控制点对、利用控制点对构建TIN和构建纠正方格网（grid）等方法提出的一种新的纠正算法，该纠正方法在自动匹配出密集控制点对的情况下，可以解决由于待纠正影像或者基准影像不符合常规纠正模型的影像几何纠正问题，比传统的三角网小面元纠正执行效率要高，而且能最大程度地降低局部错点所带来的精度影响。
对应于上述的影像几何纠正方法，本发明实施例还提供了一种影像几何纠正装置。参见图7所示的一种影像几何纠正装置的结构示意图，该装置包括：
匹配模块72，用于对待纠正影像和待纠正影像对应区域的基准影像进行同名点匹配，得到匹配成功的控制点对；
切分模块74，用于按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域；其中，目标区域为基准影像中与待纠正影像的地理范围相对应的区域；
关系确定模块76，用于根据控制点对，确定各方格区域的中心点与待纠正影像中的对应像素点之间的位置对应关系；
纠正模块78，用于根据位置对应关系和目标区域中的每个像素点与各方格区域之间的位置关系，对待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像。
本发明实施例中，匹配模块72对待纠正影像和待纠正影像对应区域的基准影像进行同名点匹配，得到匹配成功的控制点对；切分模块74按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域；其中，目标区域为基准影像中与待纠正影像的地理范围相对应的区域；关系确定模块76根据控制点对，确定各方格区域的中心点与待纠正影像中的对应像素点之间的位置对应关系；纠正模块78根据该位置对应关系和目标区域中的每个像素点与各方格区域之间的位置关系，对待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像。这种方式在对待纠正影像进行几何纠正时，考虑到了目标区域中的每个像素点与切分得到的各方格区域之间的位置关系，这样可以降低错误的控制点对所造成的纠正精度影响，因此，与现有技术中的基于不规则三角网的几何纠正方式相比，提高了纠正精度。
可选地，参见图8所示的另一种影像几何纠正装置的结构示意图，在图7的基础上，上述装置还包括区域确定模块82，用于：根据控制点对的地理坐标、待纠正影像中四个顶点处的地理坐标和预设的坐标变换模型，确定目标区域；其中，坐标变换模型用于表征待纠正影像与基准影像之间的地理位置变换关系。
进一步，上述坐标变换模型包括二次多项式模型；上述区域确定模块82具体用于：将控制点对的地理坐标带入二次多项式模型中，求解得到二次多项式模型中的二次多项式参数；将待纠正影像中四个顶点处的地理坐标和二次多项式参数带入二次多项式模型中，求解得到四个第一地理坐标；将基准影像中由四个第一地理坐标所围成的区域确定为目标区域。
可选地，上述关系确定模块76具体用于：基于控制点对，分别在待纠正影像和基准影像中构建不规则三角网，使得待纠正影像被划分成多个第一三角形区域，基准影像被划分成多个第二三角形区域；确定每个第二三角形区域对应的坐标对应关系；其中，第二三角形区域对应的坐标对应关系为该第二三角形区域中的各像素点与对应的第一三角形区域中的各像素点之间的地理坐标对应关系；根据各第二三角形区域对应的坐标对应关系和每个方格区域与各第二三角形区域之间的位置关系，确定各方格区域的中心点与待纠正影像中的对应像素点之间的位置对应关系。
进一步，上述关系确定模块76在确定每个第二三角形区域对应的坐标对应关系时，具体用于：对每个第二三角形区域均进行如下处理：将该第二三角形区域对应的三个控制点对的地理坐标带入预设的初始仿射变换模型中，求解得到初始仿射变换模型中的仿射变换参数；将仿射变换参数带入初始仿射变换模型中，得到目标仿射变换模型；将目标仿射变换模型确定为该第二三角形区域对应的坐标对应关系。
上述关系确定模块76在根据各第二三角形区域对应的坐标对应关系和每个方格区域与各第二三角形区域之间的位置关系，确定各方格区域的中心点与待纠正影像中的对应像素点之间的位置对应关系时，具体用于：
遍历各方格区域；
对于遍历到的当前方格区域，从各第二三角形区域中确定当前方格区域的中心点所处的目标三角形区域；根据当前方格区域的中心点的地理坐标和目标三角形区域对应的坐标对应关系，确定待纠正影像中与当前方格区域的中心点对应的第二地理坐标；
直至遍历完各方格区域，得到每个方格区域的中心点对应的第二地理坐标；
根据各方格区域的中心点对应的第二地理坐标，生成各方格区域的中心点与待纠正影像中的对应像素点之间的位置对应关系。
可选地，上述纠正模块78具体用于：
遍历目标区域中的各像素点；
