CN111260542A - 一种基于子块配准的sar图像拼接方法 - Google Patents
一种基于子块配准的sar图像拼接方法 Download PDFInfo
- Publication number
- CN111260542A CN111260542A CN202010050571.1A CN202010050571A CN111260542A CN 111260542 A CN111260542 A CN 111260542A CN 202010050571 A CN202010050571 A CN 202010050571A CN 111260542 A CN111260542 A CN 111260542A
- Authority
- CN
- China
- Prior art keywords
- image
- registered
- sub
- registration
- mapping
- 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
- 238000000034 method Methods 0.000 title claims description 25
- 238000013507 mapping Methods 0.000 claims description 26
- 238000012937 correction Methods 0.000 claims description 14
- 238000012952 Resampling Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 12
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 230000005855 radiation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- 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
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于子块配准的图像拼接技术，实现了相邻SAR图像的快速、精准拼接，解决了由于SAR图像距离上的空变性导致常规拼接效果差的问题；对SAR图像的距离向和方位向分别进行分割，提取图像重叠区域特征点坐标，利用相邻距离块重叠程度较高的特性，避免了对整幅图像搜寻特征点和匹配，使得SAR图像的拼接变得简单高效；通过多次迭代配准，使基准图像与重采样后的待配准图像的配准程度越来越高，利用加权拼接，使图像拼接处融合自然，无拼接痕迹。
Description
技术领域
本发明属于雷达成像技术领域，具体涉及一种SAR图像拼接方法。
背景技术
合成孔径雷达(synthetic aperture radar，SAR)具有全天时、全天候、分辨率高、穿透力强等特点，不受雾、雨、云等恶劣天气的影响，成为目前对地观测和军事侦察的重要手段。
由于硬件和算法的限制，合成孔径雷达成像不能在方位向无限延伸，只能将长距离飞行的回波分段处理，形成方位场景依次更新的多幅子图像，同时飞机抖动和气流等因素还会导致相邻两幅图像之间存在较小的旋转。
为实现对连续区域的观察，部分回波数据会被成像算法处理两次，这种处理方式会导致相邻两幅图像存在一定的重叠区域，为了得到大场景的连续图像，需要对SAR图像进行拼接处理。
获得不同SAR图像的传感器特性和信号处理过程存在误差，受此等因素影响，雷达图像的灰度会出现差异，即使在两幅相邻的SAR图像的重叠区域，也会出现灰度上的差异，导致拼接处存在灰度不连续的后果，因为SAR图像之间存在偏移问题，所以不能使用直接拼接的办法。
发明内容
本发明为了解决现有技术存在的问题，提出了一种基于子块配准的SAR图像拼接方法，为了实现上述目的，本发明采用了以下技术方案。
从数个SAR图像中选取有重叠区域的两张图像，一张作为基准图，另一张作为待配准图，分别对基准图和待配准图进行移位校正和灰度调整。
对校正和调整过的基准图和待配准图，在距离向和方位向分别进行二等分，由基准图和待配准图各得到四个子块，每个子块的中心点作为特征点，得到基准图和待配准图对应子块的四个特征匹配对。
计算每个子块在方位向和距离向的偏移量，根据偏移量修正基准图和待配准图，更新特征匹配对，由四个特征匹配对计算仿射变换的模型，由模型计算待配准图的映射坐标，对映射坐标进行重采样，得到配准后的图像。
预设重复次数4-6次，重复上述步骤，将配准后的图像作为待配准图与基准图进行数次配准，将经过子块配准的图像进行加权拼接，重叠区域取基准图和配准后图像的加权平均值。
