CN110968714B - 一种卫星遥感影像即时服务方法及即时服务平台 - Google Patents
一种卫星遥感影像即时服务方法及即时服务平台 Download PDFInfo
- Publication number
- CN110968714B CN110968714B CN201911336262.4A CN201911336262A CN110968714B CN 110968714 B CN110968714 B CN 110968714B CN 201911336262 A CN201911336262 A CN 201911336262A CN 110968714 B CN110968714 B CN 110968714B
- Authority
- CN
- China
- Prior art keywords
- data
- image
- remote sensing
- sensing image
- satellite remote
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000004927 fusion Effects 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 7
- 230000007246 mechanism Effects 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012892 rational function Methods 0.000 claims description 8
- 230000003203 everyday effect Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 230000004075 alteration Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 18
- 230000008569 process Effects 0.000 abstract description 11
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000003860 storage Methods 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 abstract description 2
- 230000009466 transformation Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- BWSIKGOGLDNQBZ-LURJTMIESA-N (2s)-2-(methoxymethyl)pyrrolidin-1-amine Chemical compound COC[C@@H]1CCCN1N BWSIKGOGLDNQBZ-LURJTMIESA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 241000668842 Lepidosaphes gloverii Species 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001983 electron spin resonance imaging Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- 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
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- 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
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种卫星遥感影像即时服务方法及即时服务平台,包括S1、从获取的卫星遥感影像数据中筛选出云量小于设定云量的有效数据;S2、对有效数据进行正射纠正、配准、融合及匀色处理,以获取高精度正射影像数据;S3、将所述高精度正射影像数据按照四叉树索引机制进行影像切片,以获取标准格式的卫星遥感影像瓦片数据;S4、将标准格式的卫星遥感影像瓦片数据存储在瓦片库中,分析各版本库之间的差异性,获取数据更新包;等步骤。优点是:降低用户使用遥感影像的应用难度和处理成本,解决遥感影像应用过程中繁琐复杂的数据处理、管理与存储的问题,满足用户即时监测或实时更新发布的需求。
Description
技术领域
本发明涉及卫星遥感影像处理技术领域,尤其涉及一种卫星遥感影像即时服务方法及即时服务平台。
背景技术
近些年来,我国测绘地理信息行业发展取得一系列重要突破,测绘技术装备能力显著提高;“高分一号”、“资源三号”和“高分二号”等国产高分辨率卫星相继成功发射,北斗卫星导航系统形成了覆盖亚太地区的位置服务能力,无人机航空遥感、地理信息应急监测、合成孔径雷达测图等方面的装备能力获得较大提升,影像空间分辨率、逐步增强的影像获取能力、较好的影像现势性等特点逐步打破了国外商业卫星的主导地位,开始广泛服务于各行业用户。