对于遍历到的当前像素点，从各方格区域中选取与当前像素点所在的方格区域相邻的四个目标方格区域；根据位置对应关系，确定每个目标方格区域对应的像素坐标信息，目标方格区域对应的像素坐标信息包括该目标方格区域的中心点的像素坐标和待纠正影像中与目标方格区域的中心点对应的像素坐标；采用线性插值算法根据各目标方格区域对应的坐标信息和当前像素点的像素坐标，确定待纠正影像中与当前像素点对应的目标像素坐标；获取待纠正影像中目标像素坐标处的目标像素值；将当前像素点的像素值替换为目标像素值；
直至遍历完目标区域中的各像素点，得到像素值替换后的目标区域；
将像素值替换后的目标区域确定为纠正后的目标影像。
进一步，上述纠正模块78还用于：当目标像素坐标包括小数时，获取待纠正影像中与目标像素坐标相邻的参考像素点；根据参考像素点的灰度值，采用双线性插值法确定待纠正影像中目标像素坐标处的目标像素值。
本实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
参见图9，本发明实施例还提供一种电子设备100，包括：处理器90，存储器91，总线92和通信接口93，所述处理器90、通信接口93和存储器91通过总线92连接；处理器90用于执行存储器91中存储的可执行模块，例如计算机程序。
其中，存储器91可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口93（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线92可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器91用于存储程序，所述处理器90在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器90中，或者由处理器90实现。
处理器90可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器90中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器90可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器91，处理器90读取存储器91中的信息，结合其硬件完成上述方法的步骤。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行前面方法实施例中所述的影像几何纠正方法。该计算机可读存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种影像几何纠正方法，其特征在于，包括：
对待纠正影像和所述待纠正影像对应区域的基准影像进行同名点匹配，得到匹配成功的控制点对；
按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域；其中，所述目标区域为所述基准影像中与所述待纠正影像的地理范围相对应的区域；
根据所述控制点对，确定各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系；
根据所述位置对应关系和所述目标区域中的每个像素点与各所述方格区域之间的位置关系，对所述待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像。
2.根据权利要求1所述的方法，其特征在于，在所述按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域之前，所述方法还包括：
根据所述控制点对的地理坐标、所述待纠正影像中四个顶点处的地理坐标和预设的坐标变换模型，确定所述目标区域；其中，所述坐标变换模型用于表征所述待纠正影像与所述基准影像之间的地理位置变换关系。
3.根据权利要求2所述的方法，其特征在于，所述坐标变换模型包括二次多项式模型；所述根据所述控制点对的地理坐标、所述待纠正影像中四个顶点处的地理坐标和预设的坐标变换模型，确定所述目标区域，包括：
将所述控制点对的地理坐标带入所述二次多项式模型中，求解得到所述二次多项式模型中的二次多项式参数；
将所述待纠正影像中四个顶点处的地理坐标和所述二次多项式参数带入所述二次多项式模型中，求解得到四个第一地理坐标；
将所述基准影像中由所述四个第一地理坐标所围成的区域确定为所述目标区域。
4.根据权利要求1所述的方法，其特征在于，所述根据所述控制点对，确定各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系，包括：
基于所述控制点对，分别在所述待纠正影像和所述基准影像中构建不规则三角网，使得所述待纠正影像被划分成多个第一三角形区域，所述基准影像被划分成多个第二三角形区域；
确定每个所述第二三角形区域对应的坐标对应关系；其中，所述第二三角形区域对应的坐标对应关系为所述第二三角形区域中的各像素点与对应的所述第一三角形区域中的各像素点之间的地理坐标对应关系；