本发明基于子块配准拼接技术，实现了相邻SAR图像的快速、精准拼接，解决了由于SAR图像距离上的空变性导致常规拼接效果差的问题；对SAR图像的距离向和方位向分别进行分割，提取图像重叠区域特征点坐标，利用相邻距离块重叠程度较高的特性，避免了对整幅图像搜寻特征点和匹配，使得SAR图像的拼接变得简单高效；通过多次迭代配准，使基准图像与重采样后的待配准图像的配准程度越来越高，利用加权拼接，使图像拼接处融合自然，无拼接痕迹。
附图说明
图1是图像拼接流程，图2是子块配准流程，图3是基准图，图4是待配准图，图5是配准图，图6是拼接图，图7是加权平均函数。
具体实施方式
以下结合附图对本发明的技术方案做具体的说明。
图像拼接的基本思想是，若两幅具有相同内容的图像在获取的时间、视点、传感器类型等方面存在差异，为了消除差异，需要运用图像配准技术。
图像配准可以理解为图像的像素坐标和像素灰度存在一定的映射关系，设定一幅基准图像为I1(x1,y1)，如图3所示，它的待配准图像为I2(x2,y2)，如图4所示，那么两幅图像之间的映射关系可以被认为是I2(x2,y2)＝g(f(I1(x1,y1)))，其中f(x,y)是二维的坐标映射函数，g(t)是一维的灰度映射函数，由两个映射函数实现了基准图像和待配准图像的映射关系。
图像配准的目标是寻求两幅差异图像之间最优的辐射和几何映射关系，在实际应用中，图像之间的辐射差异可以进行预先校正，除了一些特殊的情况，配准技术主要指图像在几何变换关系上的确定。
图像拼接流程如图1所示，包括图像预处理、图像配准和图像拼接等步骤。
图像预处理阶段，由于合成孔径雷达成像在方位向有所偏移，需要进行移位校正，主要使用几何失真校正，由于图像的像素灰度值存在差异，拼接后的图像在灰度、空间分辨率、图像解译能力方面都有所降低，需要进行灰度调整。
SAR图像中存在的几何形变和亮度不一致降低了SAR图像的质量，影响了图像的后续使用，针对几何形变采用几何失真校正，针对亮度不一致采用直方图匹配调整。
几何失真校正的处理，针对每个校正点，根据公式I2(x2,y2)＝g(f(I1(x1,y1)))计算得到坐标，设定坐标为(a01,a10)，天线相位中心到场景中心的瞬时距离值为rct，在孔径中心时刻的瞬时距离值为rco，rco与rct对地面的投影分别为yc与yt，孔径中心时刻的瞬时俯仰角为φ0，斜视角为θs，代入公式a10＝(rco-rct)/cosφ0和a01＝xtrco/rct+(yc-rco(yc-yt)/rct+(rco-rct)(cosφ0-1/cosφ0))tanθs，通过插值找到该坐标在图像中的像点，将该坐标放回校正点，实现单个校正点的几何失真校正。
灰度直方图的匹配，将某幅影像或某一区域的直方图，匹配到另一幅影像上，使两幅影像的色调保持一致，可以在单波段影像直方图之间进行匹配，也可以对多波段影像进行同步匹配，两幅图像比对前，保持直方图形式一致。
设定原始图像灰度分布的概率密度函数为pr(r)，希望得到的概率密度函数为pz(z)，通过直方图均衡化中使用的累计概率密度函数，建立两个概率密度函数之间的关系，将两个图像做均衡化处理
和
使pr(r)和pz(z)具有同样的均匀密度，设定u的逆过程为z＝G-1(u)，用原始图像中得到的均匀灰度级s来代替逆过程中的u，则结果灰度级就是所要求的概率密度函数pz(z)的灰度级z＝G-1(u)≈G-1(s)。
通过几何失真校正和灰度直方图匹配，对几何形变和灰度不一致做出适当调整，保证了拼接后的图像尽可能保留原有信息。
图像配准阶段，如图2所示，由于配准的精度对后续处理产生很大影响，为了较好实现图像配准，采用子块配准算法，实现存在重叠区域的相邻子孔径之间的配准。
将基准图和待配准图按照距离向和方位向分别二等分，分为四个子块，每个子块的中心点作为特征点，基准图和待配准图的对应子块的中心点为初特征匹配对，通过对应子块互相关，计算每个子块的二维偏移量，修正待配准图的特征点，得到更加精确的特征匹配对。
因为成像作用距离较远，所以采用仿射变换作为配准模型，计算仿射变换的模型，根据模型计算待配准图像的映射坐标，对映射坐标进行重采样，得到配准后的图像，仿射变换表示，参考了图像中的直线映射到待配准图像中仍为直线，考虑了倾斜、拉伸等几何变换，普遍适用于远距离成像的图像配准，模型包括六个参数，用公式
表示。
因为相邻距离块除了旋转和平移之外，还存在一些非线性的变换，所以一次配准并不能实现图像的完全配准，需要重复上述步骤，将配准后的图像作为待配准图像与基准图像进行数次配准，重复4至6次可达到较好的配准效果，如图5所示。
需要注意的是，对映射坐标进行重采样，相当于滤波，若每次配准都进行重采样，则最终的配准结果将损失大量的精度，因此，将每次计算的偏移量进行累加，对基准图像和原始待配准图像的特征匹配对进行校正，则每次重采样都是对原始待配准图像进行重采样，得到的配准结果仅是对原始待配准图像进行一次重采样，保证了精度。
该算法与SIFT等算法相比，利用相邻距离块重叠程度较高的特性，避免了对整幅图像搜寻特征点和匹配，算法简单高效。
图像拼接阶段，是图像拼接技术的最后一个环节，影响SAR图像拼接的效果，在完成SAR图像配准之后，得到了相邻图像之间的空间变换模型，即变换矩阵，为了得到一副完整的SAR大场景图像，需要对配准后的SAR图像进行图像拼接，主要使用加权平均拼接的方法，如图7所示，使用加权平均函数，取两者重叠区域的加权作为新图像。