卫星影像服务需要涉及卫星影像采集方、卫星影像代理方等众多产业链环节,原始影像获取到后到直接应用需要经过正射纠正、几何纠正、全色多光谱融合以及匀色等数据预处理,进而利用模型算法完成其应用。其中正射纠正产品是一种遥感影像广泛的的应用形式,正射纠正产品是将传感器获取的原始影像经过辐射校正、传感器校正、在合适的数字高程模型(Digital Elevation Model,DEM)支持下,一定控制点条件下投影到用户选择的投影和参考大地基准下,其改正了由于地形起伏而造成的像点位移,整个影像具有统一的地面分辨率,并带有地理编码。数字正射纠正的实质就是将中心投影的影像通过数字元纠正形成正射投影的过程,其原理是将影像化为很多微小的区域,根据有关的参数利用相应的构像方程式或按一定的数学模型用控制点解算,求得解算模型,然后利用数字元高程模型对原始非正射影像进行纠正,使其转换为正射影像。正射纠正通常的方法有多项式纠正法、共线方程纠正法、有理函数模型纠正法、DELAUNEY三角形法等。几何纠正是指当遥感影像在几何位置上发生变化,产生诸如行列不均与,像元大小与地面大小对应不准确,地物形状不规则发生不规则变化等畸形时,根据遥感平台、地球、传感器的各种参数进行校正处理。通常有三种方法:最临近法、双向线性内插法和三次卷积内插法等。全色与多光谱图像融合,是将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成一副高分辨率多光谱影像遥感的图像处理技术,使得处理后的影像既有较高的空间分辨率,又具有多光谱特征。图像融合的方法主要有HIS变换、Brovey变换、乘积运算(CN)、PCA变换、Gram-schmidtPan Sharpening(GS)等。匀色方法将对一幅或多幅影像内的亮度、反差、色调、饱和度分布不均匀现象进行校正,使影像各个位置的亮度、反差、色调、饱和度基本一致。滤波器可将局部影像的灰度均值和方差映射到给定的灰度均值和方差值。它是一种局部影像变换,它使影像不同位置处的灰度方差和灰度均值具有近似相等的数值,即影像反差小的区域的反差增大,影像反差大的区域的反差减小,使得影像中灰度的微小信息得到增强。
传统的遥感影像数据处理的问题有如下三个方面:1)数据量密集,随着遥感影像分辨率的提高,单幅影像数据文件开始增大,整体数据量成几何倍数增长;2)处理流程多,由于卫星传感器种类繁多,导致各种类型的数据处理算法和流程各不相同,处理数据复杂繁琐;3)重复处理环节多,类似正射纠正、几何校正、影像融合等共性数据处理环节,在不同的业务流程中都要经历,重复操作多。因此,如何对这些不断增长的大数据量遥感影像数据进行处理、管理以及存储,并提供服务满足各行业快速发展的即时更新和即时监测的业务需求成为目前遥感应用的难题。
发明内容
本发明的目的在于提供一种卫星遥感影像即时服务方法及即时服务平台,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种卫星遥感影像即时服务方法,包括如下步骤,
S1、从获取的卫星遥感影像数据中筛选出云量小于设定云量的有效数据;
S2、对有效数据进行正射纠正、配准、融合及匀色处理,以获取高精度正射影像数据;
S3、将所述高精度正射影像数据按照四叉树索引机制进行影像切片,以获取标准格式的卫星遥感影像瓦片数据;
S4、将标准格式的卫星遥感影像瓦片数据存储在瓦片库中,分析各版本库之间的差异性,获取数据更新包;
S5、下载数据库更新数据包,并将其定时推送给即时服务系统,即时服务系统接收数据库更新数据包,并将其发布为OGC标准的网络地图服务与网络地图瓦片服务,传输给客户端展示。
优选的,步骤S1具体为,对每天从卫星接收的国内外卫星遥感影像数据进行云量筛选,选取云量小于设定云量的卫星遥感影像数据,将其作为有效数据;所述设定云量为20%。
优选的,步骤S2具体包括,
S21、利用正射纠正软件对有效数据的全色影像进行正射纠正,获取正射数据;
S22、利用SIFT算法对所述正射数据和地面控制点数据进行匹配纠正,生成高精度影像数据;
S23、采用GS变换法,利用纠正后的有理多项式系数RPC对所述高精度影像数据中的全色和多光谱影像进行融合,以生成真彩色卫星影像数据;
S24、通过匀色模板底图,对所述真彩色卫星影像数据进行匀色处理,以生成高精度正射影像数据。
优选的,采用有理函数模型对有效数据的全色影像同时进行倾斜改正和投影差改正,以生成正射数据。
优选的,步骤S22包括如下内容,
A1、搜索正射数据中所有图像数据的尺度大小和位置,并使用高斯差分公式检测出正射数据检测出潜在的特征点;
A2、确定各个特征点的位置和尺度大小;
A3、给每个特征点分配一个方向,使得所有对图像数据的操作转换成对特征点方向、尺度大小和位置的操作;
A4、通过对特征点当前尺度周围区域的梯度统计,生成特征点描述子;
A5、使用特征点描述子与对应的地面控制点数据进行全色影像的几何配准,以生成高精度影像数据。
优选的,步骤S23包括如下内容,
B1、使用高精度影像数据中低分辨率的多光谱影像模拟出一幅低分辨率全色影像;
B2、将模拟出的低分辨率全色影像作为GS变换的第一个分量GS1,对模拟的低分辨率全色影像和低分辨率的多光谱影像进行GS变换;
B3、调整高精度影像数据的统计值以匹配GS变换后的第一个分量GS1,以产生经过修改的高精度影像数据;