根据各所述第二三角形区域对应的坐标对应关系和每个所述方格区域与各所述第二三角形区域之间的位置关系，确定各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系。
5.根据权利要求4所述的方法，其特征在于，所述确定每个所述第二三角形区域对应的坐标对应关系，包括：
对每个所述第二三角形区域均进行如下处理：将该第二三角形区域对应的三个控制点对的地理坐标带入预设的初始仿射变换模型中，求解得到所述初始仿射变换模型中的仿射变换参数；将所述仿射变换参数带入所述初始仿射变换模型中，得到目标仿射变换模型；将所述目标仿射变换模型确定为该第二三角形区域对应的坐标对应关系；
所述根据各所述第二三角形区域对应的坐标对应关系和每个所述方格区域与各所述第二三角形区域之间的位置关系，确定各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系，包括：
遍历各所述方格区域；
对于遍历到的当前方格区域，从各所述第二三角形区域中确定所述当前方格区域的中心点所处的目标三角形区域；根据所述当前方格区域的中心点的地理坐标和所述目标三角形区域对应的坐标对应关系，确定所述待纠正影像中与所述当前方格区域的中心点对应的第二地理坐标；
直至遍历完各所述方格区域，得到每个所述方格区域的中心点对应的第二地理坐标；
根据各所述方格区域的中心点对应的第二地理坐标，生成各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系。
6.根据权利要求1所述的方法，其特征在于，所述根据所述位置对应关系和所述目标区域中的每个像素点与各所述方格区域之间的位置关系，对所述待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像，包括：
遍历所述目标区域中的各像素点；
对于遍历到的当前像素点，从各所述方格区域中选取与所述当前像素点所在的方格区域相邻的四个目标方格区域；根据所述位置对应关系，确定每个所述目标方格区域对应的像素坐标信息，所述目标方格区域对应的像素坐标信息包括所述目标方格区域的中心点的像素坐标和所述待纠正影像中与所述目标方格区域的中心点对应的像素坐标；采用线性插值算法根据各所述目标方格区域对应的坐标信息和所述当前像素点的像素坐标，确定所述待纠正影像中与所述当前像素点对应的目标像素坐标；获取所述待纠正影像中所述目标像素坐标处的目标像素值；将所述当前像素点的像素值替换为所述目标像素值；
直至遍历完所述目标区域中的各像素点，得到像素值替换后的目标区域；
将所述像素值替换后的目标区域确定为纠正后的目标影像。
7.根据权利要求6所述的方法，其特征在于，所述获取所述待纠正影像中所述目标像素坐标处的目标像素值，包括：
当所述目标像素坐标包括小数时，获取所述待纠正影像中与所述目标像素坐标相邻的参考像素点；
根据所述参考像素点的灰度值，采用双线性插值法确定所述待纠正影像中所述目标像素坐标处的目标像素值。
8.一种影像几何纠正装置，其特征在于，包括：
匹配模块，用于对待纠正影像和所述待纠正影像对应区域的基准影像进行同名点匹配，得到匹配成功的控制点对；
切分模块，用于按照预设方格尺寸对目标区域进行方格网切分，得到多个方格区域；其中，所述目标区域为所述基准影像中与所述待纠正影像的地理范围相对应的区域；
关系确定模块，用于根据所述控制点对，确定各所述方格区域的中心点与所述待纠正影像中的对应像素点之间的位置对应关系；
纠正模块，用于根据所述位置对应关系和所述目标区域中的每个像素点与各所述方格区域之间的位置关系，对所述待纠正影像进行基于线性插值算法的几何纠正，得到纠正后的目标影像。
9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1-7中任一项所述的方法。
CN202010015882.4A 2020-01-08 2020-01-08 影像几何纠正方法、装置及电子设备 Active CN110807730B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010015882.4A CN110807730B (zh) 2020-01-08 2020-01-08 影像几何纠正方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010015882.4A CN110807730B (zh) 2020-01-08 2020-01-08 影像几何纠正方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN110807730A CN110807730A (zh) 2020-02-18
CN110807730B true CN110807730B (zh) 2020-04-24

