CN111222544A - 一种卫星颤振对相机成像影响的地面模拟测试系统 - Google Patents
一种卫星颤振对相机成像影响的地面模拟测试系统 Download PDFInfo
- Publication number
- CN111222544A CN111222544A CN201911332438.9A CN201911332438A CN111222544A CN 111222544 A CN111222544 A CN 111222544A CN 201911332438 A CN201911332438 A CN 201911332438A CN 111222544 A CN111222544 A CN 111222544A
- Authority
- CN
- China
- Prior art keywords
- image
- matching
- camera
- imaging
- satellite
- 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
Links
Images
Classifications
-
- 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
-
- 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
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- 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
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种卫星颤振对相机成像影响的地面模拟测试系统,该系统包括:卫星运行颤振模拟组件:包括激振平台、安装在激振平台输出端的相机滑轨以及在相机滑轨上左右滑动的成像相机,用以模拟卫星在轨运行发生的平台抖动;线性地物模拟组件:与成像相机相对设置,包括目标板滑轨以及在目标板滑轨上前后滑动的目标板,用以模拟不同卫星轨道高度;监测组件:包括与成像相机连接的电脑,用以获取实测颤振频率和振幅参数。与现有技术相比,本发明具有可靠性高、经济性好等优点。
Description
技术领域
本发明涉及卫星颤振测试领域,尤其是涉及一种卫星颤振对相机成像影响的地面模拟测试系统。
背景技术
卫星在轨运行时,温度等外部环境变化和卫星姿态调整、指向控制及动量轮等星上运动部件工作等产生的扰动,引起卫星平台姿态不稳定和周期性微小振动,即卫星平台颤振,卫星颤振普遍存在,影响卫星成像质量和测图精度,且分辨率越高影响越显著,是高分卫星发展必须解决的关键瓶颈问题。
国外针对卫星颤振现象做过一些在轨实验和仿真研究,而在轨实验耗资巨大,且具有一定的操作难度,因此需要研发一种卫星平台颤振对相机成像影响的地面模拟测试系统,用于开展卫星在轨颤振对相机成像影响模拟测试,实现研究卫星颤振对成像影响机制和颤振精密探测补偿的科学和实用价值。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种卫星颤振对相机成像影响的地面模拟测试系统。
本发明的目的可以通过以下技术方案来实现:
一种卫星颤振对相机成像影响的地面模拟测试系统,该系统包括:
卫星运行颤振模拟组件:包括激振平台、安装在激振平台输出端的相机滑轨以及在相机滑轨上左右滑动的成像相机,用以模拟卫星在轨运行发生的平台抖动;
线性地物模拟组件:与成像相机相对设置,包括目标板滑轨以及在目标板滑轨上前后滑动的目标板,用以模拟不同卫星轨道高度;
监测组件:包括与成像相机连接的电脑以及对成像相机模拟卫星成像过程进行监测的高速相机,用以获取实测颤振频率和振幅参数。
所述的目标板上的图像为黑白线状条纹图像或真实地物的遥感影像图,当目标板上的图像为黑白线状条纹图像时,该图像的长为80cm,宽为60cm,且黑白条纹间隔为5cm。
所述的成像相机根据需模拟的卫星成像传感器类型选择相机类型,当模拟卫星推扫成像线阵传感器时,则选用线阵相机,当模拟卫星面阵成像传感器时,则选用面阵相机,当模拟卫星上搭载的视频传感器时,则采用视频相机。
该地面模拟测试系统的测试方法包括以下步骤:
1)根据成像相机与目标的距离固定目标板位置后,调节成像相机镜头焦距;
2)设置激振平台的振动频率和振幅,开始振动后,成像相机沿相机滑轨运动并对目标板进行拍摄获取图像;
3)成像相机在振动过程中拍摄获取目标板图像,并通过图像反演算法从影像变形中计算出颤振频率和振幅;
4)高速相机对颤振成像模拟实验全过程进行监测和记录,并且对通过序列影像上跟踪点获得振动频率和振幅,对颤振模拟测试结果进行验证。