B4、使用修改后的高精度影像数据替换GS变换后的第一个分量GS1,形成新的数据集合;
B5、对新的数据集合进行反GS变换,得到真彩色卫星影像数据。
优选的,步骤S4具体为,将标准格式的卫星遥感影像瓦片数据存储在瓦片库中,针对瓦片库以月为单位建立版本库,将标准格式的卫星遥感影像瓦片数据以月为单位对应存储在各个版本库中,将各卫星遥感影像数据对应的元数据信息及对应的版本库对应存储在元数据库中;分析各版本库之间的差异性,获取数据更新包。
优选的,所述瓦片库为MongoDB数据库,所述瓦片库采用JPG与PNG32混合缓存模式存储标准格式的卫星遥感影像瓦片数据。
本发明的目的还在于提供一种卫星遥感影像即时服务平台,所述即时服务平台用于实现上述任一所述的即时服务方法;所述即时服务平台包括总服务器和多个前置服务器,所述版本库和所述元数据库建立完成后,各所述前置服务器向总服务器发送下载信号,所述总服务器根据各前置服务器的下载请求,分析版本库之间的差异性,获取数据更新包,并将其分发给各前置服务器。
优选的,各所述前置服务器下载数据更新包,并将其解压更新至各即时服务系统;所述即时服务系统在接收到所述客户端的请求URL,从中提取出符合OGC标准的各项参数,并解析各项参数,将其转换为各所述前置服务器能够理解的数据结构,各所述前置服务器依据此数据结构,从所述版本库中获取更新后的数据,并将其转化为OGC标准的网络地图服务与网络地图瓦片服务,传输给客户端展示。
本发明的有益效果是:1、本发明利用高分辨率卫星遥感影像和高精度地表模型进行原始影像高精度、高效率的正射影像生产,结合地理信息服务软件及高性能服务器,高效地存储、管理和发布卫星遥感影像、专题地理信息等数据,从而实现各行业对卫星遥感影像即时更新和即时获取的需求,解决了传统卫星遥感影像服务模式需要涉及卫星影像采集方、卫星影像代理方等众多生产链环节,采购和生产周期较长的瓶颈问题。2、本发明可降低用户使用遥感影像的应用难度和处理成本,解决遥感影像应用过程中繁琐复杂的数据处理、管理与存储的问题,满足用户即时监测或实时更新发布的需求。
附图说明
图1是本发明实施例中即时服务方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
实施例一
如图1所示,本实施例中提供了一种卫星遥感影像即时服务方法,包括如下步骤,
S1、从获取的卫星遥感影像数据中筛选出云量小于设定云量的有效数据;
S2、对有效数据进行正射纠正、配准、融合及匀色处理,以获取高精度正射影像数据;
S3、将所述高精度正射影像数据按照四叉树索引机制进行影像切片,以获取标准格式的卫星遥感影像瓦片数据;
S4、将标准格式的卫星遥感影像瓦片数据存储在瓦片库中,分析各版本库之间的差异性,获取数据更新包;
S5、下载数据库更新数据包,并将其定时推送给即时服务系统,即时服务系统接收数据库更新数据包,并将其发布为OGC(Open Geospatial Consortium-OGC)标准的网络地图服务(WMS-Web Map Service)与网络地图瓦片服务(Web Map Tile Service),传输给客户端展示。
本实施例中,步骤S1具体为,对每天从卫星接收的国内外卫星遥感影像数据进行云量筛选,选取云量小于设定云量的卫星遥感影像数据,将其作为有效数据;所述设定云量为20%。
本实施例中,步骤S2具体包括,
S21、利用正射纠正软件对有效数据的全色影像进行正射纠正,获取正射数据;
S22、利用SIFT算法对所述正射数据和地面控制点数据进行匹配纠正,生成高精度影像数据;
S23、采用GS变换法,利用纠正后的有理多项式系数RPC(Rational PolynomialCoefficient)对所述高精度影像数据中的全色和多光谱影像进行融合,以生成真彩色卫星影像数据;
S24、通过匀色模板底图,对所述真彩色卫星影像数据进行匀色处理,以生成高精度正射影像数据。
本实施例中,采用有理函数模型对有效数据的全色影像同时进行倾斜改正和投影差改正,以生成正射数据。
本实施例中,本实施例中,利用高性能、高效率处理软件(正射纠正软件)对有效数据进行正射纠正,生产正射数据。正射纠正采用少量的地面控制点,并利用有力函数(多项式)模型,有理函数模型是典型的通用经验模型之一,其应用主要是在RPC(RationalPolynomial Coefficients,有理多项式系数)已知的情况下。已有实验验证,在相同的地面控制点和已有数据条件下,有力函数模型正射纠正的结果精度较高。
有理函数模型将地面点大地坐标与其对应的像点坐标用比值多项式关联起来。为了增强参数求解的稳定性,将地面坐标和影像坐标标准化到-1和1之间。对于一个遥感影像,定义如下比值多项式:
式中,
NumL(P,L,H)=a1+a2L+a3P+a4H+a5LP+a6LH+a7PH+a8L2+a9P2+a10H2+a11PLH+a12L3+a13LP2+a14LH2+a15L2P+a16P3+a17PH2+a18L2H+a19P2H+a20H3
DenL(P,L,H)=b1+b2L+b3P+b4H+b5LP+b6LH+b7PH+b8L2+b9P2+b10H2+b11PLH+b12L3+b13LP2+b14LH2+b15L2P+b16P3+b17PH2+b18L2H+b19P2H+b20H3
Nums(P,L,H)=c1+c2L+c3P+c4H+c5LP+c6LH+c7PH+c8L2+c9P2+c10H2+c11PLH+c12L3+c13LP2+c14LH2+c15L2P+c16P3+c17PH2+c18L2H+c19P2H+c20H3
