CN111213179A - 一种图像数据处理方法、装置及系统 - Google Patents
一种图像数据处理方法、装置及系统 Download PDFInfo
- Publication number
- CN111213179A CN111213179A CN201980004982.2A CN201980004982A CN111213179A CN 111213179 A CN111213179 A CN 111213179A CN 201980004982 A CN201980004982 A CN 201980004982A CN 111213179 A CN111213179 A CN 111213179A
- Authority
- CN
- China
- Prior art keywords
- image data
- low
- frequency data
- image
- ortho
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 15
- 238000012545 processing Methods 0.000 claims description 136
- 238000005259 measurement Methods 0.000 claims description 48
- 238000000034 method Methods 0.000 claims description 41
- 238000012549 training Methods 0.000 claims description 30
- 230000007613 environmental effect Effects 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 12
- 238000006731 degradation reaction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000002834 transmittance Methods 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 claims description 5
- 230000015556 catabolic process Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种图像数据处理方法、装置及系统,其中图像数据处理方法包括:接收测量区域的图像数据,图像数据是由移动平台对测量区域进行拍摄得到的;对图像数据进行去雾处理;根据去雾处理后的图像数据得到测量区域的第一正射影像,可以提高制作的正射影像的清晰度和对比度。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像数据处理方法、装置及系统。
背景技术
同传统的地形图相比,数字正射影像图(Digital Orthophoto Map,DOM)具有信息量大、形象直观、易于判读和现势性强等诸多优点,因而常被应用到地理信息系统(Geographic Information System,GIS)中。由于具有信息量丰富、直观、可量测的特性,一直以来正射影像是航空摄影测量的一个重要的产品。
然而,在空气质量较差的情况下,通常会出现影像对比度低、不清晰的现象,导致制作出的正射影像存在清晰度和对比度低,视觉效果不佳的缺陷。可见,如何提高正射影像的清晰度和对比度已成为亟待解决的问题。
发明内容
本发明实施例公开了一种图像数据处理方法、装置及系统,用于提高制作的正射影像的清晰度和对比度。
本发明实施例第一方面公开了一种图像数据处理方法,所述方法包括:
接收测量区域的图像数据,所述图像数据是由移动平台对所述测量区域进行拍摄得到的;
对所述图像数据进行去雾处理;
根据去雾处理后的图像数据得到所述测量区域的第一正射影像。
本发明实施例第二方面公开了一种图像数据处理装置,包括:处理器和存储器,其中:
所述存储器,用于存储有计算机程序,所述计算机程序包括程序指令;
所述处理器调用所述程序指令时用于执行:
接收测量区域的图像数据,所述图像数据是由移动平台对所述测量区域进行拍摄得到的;
对所述图像数据进行去雾处理;
根据去雾处理后的图像数据得到所述测量区域的第一正射影像。
本发明实施例第三方面公开了一种图像数据处理系统,其特征在于,包括:移动平台和图像数据处理装置,所述移动平台上配置有图像采集设备,其中:
所述移动平台,用于通过所述图像采集设备对测量区域进行拍摄,以得到所述测量区域的图像数据;
所述移动平台,还用于向所述图像数据处理装置发送所述测量区域的图像数据;
