CN111144350B - 一种基于参考底图的遥感影像定位精度评价方法 - Google Patents

一种基于参考底图的遥感影像定位精度评价方法 Download PDF

Info

Publication number
CN111144350B
CN111144350B CN201911399638.6A CN201911399638A CN111144350B CN 111144350 B CN111144350 B CN 111144350B CN 201911399638 A CN201911399638 A CN 201911399638A CN 111144350 B CN111144350 B CN 111144350B
Authority
CN
China
Prior art keywords
image
evaluated
landsat
points
remote sensing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911399638.6A
Other languages
English (en)
Other versions
CN111144350A (zh
Inventor
田世强
白杨
孟祥强
贾益
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.)
Chang Guang Satellite Technology Co Ltd
Original Assignee
Chang Guang Satellite 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 Chang Guang Satellite Technology Co Ltd filed Critical Chang Guang Satellite Technology Co Ltd
Priority to CN201911399638.6A priority Critical patent/CN111144350B/zh
Publication of CN111144350A publication Critical patent/CN111144350A/zh
Application granted granted Critical
Publication of CN111144350B publication Critical patent/CN111144350B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/36—Videogrammetry, i.e. electronic processing of video signals from a single source or from different sources to give parallax or range information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Astronomy & Astrophysics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明是一种基于参考底图的遥感影像定位精度评价方法。所述方法为提取待评价的影像，根据提取待评价的影像确定LandSat参考影像；对待评价的影响和LandSat参考图像预处理，采用配准SURF算法匹配参数，获取备选的控制点；以LandSat参考图像作为参考评价待评价的影响的定位精度。本发明可广泛用于国产光学遥感卫星影像的几何质量评价，该方法实施难度小，可以进行遥感影像自动、快速、高精度的评价具有很大实用价值，可以消除人工质检时刺点的繁琐、解决人工质检时效性差等问题。处理一景多光谱遥感影像耗时<25s，准确率优于90％。