Dens(P,L,H)=d1+d2L+d3P+d4H+d5LP+d6LH+d7PH+d8L2+d9P2+d10H2+d11PLH+d12L3+d13LP2+d14LH2+d15L2P+d16P3+d17PH2+d18L2H+d19P2H+d20H3
(P,L,H)为标准化的地面坐标,(X,Y)为标准化的影像坐标,其标准化原理如下:
这里,LAT_OFF、LAT_SCALE、LONG_OFF、LONG_SCALE、HEIGHT_OFF和HEIGHT_SCALE为地面坐标的标准化参数。SAMP_OFF、SAMP_SCALE、LINE_OFF和LINE_SCALE为影像坐标的标准化参数,其中b1和d1通常为1。
有理函数模型与像元点坐标系和地面控制点坐标系是不相关的,即可以选用任意的像元点坐标系和地面控制点坐标系。对于数字遥感影像来说,像元点坐标系和地面控制点坐标系的选用对正射纠正精度影响不大,可以按照实际需求特点选用坐标系。有理函数模型的分子和分母具有相同的形式和阶次,通常多项式的幂不超过3,为求解的多项式系数。在使用有理函数模型时,地面控制点的数目要相对较多且地面控制点的分布需要均匀,否则,迭代求解不收敛。
本实施例中,SIFT(Scale Invariant Feature Transform)算法是Lowe总结了前人基于不变量技术的特征检测算法的基础上提出的。SIFT算法将特征点检测和特征矢量生成、特征匹配搜索等步骤完整地结合在一起进行优化,达到了接近实时的运算速度。该算法能提取有效稳定的特征,具有较强的匹配能力,可以较好的解决发生旋转、仿射、视角、光照强度等变换情况下的两幅图像之间匹配问题,甚至在某种程度上对任一角度摄取的同一个场景图像也具备较为突出的匹配能力,从而能够较好地对差异较大的两幅图像之间进行特征匹配。
步骤S22包括如下内容,(也就是利用尺度不变特征转换算法(Scale-invariantfeature transform或SIFT)产生SIFT图像特征的主要计算步骤)
A1、搜索正射数据中所有图像数据的尺度大小和位置,并使用高斯差分公式检测出正射数据检测出潜在的特征点;获取的特征点对于尺度大小缩放和旋转变化具有不变形;这个过程为尺度空间极值检测。
A2、确定各个特征点的位置和尺度大小;这个过程为关键点的定位。
A3、给每个特征点分配一个方向,使得所有对图像数据的操作转换成对特征点方向、尺度大小和位置的操作,从而保证了各类变换的不变性;这个过程为确定关键点的方向。
A4、通过对特征点当前尺度周围区域的梯度统计,生成特征点描述子;这个过程为生成特征点描述子。
A5、使用特征点描述子与对应的地面控制点数据进行全色影像的几何配准,以生成高精度影像数据。
本实施例中,步骤S23包括如下内容,
B1、使用高精度影像数据中低分辨率的多光谱影像模拟出一幅低分辨率全色影像;
B2、将模拟出的低分辨率全色影像作为GS变换的第一个分量GS1,对模拟的低分辨率全色影像和低分辨率的多光谱影像进行GS变换;
B3、调整高精度影像数据的统计值以匹配GS变换后的第一个分量GS1,以产生经过修改的高精度影像数据;
B4、使用修改后的高精度影像数据替换GS变换后的第一个分量GS1,形成新的数据集合;
B5、对新的数据集合进行反GS变换,得到真彩色卫星影像数据。
步骤B1中,模拟的低分辨率全色影像的灰度值为
其中,P为灰度值;Bi为低分辨率全色影像第i波段的灰度值,Wi为低分辨率全色影像第i波段的权重,i为低分辨率全色影像的波段,i=1,2,...k。模拟的低分辨率全色影像的信息量特征接近于高精度影像数据的信息量特征。
步骤B2中,由于在GS变换中第一分量GS1没有变换,故使用模拟的低分辨率全色影像与低分辨率的多光谱影像进行变换,这样可降低信息的失真程度。
在实际的图像处理过程中,对GS变换进行了部分修改,利用前T-1个GS分量去构造第T个GS分量,修改后的公式如下
其中,GST(i,j)为换后产生的第T个分量,BT(i,j)为低分辨率的多光谱影像的第T个波段影像,μT为第T个低分辨率的多光谱影像灰度值的均值;i,j分别为图像中第i行和第j列;。
步骤B3的处理有利于真彩色卫星影像数据的光谱特征的保持。
步骤B5中GS反变换的公式如下,
其中,GST(i,j)为换后产生的第T个分量,BT(i,j)为低分辨率的多光谱影像的第T个波段影像,μT为第T个低分辨率的多光谱影像灰度值的均值。
本实施例中,得到真彩色卫星影像数据后,采用匀色模板底图对真彩色卫星影像数据进行匀色处理,以生成高精度正射影像数据。匀色是通过对比匀色模板地图以及待匀色影像均值方差,设置相关参数完成影像匀色。
本实施例中,步骤S3是利用分布式的切图方案,将生成的正射影像产品按照《地理信息公共服务平台电子地图数据规范CH/Z 9011—2011》中的四叉树索引机制进行影像切片,生产标准格式的卫星遥感影像瓦片数据。
具体为,按照《地理信息公共服务平台电子地图数据规范CH/Z 9011—2011》规定对高精度正射影像数据进行影像切片,具体包括地图瓦片规格划分、地图瓦片文件数据组织与瓦片分级,以生成标准格式的卫星遥感影像瓦片数据:
1)地图瓦片规格划分
地图瓦片规格定义如下:a)地图瓦片分块的起始点从西经180度,北纬90度开始,向东向南行列递增。b)地图瓦片分块大小为256像素×256像素。c)地图瓦片数据格式采用PNG或JPG。