所述图像数据处理装置,用于接收所述移动平台发送的所述测量区域的图像数据;
所述图像数据处理装置,还用于对所述图像数据进行去雾处理,并根据去雾处理后的图像数据得到所述测量区域的第一正射影像。
本发明实施例第四方面公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的图像数据处理方法。
本发明实施例可以接收测量区域的图像数据,该图像数据是由移动平台对测量区域进行拍摄得到的,并对该图像数据进行去雾处理,根据去雾处理后的图像数据得到测量区域的第一正射影像,可以提高制作的正射影像的清晰度和对比度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种图像数据处理系统的结构示意图;
图2是本发明实施例公开的一种图像数据处理方法的流程示意图;
图3a是本发明实施例公开的一种去雾处理效果的示意图;
图3b是本发明实施例公开的一种超分辨增强处理的流程示意图;
图3c是本发明实施例公开的一种图像数据处理效果的示意图;
图3d是本发明实施例公开的一种图像数据处理的整体流程示意图;
图4是本发明实施例公开的一种图像数据处理装置的结构示意图;
图5是本发明实施例公开的另一种图像数据处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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。
请参阅图1,为本发明实施例提供的一种图像数据处理系统的结构示意图,该系统包括移动平台和图像数据处理装置,其中:
移动平台具体可以包括无人机、无人车、移动机器人、手持设备等中的一种或多种,移动平台上配置有图像采集设备,移动平台通过图像采集设备可以对测量区域进行图像数据的采集;图像数据处理装置具体可以包括遥控器、智能手机、膝上型电脑、穿戴式设备(手表、手环)等中的一种或多种。
可选的,图像数据处理装置与移动平台分离设置,可以是地面上的图像数据处理装置,例如遥控器、智能手机、膝上型电脑、穿戴式设备(手表、手环)等。
可选的,图像数据处理装置设置在移动平台中,可以是移动平台上的图像数据处理模块。
示例的,移动平台为无人机,无人机设置有图像采集设备,示例的,该图像采集设备为镜头或相机,则图像采集设备可在移动平台的移动过程中对测量区域进行拍摄以得到测量区域的图像数据。
以图像数据处理装置与移动平台分离设置为例,移动平台通过图像采集设备对测量区域进行图像数据的采集,以得到测量区域的图像数据,移动平台向图像数据处理装置发送采集得到的测量区域的图像数据;图像数据处理装置接收该测量区域的图像数据,在制作正射影像时,图像数据处理装置先对该测量区域的图像数据进行去雾处理,然后再根据去雾处理后的图像数据制作得到该测量区域的正射影像,从而通过去雾处理可以提高制作的正射影像的清晰度和对比度。
请参阅图2,为本发明实施例提供的一种图像数据处理方法的流程示意图。所述图像数据处理方法可以包括以下步骤:
201、接收测量区域的图像数据,所述图像数据是由移动平台对所述测量区域进行拍摄得到的。
具体的,图像数据处理装置接收移动平台采集得到的测量区域的图像数据。
可选的,图像数据处理装置与移动平台分离设置,可以是地面上的图像数据处理装置,例如遥控器、智能手机、膝上型电脑、穿戴式设备(手表、手环)等。
可选的,图像数据处理装置设置在移动平台中,可以是移动平台上的图像数据处理模块。
202、对所述图像数据进行去雾处理。
具体的,在制作正射影像时,图像数据处理装置先对该测量区域的图像数据进行去雾处理,从而通过去雾处理可以提高制作的正射影像的清晰度和对比度。可选的,图像数据处理装置对图像数据进行去雾处理的具体实现方式可以为:
图像数据处理装置根据图像数据确定移动平台对测量区域进行拍摄时的环境参数,环境参数可以包括环境光强度和大气透射率等,图像数据处理装置利用环境参数和去雾模型即可对图像数据进行去雾处理。
其中,去雾处理的主要目的是去除雾霾对影像造成的影响,恢复影像本身的色彩。去雾模型可以用公式表示为:I(x)=J(x)t(x)+α(1-t(x)),其中,x为图像像素的空间坐标,I(x)代表获取的含雾影像(即上述测量区域的图像数据),J(x)代表去雾后的影像,t(x)代表大气透射率,α代表环境光强度。可以看出,物体最终在相机上的成像不但和物体自身光强度有关,也和大气光相关,其中,
t(x)=e-βd(x),β为大气散射系数,d(x)为场景深度,即在点x处场景与相机之间的距离,可以看出t(x)是与拍摄距离成负相关的函数,这意味着拍摄距离越远,影像受大气光的影响越严重。去雾的目的就是根据已知的含雾影像I(x),恢复去雾影像J(x),在此过程中需要根据I(x)估计出环境光α和大气透射率t(x),然后通过去雾模型解出去雾影像J(x)。如图3a所示,经过去雾处理,影像的对比度和清晰度得到明显提升,因此有利于对影像的特征提取和特征匹配,去雾后的图像数据制作的正射影像的视觉效果也可以得到显著提升。
