CN111639662A - 一种遥感图像双向匹配方法、装置、电子设备及存储介质 - Google Patents
一种遥感图像双向匹配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111639662A CN111639662A CN201911337677.3A CN201911337677A CN111639662A CN 111639662 A CN111639662 A CN 111639662A CN 201911337677 A CN201911337677 A CN 201911337677A CN 111639662 A CN111639662 A CN 111639662A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- matching
- matched
- feature
- 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
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
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Abstract
本发明公开了一种遥感图像双向匹配方法、装置、电子设备及存储介质,该方法包括:基于基准遥感图像,对待匹配遥感图像进行纠正;确定待匹配遥感图像与基准遥感图像之间的匹配区域;根据基准遥感图像和待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法对基准遥感图像以及待匹配遥感图像中的匹配区域进行特征提取,分别得到第一特征点集和第二特征点集;计算第一特征点集到第二特征点集的第一映射,并得到第一匹配点对集;计算第二特征点集到第一特征点集的第二映射,并得到第二匹配点对集;将第一匹配点对集和第二匹配点对集的交集作为图像匹配结果。通过实施该方法,能够较准确匹配低空飞行器拍摄的遥感图像。
Description
技术领域
本发明涉及多媒体信息处理技术领域,尤其涉及到一种遥感图像双向匹配方法、装置、电子设备及存储介质。
背景技术
低空飞行器遥感是近年来兴起的一种新型遥感系统,因具有快速、灵活、低成本、高影像分辨率等特点,正日益成为一项空间数据获取的重要手段,在农作物监测、国土资源监测、灾害应急、灾害评估、战场侦察、火灾监测等领域发挥重要的作用。由于低空飞行器遥感具有广阔的应用前景,相应的图像处理技术也得到了广泛的关注和重视,大范围地形复杂区域(山区、丘陵等)低空飞行器序列影像拼接就是其中的一个研究热点。
现有的影像拼接主要包括影像配准和影像融合两个关键环节。在国内外影像拼接技术研究中,主要的重点都放在了影像配准这一核心环节上。但是,由于低空飞行器受自身的操控特性和风力的影响,导致飞行平台稳定性差,难以按预定的航线飞行,使得低空遥感影像全自动匹配存在以下难点:第一,相邻影像间的旋偏角大,难以直接进行灰度相关匹配;第二,飞行器的飞行高度、横滚角和俯仰角变化大,从而导致影像间的比例尺差异大,降低了灰度相关匹配的成功率和可靠性;第三,相邻影像间的左右重叠度和上下重叠度变化大,加上低空遥感影像摄影比例尺较大,造成表面不连续地物(如高楼)在影像上的投影差较大,因而无法确定匹配的搜索范围。直接应用摄影测量中灰度相关的匹配方法很难胜任低空遥感影像的全自动匹配。
因此,提供一种可以适用于低空飞行器的遥感图像的匹配方法,成为亟待解决的问题。
发明内容
有鉴于此,本发明实施例提供了一种遥感图像双向匹配方法、装置、电子设备及存储介质,以解决现有图像匹配方法直接适用于低空飞行器的遥感图像时的匹配效果较差的问题。
根据第一方面,本发明实施例提供了一种遥感图像双向匹配方法,包括如下步骤:基于基准遥感图像,对待匹配遥感图像进行纠正,以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异;确定待匹配遥感图像与基准遥感图像之间的匹配区域;匹配区域是指待匹配遥感图像与基准遥感图像之间的重叠区域;根据基准遥感图像和待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法对基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域进行特征提取;将提取到的基准遥感图像中的特征点作为第一特征点集,提取到的待匹配遥感图像中的特征点作为第二特征点集;计算第一特征点集到第二特征点集的第一映射,并根据第一映射对第一特征点集和第二特征点集进行特征匹配,得到第一匹配点对集;计算第二特征点集到第一特征点集的第二映射,并根据第二映射对第二特征点集和第一特征点集进行特征匹配,得到第二匹配点对集;将第一匹配点对集和第二匹配点对集的交集作为待匹配遥感图像和基准遥感图像的图像匹配结果。