所述的步骤3)具体包括:
31)对于黑白线状条纹图像:采用基于LOG算子的线特征提取算法提取图像变形边缘,并进行频谱分析获取频率和幅值;
32)对于真实地物的遥感影像图:采用基于密集匹配的方法计算待匹配影像中的各点在参考影像的像平面坐标下的位置差值,得到亚像素的匹配结果。
所述的步骤31)中,基于LOG算子的线特征提取算法具体为:
利用高斯函数先进行低通滤波,然后再利用拉普拉斯算子进行高通滤波并提取零交叉点作为边缘点后,并进行频谱分析获取频率和幅值。
所述的步骤32)具体包括以下步骤:
321)影像预处理:采用Wallis滤波对线阵相机获取的两个不同波段影像进行影像增强,提高影像的对比度并减少波段间辐射差异,
322)将线阵相机获取的两个不同波段影像分别作为待匹配影像和参考影像,并影像匹配,具体包括:
3221)基于熵值的匹配区域选取:
在等间隔均匀取点的过程中,在匹配之前计算匹配模板区域的影像熵值,当影像熵值大于设定的判断阈值时,则认为该区域具有足够丰富的影像信息,进行步骤3222),否则跳过该区域;
3222)采用32*32像素的子窗口在待匹配影像和参考影像上滑动,采用PEF的相位相关方法计算各子窗口间的亚像素偏移值,得到亚像素匹配结果;
3223)误差剔除:
包括基于标准差和相关系数的匹配点粗筛选以及基于RANSAC方法的匹配点精筛选;
基于标准差和相关系数的匹配点粗筛选具体为:
对于匹配的整像素匹配点,计算匹配模板的相关系数并与相关系数阈值进行对比,剔除小于相关系数阈值的粗匹配点,同时,采用3倍标准差3σ方法对误匹配点进行剔除,即在整行影像所有匹配点的匹配计算完毕后,根据各匹配点的匹配结果,计算视差值的标准差σ,并选择3σ作为阈值,剔除粗差点;
所述的步骤3221)中,影像熵值H(X)的计算式为:
判断阈值H的计算式为:
H=Hwhole·α
其中,p(xi)为匹配模板区域影像,n为像素总数,xi为像元,Hwhole为待匹配影像整体的熵值,α为阈值系数。
所述的3222)中,PEF的相位相关方法具体为:
采用二维正弦函数,对互功率谱经逆变换后得到的峰值矩阵进行二维拟合,得到拟合峰值顶点,从而得到亚像素匹配结果。
所述的基于RANSAC方法的匹配点精筛选具体为:
a)从粗筛选结果中随机取出多个匹配点对,得到4个变换参数,作为2*2阶初始平移矩阵模型;
b)根据初始平移矩阵模型遍历粗筛选结果中的所有匹配对,若匹配对在设定阈值下适用,则记为局内点,并计算局内点占匹配对的百分比,若百分比大于设定阈值,则对剩余的匹配点对做最小二乘估计,并计算局内点与平移矩阵模型的错误率;
c)重复步骤a)和步骤b),取对应错误率最小的变换参数作为最终得到的最佳平移矩阵模型;
d)将在该最佳平移矩阵模型下误差超过设定阈值的匹配对去除;
e)对去除后的剩余的匹配点,重复3次步骤a)-步骤d),得到最终的最佳平移矩阵模型。
与现有技术相比,本发明具有以下优点:
一、可靠性高:本发明拥有高精确度的控制能力,在设置好激振器频率和振幅,激振器开始振动后,相机沿相机滑轨运动并对目标板进行拍摄获取图像,同时高速相机对颤振成像模拟实验全过程进行实时监测和记录,成像相机在振动过程中拍摄获取图像,通过自主研发的图像反演算法从影像变形中反演颤振频率振幅,与设置的振动参数相互验证,同时,高速相机监测记录了颤振成像模拟实验全过程,通过序列影像上跟踪点测量出振动频率、振幅,为颤振模拟测试提供了第三方验证。
二、经济性好:国外针对卫星颤振现象做过一些在轨实验和仿真研究,而在轨实验耗资巨大,且具有一定的操作难度,本发明提供的卫星平台颤振对相机成像影响的地面模拟测试系统,能够大幅降低成本,并且可针对不同成像模式卫星展开模拟测试实验。
附图说明
图1为本发明的结构示意图。
图2为扫描获取的影像图局部。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,本发明提供一种卫星平台颤振对相机成像影响的地面模拟测试系统,该系统包括成像相机、相机滑轨、激振平台、条纹目标板、高速监测相机(本例中可选)。成像相机用于模拟卫星搭载的成像传感器,可根据要模拟的卫星成像传感器类型选择相机类型。如要模拟卫星推扫成像线阵传感器,选用线阵相机;如要模拟卫星面阵成像传感器,则选用面阵相机;如要模拟卫星上搭载的视频传感器,采用视频相机。成像相机安装在滑轨上可移动,模拟卫星在轨运行。成像相机滑轨固定安装在激振平台上,激振平台可根据设定频率和幅值产生振动,模拟卫星在轨运行发生的平台抖动。目标板模拟地物,可通过目标板滑轨前后移动调节与成像相机距离,模拟不同卫星轨道高度,(目标板可以采用真实地物影像或者线性条纹目标板,以下是以线性条纹目标板为例)。成像相机在滑轨上移动的同时对线状条纹目标板拍照获取图像,模拟卫星成像。高速监测相机对成像相机模拟卫星成像过程进行监测,可获取成像相机平台的振动频率和幅值,作为对比验证。