Description

一种基于参考底图的遥感影像定位精度评价方法
技术领域
本发明涉及卫星遥测数据几何质量评价技术领域，是一种基于参考底图的遥感影像定位精度评价方法。
背景技术
航空航天光学遥感影像以其信息量丰富、覆盖面积大等特点，已经广泛应用于农业、林业、环境、地质、海洋、气象、测绘等各个领域。光学遥感影像空间定位精度优劣直接关系到遥感影像信息获取的准确性，也是遥感影像信息提取与应用的关键。随着光学、微波、激光雷达等航空航天遥感成像技术的日益完善与发展，遥感影像数量飞速增长，遥感影像质量评价的重要性日益突出，如果全部依靠人工主观评价，不仅耗时耗力，而且不准确、不客观。
遥感影像在成像时受到传感器位置与姿态变化、测量精度及稳定度、地球自转、大气折射、地形起伏和成像投影方式等因素的影像，普遍存在几何误差。传统的遥感影像定位精度评价方法多是基于地面控制点数据库，手动或半自动定位同名点对，利用同名点对建立数学模型进行评价，其速度、精度受到操作员的业务水平、工作态度等种种限制。因此开发一个可以进行遥感影像自动、快速、高精度的评价方法具有很大实用价值。
发明内容
本发明为实现图像匹配策略自动评价遥感影像无控定位精度，本发明提供了一种基于参考底图的遥感影像定位精度评价方法，本发明提供了以下技术方案：
一种基于参考底图的遥感影像定位精度评价方法，包括以下步骤：
步骤1：提取待评价的影像，根据提取待评价的影像确定LandSat参考影像；
步骤2：对待评价的影像和LandSat参考影像预处理，采用配准SURF算法匹配参数，获取备选的控制点；
步骤3：以LandSat参考影像作为参考评价待评价的影像定位精度。
优选地，所述步骤1具体为：提取待评价的影像，根据待评价的影像的经纬度最大范围作为检索条件，查询LandSat参考影像数据库，选取覆盖待评价的影像的经纬度最大范围的LandSat参考影像作为待评价影像的初选控制数据。
优选地，所述步骤2具体为：
步骤2.1：对待评价影像和LandSat参考影像进行预处理，提高待评价影像和LandSat参考影像的信噪比，将待评价影像和LandSat参考影像的分辨率调整至不超过5倍的关系；
步骤2.2：将待评价影像的四角点及中心点通过坐标转换分别在LandSat参考影像上进行定位，设置分块的宽度和高度，宽度和高度分别设为1024个像素，对分块的子区域进行特征点提取与匹配；
步骤2.3：采用SURF算法对待评价影像和LandSat参考影像进行匹配，筛选最优匹配点，基于误匹配的点存在孤立特性，按同名点所占比例提取，剔除误匹配点。
优选地，所述步骤3具体为：
步骤3.1：根据分块区域内的匹配点，计算LandSat影像匹配点在待评价影像中的影像坐标，将LandSat影像的TM坐标转换为WGS84大地坐标，通过下式表示转换过程：
Figure BDA0002347182690000021
Figure BDA0002347182690000022
其中，B为转换后的纬度，L为转换后经度，e为椭球的第一偏心率，L0为原点经度，K为比例因子，YE为TM坐标的纵坐标，XN为TM坐标的横坐标；
利用转换后的LandSat影像平面坐标(B,L)在公开的参考DEM数据中内插该点的椭球高程值H，从而得到LandSat影像匹配点在WGS84椭球下的大地坐标(BLH)；
步骤3.2：将(BLH)利用RPC正解求得在待评价影像上的图像坐标(X1,Y1)，确定待评价影像的同名点，通过下式表示所述同名点：
Figure BDA0002347182690000023
Pn＝(P-P0)/Ps；Ln＝(L-L0)/Ls；Hn＝(H-H0)/Hs
rn＝(r-r0)/rs；cn＝(c-c0)/cs
其中，P、L、H分别为WGS84坐标系下的纬度、经度和大地高，(rn,cn)、(Pn,Ln,Hn)分别为平移和缩放后的正则化像点坐标和地面点坐标，取值为[-1,1]之间，rs,cs,Ps,Ls,Hs为正则化的缩放系数；r0,c0,P0,L0,H0为正则化的平移系数，r和c为像点坐标所在的行列号；
步骤3.3：确定待评价影像的误差，通过下式表示所述误差：
Figure BDA0002347182690000024
其中，Δ为待评价影像的误差；
对所有同名点进行统计，确定所有同名点的误差，通过下式表示所有同名点的误差：
Figure BDA0002347182690000031
其中，σ为所有同名点的误差，n为同名点数量；
步骤3.4：根据所有同名点的误差对待测影像的定位精度极性评价，通过下式表示待测影像的定位精度：
Position＝σ×GSD
其中，Position为待测影像的定位精度，GSD为地面像元分辨率。
本发明具有以下有益效果：