通过基于基准遥感图像,对待匹配遥感图像进行纠正,以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异,能够消除低空飞行器图像由于飞行器的旋转偏角、飞行高度以及俯仰角等情况对飞行器图像的影响;而由于飞行器处于不断飞行移动的状态,飞行器的拍摄对象是不断变化的,在进行图像匹配时,具有匹配意义的仅为基准遥感图像和待匹配遥感图像之间的重叠区域,因此,待匹配遥感图像与基准遥感图像之间的匹配区域仅为该重叠区域,从而能够排除基准遥感图像和待匹配遥感图像中没有必要进行特征提取以及特征匹配的区域,提高该遥感图像双向匹配方法的匹配效率;同样由于飞行器的拍摄对象是不断变化的,而不同的地物类型的图像的最优特征提取算法并不相同,因此,根据基准遥感图像和待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法对上述匹配区域进行特征提取,能够提高特征点的提准确性,从而提高最终的图像匹配结果的准确性。
此外,通过计算第一特征点集到第二特征点集的第一映射从而得到第一匹配点对集,并计算第二特征点集到第一特征点集的第二映射从而得到第一匹配点对集,最终得到第一匹配点对集和第二匹配点对集的交集作为待匹配遥感图像和基准遥感图像的图像匹配结果,也即通过计算第一特征点集和第二特征点集之间的双向映射得到图像匹配结果,能够进一步提高图像匹配结果的准确性。
结合第一方面,在第一方面第一实施方式中,第一映射和第二映射均为使用最小二乘法拟合得到。
结合第一方面,在第一方面第二实施方式中,确定待匹配遥感图像与基准遥感图像之间的匹配区域的步骤,包括:根据基准遥感图像和待匹配遥感图像的拍摄角度以及拍摄位置,计算基准遥感图像和待匹配遥感图像的重叠区域;分别提取基准遥感图像和待匹配遥感图像中包含重叠区域的最小矩形区域,得到基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域。
结合第一方面第二实施方式,在第一方面第三实施方式中,在确定待匹配遥感图像与基准遥感图像之间的匹配区域的步骤之后,还包括:分别将待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域分为多个匹配块;根据基准遥感图像和待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法对基准遥感图像以及待匹配遥感图像的匹配区域进行特征提取的步骤,包括:根据基准遥感图像和待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法依次对各个匹配块进行特征提取。
通过在确定待匹配遥感图像与基准遥感图像之间的匹配区域之后,分别将待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域分为多个匹配块,能够配合执行该遥感图像双向匹配方法的计算装置的运算能力进行分块,从而使匹配区域中的每一块的特征提取均能够较快执行,从而也能够提高整个匹配区域的特征提取效率;此外,也能够降低该遥感图像双向匹配方法对其执行装置的性能要求。
结合第一方面第二实施方式,在第一方面第四实施方式中,遥感图像为无人机遥感图像,拍摄角度以及拍摄位置均为从无人机的POS信息中获取。
根据第二方面,本发明实施例提供了一种遥感图像双向匹配装置,包括:图像纠正模块,用于基于基准遥感图像,对待匹配遥感图像进行纠正,以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异;区域确定模块,用于确定待匹配遥感图像与基准遥感图像之间的匹配区域;匹配区域是指待匹配遥感图像与基准遥感图像之间的重叠区域;特征提取模块,用于根据基准遥感图像和待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法对基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域进行特征提取;将提取到的基准遥感图像中的特征点作为第一特征点集,提取到的待匹配遥感图像中的特征点作为第二特征点集;第一匹配模块,用于计算第一特征点集到第二特征点集的第一映射,并根据第一映射对第一特征点集和第二特征点集进行特征匹配,得到第一匹配点对集;第二匹配模块,用于计算第二特征点集到第一特征点集的第二映射,并根据第二映射对第二特征点集和第一特征点集进行特征匹配,得到第二匹配点对集;将第一匹配点对集和第二匹配点对集的交集作为待匹配遥感图像和基准遥感图像的图像匹配结果。
结合第二方面,在第二方面第一实施方式中,区域确定模块包括:区域计算单元,用于根据基准遥感图像和待匹配遥感图像的拍摄角度以及拍摄位置,计算基准遥感图像和待匹配遥感图像的重叠区域;区域提取单元,用于分别提取基准遥感图像和待匹配遥感图像中包含重叠区域的最小矩形区域,得到基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域。