根据相机与目标距离固定线状目标板位置后,调节相机镜头焦距,使成像清晰;设置激振器频率和振幅(本实施例中设置频率15Hz、振幅0.5mm),激振器开始振动后,成像相机沿相机滑轨运动并对对线状目标板进行拍摄获取图像,同时高速相机对颤振成像模拟实验全过程进行监测和记录。成像相机在振动过程中拍摄获取的图像,如图2所示,显示出受颤振影响的图像中的直线特征产生了锯齿状变形,通过图像反演算法从影像变形中计算出颤振频率为15Hz、振幅为0.52mm,与设置的振动参数吻合。同时,高速相机监测记录了颤振成像模拟实验全过程,通过序列影像上跟踪点测量出振动频率为15Hz、振幅为0.518mm,为颤振模拟测试提供了第三方验证。
在成像相机获得振动过程中拍摄获取的图像后,本发明的数据处理过程如下:
(一)基于线特征提取的颤振分析算法
本发明针对线性目标板图像信息单一的特点,采用基于Laplacian of Gaussian(LOG)算子的线特征提取算法提取图像变形边缘,并基于频谱分析算法对结果进行分析获取频率域幅值。
LOG算子是高斯和拉普拉斯的双结合,即集平滑和边沿于一身的算子模型。在提取图像f(x,y)边缘的时候,利用高斯函数先进行低通滤波,然后再利用拉普拉斯算子进行高通滤波并提取零交叉点。
高斯滤波函数定义为:
则低通滤波结果为:
f(x,y)*g(x,y) (2)
拉普拉斯算子定义为:
-(2π)2(u2+v2)G(u,v) (4)
因此拉普拉斯算子就是一个高通滤波器,定义为:
因此图像f(x,y)经低通滤波再经拉普拉斯算子处理可得:
(二)基于密集匹配的颤振反演算法
针对遥感影像图,采用基于密集匹配的方法计算待匹配影像中的各点在参考影像的像平面坐标下的位置差值。
1、影像预处理
利用Wallis滤波对线阵相机获取的两个不同波段影像进行影像增强,提高影像对比度并减少波段间辐射差异,以确保密集匹配的可靠性。
2、影像匹配
(1)基于熵值的匹配区域选取
在等间隔均匀取点的过程中,在匹配之前对匹配模板区域的影像熵值进行计算,计算式为:
匹配模板区域熵的判断阈值为:
Hj=Hwhole·α (8)
式中,Hwhole为待匹配影像整体的熵值,α为阈值系数。当匹配模板对应影像区域的熵值大于阈值时,认为该影像区域具有足够丰富的影像信息,可以进行下一步的匹配。若匹配模板对应影像区域的熵值小于阈值时,则认为该区域影像信息不足,匹配时易出现粗差或误匹配,故跳过该匹配区域。
(2)采用32*32像素的子窗口在两幅影像上滑动,利用PEF(Peak EvaluationFormula)的相位相关方法计算各子窗口间的亚像素偏移值。
基于PEF(Peak Evaluation Formula)的相位相关算法其基本原理是使用二维正弦函数,对互功率谱经逆变换后得到的峰值矩阵进行拟合,根据拟合的结果来得到精确的亚像素的匹配结果。
假设参考影像m(i,j)与待匹配影像s(i,j)像点坐标在空域中行列方向存在x0和y0的位移,则参考影像与待匹配影像相关得到的互功率谱的表达式为:
上标*表示复共轭,对Q(u,v)做傅里叶逆变换后得到的q(i,j)为一个峰值矩阵,其峰值对应的坐标位置,即为待匹配影像相对于参考影像的整像素匹配位置,该峰值矩阵的方程可以近似通过下式表示:
因此通过使用上式中的数学表达式对峰值矩阵在两个方向分别进行二维拟合,可以得到精确的拟合峰值顶点,从而得到亚像素匹配结果。
(3)误差剔除:
[1]基于标准差和相关系数的匹配点粗筛选
对匹配的整像素匹配点,计算其与匹配模板的相关系数,与相关系数的阈值进行对比,剔除小于相关系数阈值的粗匹配点。同时,使用3倍标准差3σ方法的对误匹配点进行剔除。即在整行影像所有匹配点的匹配计算完毕后,根据各匹配点的匹配结果,计算视差值的标准差σ,选择3σ作为阈值,剔除粗差点。
[2]基于RANSAC方法的匹配点精筛选
随机抽样一致算法(RANdom SAmple Consensus,RANSAC)用于影像匹配后消除粗差和误匹配的过程。根据逐行等间隔密集匹配的特点,在进行匹配的影像行中,所选取的所有匹配点和其对应的参考点之间,应该满足相同的平移关系。因此,这里选取的匹配点观测数据与参考点的拟合模型为2*2阶矩阵(匹配像点满足的模型,行和列方向的平移模型)。
具体步骤为:
a)从粗筛选结果中随机取出一些匹配点对(初始选取10对),计算出4个变换参数,作为初始的2*2阶平移矩阵模型;
b)根据得到的初始模型遍历粗匹配结果中的所有匹配对,若匹配对在预定阈值下适用于该初始模型,则记为局内点,计算局内点占匹配对的百分比。若百分比大于选定阈值,对剩余的匹配点对做最小二乘估计,计算局内点与估计模型的错误率;