本发明可广泛用于国产光学遥感卫星影像的几何质量评价，该方法实施难度小，可以进行遥感影像自动、快速、高精度的评价具有很大实用价值，可以消除人工质检时刺点的繁琐、解决人工质检时效性差等问题。处理一景多光谱遥感影像耗时<25s，准确率优于90％。
附图说明
图1是一种基于参考底图的遥感影像定位精度评价方法流程图。
具体实施方式
以下结合具体实施例，对本发明进行了详细说明。
具体实施例一：
步骤1：提取待评价的影像，根据提取待评价的影像确定LandSat参考影像；
所述步骤1具体为：提取待评价的影像，根据待评价的影像的经纬度最大范围作为检索条件，查询LandSat参考影像数据库，，选取覆盖待评价的影像的经纬度最大范围的LandSat参考影像作为待评价影像的初选控制数据。
步骤2：对待评价的影像和LandSat参考影像预处理，采用配准SURF算法匹配参数，获取备选的控制点；
所述步骤2具体为：
步骤2.1：对待评价影像和LandSat参考影像进行预处理，提高待评价影像和LandSat参考影像的信噪比，将待评价影像和LandSat参考影像的分辨率调整至范围内，分辨率最好不超过5倍关系；
步骤2.2：将待评价影像的四角点及中心点通过坐标转换分别在LandSat参考影像上进行定位，设置分块的宽度和高度，宽度和高度分别设为1024个像素，对分块的子区域进行特征点提取与匹配；
步骤2.3：采用SURF算法对待评价影像和LandSat参考影像进行匹配，筛选最优匹配点，误匹配的点会有孤立的特性，因此按同名点所占比例提取，剔除误匹配点；。
步骤3：以LandSat参考影像作为参考评价待评价的影像的定位精度。
所述步骤3具体为：
步骤3.1：根据分块区域内的匹配点，计算LandSat影像匹配点在待评价影像中的影像坐标，将LandSat影像的TM坐标转换为WGS84大地坐标，通过下式表示转换过程：
Figure BDA0002347182690000041
Figure BDA0002347182690000042
其中，B为转换后的纬度，L为转换后经度，e为椭球的第一偏心率，L0为原点经度，K为比例因子(也叫尺度变化)，YE为TM坐标纵坐标，XN为TM坐标横坐标；
利用转换后的LandSat影像平面坐标(B,L)在公开的参考DEM数据中内插该点的椭球高程值H，从而得到LandSat影像匹配点在WGS84椭球下的大地坐标(BLH)；
步骤3.2：将(BLH)利用RPC正解求得在待评价影像上的图像坐标(X1,Y1)，确定待评价影像的同名点，通过下式表示所述同名点：
Figure BDA0002347182690000043
Pn＝(P-P0)/Ps；Ln＝(L-L0)/Ls；Hn＝(H-H0)/Hs
rn＝(r-r0)/rs；cn＝(c-c0)/cs
式中，P、L、H分别为WGS84坐标系下的纬度、经度和大地高，单位分别为度和米。r、c为像点坐标所在的行列号。(rn,cn)、(Pn,Ln,Hn)分别为平移和缩放后的正则化像点坐标和地面点坐标，取值为[-1,1]之间。rs,cs,Ps,Ls,Hs为正则化的缩放系数；r0,c0,P0,L0,H0为正则化的平移系数，均可以从影像附带的90个RPC系数中获取。目前RPC系数有两种常用的格式，一种是_RPC.txt形式，常见于WordView、QuickBird、资源三号等系列卫星，另一种是RPB格式，这两种格式都是文本格式。多项式Pi(i＝1,2,3,4)中每一项的各坐标分量Pn,Ln,Hn的幂次最大不超过3，且每一项各个坐标分量的幂次之和也不超过3。多项式Pi的形式如下：
p1(Pn,Ln,Hn)＝a1+a2·Ln+a3·Pn+a4·Hn+a5·Ln·Pn+a6·Ln·Hn+a7·Pn·Hn+a8·Ln 2+a9·Pn 2+a10·Hn 2+a11·Pn·Ln·Hn+a12·Ln 3+a13·Ln·Pn 2+a14·Ln·Hn 2+a15·Ln 2·Pn+a16·Pn 3+a17·Pn·Hn 2+a18·Ln 2·Hn+a19·Pn 2·Hn+a20·Hn 3
p2(Pn,Ln,Hn)＝b1+b2·Ln+b3·Pn+b4·Hn+b5·Ln·Pn+b6·Ln·Hn+b7·Pn·Hn+b8·Ln 2+b9·Pn 2+b10·Hn 2+b11·Pn·Ln·Hn+b12·Ln 3+b13·Ln·Pn 2+b14·Ln·Hn 2+b15·Ln 2·Pn+b16·Pn 3+b17·Pn·Hn 2+b18·Ln 2·Hn+b19·Pn 2·Hn+b20·Hn 3
p3(Pn,Ln,Hn)＝c1+c2·Ln+c3·Pn+c4·Hn+c5·Ln·Pn+c6·Ln·Hn+c7·Pn·Hn+c8·Ln 2+c9·Pn 2+c10·Hn 2+c11·Pn·Ln·Hn+c12·Ln 3+c13·Ln·Pn 2+c14·Ln·Hn 2+c15·Ln 2·Pn+c16·Pn 3+c17·Pn·Hn 2+c18·Ln 2·Hn+c19·Pn 2·Hn+c20·Hn 3