设定I1(x,y)为基准图像，I2(x,y)为待配准图像，拼接后的图像为I(x,y)，基准图的归一化权重系数为w1，待配准图像的归一化权重系数为w2，w1+w2＝1，0<w1<1，0<w2<1，可表示为
的渐入渐出型函数，在重叠区域，w1从1过渡至0，w2从0过渡至1，实现重叠区域的平滑过渡，如图6所示。
上述作为本发明的实施例，并不限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。
Claims (10)
1.一种基于子块配准的SAR图像拼接方法，其特征在于，包括：选取有重叠区域的不同图像作为基准图和待配准图，分别对基准图和待配准图进行移位校正和灰度调整的预处理，分别将预处理后的基准图和待配准图划分为数个子块进行配准，对配准后的不同图像进行加权拼接。
2.根据权利要求1所述基于子块配准的SAR图像拼接方法，其特征在于，所述选取有重叠区域的不同图像作为基准图和待配准图，包括：采用像素坐标和像素灰度的函数表示图像，设定基准图为I1(x1,y1)、待配准图为I2(x2,y2)，采用坐标的映射函数和灰度的映射函数表示不同图像之间的映射关系，设定一维的灰度映射函数为g(t)、二维的坐标映射函数为f(x,y)，采用函数映射关系表示基准图和待配准图之间的映射关系，设定公式I2(x2,y2)＝g(f(I1(x1,y1)))表示基准图和待配准图之间的差异。
3.根据权利要求2所述基于子块配准的SAR图像拼接方法，其特征在于，所述移位校正，包括：采用几何失真校正恢复图像的形变，根据公式I2(x2,y2)＝g(f(I1(x1,y1)))计算待校正点的坐标，设定坐标为(a01,a10)、天线相位中心到场景中心的瞬时距离值为rct、在孔径中心时刻的瞬时距离值为rco、rco与rct对地面的投影分别为yc与yt、孔径中心时刻的瞬时俯仰角为
斜视角为θs，代入公式
和
通过插值找到坐标在图像中的像点，将坐标放回校正点。
4.根据权利要求2所述基于子块配准的SAR图像拼接方法，其特征在于，所述灰度调整，包括：采用灰度直方图匹配保持色调的一致，设定原始灰度分布的概率密度函数为pr(r)、目标概率密度函数为pz(z)，通过直方图均衡化的累计概率密度函数，建立两个概率密度函数之间的关系，对不同图像做均衡化处理，设定
和
使pr(r)和pz(z)具有相同的均匀密度，设定u的逆过程为z＝G-1(u)，以原始均匀灰度级s代替逆过程的u，则结果灰度级就是目标概率密度函数pz(z)的灰度级z＝G-1(u)≈G-1(s)。
5.根据权利要求2所述基于子块配准的SAR图像拼接方法，其特征在于，所述分别将预处理后的基准图和待配准图划分为数个子块进行配准，包括：分别将基准图和待配准图在距离向和方位向进行二等分，各得到四个子块，每个子块的中心点作为特征点，得到基准图和待配准图的对应子块的四个特征匹配对，更新特征匹配对，由四个特征匹配对计算映射坐标，对映射坐标进行重采样，实现图像配准。
6.根据权利要求5所述基于子块配准的SAR图像拼接方法，其特征在于，所述更新特征匹配对，包括：计算每个子块在方位向和距离向的偏移量，根据偏移量修正基准图和待配准图的特征点，根据修正后的特征点更新特征匹配对。
需要注意的是，对映射坐标进行重采样，相当于滤波，若每次配准都进行重采样，则最终的配准结果将损失大量的精度，因此，将每次计算的偏移量进行累加，对基准图像和原始待配准图像的特征匹配对进行校正，则每次重采样都是对原始待配准图像进行重采样，得到的配准结果仅是对原始待配准图像进行一次重采样，保证了精度。
7.根据权利要求5所述基于子块配准的SAR图像拼接方法，其特征在于，所述由四个特征匹配对计算映射坐标，包括：采用仿射变换作为配准模型，建立仿射变换的模型，用公式
表示图像中的直线映射到待配准图像中仍为直线和几何变换适用于远距离成像，根据模型计算待配准图的映射坐标。
8.根据权利要求6所述基于子块配准的SAR图像拼接方法，其特征在于，所述实现图像配准，包括：将配准后的图像作为待配准图与基准图进行配准，重复数次。
9.根据权利要求8所述基于子块配准的SAR图像拼接方法，其特征在于，所述对映射坐标进行重采样，包括：将每次计算的偏移量进行累加，校正基准图和初始待配准图像的特征匹配对，每次重采样针对初始待配准图的映射坐标，得到原始待配准图的重采样。
10.根据权利要求8所述基于子块配准的SAR图像拼接方法，其特征在于，所述重复次数为4至6次。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010050571.1A CN111260542A (zh) | 2020-01-17 | 2020-01-17 | 一种基于子块配准的sar图像拼接方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010050571.1A CN111260542A (zh) | 2020-01-17 | 2020-01-17 | 一种基于子块配准的sar图像拼接方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111260542A true CN111260542A (zh) | 2020-06-09 |