c)重复前两步骤n次,取对应错误率最小的变换参数作为最终得到的最佳模型;
d)将在该最佳模型下误差超过预定阈值的匹配对去除;
e)对去除后的剩余的匹配点对重复上述步骤3次。
(三)高速相机序列影像跟踪匹配算法
本发明采用由粗匹配到精匹配的策略对目标点进行跟踪匹配,先通过归一化相关系数(Normalized Cross Correlation,NCC)测度在搜索窗口进行粗匹配,然后在相关系数最大的区域使用最小二乘匹配方法进行精匹配;采用模板匹配的策略进行同名点匹配,首先确定目标点在初始影像中的位置,然后将初始影像作为基准影像(即匹配模板),最后将后续的各帧影像与基准影像进行跟踪匹配。通过这种匹配方式可以有效的减少误差的累积。经过上述同名匹配和跟踪匹配,可以获取同名点序列影像坐标。
(1)基于NCC的粗匹配
NCC其基本思想是通过计算参考影像模板和待匹配影像模板之间的相似性程度,来确定影像模板之间匹配的程度。
作为相似性的度量值其的归一化互相关系数,其表达式如下:
式中M(x,y)为参考影像模板矩阵,S(x,y)为待匹配影像模板矩阵,Cov(u,v)为两幅模板影像在坐标(u,v)处的归一化互相关系数。当两模板影像对应的归一化互相关系数达到最大时,其两模板对应的中心点即为整像素匹配点。
(2)基于最小二乘的精匹配
最小二乘影像匹配LSM(Least Squares Image Matching)同时考虑到局部影像的灰度畸变和几何畸变,通过迭代使灰度误差的平方和达到极小,从而确定出共轭实体的影像匹配方法。
假设参考影像模板m(i,j)与待匹配影像模板s(i',j')在空域中行列方向存在x0和y0的位移,即:
考虑两者之间的几何差异为仿射变形或一次正形变换,同时再考虑到m(i,j)相对于待匹配影像s(i',j')的线性灰度畸变,则可得:
m(i,j)+n1(i,j)=h0+h1s(a0+a1i+a2j,b0+b1i+b2j)+n2(i,j) (13)
误差方程为:
v=h0+h1s(a0+a1i+a2j,b0+b1i+b2j)-m(i,j) (15)
误差方程线性化之后为:
υ=c1dh0+c2dh1+c3da0+c4da1+c5da2+c6db0+c7db1+c8db2-Δs (16)
误差方程系数:
通过对误差方程的求解可以获得待匹配影像模板的几何和辐射改正参数。再通过影像的重采样,得到改正后的待匹配影像模板,再次进入迭代,直到最终得到相应的形变参数,获得亚像素匹配结果。
Claims (10)
1.一种卫星颤振对相机成像影响的地面模拟测试系统,其特征在于,该系统包括:
卫星运行颤振模拟组件:包括激振平台、安装在激振平台输出端的相机滑轨以及在相机滑轨上左右滑动的成像相机,用以模拟卫星在轨运行发生的平台抖动;
线性地物模拟组件:与成像相机相对设置,包括目标板滑轨以及在目标板滑轨上前后滑动的目标板,用以模拟不同卫星轨道高度;
监测组件:包括与成像相机连接的电脑以及对成像相机模拟卫星成像过程进行监测的高速相机,用以获取实测颤振频率和振幅参数。
2.根据权利要求1所述的一种卫星颤振对相机成像影响的地面模拟测试系统,其特征在于,所述的目标板上的图像为黑白线状条纹图像或真实地物的遥感影像图,当目标板上的图像为黑白线状条纹图像时,该图像的长为80cm,宽为60cm,且黑白条纹间隔为5cm。
3.根据权利要求2所述的一种卫星颤振对相机成像影响的地面模拟测试系统,其特征在于,所述的成像相机根据需模拟的卫星成像传感器类型选择相机类型,当模拟卫星推扫成像线阵传感器时,则选用线阵相机,当模拟卫星面阵成像传感器时,则选用面阵相机,当模拟卫星上搭载的视频传感器时,则采用视频相机。
4.根据权利要求3所述的一种卫星颤振对相机成像影响的地面模拟测试系统,其特征在于,该地面模拟测试系统的测试方法包括以下步骤:
1)根据成像相机与目标的距离固定目标板位置后,调节成像相机镜头焦距;
2)设置激振平台的振动频率和振幅,开始振动后,成像相机沿相机滑轨运动并对目标板进行拍摄获取图像;
3)成像相机在振动过程中拍摄获取目标板图像,并通过图像反演算法从影像变形中计算出颤振频率和振幅;
4)高速相机对颤振成像模拟实验全过程进行监测和记录,并且对通过序列影像上跟踪点获得振动频率和振幅,对颤振模拟测试结果进行验证。
5.根据权利要求4所述的一种卫星颤振对相机成像影响的地面模拟测试系统,其特征在于,所述的步骤3)具体包括:
31)对于黑白线状条纹图像:采用基于LOG算子的线特征提取算法提取图像变形边缘,并进行频谱分析获取频率和幅值;
32)对于真实地物的遥感影像图:采用基于密集匹配的方法计算待匹配影像中的各点在参考影像的像平面坐标下的位置差值,得到亚像素的匹配结果。