2)地图瓦片文件数据组织
地图瓦片文件数据组织结构中,“地图瓦片数据集”为地图瓦片文件数据的根目录,其下的目录为地图瓦片分级(目录名命名方式:“L+级别”,L1、L2、L3、……),地图瓦片分级目录下以该级别地图瓦片矩阵的行为目录(目录名命名方式:“R+行号”,R0、R1、R2、……),行目录下为具体的地图瓦片文件(文件名命名方式:“C+列号”,C0.png(或C0.jpg)、C1.png(或C1.jpg)、C2.png(或C2.jpg)、……)。
3)瓦片分级
电子地图按照显示比例尺或地面分辨率进行地图分级。显示比例计算方法为,显示比例尺=1:地面分辨率×屏幕分辨率/(0.0254米/英寸);其中:地面分辨率=[cos(纬度×pi/180)×2×pi×地球长半径(米)]/(256×2level像素);纬度采用赤道纬度,即纬度为0;pi为圆周率;地球长半径取2000国家大地坐标系规定参数,为6378137米;Level表示比例尺的级别,最小为0;屏幕分辨率取值为96dpi。
由此确定地图分级,制作电子地图时,每级应与地图分级表所列的相应比例尺数。
据源对应,其要素内容选取应遵循以下原则:
(1)每级地图的地图负载量与对应显示比例尺相适应的前提下,尽可能完整保留数据源的信息。
(2)下一级别的要素内容不应少于上一级别,即随着显示比例尺的不断增大,要素内容不断增多。
(3)要素选取时应保证跨级数据调用的平滑过渡,即相邻两级的地图负载量变化相对平缓。
每次进行影像切片时,势必包含多幅影像数据,如何确定影像之间的叠加顺序,以及确定切片的层次顺序,也是相当重要的问题。
在成熟的ESRI体制中,由镶嵌数据集统一管理影像数据,进行影像接边、镶嵌线的统一处理,切片时可自动按照影像的角点、影像之间的镶嵌线进行切片。而在自行开发的切图程序中,影像的切图顺序是一个问题,影像与影像之间的重叠处,可能会存在数据质量如云量等等的不同,谁叠加谁不能很好地确定。目前的方式是按照时间先后进行遮盖,不考虑云量因素。
基于上述特点及原因,在对影像数据作瓦片切片时,需建立一种完善的更新机制,避免后续数据对已有数据的覆盖,也方便进行历史数据查看和时间轴展示。同时引入版本库(数据集)的概念,根据卫星影像数据更新的特点,以月为单位建立影像数据版本库(数据集),对此版本库(数据集)进行影像切片,切片结果单独存储,这样即可以保证所有数据都被切片并显示,也可以保证后续的影像数据不压盖已有的影像数据。
步骤S4具体为,将标准格式的卫星遥感影像瓦片数据存储在瓦片库中,针对瓦片库以月为单位建立版本库,将标准格式的卫星遥感影像瓦片数据以月为单位对应存储在各个版本库中,将各卫星遥感影像数据对应的元数据信息及对应的版本库对应存储在元数据库中;分析各版本库之间的差异性,获取数据更新包。
所述瓦片库为MongoDB数据库,所述瓦片库采用JPG与PNG32混合缓存模式存储标准格式的卫星遥感影像瓦片数据。同时采用MongoDB进行瓦片存储,设置版本库存储瓦片,数据作双份冗余存储,数据更新一次即作一个版本库,同时另备瓦片数据最新库。
实施例二
本实施例中提供了一种卫星遥感影像即时服务平台,所述即时服务平台用于实现即时服务方法;所述即时服务平台包括总服务器和多个前置服务器,所述版本库和所述元数据库建立完成后,各所述前置服务器向总服务器发送下载信号,所述总服务器根据各前置服务器的下载请求,分析版本库之间的差异性,获取数据更新包,并将其分发给各前置服务器。
本实施例中,各所述前置服务器下载数据更新包,并将其解压更新至各即时服务系统;所述即时服务系统在接收到所述客户端的请求URL(Uniform Resource Locator,统一资源定位符),从中提取出符合OGC标准的各项参数,并解析各项参数,将其转换为各所述前置服务器能够理解的数据结构,各所述前置服务器依据此数据结构,从所述版本库中获取更新后的数据,并将其转化为OGC(Open Geospatial Consortium-OGC)标准的网络地图服务(WMS-Web Map Service)与网络地图瓦片服务(Web Map Tile Service),传输给客户端展示。
本实施例中,每天根据设置的许可范围内,定期向即时服务系统推送增量瓦片数据,及时服务系统也会定期向客户端推送增量瓦片数据,实现用户在短时间内收到卫星拍摄的影像数据。
具体过程为,在版本库及元数据库建立完成后,向各前置服务器端推送更新消息,告知各前置服务器总版本库已更新;各前置服务器在得到更新消息后,向总服务器请求数据下载,总服务器在得到数据下载的请求后,根据各前置服务器的请求,分析版本库之间的差异性,得到瓦片库及元数据信息的更新包,分包发送至各前置服务器;各前置服务器在得到数据的更新包后,解包,将数据更新至各即时服务系统中。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:
本发明提供了一种卫星遥感影像即时服务方法及即时服务平台,即时服务方法及即时服务平台省去了用户进行正射纠正、几何校正、影像融合等繁琐复杂的数据处理环节;集高分辨率卫星遥感影像、高精度地表模型、地理信息服务软件、高性能服务器为一体,能够高效地存储、管理和发布遥感影像、数字地形、专题地理信息等数据。即时服务方法基于即装即用的设计理念,旨在降低用户使用遥感影像的应用难度和处理成本,满足用户即时监测或实时更新发布的需求,解决了传统卫星遥感影像服务模式需要涉及卫星影像采集方、卫星影像代理方等众多生产链环节,采购和生产周期较长的瓶颈问题。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (7)