203、根据去雾处理后的图像数据得到所述测量区域的第一正射影像。
可以根据去雾处理后的图像数据制作得到该测量区域的正射影像(记为第一正射影像)。
可选的,图像数据处理装置根据去雾处理后的图像数据得到测量区域的第一正射影像的具体实现方式可以为:图像数据处理装置对去雾处理后的图像数据进行特征提取和特征匹配,以得到测量区域的点云数据,点云数据反映了测量区域的空间结构和表面属性的特征。图像数据处理装置利用点云数据可以对测量区域的图像数据进行正射纠正和拼接处理,进而得到测量区域的正射影像(记为第一正射影像),可见,将对图像数据做去雾霾处理用在正射影像的生成过程中有利于提高图像数据的清晰度和对比度,有利于图像的特征提取和匹配。
本发明实施例中,图像数据处理装置接收测量区域的图像数据,该图像数据是由移动平台对测量区域进行拍摄得到的,图像数据处理装置可以先对图像数据进行去雾处理,然后根据去雾处理后的图像数据得到测量区域的正射影像,从而可以提高影像清晰度和对比度。
可选的,图像数据处理装置在得到测量区域的第一正射影像后,还可以对第一正射影像进行超分辨率增强处理,以得到测量区域的第二正射影像。
具体的,由于数据传输带宽的限制,图像数据处理装置接收到的测量区域的图像数据通常是测量区域的缩略图数据,相比于拍摄得到的测量区域的原始数据,缩略图数据的像素点较少,分辨率降低,为了进一步提高正射影像的视觉效果,图像数据处理装置可以对得到的测量区域的第一正射影像进行超分辨率增强处理,从而得到测量区域的第二正射影像,相比于第一正射影像,第二正射影像的分辨率更高,视觉效果更佳。另外,对正射影像进行超分辨率增强处理,可以在移动平台通过图像采集设备拍摄测量区域的图像数据时飞行高度(即图像数据的采集高度)较高的情况下,仍然能够得到高质量的正射影像,同时还保证了数据采集效率。
可选的,图像数据处理装置对第一正射影像进行超分辨率增强处理,以得到测量区域的第二正射影像的具体实现方式可以为:图像数据处理装置根据预先建立的训练数据集确定与第一正射影像匹配的目标低频数据块和目标高频数据块,其中,目标低频数据块和目标高频数据块即为超分辨率增强处理后的影像对应的低频分量和高频分量,图像数据处理装置再利用目标低频数据块和目标高频数据块即可合成得到测量区域的第二正射影像。
可选的,图像数据处理装置根据预先建立的训练数据集确定与第一正射影像匹配的目标低频数据块和目标高频数据块的具体实现方式可以为:图像数据处理装置在预先建立的训练数据集中,查找与第一正射影像匹配的第一低频数据块和第一高频数据块,再在该训练数据集中,查找与第一低频数据块匹配的第二低频数据块,以及与第一高频数据块匹配的第二高频数据块,进而将第二低频数据块作为与第一正射影像匹配的目标低频数据块,以及将第二高频数据块作为与第一正射影像匹配的目标高频数据块。
可选的,预先建立的训练数据集包括低分辨率影像的低频数据块和高频数据块,以及高分辨率影像的低频数据块和高频数据块,图像数据处理装置在预先建立的训练数据集中查找第一低频数据块和第一高频数据块,以及第二低频数据块和第二高频数据块的具体实现方式可以为:图像数据处理装置在预先建立的训练数据集包括的低分辨率影像的低频数据块和高频数据块中,查找与第一正射影像匹配的第一低频数据块和第一高频数据块,再在该训练数据集包括的高分辨率影像的低频数据块和高频数据块中,查找与第一低频数据块匹配的第二低频数据块,以及与第一高频数据块匹配的第二高频数据块。
可选的,本发明可以采用基于机器学习的方法对低分辨率正射影像进行超分辨率处理,其训练数据集来源于真实的高分辨率正射影像,具体实现过程包括:图像数据处理装置可以获取多张高分辨率正射影像,对该多张高分辨率正射影像进行降质处理,以得到多张低分辨率正射影像,然后对该多张高分辨率正射影像和该多张低分辨率正射影像分别进行分块处理,以得到该多张高分辨率正射影像的低频数据块和高频数据块,以及该多张低分辨率正射影像的低频数据块和高频数据块,进而利用该多张高分辨率正射影像的低频数据块与该多张低分辨率正射影像的低频数据块之间的对应关系,以及该多张高分辨率正射影像的高频数据块与该多张低分辨率正射影像的高频数据块之间的对应关系,建立用于超分辨率增强处理的训练数据集。