6.根据权利要求5所述的一种卫星颤振对相机成像影响的地面模拟测试系统,其特征在于,所述的步骤31)中,基于LOG算子的线特征提取算法具体为:
利用高斯函数先进行低通滤波,然后再利用拉普拉斯算子进行高通滤波并提取零交叉点作为边缘点后,并进行频谱分析获取频率和幅值。
7.根据权利要求5所述的一种卫星颤振对相机成像影响的地面模拟测试系统,其特征在于,所述的步骤32)具体包括以下步骤:
321)影像预处理:采用Wallis滤波对线阵相机获取的两个不同波段影像进行影像增强,提高影像的对比度并减少波段间辐射差异,
322)将线阵相机获取的两个不同波段影像分别作为待匹配影像和参考影像,并影像匹配,具体包括:
3221)基于熵值的匹配区域选取:
在等间隔均匀取点的过程中,在匹配之前计算匹配模板区域的影像熵值,当影像熵值大于设定的判断阈值时,则认为该区域具有足够丰富的影像信息,进行步骤3222),否则跳过该区域;
3222)采用32*32像素的子窗口在待匹配影像和参考影像上滑动,采用PEF的相位相关方法计算各子窗口间的亚像素偏移值,得到亚像素匹配结果;
3223)误差剔除:
包括基于标准差和相关系数的匹配点粗筛选以及基于RANSAC方法的匹配点精筛选;
基于标准差和相关系数的匹配点粗筛选具体为:
对于匹配的整像素匹配点,计算匹配模板的相关系数并与相关系数阈值进行对比,剔除小于相关系数阈值的粗匹配点,同时,采用3倍标准差3σ方法对误匹配点进行剔除,即在整行影像所有匹配点的匹配计算完毕后,根据各匹配点的匹配结果,计算视差值的标准差σ,并选择3σ作为阈值,剔除粗差点。
9.根据权利要求5所述的一种卫星颤振对相机成像影响的地面模拟测试系统,其特征在于,所述的3222)中,PEF的相位相关方法具体为:
采用二维正弦函数,对互功率谱经逆变换后得到的峰值矩阵进行二维拟合,得到拟合峰值顶点,从而得到亚像素匹配结果。
10.根据权利要求7所述的一种卫星颤振对相机成像影响的地面模拟测试系统,其特征在于,所述的基于RANSAC方法的匹配点精筛选具体为:
a)从粗筛选结果中随机取出多个匹配点对,得到4个变换参数,作为2*2阶初始平移矩阵模型;
b)根据初始平移矩阵模型遍历粗筛选结果中的所有匹配对,若匹配对在设定阈值下适用,则记为局内点,并计算局内点占匹配对的百分比,若百分比大于设定阈值,则对剩余的匹配点对做最小二乘估计,并计算局内点与平移矩阵模型的错误率;
c)重复步骤a)和步骤b),取对应错误率最小的变换参数作为最终得到的最佳平移矩阵模型;
d)将在该最佳平移矩阵模型下误差超过设定阈值的匹配对去除;
e)对去除后的剩余的匹配点,重复3次步骤a)-步骤d),得到最终的最佳平移矩阵模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911332438.9A CN111222544B (zh) | 2019-12-22 | 2019-12-22 | 一种卫星颤振对相机成像影响的地面模拟测试系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911332438.9A CN111222544B (zh) | 2019-12-22 | 2019-12-22 | 一种卫星颤振对相机成像影响的地面模拟测试系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222544A true CN111222544A (zh) | 2020-06-02 |
CN111222544B CN111222544B (zh) | 2023-05-02 |
Family
ID=70830903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911332438.9A Active CN111222544B (zh) | 2019-12-22 | 2019-12-22 | 一种卫星颤振对相机成像影响的地面模拟测试系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222544B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112492137A (zh) * | 2020-10-22 | 2021-03-12 | 浙江智慧视频安防创新中心有限公司 | 用于检测列车车底的装置、方法和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009050280A1 (fr) * | 2007-10-19 | 2009-04-23 | Centre National D'etudes Spatiales | Procede d'integration d'un signal vibratoire a partir de differentielles du signal et procede correspondant de correction d'un signal acquis par un capteur d'images |