根据第三方面,本发明实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或者第一方面的任意一种实施方式中所述的遥感图像双向匹配方法。
根据第四方面,本发明实施例提供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计算机指令,所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的遥感图像双向匹配方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种遥感图像双向匹配方法的一种方法流程图;
图2为图1中步骤S102的一种具体实施方式流程图;
图3为本发明实施例提供的匹配区域的确定方式的示例图;
图4为本发明实施例提供的一种遥感图像双向匹配方法的另一种方法流程图;
图5为本发明实施例提供的一种遥感图像双向匹配装置的原理框图;
图6为本发明实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
实施例1
图1示出了本发明实施例的遥感图像双向匹配方法的流程图,如图1所示,该方法可以包括如下步骤:
S101:基于基准遥感图像,对待匹配遥感图像进行纠正,以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异。
在本发明实施例中,基准图像是指两个或多个待匹配图像中,拍摄视角与垂直于被拍摄地面的拍摄视角最接近的图像。
在本发明实施例中,遥感图像可以为无人机等低空飞行器拍摄的遥感图像,相应地,可以根据无人机POS系统中记录的影像外方位元素,基于基准遥感图像,对待匹配遥感图像进行纠正,或者根据其他飞行器中记录了飞行器飞行中的角度、位置等信息的文件,基于基准遥感图像,对待匹配遥感图像进行纠正,具体纠正方式均属于现有技术,在此不再赘述。
S102:确定待匹配遥感图像与基准遥感图像之间的匹配区域。在本发明实施例中,匹配区域是指待匹配遥感图像与基准遥感图像之间的重叠区域。
在本发明实施例中,重叠区域的计算仍为根据飞行器拍摄待匹配遥感图像和基准遥感图像的位置信息(包括经纬度信息和高度信息等),以及拍摄角度(包括旋转角以及俯仰角等)进行计算得到,具体地,可以根据经纬度信息得到待匹配遥感图像和基准遥感图像的中心点距离信息,根据旋转角信息确定待匹配遥感图像和基准遥感图像之间的旋转角度,并根据俯仰角信息以及高度信息计算得到两图片之间的大小,从而计算得到待匹配遥感图像与基准遥感图像之间的重叠区域,当然,上述重叠区域的计算过程,待匹配遥感图像的相关信息以步骤S101中纠正后的待匹配遥感图像的信息为准。
S103:根据基准遥感图像和待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法对基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域进行特征提取。
在本发明实施例中,若遥感图像中存在较多角点(也即在邻域内的各个方向上灰度变化值足够高的点,或是图像边缘曲线上曲率极大值的点),则可以选取Harris角点检测算法作为特征检测算法;若遥感图像中的物体较少(也即图像中的各个方向上的灰度变化值均较为均匀,在领域上灰度值有较大变化的点较少),则可以选用SIFT算法作为特征检测算法;若遥感图像的尺寸较大或者遥感图像中的物体较多,则可以选用SURF算法作为特征检测算法等;预设特征检测算法集中的算法的数量、种类,以及如何具体根据基准遥感图像和待匹配遥感图像中的地物类型选取预设特征检测算法集中的一个或者多个特征检测算法,均可以根据具体应用场景中的遥感图像的情况以及具体的算法的特性进行确定,上述具体示例仅是为了便于本领域技术人员理解本发明实施例的技术方案,不应当构成对本发明的任何限制。
在本发明实施例中,将提取到的基准遥感图像中的特征点作为第一特征点集,提取到的待匹配遥感图像中的特征点作为第二特征点集。
S104:计算第一特征点集到第二特征点集的第一映射,并根据第一映射对第一特征点集和第二特征点集进行特征匹配,得到第一匹配点对集。
在本发明实施例中,第一映射的计算方法可以为现有的任意一种映射计算方法计算得到,例如,该第一映射可以通过最小二乘法拟合计算得到。
在本发明实施例中,可以通过将第一特征点集中的各个特征点分别输入该第一映射中,得到对应的第一映射特征点,并计算各个第一映射特征点与第二特征点集中的各个特征点之间的欧式距离,得到第一匹配点对集,具体地,可以计算第一特征点集中的一个特征点(假设为特征点A)所对应的第一映射特征点(假设为特征点A1)与第二特征点集中的各个特征点之间的欧式距离,从而得到与该特征点A1欧式距离最近的第二特征点集中的特征点(假设为特征点B),并将该最近距离与预设距离阈值进行比较,当该最近距离小于预设距离阈值时,则确定特征点A和特征点B为一个第一匹配点对;还可以通过计算第一特征点集中的一个特征点(假设为特征点C)所对应的第一映射特征点(假设为特征点C1)与第二特征点集中的各个特征点之间的欧式距离,从而得到距离该特征点C1欧式距离最近的第二特征点集中的特征点(假设为特征点D)和欧式距离次近的第二特征点集中的特征点,并将该最近距离和次近距离进行比较,当最近距离和次近距离之间的差值大于预设差值阈值时,则确定上述特征点C和特征点D为一个第一匹配点对;当然,也可以通过上述两种方式的结合进行第一匹配点对的确定,在此不再赘述。