Family
ID=70950616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010050571.1A Pending CN111260542A (zh) | 2020-01-17 | 2020-01-17 | 一种基于子块配准的sar图像拼接方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111260542A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070666A (zh) * | 2020-08-12 | 2020-12-11 | 西安电子科技大学 | 一种基于图像熵的sar图像拼接方法 |
| CN114841862A (zh) * | 2022-06-07 | 2022-08-02 | 北京拙河科技有限公司 | 一种基于亿像素阵列式相机的图像拼接方法及系统 |
| CN114973028A (zh) * | 2022-05-17 | 2022-08-30 | 中国电子科技集团公司第十研究所 | 一种航拍视频图像实时变化检测方法及系统 |
| CN117541469A (zh) * | 2024-01-10 | 2024-02-09 | 中山大学 | 一种基于图论的sar图像拼接方法及装置 |
| CN118014913A (zh) * | 2024-04-10 | 2024-05-10 | 中汽智联技术有限公司 | 一种智能驾驶摄像头影像快速校正的方法 |
| CN118097437A (zh) * | 2024-04-25 | 2024-05-28 | 奥谱天成（厦门）光电有限公司 | 一种自动空间对准的高光谱图像融合方法及系统、介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102881006A (zh) * | 2012-08-03 | 2013-01-16 | 吉林禹硕动漫游戏科技股份有限公司 | 多投影显示系统中的图像拼接与融合方法 |
| CN104391297A (zh) * | 2014-11-17 | 2015-03-04 | 南京航空航天大学 | 一种划分子孔径pfa雷达成像方法 |
| CN104392462A (zh) * | 2014-12-16 | 2015-03-04 | 西安电子科技大学 | 一种基于显著分割子区域对的sar图像配准方法 |
| CN106228510A (zh) * | 2016-08-11 | 2016-12-14 | 中国电子科技集团公司第三十八研究所 | 基于畸变程度分割的无人机载实时sar图像配准方法 |
| CN106780309A (zh) * | 2016-12-21 | 2017-05-31 | 中国航空工业集团公司雷华电子技术研究所 | 一种合成孔径雷达图像拼接方法 |
-
2020
- 2020-01-17 CN CN202010050571.1A patent/CN111260542A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102881006A (zh) * | 2012-08-03 | 2013-01-16 | 吉林禹硕动漫游戏科技股份有限公司 | 多投影显示系统中的图像拼接与融合方法 |
| CN104391297A (zh) * | 2014-11-17 | 2015-03-04 | 南京航空航天大学 | 一种划分子孔径pfa雷达成像方法 |
| CN104392462A (zh) * | 2014-12-16 | 2015-03-04 | 西安电子科技大学 | 一种基于显著分割子区域对的sar图像配准方法 |
| CN106228510A (zh) * | 2016-08-11 | 2016-12-14 | 中国电子科技集团公司第三十八研究所 | 基于畸变程度分割的无人机载实时sar图像配准方法 |
| CN106780309A (zh) * | 2016-12-21 | 2017-05-31 | 中国航空工业集团公司雷华电子技术研究所 | 一种合成孔径雷达图像拼接方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070666A (zh) * | 2020-08-12 | 2020-12-11 | 西安电子科技大学 | 一种基于图像熵的sar图像拼接方法 |