US20130208997A1 (en) * | 2010-11-02 | 2013-08-15 | Zte Corporation | Method and Apparatus for Combining Panoramic Image |
CN104864852A (zh) * | 2015-05-08 | 2015-08-26 | 同济大学 | 一种基于密集控制点的高分辨率卫星姿态颤振探测方法 |
CN107228748A (zh) * | 2017-06-16 | 2017-10-03 | 华南理工大学 | 基于非接触式测量的卫星天线结构振动测量装置与方法 |
CN107782536A (zh) * | 2017-09-14 | 2018-03-09 | 北京空间飞行器总体设计部 | 一种多层次微振动系统试验方法及系统 |
CN108341073A (zh) * | 2018-03-02 | 2018-07-31 | 西安费斯达自动化工程有限公司 | 飞机颤振高温试验图像测试方法 |
CN108801573A (zh) * | 2018-06-14 | 2018-11-13 | 北京卫星环境工程研究所 | 航天器高分辨率相机光轴抖动微振动源地面模拟装置 |
-
2019
- 2019-12-22 CN CN201911332438.9A patent/CN111222544B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009050280A1 (fr) * | 2007-10-19 | 2009-04-23 | Centre National D'etudes Spatiales | Procede d'integration d'un signal vibratoire a partir de differentielles du signal et procede correspondant de correction d'un signal acquis par un capteur d'images |
US20130208997A1 (en) * | 2010-11-02 | 2013-08-15 | Zte Corporation | Method and Apparatus for Combining Panoramic Image |
CN104864852A (zh) * | 2015-05-08 | 2015-08-26 | 同济大学 | 一种基于密集控制点的高分辨率卫星姿态颤振探测方法 |
CN107228748A (zh) * | 2017-06-16 | 2017-10-03 | 华南理工大学 | 基于非接触式测量的卫星天线结构振动测量装置与方法 |
CN107782536A (zh) * | 2017-09-14 | 2018-03-09 | 北京空间飞行器总体设计部 | 一种多层次微振动系统试验方法及系统 |
CN108341073A (zh) * | 2018-03-02 | 2018-07-31 | 西安费斯达自动化工程有限公司 | 飞机颤振高温试验图像测试方法 |
CN108801573A (zh) * | 2018-06-14 | 2018-11-13 | 北京卫星环境工程研究所 | 航天器高分辨率相机光轴抖动微振动源地面模拟装置 |
Non-Patent Citations (2)
Title |
---|
XIAOHUA TONG等: "Attitude Oscillation Detection of the ZY-3 Satellite by Using Multispectral Parallax Image" * |
童小华等: "高分辨率卫星颤振探测补偿的关键技术方法与应用" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112492137A (zh) * | 2020-10-22 | 2021-03-12 | 浙江智慧视频安防创新中心有限公司 | 用于检测列车车底的装置、方法和存储介质 |