具体的,如图3b所示,图像数据处理装置对高分辨率正射影像按照降质模型进行降质处理,降质处理包括降采样和加入噪声等,从而得到对应的低分辨率正射影像,对高分辨率正射影像和低分辨率正射影像分别进行分块处理,以产生训练数据集,在进行超分辨率重建时,输入待处理的正射影像(即上述第一正射影像),先从训练数据集包括的低分辨率影像的低频数据块和高频数据块中,查找与待处理的正射影像匹配的第一低频数据块和第一高频数据块,再从训练数据集包括的高分辨率影像的低频数据块和高频数据块中,查找与第一低频数据块匹配的第二低频数据块,以及与第一高频数据块匹配的第二高频数据块,第二低频数据块和第二高频数据块即为待处理的正射影像进行超分辨率增强处理后对应的高分辨率正射影像的低频分量和高频分量,然后再将第二低频数据块和第二高频数据块进行合成处理即可得到高质量的正射影像(即上述第二正射影像)。
可以理解的,本领域技术人员可根据实际需求设置上述高分辨率正射影像的分辨率和低分辨率正射影像的分辨率。示例的,高分辨率正射影像的分辨率可以是4K,低分辨率正射影像的分辨率可以是1K;或者,高分辨率正射影像的分辨率可以是4K,低分辨率正射影像的分辨率可以是2K,本发明不对此做具体限制。
如图3c所示,左图为未经过去雾处理和超分辨增强处理得到的正射影像,右图为经过去雾处理和超分辨增强处理得到的正射影像,可见,经过去雾处理和超分辨增强处理后得到的正射影像,清晰度和对比度明显提高,视觉效果更佳。
可选的,如图3d所示,本发明提供的图像数据处理方法的整体流程可以为:移动平台(如无人机)采集测量区域的图像数据,并通过数据传输链路实时传回缩略图数据,图像数据处理装置(如地面上的图像数据处理装置)在接收到缩略图数据之后,首先对缩略图数据进行去雾处理,以改善影像的对比度和清晰度,这样更有利于影像的特征提取和匹配,可以保证后续实时定位与构图过程(Simultaneous Localization And Mapping,SLAM)的鲁棒性。图像数据处理装置再利用SLAM技术通过不断的特征匹配和光束法平差算法,计算影像在拍摄时刻的位置及姿态,然后通过密集匹配技术获取测量区域的点云数据,对点云数据进行栅格化处理,得到测量区域的数字表面模型(Digital Surface Model,DSM),然后对原始影像(即上述缩略图数据)进行正射纠正和拼接,可以得到正射影像,进一步地再对得到的正射影像进行超分辨率增强处理,即可得到高分辨率的正射影像。
需要说明的是,去雾处理和超分辨率增强的在上述流程中的执行顺序不做具体限定,可以根据需要灵活调整,均可达到相同的效果,例如,可以在SLAM之前不对影像进行去雾处理,而是对最终生成的高分辨率正射影像进行去雾处理,这种处理顺序同样可以得到清晰度和对比度较高、视觉效果佳的正射影像。
请参阅图4,为本发明实施例提供的一种图像数据处理装置的结构示意图。
所述图像数据处理装置包括:
接收模块401,用于接收测量区域的图像数据,所述图像数据是由移动平台对所述测量区域进行拍摄得到的。
处理模块402,用于对所述图像数据进行去雾处理;
根据去雾处理后的图像数据得到所述测量区域的第一正射影像。
可选的,所述处理模块402,具体用于:
根据所述图像数据确定所述移动平台对所述测量区域进行拍摄时的环境参数。
利用所述环境参数和去雾模型对所述图像数据进行去雾处理。
可选的,所述环境参数包括环境光强度和大气透射率。
可选的,所述处理模块402,具体用于:
对去雾处理后的图像数据进行特征提取和特征匹配,以得到所述测量区域的点云数据。
利用所述点云数据对所述图像数据进行正射纠正和拼接处理,以得到所述测量区域的第一正射影像。
可选的,所述处理模块402,还用于:
对所述第一正射影像进行超分辨率增强处理,以得到所述测量区域的第二正射影像。
可选的,所述处理模块402,具体用于:
根据预先建立的训练数据集确定与所述第一正射影像匹配的目标低频数据块和目标高频数据块。
利用所述目标低频数据块和所述目标高频数据块合成所述测量区域的第二正射影像。
可选的,所述处理模块402,具体用于:
在预先建立的训练数据集中,查找与所述第一正射影像匹配的第一低频数据块和第一高频数据块。
在所述训练数据集中,查找与所述第一低频数据块匹配的第二低频数据块,以及与所述第一高频数据块匹配的第二高频数据块。
将所述第二低频数据块作为与所述第一正射影像匹配的目标低频数据块,以及将所述第二高频数据块作为与所述第一正射影像匹配的目标高频数据块。
可选的,所述图像数据处理装置还包括:获取模块403和建立模块404,其中:
所述获取模块403,用于获取多张高分辨率正射影像。
所述处理模块402,还用于对所述多张高分辨率正射影像进行降质处理,以得到多张低分辨率正射影像。
所述处理模块402,还用于对所述多张高分辨率正射影像和所述多张低分辨率正射影像分别进行分块处理,以得到所述多张高分辨率正射影像的低频数据块和高频数据块以及所述多张低分辨率正射影像的低频数据块和高频数据块。
所述建立模块404,用于利用所述多张高分辨率正射影像的低频数据块与所述多张低分辨率正射影像的低频数据块之间的对应关系,以及所述多张高分辨率正射影像的高频数据块与所述多张低分辨率正射影像的高频数据块之间的对应关系,建立用于超分辨率增强处理的训练数据集。