在本发明实施例中,还可以通过计算各个第一映射特征点与第二特征点集中的各个特征点之间的马氏距离的方式,得到第一匹配点对集。基于马氏距离的计算得到第一匹配点对集的具体方式,可以参照上述基于欧式距离的计算得到第一匹配点对集的具体方式来理解,在此不再赘述。
S105:计算第二特征点集到第一特征点集的第二映射,并根据第二映射对第二特征点集和第一特征点集进行特征匹配,得到第二匹配点对集。
在本发明实施例中,第二映射的计算方法通过可以为现有的任意一种映射计算方法计算得到,例如,该第而映射也可以通过最小二乘法拟合计算得到。
在本发明实施例中,可以通过将第二特征点集中的各个特征点分别输入该第二映射中,得到对应的第二映射特征点,并计算各个第二映射特征点与第一特征点集中的各个特征点之间的欧式距离或者马氏距离,得到第二匹配点对集。第二匹配点对集的具体计算方式可以参照步骤S104中的第一匹配点对集的具体计算方式来理解,在此不再赘述。
在本发明实施例中,将第一匹配点对集和第二匹配点对集的交集作为待匹配遥感图像和基准遥感图像的图像匹配结果。
在本发明实施例中,通过基于基准遥感图像,对待匹配遥感图像进行纠正,以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异,能够消除低空飞行器图像由于飞行器的旋转偏角、飞行高度以及俯仰角等情况对飞行器图像的影响;而由于飞行器处于不断飞行移动的状态,飞行器的拍摄对象是不断变化的,在进行图像匹配时,具有匹配意义的仅为基准遥感图像和待匹配遥感图像之间的重叠区域,因此,待匹配遥感图像与基准遥感图像之间的匹配区域仅为该重叠区域,从而能够排除基准遥感图像和待匹配遥感图像中没有必要进行特征提取以及特征匹配的区域,提高该遥感图像双向匹配方法的匹配效率;同样由于飞行器的拍摄对象是不断变化的,而不同的地物类型的图像的最优特征提取算法并不相同,因此,根据基准遥感图像和待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法对上述匹配区域进行特征提取,能够提高特征点的提准确性,从而提高最终的图像匹配结果的准确性。
此外,通过计算第一特征点集到第二特征点集的第一映射从而得到第一匹配点对集,并计算第二特征点集到第一特征点集的第二映射从而得到第一匹配点对集,最终得到第一匹配点对集和第二匹配点对集的交集作为待匹配遥感图像和基准遥感图像的图像匹配结果,也即通过计算第一特征点集和第二特征点集之间的双向映射得到图像匹配结果,能够进一步提高图像匹配结果的准确性。
作为本实施例的一种可选实施方式,如图2所示,步骤S102可以包括如下步骤:
S201:根据基准遥感图像和待匹配遥感图像的拍摄角度以及拍摄位置,计算基准遥感图像和待匹配遥感图像的重叠区域。
在本发明实施例中,该步骤的具体内容可以参照上述步骤S102的具体内容来理解。
S202:分别提取基准遥感图像和待匹配遥感图像中包含重叠区域的最小矩形区域,得到基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域。
在本发明实施例中,由于步骤S201中得到的重叠区域有较大可能性为非矩形区域,而在图像处理中,最常见以及最容易进行处理的图像为矩形图像,因此,通过执行该步骤S202,使最终得到的匹配区域为矩形,具体地,如图3所示,若步骤S201中得到的基准遥感图像和待匹配遥感图像的重叠区域为区域S,则基准遥感图像中的匹配区域为矩形区域S1,待匹配遥感图像中的匹配区域为矩形区域S2。
作为本实施例的一种可选实施方式,本发明实施例提供了遥感图像双向匹配方法的另一种具体实施方式,如图4所示,包括如下步骤:
S401:基于基准遥感图像,对待匹配遥感图像进行纠正,以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异。
S402:确定待匹配遥感图像与基准遥感图像之间的匹配区域。在本发明实施例中,匹配区域是指待匹配遥感图像与基准遥感图像之间的重叠区域。
S403:分别将待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域分为多个匹配块。
在本发明实施例中,分别将待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域分成的匹配块的数量,可以根据相应的匹配区域的大小以及用以执行本发明实施例中的遥感图像双向匹配方法的计算装置的运算能力来确定,在此不做任何限制。