| CN112070666B (zh) * | 2020-08-12 | 2024-04-09 | 西安电子科技大学 | 一种基于图像熵的sar图像拼接方法 |
| CN114973028A (zh) * | 2022-05-17 | 2022-08-30 | 中国电子科技集团公司第十研究所 | 一种航拍视频图像实时变化检测方法及系统 |
| CN114973028B (zh) * | 2022-05-17 | 2023-02-03 | 中国电子科技集团公司第十研究所 | 一种航拍视频图像实时变化检测方法及系统 |
| CN114841862A (zh) * | 2022-06-07 | 2022-08-02 | 北京拙河科技有限公司 | 一种基于亿像素阵列式相机的图像拼接方法及系统 |
| CN114841862B (zh) * | 2022-06-07 | 2023-02-03 | 北京拙河科技有限公司 | 一种基于亿像素阵列式相机的图像拼接方法及系统 |
| CN117541469A (zh) * | 2024-01-10 | 2024-02-09 | 中山大学 | 一种基于图论的sar图像拼接方法及装置 |
| CN117541469B (zh) * | 2024-01-10 | 2024-05-10 | 中山大学 | 一种基于图论的sar图像拼接方法及装置 |
| CN118014913A (zh) * | 2024-04-10 | 2024-05-10 | 中汽智联技术有限公司 | 一种智能驾驶摄像头影像快速校正的方法 |
| CN118097437A (zh) * | 2024-04-25 | 2024-05-28 | 奥谱天成（厦门）光电有限公司 | 一种自动空间对准的高光谱图像融合方法及系统、介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111260542A (zh) | 一种基于子块配准的sar图像拼接方法 | |
| CN112017224B (zh) | Sar数据区域网平差处理方法和系统 | |
| CN111768337B (zh) | 一种图像处理方法、装置和电子设备 | |
| US8577139B2 (en) | Method of orthoimage color correction using multiple aerial images | |
| CN112419380B (zh) | 一种基于云掩膜的静止轨道卫星序列影像高精度配准方法 | |
| CN110728706B (zh) | 基于深度学习的sar图像精细配准方法 | |
| CN109523585A (zh) | 一种基于方向相位一致性的多源遥感影像特征匹配方法 | |
| CN114549871A (zh) | 一种无人机航拍图像与卫星影像匹配方法 | |
| CN104361563B (zh) | 基于gps的高光谱遥感图像几何精校正方法 | |
| CN117665841B (zh) | 一种地理空间信息采集测绘方法及装置 | |
| 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 | |
| CN114693755A (zh) | 多模图像最大矩与空间一致性的非刚性配准方法及系统 | |
| CN108830921A (zh) | 基于入射角度的激光点云反射强度纠正方法 | |
| CN110109104B (zh) | 一种阵列sar等距离切片成像几何畸变校正方法 | |
| CN112101251A (zh) | 基于可变卷积神经网络的sar自动目标识别方法 | |
| CN107631728A (zh) | 一种星载图像辅助导航方法 | |
| CN108109118B (zh) | 一种无控制点的航拍图像几何校正方法 | |
| CN111862005B (zh) | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 | |
| Schneider et al. | Matching of high-resolution optical data to a shaded DEM | |
| CN113592744B (zh) | 一种适用于高分辨率遥感影像的几何精校正方法 | |
| CN113379648B (zh) | 一种高分七号和资源三号立体影像联合平差方法 | |
| CN112284293B (zh) | 一种空间非合作目标精细三维形貌测量方法 | |
| CN115601278A (zh) | 基于子图像配准的高精度运动误差补偿的方法 | |
| CN111044076B (zh) | 基于参考底图的高分一号b卫星几何检校方法 | |
| CN113850734A (zh) | 融合泊松方程的遥感影像自动化匀色方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200609 |