可选的,所述图像数据为所述移动平台拍摄得到的所述测量区域的缩略图数据。
可选的,所述移动平台包括无人机、无人车、移动机器人、手持设备中的一种或多种。
可以理解的是,本发明实施例的图像数据处理装置的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
请参阅图5,为本发明实施例提供的另一种图像数据处理装置的结构示意图。本实施例中所描述的控制终端,包括:处理器501和存储器502。上述处理器501和存储器502通过总线连接。
上述处理器501可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
上述存储器502可以包括只读存储器和随机存取存储器,并向处理器501提供程序指令和数据。存储器502的一部分还可以包括非易失性随机存取存储器。其中,所述处理器501调用所述程序指令时用于执行:
接收测量区域的图像数据,所述图像数据是由移动平台对所述测量区域进行拍摄得到的;
对所述图像数据进行去雾处理;
根据去雾处理后的图像数据得到所述测量区域的第一正射影像。
可选的,所述处理器501,具体用于:
根据所述图像数据确定所述移动平台对所述测量区域进行拍摄时的环境参数;
利用所述环境参数和去雾模型对所述图像数据进行去雾处理。
可选的,所述环境参数包括环境光强度和大气透射率。
可选的,所述处理器501,具体用于:
对去雾处理后的图像数据进行特征提取和特征匹配,以得到所述测量区域的点云数据;
利用所述点云数据对所述图像数据进行正射纠正和拼接处理,以得到所述测量区域的第一正射影像。
可选的,所述处理器501,还用于:
对所述第一正射影像进行超分辨率增强处理,以得到所述测量区域的第二正射影像。
可选的,所述处理器501,具体用于:
根据预先建立的训练数据集确定与所述第一正射影像匹配的目标低频数据块和目标高频数据块;
利用所述目标低频数据块和所述目标高频数据块合成所述测量区域的第二正射影像。
可选的,所述处理器501,具体用于:
在预先建立的训练数据集中,查找与所述第一正射影像匹配的第一低频数据块和第一高频数据块;
在所述训练数据集中,查找与所述第一低频数据块匹配的第二低频数据块,以及与所述第一高频数据块匹配的第二高频数据块;
将所述第二低频数据块作为与所述第一正射影像匹配的目标低频数据块,以及将所述第二高频数据块作为与所述第一正射影像匹配的目标高频数据块。
可选的,所述处理器501,还用于:
获取多张高分辨率正射影像;
对所述多张高分辨率正射影像进行降质处理,以得到多张低分辨率正射影像;
对所述多张高分辨率正射影像和所述多张低分辨率正射影像分别进行分块处理,以得到所述多张高分辨率正射影像的低频数据块和高频数据块以及所述多张低分辨率正射影像的低频数据块和高频数据块;
利用所述多张高分辨率正射影像的低频数据块与所述多张低分辨率正射影像的低频数据块之间的对应关系,以及所述多张高分辨率正射影像的高频数据块与所述多张低分辨率正射影像的高频数据块之间的对应关系,建立用于超分辨率增强处理的训练数据集。
可选的,所述图像数据为所述移动平台拍摄得到的所述测量区域的缩略图数据。
可选的,所述移动平台包括无人机、无人车、移动机器人、手持设备中的一种或多种。
具体实现中,本发明实施例中所描述的处理器501和存储器502可执行本发明实施例图2提供的图像数据处理方法中所描述的实现方式,也可执行本发明实施例图4所描述的图像数据处理装置的实现方式,在此不再赘述。
本发明实施例还提供了一种计算机存储介质,该计算机存储介质中存储有程序指令,所述程序执行时可包括如图2对应实施例中的图像数据处理方法的部分或全部步骤。
需要说明的是,对于前述的各个方法实施例,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,本发明并不受所描述的动作顺序的限制,因为依据本申请,某一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,所涉及的动作和模块并不一定是本申请所必须的。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random AccessMemory,RAM)、磁盘或光盘等。
以上对本发明实施例所提供的一种图像数据处理方法、装置及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (21)
1.一种图像数据处理方法,其特征在于,所述方法包括:
接收测量区域的图像数据,所述图像数据是由移动平台对所述测量区域进行拍摄得到的;
对所述图像数据进行去雾处理;
根据去雾处理后的图像数据得到所述测量区域的第一正射影像。
2.根据权利要求1所述的方法,其特征在于,所述对所述图像数据进行去雾处理,包括:
根据所述图像数据确定所述移动平台对所述测量区域进行拍摄时的环境参数;
利用所述环境参数和去雾模型对所述图像数据进行去雾处理。
3.根据权利要求2所述的方法,其特征在于,所述环境参数包括环境光强度和大气透射率。
4.根据权利要求1~3中任一项所述的方法,其特征在于,所述根据去雾处理后的图像数据得到所述测量区域的第一正射影像,包括:
对去雾处理后的图像数据进行特征提取和特征匹配,以得到所述测量区域的点云数据;
利用所述点云数据对所述图像数据进行正射纠正和拼接处理,以得到所述测量区域的第一正射影像。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述第一正射影像进行超分辨率增强处理,以得到所述测量区域的第二正射影像。
6.根据权利要求5所述的方法,其特征在于,所述对所述第一正射影像进行超分辨率增强处理,以得到所述测量区域的第二正射影像,包括:
根据预先建立的训练数据集确定与所述第一正射影像匹配的目标低频数据块和目标高频数据块;
利用所述目标低频数据块和所述目标高频数据块合成所述测量区域的第二正射影像。
7.根据权利要求6所述的方法,其特征在于,所述根据预先建立的训练数据集确定与所述第一正射影像匹配的目标低频数据块和目标高频数据块,包括:
在预先建立的训练数据集中,查找与所述第一正射影像匹配的第一低频数据块和第一高频数据块;
在所述训练数据集中,查找与所述第一低频数据块匹配的第二低频数据块,以及与所述第一高频数据块匹配的第二高频数据块;
将所述第二低频数据块作为与所述第一正射影像匹配的目标低频数据块,以及将所述第二高频数据块作为与所述第一正射影像匹配的目标高频数据块。
8.根据权利要求5~7中任一项所述的方法,其特征在于,所述对所述第一正射影像进行超分辨率增强处理,以得到所述测量区域的第二正射影像之前,所述方法还包括:
获取多张高分辨率正射影像;
对所述多张高分辨率正射影像进行降质处理,以得到多张低分辨率正射影像;
对所述多张高分辨率正射影像和所述多张低分辨率正射影像分别进行分块处理,以得到所述多张高分辨率正射影像的低频数据块和高频数据块以及所述多张低分辨率正射影像的低频数据块和高频数据块;
利用所述多张高分辨率正射影像的低频数据块与所述多张低分辨率正射影像的低频数据块之间的对应关系,以及所述多张高分辨率正射影像的高频数据块与所述多张低分辨率正射影像的高频数据块之间的对应关系,建立用于超分辨率增强处理的训练数据集。
9.根据权利要求1所述的方法,其特征在于,所述图像数据为所述移动平台拍摄得到的所述测量区域的缩略图数据。
10.根据权利要求1所述的方法,其特征在于,所述移动平台包括无人机、无人车、移动机器人、手持设备中的一种或多种。
11.一种图像数据处理装置,其特征在于,包括:处理器和存储器,其中:
所述存储器,用于存储有计算机程序,所述计算机程序包括程序指令;
所述处理器调用所述程序指令时用于执行:
接收测量区域的图像数据,所述图像数据是由移动平台对所述测量区域进行拍摄得到的;
对所述图像数据进行去雾处理;
根据去雾处理后的图像数据得到所述测量区域的第一正射影像。
12.根据权利要求11所述的图像数据处理装置,其特征在于,所述处理器,具体用于:
根据所述图像数据确定所述移动平台对所述测量区域进行拍摄时的环境参数;
利用所述环境参数和去雾模型对所述图像数据进行去雾处理。
13.根据权利要求12所述的图像数据处理装置,其特征在于,所述环境参数包括环境光强度和大气透射率。
14.根据权利要求11~13中任一项所述的图像数据处理装置,其特征在于,所述处理器,具体用于:
对去雾处理后的图像数据进行特征提取和特征匹配,以得到所述测量区域的点云数据;
利用所述点云数据对所述图像数据进行正射纠正和拼接处理,以得到所述测量区域的第一正射影像。
15.根据权利要求11所述的图像数据处理装置,其特征在于,所述处理器,还用于:
对所述第一正射影像进行超分辨率增强处理,以得到所述测量区域的第二正射影像。
16.根据权利要求15所述的图像数据处理装置,其特征在于,所述处理器,具体用于:
根据预先建立的训练数据集确定与所述第一正射影像匹配的目标低频数据块和目标高频数据块;
利用所述目标低频数据块和所述目标高频数据块合成所述测量区域的第二正射影像。
17.根据权利要求16所述的图像数据处理装置,其特征在于,所述处理器,具体用于:
在预先建立的训练数据集中,查找与所述第一正射影像匹配的第一低频数据块和第一高频数据块;
在所述训练数据集中,查找与所述第一低频数据块匹配的第二低频数据块,以及与所述第一高频数据块匹配的第二高频数据块;
将所述第二低频数据块作为与所述第一正射影像匹配的目标低频数据块,以及将所述第二高频数据块作为与所述第一正射影像匹配的目标高频数据块。
18.根据权利要求15~17中任一项所述的图像数据处理装置,其特征在于,所述处理器,还用于:
获取多张高分辨率正射影像;
对所述多张高分辨率正射影像进行降质处理,以得到多张低分辨率正射影像;
对所述多张高分辨率正射影像和所述多张低分辨率正射影像分别进行分块处理,以得到所述多张高分辨率正射影像的低频数据块和高频数据块以及所述多张低分辨率正射影像的低频数据块和高频数据块;
利用所述多张高分辨率正射影像的低频数据块与所述多张低分辨率正射影像的低频数据块之间的对应关系,以及所述多张高分辨率正射影像的高频数据块与所述多张低分辨率正射影像的高频数据块之间的对应关系,建立用于超分辨率增强处理的训练数据集。
19.根据权利要求11所述的图像数据处理装置,其特征在于,所述图像数据为所述移动平台拍摄得到的所述测量区域的缩略图数据。
20.根据权利要求11所述的图像数据处理装置,其特征在于,所述移动平台包括无人机、无人车、移动机器人、手持设备中的一种或多种。
21.一种图像数据处理系统,其特征在于,包括:移动平台和图像数据处理装置,所述移动平台上配置有图像采集设备,其中:
所述移动平台,用于通过所述图像采集设备对测量区域进行拍摄,以得到所述测量区域的图像数据;
所述移动平台,还用于向所述图像数据处理装置发送所述测量区域的图像数据;
所述图像数据处理装置,用于接收所述移动平台发送的所述测量区域的图像数据;
所述图像数据处理装置,还用于对所述图像数据进行去雾处理,并根据去雾处理后的图像数据得到所述测量区域的第一正射影像。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/077899 WO2020181510A1 (zh) | 2019-03-12 | 2019-03-12 | 一种图像数据处理方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111213179A true CN111213179A (zh) | 2020-05-29 |
Family
ID=70787952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980004982.2A Pending CN111213179A (zh) | 2019-03-12 | 2019-03-12 | 一种图像数据处理方法、装置及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111213179A (zh) |
WO (1) | WO2020181510A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860115A (zh) * | 2020-06-03 | 2020-10-30 | 深圳市迈航信息技术有限公司 | 一种动态视频人像识别方法 |
CN114011859A (zh) * | 2021-10-09 | 2022-02-08 | 华中科技大学 | 一种基于bim的污染土壤修复多机遥操作系统及工作方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112802184B (zh) * | 2021-01-25 | 2024-04-30 | 盛景智能科技(嘉兴)有限公司 | 三维点云重构方法、系统、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257094A (zh) * | 2016-12-29 | 2018-07-06 | 广东中科遥感技术有限公司 | 基于暗通道的遥感影像薄雾快速去除方法 |
CN109118451A (zh) * | 2018-08-21 | 2019-01-01 | 李青山 | 一种基于卷积回归的航空正射影像去雾算法 |
CN109238173A (zh) * | 2018-08-16 | 2019-01-18 | 中国矿业大学 | 一种储煤场三维实景重构系统及煤量快速估算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548461B (zh) * | 2016-10-25 | 2020-02-07 | 湘潭大学 | 图像去雾方法 |
CN108921805B (zh) * | 2018-07-06 | 2020-11-03 | 厦门理工学院 | 一种图像及视频去雾霾方法、计算机装置及存储介质 |
-
2019
- 2019-03-12 CN CN201980004982.2A patent/CN111213179A/zh active Pending