CN112492137B (zh) * | 2020-10-22 | 2022-06-03 | 浙江智慧视频安防创新中心有限公司 | 用于检测列车车底的装置、方法和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111222544B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ye et al. | Robust registration of multimodal remote sensing images based on structural similarity | |
CN109903313B (zh) | 一种基于目标三维模型的实时位姿跟踪方法 | |
US20110267486A1 (en) | Range measurement using multiple coded apertures | |
KR20140027468A (ko) | 깊이 측정치 품질 향상 | |
CN111383252B (zh) | 多相机目标追踪方法、系统、装置及存储介质 | |
CN111047650B (zh) | 一种用于飞行时间相机的参数标定方法 | |
CN101826157A (zh) | 一种地面静止目标实时识别跟踪方法 | |
CN108022259A (zh) | 干涉sar复图像配准方法和系统 | |
CN103247029A (zh) | 一种用于拼接式探测器生成的高光谱图像几何配准方法 | |
Wang et al. | Camera-based experimental modal analysis with impact excitation: Reaching high frequencies thanks to one accelerometer and random sampling in time | |
Heather et al. | Multimodal image registration with applications to image fusion | |
CN111222544B (zh) | 一种卫星颤振对相机成像影响的地面模拟测试系统 | |
Re et al. | Performance evaluation of 3DPD, the photogrammetric pipeline for the CaSSIS stereo images | |
CN103824286A (zh) | 一种svd-ransac亚像素相位相关匹配方法 | |
Hu et al. | A new method and implementation of blind restoration algorithm for moving fuzzy license plate image based on frequency-domain characteristics | |
Karnaukhov et al. | Analysis of linear distortion characteristics in problems of restoration of multispectral images | |
Alici | Extraction of modulation transfer function by using simulated satellite images | |
CN109886988A (zh) | 一种微波成像仪定位误差的度量方法、系统、装置及介质 | |
CN113483879B (zh) | 一种小卫星颤振高速视频测量方法 | |
CN110223250B (zh) | 基于单应变换的sar几何校正方法 | |
CN113870321A (zh) | 一种遥感影像的颤振变化仿真方法和系统 | |
CN111489398B (zh) | 一种成像设备标定方法以及装置 | |
Tahoun et al. | Satellite image matching and registration: A comparative study using invariant local features | |
Eftekhari et al. | 3D object coordinates extraction by radargrammetry and multi step image matching | |
Imperatore et al. | Contribution of super resolution to 3D reconstruction from pairs of satellite images |
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 |