p4(Pn,Ln,Hn)＝d1+d2·Ln+d3·Pn+d4·Hn+d5·Ln·Pn+d6·Ln·Hn+d7·Pn·Hn+d8·Ln 2+d9·Pn 2+d10·Hn 2+d11·Pn·Ln·Hn+d12·Ln 3+d13·Ln·Pn 2+d14·Ln·Hn 2+d15·Ln 2·Pn+d16·Pn 3+d17·Pn·Hn 2+d18·Ln 2·Hn+d19·Pn 2·Hn+d20·Hn 3
式中，ai、bi、ci、di(i＝1,2,3…,20)为多项式展开形式的系数即RPC系数。
步骤3.3：确定待评价影像的误差，通过下式表示所述误差：
Figure BDA0002347182690000051
其中，Δ为待评价影像的误差；
对所有同名点进行统计，确定所有同名点的误差，通过下式表示所有同名点的误差：
Figure BDA0002347182690000052
其中，σ为所有同名点的误差，n为同名点数量；
步骤4.3：根据所有同名点的误差对待测影像的定位精度极性评价，通过下式表示待测影像的定位精度：
Position＝σ×GSD
其中，Position为待测影像的定位精度，GSD为地面像元分辨率。
具体实施例二：
本发明提取吉林一号光学A星21702_202的浙江德清县影像数据作为试验数据，影像数据包括经纬度范围以及RPC参数。该轨影像共获取19景影像，以其中第11景影像为例，该景影像的四角点及中心点经纬度分别为[119.967096,30.732424]、[120.089773,30.732424]、[119.937748,30.648389]、[120.060289,30.624353]、[120.013600,30.690445]，以该影像覆盖的范围作为检索条件，搜索符合条件的LandSat参考影像。
步骤2，配准SURF算法匹配参数，获取备选控制点；
待评价和参考影像预处理：
本方法采用的参考影像LandSat8全色波段的分辨率为15m，吉林一号光学A星全色分辨率为0.72m，两者之间的分辨率相差太大，直接处理比较困难，需将二者之间的分辨率调整到一定范围内，因此对吉林一号光学A星全色影像进行降分辨率处理，降为10m。
步骤2.2控制点特征提取与匹配：
影像分块处理操作：
计算光学A星四角点及中心点在LandSat影像的位置，位置分别为(10583,13160)，(11349,13328)，(10408,13956)，(11172,14123)，(10878,13642)。对待评价的光学A星及LandSat影像进行分块处理，光学A星分块影像大小为512*512像素，LandSat分块影像大小为100*100。对分块的区域进行特征点提取等操作。
待评价影像与参考影像提取同名点：
利用配置的SURF算法匹配参数，对待评价的光学A星影像以及LandSat参考影像进行特征点提取并进行匹配，共匹配65对同名点，以其中3对为例进行说明，点对1：(1980,3071)与(6175.66,8728.63)，点对2：(2620,2783)与(6310.48,8700.17)，点对3：(1328,2795)与(6059.76,8648.47)。
最优匹配点筛选：
通过以上步骤获取的匹配特征点会有误匹配，需要进行筛选，最优匹配点的筛选可以通过按一定比例提取出排名靠前的匹配点来实现，最终选取13对排名靠前的同名点对。
先基于步骤2获取单块区域的匹配点，计算LandSat影像匹配点在待评价影像的图像坐标，由于LandSat影像采用地是TM坐标，所以需将TM坐标先转为WGS84大地坐标，点对1的LandSat影像的TM坐标为(6175.66,8728.63)，转换(B,L)为(116.91,41.64)，利用转换后的LandSat影像平面坐标(B,L)在公开的参考DEM数据中内插该点的椭球高程值H，从而得到LandSat影像匹配点在WGS84椭球下的大地坐标(BLH)，(BLH)为(116.91,41.64,998.94)。将(BLH)利用RPC正解求得在待评价影像上的图像坐标(X1,Y1)，(X1,Y1)为(2011.62,3056.47)。计算待评价影像同名点与(X1,Y1)的差值，计算该点的误差△，△为34.796，单位为像素。重复筛选出的所有最优匹配点对，计算所有的同名点对的差值的中误差σ，中误差σ为25.892，单位为像素。计算该景影像的定位精度Position，Position为77.41米。
以上所述仅是一种基于参考底图的遥感影像定位精度评价方法的优选实施方式，一种基于参考底图的遥感影像定位精度评价方法的保护范围并不仅局限于上述实施例，凡属于该思路下的技术方案均属于本发明的保护范围。应当指出，对于本领域的技术人员来说，在不脱离本发明原理前提下的若干改进和变化，这些改进和变化也应视为本发明的保护范围。