- 2019-03-12 WO PCT/CN2019/077899 patent/WO2020181510A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257094A (zh) * | 2016-12-29 | 2018-07-06 | 广东中科遥感技术有限公司 | 基于暗通道的遥感影像薄雾快速去除方法 |
CN109238173A (zh) * | 2018-08-16 | 2019-01-18 | 中国矿业大学 | 一种储煤场三维实景重构系统及煤量快速估算方法 |
CN109118451A (zh) * | 2018-08-21 | 2019-01-01 | 李青山 | 一种基于卷积回归的航空正射影像去雾算法 |
Non-Patent Citations (1)
Title |
---|
周海龙 等: "基于大疆无人机测绘产品制作方法研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860115A (zh) * | 2020-06-03 | 2020-10-30 | 深圳市迈航信息技术有限公司 | 一种动态视频人像识别方法 |
CN114011859A (zh) * | 2021-10-09 | 2022-02-08 | 华中科技大学 | 一种基于bim的污染土壤修复多机遥操作系统及工作方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020181510A1 (zh) | 2020-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109474780B (zh) | 一种用于图像处理的方法和装置 | |
US9142021B1 (en) | Aligning ground based images and aerial imagery | |
CN108073857B (zh) | 动态视觉传感器dvs事件处理的方法及装置 | |
US9269003B2 (en) | Diminished and mediated reality effects from reconstruction | |
CN112419385B (zh) | 一种3d深度信息估计方法、装置及计算机设备 | |
CN111436216A (zh) | 用于彩色点云生成的方法和系统 | |
KR101931819B1 (ko) | 영상 정보와 항공사진 데이터를 비교하여 대상 객체를 결정하고 카메라 획득정보를 이용하여 대상 객체의 3차원 좌표를 획득하는 수치지도 제작 시스템 | |
CN105282421B (zh) | 一种去雾图像获取方法、装置及终端 | |
CN111213179A (zh) | 一种图像数据处理方法、装置及系统 | |
WO2019037038A1 (zh) | 图像处理方法、装置及服务器 | |
CN113240813B (zh) | 三维点云信息确定方法及装置 | |
CN115035235A (zh) | 三维重建方法及装置 | |
CN115115611B (zh) | 车辆损伤识别方法、装置、电子设备和存储介质 | |
CN115546379A (zh) | 一种数据处理方法、装置和计算机设备 | |
KR101332042B1 (ko) | 카메라의 위치 정보와 수평 정보를 이용하여 공간 영상을 처리하는 공간 영상 처리 시스템 | |
CN109034214B (zh) | 用于生成标记的方法和装置 | |
CN107767326B (zh) | 图像中对象变换处理方法、装置及计算设备 | |
US20190172226A1 (en) | System and method for generating training images | |
JP2016081225A (ja) | 情報提示システム | |
CN117522853A (zh) | 光伏电站的故障定位方法、系统、设备及存储介质 | |
KR101879859B1 (ko) | 영상 왜곡 매개변수를 이용하여 촬영 영상을 보정하는 영상 처리 시스템 | |
CN114445583A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
KR101598399B1 (ko) | 로드뷰 사진이미지의 좌표정보를 이용한 자동 이미지 합성 시스템 | |
CN107492068B (zh) | 视频对象变换实时处理方法、装置及计算设备 | |
KR102076635B1 (ko) | 산재된 고정 카메라를 이용한 파노라마 영상 생성 장치 및 방법 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200529 |