S404:根据基准遥感图像和待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法依次对各个匹配块进行特征提取。
在本发明实施例中,将提取到的基准遥感图像中的特征点作为第一特征点集,提取到的待匹配遥感图像中的特征点作为第二特征点集。
S405:计算第一特征点集到第二特征点集的第一映射,并根据第一映射对第一特征点集和第二特征点集进行特征匹配,得到第一匹配点对集。
S406:计算第二特征点集到第一特征点集的第二映射,并根据第二映射对第二特征点集和第一特征点集进行特征匹配,得到第二匹配点对集。
在本发明实施例中,将第一匹配点对集和第二匹配点对集的交集作为待匹配遥感图像和基准遥感图像的图像匹配结果。
本发明实施例的具体内容可以参照步骤S101-S105的具体内容来理解。
在本发明实施例中,通过在确定待匹配遥感图像与基准遥感图像之间的匹配区域之后,分别将待匹配遥感图像中的匹配区域和基准遥感图像中的匹配区域分为多个匹配块,能够配合执行该遥感图像双向匹配方法的计算装置的运算能力进行分块,从而使匹配区域中的每一块的特征提取均能够较快执行,从而也能够提高整个匹配区域的特征提取效率;此外,也能够降低该遥感图像双向匹配方法对其执行装置的性能要求。
实施例2
图5示出了本发明实施例的一种遥感图像双向匹配装置的原理框图,该装置可以用于实现实施例1或者其任意可选实施方式所述的遥感图像双向匹配法。如图5所示,该装置包括:图像纠正模块10,区域确定模块20,特征提取模块30,第一匹配模块40和第二匹配模块50。其中,
图像纠正模块10用于基于基准遥感图像,对待匹配遥感图像进行纠正,以消除待匹配遥感图像与基准遥感图像之间的几何形变、尺度以及旋转差异。
区域确定模块20用于确定待匹配遥感图像与基准遥感图像之间的匹配区域。在本发明实施例中,匹配区域是指待匹配遥感图像与基准遥感图像之间的重叠区域。
特征提取模块30用于根据基准遥感图像和待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法对基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域进行特征提取。在本发明实施例中,将提取到的基准遥感图像中的特征点作为第一特征点集,提取到的待匹配遥感图像中的特征点作为第二特征点集。
第一匹配模块40用于计算第一特征点集到第二特征点集的第一映射,并根据第一映射对第一特征点集和第二特征点集进行特征匹配,得到第一匹配点对集。
第二匹配模块50用于计算第二特征点集到第一特征点集的第二映射,并根据第二映射对第二特征点集和第一特征点集进行特征匹配,得到第二匹配点对集。在本发明实施例中,将第一匹配点对集和第二匹配点对集的交集作为待匹配遥感图像和基准遥感图像的图像匹配结果。
作为本发明实施例的一种可选实施方式,区域确定模块20包括:区域计算单元和区域提取单元,其中,区域计算单元用于根据基准遥感图像和待匹配遥感图像的拍摄角度以及拍摄位置,计算基准遥感图像和待匹配遥感图像的重叠区域;区域提取单元用于分别提取基准遥感图像和待匹配遥感图像中包含重叠区域的最小矩形区域,得到基准遥感图像中的匹配区域以及待匹配遥感图像中的匹配区域。
实施例3
本发明实施例提供了一种电子设备,如图6所示,该电子设备可以包括处理器61和存储器62,其中处理器61和存储器62可以通过总线或者其他方式连接,图6中以通过总线连接为例。
处理器61可以为中央处理器(Central Processing Unit,CPU)。处理器61还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器62作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的遥感图像双向匹配方法对应的程序指令/模块。处理器61通过运行存储在存储器62中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的遥感图像双向匹配方法。
存储器62可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器61所创建的数据等。此外,存储器62可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器62可选包括相对于处理器61远程设置的存储器,这些远程存储器可以通过网络连接至处理器61。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器62中,当被所述处理器61执行时,执行如图1-图4所示实施例中的遥感图像双向匹配方法。
上述电子设备具体细节可以对应参阅图1至图4所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (9)
1.一种遥感图像双向匹配方法,其特征在于,包括如下步骤:
基于基准遥感图像,对待匹配遥感图像进行纠正,以消除所述待匹配遥感图像与所述基准遥感图像之间的几何形变、尺度以及旋转差异;
确定所述待匹配遥感图像与所述基准遥感图像之间的匹配区域;所述匹配区域是指所述待匹配遥感图像与所述基准遥感图像之间的重叠区域;
根据所述基准遥感图像和所述待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法对所述基准遥感图像中的匹配区域以及所述待匹配遥感图像中的匹配区域进行特征提取;将提取到的所述基准遥感图像中的特征点作为第一特征点集,提取到的所述待匹配遥感图像中的特征点作为第二特征点集;
计算所述第一特征点集到所述第二特征点集的第一映射,并根据所述第一映射对所述第一特征点集和所述第二特征点集进行特征匹配,得到第一匹配点对集;
计算所述第二特征点集到所述第一特征点集的第二映射,并根据所述第二映射对所述第二特征点集和所述第一特征点集进行特征匹配,得到第二匹配点对集;将所述第一匹配点对集和所述第二匹配点对集的交集作为所述待匹配遥感图像和所述基准遥感图像的图像匹配结果。
2.根据权利要求1所述的遥感图像双向匹配方法,其特征在于,所述第一映射和所述第二映射均为使用最小二乘法拟合得到。
3.根据权利要求1所述的遥感图像双向匹配方法,其特征在于,所述确定所述待匹配遥感图像与所述基准遥感图像之间的匹配区域的步骤,包括:
根据所述基准遥感图像和所述待匹配遥感图像的拍摄角度以及拍摄位置,计算所述基准遥感图像和所述待匹配遥感图像的重叠区域;
分别提取所述基准遥感图像和所述待匹配遥感图像中包含所述重叠区域的最小矩形区域,得到所述基准遥感图像中的匹配区域以及所述待匹配遥感图像中的匹配区域。
4.根据权利要求3所述的遥感图像双向匹配方法,其特征在于,在所述确定所述待匹配遥感图像与所述基准遥感图像之间的匹配区域的步骤之后,还包括:
分别将所述待匹配遥感图像中的匹配区域和所述基准遥感图像中的匹配区域分为多个匹配块;
所述根据所述基准遥感图像和所述待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法对所述基准遥感图像以及所述待匹配遥感图像的匹配区域进行特征提取的步骤,包括:
根据所述基准遥感图像和所述待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法依次对各个匹配块进行特征提取。
5.根据权利要求3所述的遥感图像双向匹配方法,其特征在于,所述遥感图像为无人机遥感图像,所述拍摄角度以及拍摄位置均为从无人机的POS信息中获取。
6.一种遥感图像双向匹配装置,其特征在于,包括:
图像纠正模块,用于基于基准遥感图像,对待匹配遥感图像进行纠正,以消除所述待匹配遥感图像与所述基准遥感图像之间的几何形变、尺度以及旋转差异;
区域确定模块,用于确定所述待匹配遥感图像与所述基准遥感图像之间的匹配区域;所述匹配区域是指所述待匹配遥感图像与所述基准遥感图像之间的重叠区域;
特征提取模块,用于根据所述基准遥感图像和所述待匹配遥感图像中的地物类型,选取预设特征检测算法集中的一个或者多个特征检测算法对所述基准遥感图像中的匹配区域以及所述待匹配遥感图像中的匹配区域进行特征提取;将提取到的所述基准遥感图像中的特征点作为第一特征点集,提取到的所述待匹配遥感图像中的特征点作为第二特征点集;
第一匹配模块,用于计算所述第一特征点集到所述第二特征点集的第一映射,并根据所述第一映射对所述第一特征点集和所述第二特征点集进行特征匹配,得到第一匹配点对集;
第二匹配模块,用于计算所述第二特征点集到所述第一特征点集的第二映射,并根据所述第二映射对所述第二特征点集和所述第一特征点集进行特征匹配,得到第二匹配点对集;将所述第一匹配点对集和所述第二匹配点对集的交集作为所述待匹配遥感图像和所述基准遥感图像的图像匹配结果。
7.根据权利要求6所述的遥感图像双向匹配装置,其特征在于,所述区域确定模块包括:
区域计算单元,用于根据所述基准遥感图像和所述待匹配遥感图像的拍摄角度以及拍摄位置,计算所述基准遥感图像和所述待匹配遥感图像的重叠区域;
区域提取单元,用于分别提取所述基准遥感图像和所述待匹配遥感图像中包含所述重叠区域的最小矩形区域,得到所述基准遥感图像中的匹配区域以及所述待匹配遥感图像中的匹配区域。
8.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-5任一项所述的遥感图像双向匹配方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-5任一项所述的遥感图像双向匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911337677.3A CN111639662A (zh) | 2019-12-23 | 2019-12-23 | 一种遥感图像双向匹配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911337677.3A CN111639662A (zh) | 2019-12-23 | 2019-12-23 | 一种遥感图像双向匹配方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111639662A true CN111639662A (zh) | 2020-09-08 |