Claims (3)

1.一种基于参考底图的遥感影像定位精度评价方法，其特征是：包括以下步骤：
步骤1：提取待评价的影像，根据提取待评价的影像确定LandSat参考影像；
步骤2：对待评价的影像和LandSat参考影像预处理，采用配准SURF算法匹配参数，获取备选的控制点；
步骤3：以LandSat参考影像作为参考评价待评价的影像的定位精度；
所述步骤3具体为：
步骤3.1：根据分块区域内的匹配点，计算LandSat影像匹配点在待评价影像中的影像坐标，将LandSat影像的TM坐标转换为WGS84大地坐标，通过下式表示转换过程：
Figure FDA0003366351380000011
Figure FDA0003366351380000012
其中，B为转换后的纬度，L为转换后经度，e为椭球的第一偏心率，L0为原点经度，K为比例因子，YE为TM坐标的纵坐标，XN为TM坐标的横坐标；
利用转换后的LandSat影像平面坐标(B,L)在公开的参考DEM数据中内插坐标(B,L)点的椭球高程值H，从而得到LandSat影像匹配点在WGS84椭球下的大地坐标(B L H)；
步骤3.2：将(B L H)利用RPC正解求得在待评价影像上的图像坐标(X1,Y1)，确定待评价影像的同名点，通过下式表示所述同名点：
Figure FDA0003366351380000013
Pn＝(P-P0)/Ps；Ln＝(L-L0)/Ls；Hn＝(H-H0)/Hs
rn＝(r-r0)/rs；cn＝(c-c0)/cs
其中，P、L、H分别为WGS84坐标系下的纬度、经度和大地高，(rn,cn)、(Pn,Ln,Hn)分别为平移和缩放后的正则化像点坐标和地面点坐标，取值为[-1,1]之间，rs,cs,Ps,Ls,Hs为正则化的缩放系数；r0,c0,P0,L0,H0为正则化的平移系数，r和c为像点坐标所在的行列号；
步骤3.3：确定待评价影像的误差，通过下式表示所述误差：
Figure FDA0003366351380000014
其中，Δ为待评价影像的误差；
对所有同名点进行统计，确定所有同名点的误差，通过下式表示所有同名点的误差：
Figure FDA0003366351380000021
其中，σ为所有同名点的误差，n为同名点数量；
步骤3.4：根据所有同名点的误差对待测影像的定位精度极性评价，通过下式表示待测影像的定位精度：
Position＝σ×GSD
其中，Position为待测影像的定位精度，GSD为地面像元分辨率。
2.根据权利要求1所述的一种基于参考底图的遥感影像定位精度评价方法，其特征是：所述步骤1具体为：提取待评价的影像，根据待评价的影像的经纬度最大范围作为检索条件，查询LandSat参考影像数据库，选取覆盖待评价的影像的经纬度最大范围的LandSat参考影像作为待评价影像的初选控制数据。
3.根据权利要求1所述的一种基于参考底图的遥感影像定位精度评价方法，其特征是：所述步骤2具体为：
步骤2.1：对待评价影像和LandSat参考影像进行预处理，提高待评价影像和LandSat参考影像的信噪比，将待评价影像和LandSat参考影像的分辨率调整至不超过5倍的关系；
步骤2.2：将待评价影像的四角点及中心点通过坐标转换分别在LandSat参考影像上进行定位，设置分块的宽度和高度，宽度和高度分别设为1024个像素，对分块的子区域进行特征点提取与匹配；
步骤2.3：采用SURF算法对待评价影像和LandSat参考影像进行匹配，筛选最优匹配点，基于误匹配的点存在孤立特性，按同名点所占比例提取，剔除误匹配点。
CN201911399638.6A 2019-12-30 2019-12-30 一种基于参考底图的遥感影像定位精度评价方法 Active CN111144350B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911399638.6A CN111144350B (zh) 2019-12-30 2019-12-30 一种基于参考底图的遥感影像定位精度评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911399638.6A CN111144350B (zh) 2019-12-30 2019-12-30 一种基于参考底图的遥感影像定位精度评价方法

Publications (2)

Publication Number Publication Date
CN111144350A CN111144350A (zh) 2020-05-12
CN111144350B true CN111144350B (zh) 2022-02-11

Family

ID=70522096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911399638.6A Active CN111144350B (zh) 2019-12-30 2019-12-30 一种基于参考底图的遥感影像定位精度评价方法

Country Status (1)