1.一种卫星遥感影像即时服务方法,其特征在于:包括如下步骤,
S1、从获取的卫星遥感影像数据中筛选出云量小于设定云量的有效数据;
S2、对有效数据进行正射纠正、配准、融合及匀色处理,以获取高精度正射影像数据;
S3、将所述高精度正射影像数据按照四叉树索引机制进行影像切片,以获取标准格式的卫星遥感影像瓦片数据;
S4、将标准格式的卫星遥感影像瓦片数据存储在瓦片库中,分析各版本库之间的差异性,获取数据更新包;
S5、下载数据库更新数据包,并将其定时推送给即时服务系统,即时服务系统接收数据库更新数据包,并将其发布为OGC标准的网络地图服务与网络地图瓦片服务,传输给客户端展示;
步骤S1具体为,对每天从卫星接收的国内外卫星遥感影像数据进行云量筛选,选取云量小于设定云量的卫星遥感影像数据,将其作为有效数据;所述设定云量为20%;
步骤S2具体包括,
S21、利用正射纠正软件对有效数据的全色影像进行正射纠正,获取正射数据;
S22、利用SIFT算法对所述正射数据和地面控制点数据进行匹配纠正,生成高精度影像数据;
S23、采用GS变换法,利用纠正后的有理多项式系数RPC对所述高精度影像数据中的全色和多光谱影像进行融合,以生成真彩色卫星影像数据;
S24、通过匀色模板底图,对所述真彩色卫星影像数据进行匀色处理,以生成高精度正射影像数据;
步骤S4具体为,将标准格式的卫星遥感影像瓦片数据存储在瓦片库中,针对瓦片库以月为单位建立版本库,将标准格式的卫星遥感影像瓦片数据以月为单位对应存储在各个版本库中,将各卫星遥感影像数据对应的元数据信息及对应的版本库对应存储在元数据库中;分析各版本库之间的差异性,获取数据更新包。
2.根据权利要求1所述的卫星遥感影像即时服务方法,其特征在于:采用有理函数模型对有效数据的全色影像同时进行倾斜改正和投影差改正,以生成正射数据。
3.根据权利要求2所述的卫星遥感影像即时服务方法,其特征在于:步骤S22包括如下内容,
A1、搜索正射数据中所有图像数据的尺度大小和位置,并使用高斯差分公式检测出正射数据检测出潜在的特征点;
A2、确定各个特征点的位置和尺度大小;
A3、给每个特征点分配一个方向,使得所有对图像数据的操作转换成对特征点方向、尺度大小和位置的操作;
A4、通过对特征点当前尺度周围区域的梯度统计,生成特征点描述子;
A5、使用特征点描述子与对应的地面控制点数据进行全色影像的几何配准,以生成高精度影像数据。
4.根据权利要求3所述的卫星遥感影像即时服务方法,其特征在于:步骤S23包括如下内容,
B1、使用高精度影像数据中低分辨率的多光谱影像模拟出一幅低分辨率全色影像;
B2、将模拟出的低分辨率全色影像作为GS变换的第一个分量GS1,对模拟的低分辨率全色影像和低分辨率的多光谱影像进行GS变换;
B3、调整高精度影像数据的统计值以匹配GS变换后的第一个分量GS1,以产生经过修改的高精度影像数据;
B4、使用修改后的高精度影像数据替换GS变换后的第一个分量GS1,形成新的数据集合;
B5、对新的数据集合进行反GS变换,得到真彩色卫星影像数据。
5.根据权利要求1所述的卫星遥感影像即时服务方法,其特征在于:所述瓦片库为MongoDB数据库,所述瓦片库采用JPG与PNG32混合缓存模式存储标准格式的卫星遥感影像瓦片数据。
6.一种卫星遥感影像即时服务平台,其特征在于:所述即时服务平台用于实现上述权利要求1至5任一所述的即时服务方法;所述即时服务平台包括总服务器和多个前置服务器,所述版本库和所述元数据库建立完成后,各所述前置服务器向总服务器发送下载信号,所述总服务器根据各前置服务器的下载请求,分析版本库之间的差异性,获取数据更新包,并将其分发给各前置服务器。
7.根据权利要求6所述的卫星遥感影像即时服务平台,其特征在于:各所述前置服务器下载数据更新包,并将其解压更新至各即时服务系统;所述即时服务系统在接收到所述客户端的请求URL,从中提取出符合OGC标准的各项参数,并解析各项参数,将其转换为各所述前置服务器能够理解的数据结构,各所述前置服务器依据此数据结构,从所述版本库中获取更新后的数据,并将其转化为OGC标准的网络地图服务与网络地图瓦片服务,传输给客户端展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911336262.4A CN110968714B (zh) | 2019-12-23 | 2019-12-23 | 一种卫星遥感影像即时服务方法及即时服务平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911336262.4A CN110968714B (zh) | 2019-12-23 | 2019-12-23 | 一种卫星遥感影像即时服务方法及即时服务平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110968714A CN110968714A (zh) | 2020-04-07 |
CN110968714B true CN110968714B (zh) | 2020-11-06 |
Family