Family
ID=72332818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911337677.3A Pending CN111639662A (zh) | 2019-12-23 | 2019-12-23 | 一种遥感图像双向匹配方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111639662A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163562A (zh) * | 2020-10-23 | 2021-01-01 | 珠海大横琴科技发展有限公司 | 一种影像重叠区域计算方法、装置、电子设备及存储介质 |
CN115965535A (zh) * | 2023-03-14 | 2023-04-14 | 海豚乐智科技(成都)有限责任公司 | 基于特征矫正gps信息的航拍图实时拼接方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413272A (zh) * | 2013-07-22 | 2013-11-27 | 中国科学院遥感与数字地球研究所 | 低空间分辨率多源遥感图像空间一致性校正方法 |
CN103604417A (zh) * | 2013-11-15 | 2014-02-26 | 南京师范大学 | 物方信息约束的多视影像双向匹配策略 |
CN103886611A (zh) * | 2014-04-08 | 2014-06-25 | 西安煤航信息产业有限公司 | 一种适合于航空摄影飞行质量自动检查的影像匹配方法 |
CN104331899A (zh) * | 2014-11-24 | 2015-02-04 | 中国科学院电子学研究所 | 一种sar图像配准方法及装置 |
CN104361590A (zh) * | 2014-11-12 | 2015-02-18 | 河海大学 | 一种控制点自适应分布的高分辨率遥感影像配准方法 |
CN104574421A (zh) * | 2015-01-29 | 2015-04-29 | 北方工业大学 | 一种大幅面小重合区域高精度多光谱图像配准方法及装置 |
CN105741295A (zh) * | 2016-02-01 | 2016-07-06 | 福建师范大学 | 一种基于局部不变特征点的高分遥感影像配准方法 |
CN107808362A (zh) * | 2017-11-15 | 2018-03-16 | 北京工业大学 | 一种基于无人机pos信息与图像surf特征结合的图像拼接方法 |
CN110457414A (zh) * | 2019-07-30 | 2019-11-15 | Oppo广东移动通信有限公司 | 离线地图处理、虚拟对象显示方法、装置、介质和设备 |
-
2019
- 2019-12-23 CN CN201911337677.3A patent/CN111639662A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413272A (zh) * | 2013-07-22 | 2013-11-27 | 中国科学院遥感与数字地球研究所 | 低空间分辨率多源遥感图像空间一致性校正方法 |
CN103604417A (zh) * | 2013-11-15 | 2014-02-26 | 南京师范大学 | 物方信息约束的多视影像双向匹配策略 |
CN103886611A (zh) * | 2014-04-08 | 2014-06-25 | 西安煤航信息产业有限公司 | 一种适合于航空摄影飞行质量自动检查的影像匹配方法 |
CN104361590A (zh) * | 2014-11-12 | 2015-02-18 | 河海大学 | 一种控制点自适应分布的高分辨率遥感影像配准方法 |
CN104331899A (zh) * | 2014-11-24 | 2015-02-04 | 中国科学院电子学研究所 | 一种sar图像配准方法及装置 |
CN104574421A (zh) * | 2015-01-29 | 2015-04-29 | 北方工业大学 | 一种大幅面小重合区域高精度多光谱图像配准方法及装置 |
CN105741295A (zh) * | 2016-02-01 | 2016-07-06 | 福建师范大学 | 一种基于局部不变特征点的高分遥感影像配准方法 |