Country Link
CN (1) CN111144350B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508938B (zh) * 2020-12-22 2022-09-16 中国科学院空天信息创新研究院 一种光学卫星影像几何质量评价方法、装置、设备和存储介质
CN113436098A (zh) * 2021-06-25 2021-09-24 浙江合信地理信息技术有限公司 一种使用照相技术完善激光点影像测绘算法
CN113838017A (zh) * 2021-09-16 2021-12-24 杭州逗酷软件科技有限公司 图像美学质量评价方法、装置、存储介质及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574347A (zh) * 2013-10-24 2015-04-29 南京理工大学 基于多源遥感数据的在轨卫星图像几何定位精度评价方法
KR20160016238A (ko) * 2014-08-04 2016-02-15 서울시립대학교 산학협력단 모자이크 영상의 정량적 품질 평가 시스템 및 방법
CN105466400A (zh) * 2015-12-16 2016-04-06 贵州天地通科技有限公司 一种利用rpc探测多源卫星影像同名像点成像交会角方法
CN110378001A (zh) * 2019-07-11 2019-10-25 中国空间技术研究院 一种无地面控制点遥感卫星几何定位精度分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574347A (zh) * 2013-10-24 2015-04-29 南京理工大学 基于多源遥感数据的在轨卫星图像几何定位精度评价方法
KR20160016238A (ko) * 2014-08-04 2016-02-15 서울시립대학교 산학협력단 모자이크 영상의 정량적 품질 평가 시스템 및 방법
CN105466400A (zh) * 2015-12-16 2016-04-06 贵州天地通科技有限公司 一种利用rpc探测多源卫星影像同名像点成像交会角方法
CN110378001A (zh) * 2019-07-11 2019-10-25 中国空间技术研究院 一种无地面控制点遥感卫星几何定位精度分析方法

Also Published As

Publication number Publication date
CN111144350A (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
James et al. 3‐D uncertainty‐based topographic change detection with structure‐from‐motion photogrammetry: precision maps for ground control and directly georeferenced surveys
Gardner et al. Increased West Antarctic and unchanged East Antarctic ice discharge over the last 7 years
CN111144350B (zh) 一种基于参考底图的遥感影像定位精度评价方法
Li et al. Evaluation of the newly released worldwide AW3D30 DEM over typical landforms of China using two global DEMs and ICESat/GLAS data
CN113284171B (zh) 一种基于卫星遥感立体成像对的植被高度分析方法及系统
CN114091613B (zh) 一种基于高分联合组网数据的森林生物量估算方法
CN108564532B (zh) 大尺度地距星载sar图像镶嵌方法
CN112598608A (zh) 一种基于目标区域的光学卫星快速融合产品制作方法
CN114820552A (zh) 一种利用光学卫星立体影像检测滑坡位移场的方法
CN109188483B (zh) 一种时序化高精度外方位元素自动定标方法
CN113139994B (zh) 基于角点的高分辨率光学遥感卫星图像建筑物高度监测方法
CN108827880B (zh) 基于多光谱影像和ndvi时间序列的地表覆盖变化检测方法
CN105571598A (zh) 一种卫星激光高度计足印相机姿态的测定方法
Fraser et al. 3D building reconstruction from high-resolution Ikonos stereo-imagery
Deng et al. Mapping bathymetry from multi-source remote sensing images: a case study in the Beilun estuary, Guangxi, China
CN109886988B (zh) 一种微波成像仪定位误差的度量方法、系统、装置及介质
CN111145231A (zh) 遥感图像的波段偏移确定方法、装置和电子设备
CN116310901A (zh) 一种基于低空遥感的泥石流物源动态运移识别方法
CN116152325A (zh) 一种基于单目视频的道路交通高边坡稳定性监测方法
CN111310649B (zh) 一种无人机高分辨率影像对山岳冰川运动消融的提取方法
Gruen et al. DSM generation with ALOS/PRISM data using SAT-PP
CN113124834B (zh) 一种结合多源数据的区域网平差方法、系统及存储介质
CN117853908A (zh) 一种基于遥感数据的流域水情监测方法
Maruya et al. Accurate dem and ortho-rectified image production from alos/prism
Liu et al. Temporal Shape-Based Fusion Method to Generate Continuous Vegetation Index at Fine Spatial Resolution

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

Address after: No. 1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province

Patentee after: Changguang Satellite Technology Co.,Ltd.

Address before: No. 1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province

Patentee before: CHANG GUANG SATELLITE TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An evaluation method of positioning accuracy of remote sensing image based on reference map

Effective date of registration: 20220720

Granted publication date: 20220211

Pledgee: National Development Bank of China Jilin branch

Pledgor: Changguang Satellite Technology Co.,Ltd.

Registration number: Y2022220000041

PE01 Entry into force of the registration of the contract for pledge of patent right