Family

ID=69493424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010015882.4A Active CN110807730B (zh) 2020-01-08 2020-01-08 影像几何纠正方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN110807730B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313769B (zh) * 2021-06-11 2022-08-30 湖北工业大学 一种光学卫星多面阵传感器片间无缝几何定标方法
CN113435445A (zh) * 2021-07-05 2021-09-24 深圳市鹰硕技术有限公司 图像过优化自动纠正方法以及装置
CN116168300B (zh) * 2023-04-21 2023-08-08 航天宏图信息技术股份有限公司 一种高分辨率遥感影像等gsd的核线重采样方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101900817A (zh) * 2009-05-27 2010-12-01 中国科学院地理科学与资源研究所 一种普适的遥感数据规则格网化方法
CN103077527A (zh) * 2013-02-05 2013-05-01 湖北工业大学 一种稳健的多源卫星遥感影像配准方法
CN103337052A (zh) * 2013-04-17 2013-10-02 国家测绘地理信息局卫星测绘应用中心 面向宽幅遥感影像的自动几何纠正方法
CN110428376A (zh) * 2019-07-24 2019-11-08 桂林理工大学 一种基于fpga的线阵ccd卫星影像星上几何纠正方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9721181B2 (en) * 2015-12-07 2017-08-01 The Climate Corporation Cloud detection on remote sensing imagery

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101900817A (zh) * 2009-05-27 2010-12-01 中国科学院地理科学与资源研究所 一种普适的遥感数据规则格网化方法
CN103077527A (zh) * 2013-02-05 2013-05-01 湖北工业大学 一种稳健的多源卫星遥感影像配准方法
CN103337052A (zh) * 2013-04-17 2013-10-02 国家测绘地理信息局卫星测绘应用中心 面向宽幅遥感影像的自动几何纠正方法
CN110428376A (zh) * 2019-07-24 2019-11-08 桂林理工大学 一种基于fpga的线阵ccd卫星影像星上几何纠正方法

Also Published As

Publication number Publication date
CN110807730A (zh) 2020-02-18

Similar Documents

Publication Publication Date Title
CN110807730B (zh) 影像几何纠正方法、装置及电子设备
CN109784250B (zh) 自动引导小车的定位方法和装置
JPH05101183A (ja) 直線からなる物体の画像整合方法及び装置
CN111091567B (zh) 医学图像配准方法、医疗设备及存储介质
CN112348836A (zh) 一种自动提取建筑物轮廓的方法及装置
CN111433780A (zh) 车道线检测方法、设备、计算机可读存储介质
CN115937439B (zh) 城市建筑三维模型的构建方法、装置及电子设备
CN106909869B (zh) 一种矩阵式二维码的采样网格划分方法及装置
CN115082699B (zh) 一种轮廓形状提取方法、装置、电子设备及存储介质
CN117830297B (zh) 焊缝识别方法、焊接方法、装置及电子设备
CN117315046A (zh) 一种环视相机标定方法、装置、电子设备及存储介质
CN113808033A (zh) 图像文档校正方法、系统、终端及介质
CN113658144A (zh) 路面病害几何信息的确定方法、装置、设备及介质
CN112507938A (zh) 一种文本图元的几何特征计算方法及识别方法、装置
CN116977671A (zh) 基于图像空间定位的目标跟踪方法、装置、设备及存储介质
CN107480710B (zh) 特征点匹配结果处理方法和装置
CN115690180A (zh) 一种矢量地图配准方法、配准系统、电子设备及存储介质
CN115601336A (zh) 一种确定目标投影的方法、装置及电子设备
CN109242894B (zh) 一种基于移动最小二乘法的图像对齐方法及系统
CN114692661A (zh) 二维码识别方法、存储介质和计算机
CN114419116B (zh) 一种基于网匹配的遥感影像配准方法及其系统
CN113706625B (zh) 一种镜头畸变校正方法及装置
CN112465714B (zh) 多时相遥感影像处理方法和装置及设备
CN115861549B (zh) 一种自动替换实景三维数据中树木模型的方法和装置
CN117635875B (zh) 一种三维重建方法、装置及终端

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Room 301, Room 3, Building 5, District 4, Xishan Creative Park, Haidian District, Beijing

Patentee after: Aerospace Hongtu Information Technology Co., Ltd

Address before: Room 301, Room 3, Building 5, District 4, Xishan Creative Park, Haidian District, Beijing

Patentee before: BEIJING PIESAT INFORMATION TECHNOLOGY Co.,Ltd.