CN107808362A (zh) * | 2017-11-15 | 2018-03-16 | 北京工业大学 | 一种基于无人机pos信息与图像surf特征结合的图像拼接方法 |
CN110457414A (zh) * | 2019-07-30 | 2019-11-15 | Oppo广东移动通信有限公司 | 离线地图处理、虚拟对象显示方法、装置、介质和设备 |
Non-Patent Citations (2)
Title |
---|
JIAYI MA 等: "Robust Feature Matching for Remote Sensing Image Registration via Locally Linear Transforming", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING,》 * |
徐冠华: "《再生资源遥感的理论及其技术应用》", 31 December 1994, 中国林业出版社出版 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163562A (zh) * | 2020-10-23 | 2021-01-01 | 珠海大横琴科技发展有限公司 | 一种影像重叠区域计算方法、装置、电子设备及存储介质 |
CN115965535A (zh) * | 2023-03-14 | 2023-04-14 | 海豚乐智科技(成都)有限责任公司 | 基于特征矫正gps信息的航拍图实时拼接方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969145B (zh) | 一种遥感图像匹配优化方法、装置、电子设备及存储介质 | |
CN110910432A (zh) | 一种遥感图像匹配方法、装置、电子设备及可读存储介质 | |
CN110930428B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
KR102195051B1 (ko) | 드론의 영상 정보를 이용한 공간 정보 생성 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 | |
CN114111775B (zh) | 一种多传感器融合定位方法、装置、存储介质及电子设备 | |
US20220074743A1 (en) | Aerial survey method, aircraft, and storage medium | |
CN111652915A (zh) | 一种遥感图像的重叠区域计算方法、装置及电子设备 | |
CN111639662A (zh) | 一种遥感图像双向匹配方法、装置、电子设备及存储介质 | |
CN111582296B (zh) | 一种遥感图像综合匹配方法、装置、电子设备及存储介质 | |
CN114730472A (zh) | 车载相机的外部参数的标定方法及相关装置 | |
CN114648709A (zh) | 一种确定图像差异信息的方法与设备 | |
CN112219225A (zh) | 定位方法、系统及可移动平台 | |
CN115984417A (zh) | 一种语义建图方法、装置及存储介质 | |
CN113654528B (zh) | 通过无人机位置和云台角度估测目标坐标的方法和系统 | |
CN115797310A (zh) | 一种光伏电站组串倾角的确定方法及电子设备 | |
CN112163562B (zh) | 一种影像重叠区域计算方法、装置、电子设备及存储介质 | |
CN116188587A (zh) | 定位方法、装置及车辆 | |
CN111583312A (zh) | 一种遥感图像精准匹配方法、装置、电子设备及存储介质 | |
CN111612828A (zh) | 一种遥感图像纠正匹配方法、装置、电子设备及存储介质 | |
CN111640142A (zh) | 一种遥感图像多特征匹配方法、装置及电子设备 | |
CN109919998B (zh) | 卫星姿态确定方法、装置和终端设备 | |
CN113112551A (zh) | 相机参数的确定方法、装置、路侧设备和云控平台 | |
CN111695396A (zh) | 一种遥感图像匹配方法、装置、电子设备及可读存储介质 | |
CN112559786B (zh) | 一种光学遥感影像成像时间的确定方法及装置 | |
US11815362B2 (en) | Map data generation apparatus |
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 |
Application publication date: 20200908 |
|
RJ01 | Rejection of invention patent application after publication |