ID=70035786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911336262.4A Active CN110968714B (zh) | 2019-12-23 | 2019-12-23 | 一种卫星遥感影像即时服务方法及即时服务平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110968714B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419189B (zh) * | 2020-11-23 | 2021-08-31 | 自然资源部国土卫星遥感应用中心 | 一种格网化的卫星影像数据纠偏方法 |
CN112579677B (zh) * | 2020-11-27 | 2023-07-18 | 福建省星云大数据应用服务有限公司 | 一种卫星遥感影像自动处理方法 |
CN113012094B (zh) * | 2020-11-30 | 2022-12-20 | 中国科学院空天信息创新研究院 | 一种卫星遥感数据的处理方法及相关装置 |
CN112632303A (zh) * | 2020-12-30 | 2021-04-09 | 北京超图软件股份有限公司 | 一种影像数据的分布式存储方法、分析方法及装置 |
CN112651897B (zh) * | 2020-12-30 | 2024-05-03 | 成都星时代宇航科技有限公司 | 像素修补方法、装置、电子设备及计算机可读存储介质 |
CN112700545B (zh) * | 2020-12-31 | 2023-03-07 | 中科星通(廊坊)信息技术有限公司 | 一种遥感数据的模拟展示系统及方法 |
CN112994780B (zh) * | 2021-02-24 | 2021-09-14 | 重庆市地理信息和遥感应用中心 | 多源卫星影像数据接收实时监控与信息推送方法 |
CN112905830B (zh) * | 2021-03-31 | 2024-08-16 | 自然资源部国土卫星遥感应用中心 | 卫星遥感影像的获取方法及相关装置 |
CN113034520B (zh) * | 2021-05-25 | 2021-09-24 | 北京道达天际科技有限公司 | 增量式正射影像数据切片服务化方法及装置 |
CN113744190A (zh) * | 2021-08-02 | 2021-12-03 | 北京和德宇航技术有限公司 | 一种面向国际用户的卫星遥感影像即时服务方法 |
CN116109485B (zh) * | 2023-02-22 | 2024-09-20 | 中科星图数字地球合肥有限公司 | 遥感影像的更新方法、装置、电子设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268358A (zh) * | 2013-06-05 | 2013-08-28 | 国家测绘地理信息局卫星测绘应用中心 | 多源控制点影像数据库构建及更新方法 |
CN107105295A (zh) * | 2012-07-02 | 2017-08-29 | 高通股份有限公司 | 用于高效视频译码(hevc)和扩展的视频参数集 |
CN110447146A (zh) * | 2016-12-21 | 2019-11-12 | 英特尔公司 | 无线通信技术、装置和方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108550174B (zh) * | 2018-03-08 | 2020-06-26 | 中国地质大学(武汉) | 一种基于半全局优化的海岸线超分辨率制图方法及系统 |
CN109271469A (zh) * | 2018-09-14 | 2019-01-25 | 西安理工大学 | 基于数字地球的水污染突发事件应急分析系统 |
CN109215038A (zh) * | 2018-09-29 | 2019-01-15 | 中国资源卫星应用中心 | 一种基于遥感影像的智能信息提取方法及系统 |
-
2019
- 2019-12-23 CN CN201911336262.4A patent/CN110968714B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107105295A (zh) * | 2012-07-02 | 2017-08-29 | 高通股份有限公司 | 用于高效视频译码(hevc)和扩展的视频参数集 |
CN103268358A (zh) * | 2013-06-05 | 2013-08-28 | 国家测绘地理信息局卫星测绘应用中心 | 多源控制点影像数据库构建及更新方法 |
CN110447146A (zh) * | 2016-12-21 | 2019-11-12 | 英特尔公司 | 无线通信技术、装置和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110968714A (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110968714B (zh) | 一种卫星遥感影像即时服务方法及即时服务平台 | |
US6757445B1 (en) | Method and apparatus for producing digital orthophotos using sparse stereo configurations and external models | |
CN101604018B (zh) | 高分辨率遥感影像数据处理方法及其系统 | |
CN107527328B (zh) | 一种兼顾精度与速度的无人机影像几何处理方法 | |
US7415356B1 (en) | Techniques for accurately synchronizing portions of an aerial image with composited visual information | |
US20200118242A1 (en) | Post capture imagery processing and deployment systems | |
US20190251678A1 (en) | Automatic cross-platform geometric correction method for moon-based earth observation image | |
CN107657597B (zh) | 跨平台月基对地观测影像自动几何校正方法 | |
US20210349922A1 (en) | METHOD OF RECOGNIZING AN OBJECT IN AN IMAGE USING iMaG AUTOMATED GEOREGSTRATION SYSTEM GENERATED MULTI-ORBIT SATELLITE IMAGERY WITH A CADSTRAL DATA BASED IMAGERY BASE | |
CN110555817A (zh) | 一种遥感图像几何归一化方法和装置 | |
CN115203297A (zh) | 一种地理信息数据库的构建方法、构建装置和电子设备 | |
CN114187532B (zh) | 一种遥感影像时空样本生成与智能迭代分类方法及系统 | |
CN105571598B (zh) | 一种卫星激光高度计足印相机姿态的测定方法 | |
Jensen | Issues involving the creation of digital elevation models and terrain corrected orthoimagery using soft‐copy photogrammetry | |
LU501719B1 (en) | Terrain simulation method based on satellite images and digital elevation data | |
Gobbi et al. | Orthorectification of a large dataset of historical aerial images: Procedure and precision assessment in an open source environment | |
Amato et al. | Digital orthophotos at a scale of 1: 5000 from high resolution satellite images | |
Dowman | Encoding and validating data from maps and images | |
Mlnhe et al. | Continuous piecewise geometric rectification for airborne multispectral scanner imagery | |
Oštir et al. | Automatic near-real-time image processing chain for very high resolution optical satellite data | |
Babawuro et al. | High resolution satellite imagery rectification using Bi-linear interpolation method for geometric data extraction | |
Oh et al. | Large Scale Topographic Mapping Using Stereo Pair Imagery from CAS500-1 Satellite | |
Slonecker et al. | Automated imagery orthorectification pilot | |
Hartley | Topographic mapping and satellite remote sensing: is there an economic link? | |
Marsetič | Automatic Workflow for the Generation of True Orthoimages from Very High-Resolution Satellite Data |
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 |