CN111986074A - 一种真正射影像制作方法、装置、设备及存储介质 - Google Patents
一种真正射影像制作方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111986074A CN111986074A CN202010700046.XA CN202010700046A CN111986074A CN 111986074 A CN111986074 A CN 111986074A CN 202010700046 A CN202010700046 A CN 202010700046A CN 111986074 A CN111986074 A CN 111986074A
- Authority
- CN
- China
- Prior art keywords
- points
- reference pixel
- image
- point
- homonymous
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000005070 sampling Methods 0.000 claims abstract description 13
- 238000003702 image correction Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000008439 repair process Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 18
- 230000000007 visual effect Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- G06T3/08—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/94—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本申请涉及一种真正射影像制作方法、装置、设备及可读存储介质,其包括:通过密集匹配获取遥感图像中第一基准像素点的同名点;从所述同名点中提取同名点对构成三角网小面元,根据小面元微分纠正对所述第一基准像素点进行初纠正得到第二基准像素点;汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云;根据预置采样间距将所述点云规则划分成方格并通过共线方程计算方格中的同名点的中值作为方格的高程值;基于所述高程值与所述第二基准像素点的信息,建立数字表面模型并生成正射影像;基于所述第二基准像素点,根据数字微分纠正对所述正射影像进行图像纠正,得到真正射影像。本申请具有纠正并保持垂直角度的地表景观效果。
Description
技术领域
本申请涉及航空影像处理技术的领域,尤其是涉及一种真正射影像制作方法、装置、设备及存储介质。
背景技术
数字正射影像(DOM)是同时具有地图几何精度、数学精度和影像特征的影像地图,可以直观反映城市地貌的现状信息,具有精度高、直观真实、信息量丰富、获取成本低、获取速度快、应用广泛的优点,可从中获取自然资源和社会经济发展建设情况,已经成为城市建设、规划管理、国土资源开发利用与保护等方面重要的地理信息。
数字正射影像一般采用DEM(数字高程模型)进行微分纠正,仅消除了透视成像和地形起伏导致的影像变形,并没有考虑高大建筑物等人工地物造成的投影差。近年来,随着航空影像地面分辨率的越来越高和城市建设的快速发展,影像中建筑物所占比例越来越大,密集的高大建筑物由于偏离其正确位置而对地面产生的遮挡和压盖现象非常严重,影响了利用正射影像对目标判读的正确性。
发明内容
为了解决数字正射影像中高大建筑物偏离其正确位置而对底面产生遮挡以及压盖现象的技术问题,本申请提供一种真正射影像制作方法。
第一方面,本申请提供的一种真正射影像制作方法,采用如下的技术方案:
一种真正射影像制作方法,包括:
计算每两张遥感影像中相同的第一基准像素点并进行密集匹配,得到同名点;
从所述同名点中提取同名点对构成三角网小面元,并通过小面元微分纠正对所述第一基准像素点进行初纠正,得到第二基准像素点;
汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云;
根据预置采样间距将所述点云规则划分成方格,并通过共线方程计算获取所述方格中同名点的中值,得到所述方格的高程值;
基于所述高程值与所述第二基准像素点的信息,建立数字表面模型;
基于所述数字表面模型,生成正射影像;
基于所述第二基准像素点,根据数字微分纠正对所述正射影像进行几何图像纠正,得到真正射影像。
通过采用上述技术方案,提取遥感影像的特征点作为基准像素点,通过密集匹配获取遥感影像中基准像素点的同名点,从同名点中选取同名点对构建三角网小面元并通过三角网小面元微分纠正对第一基准像素点进行初纠正,得到第二基准像素点,汇总各基准像素点的同名点得到点云,根据预置采样间距对点云中区域划分并计算各区域同名点的高程值,进而根据高程值与点云建立数字表面模型,然后对数字表面模型生成的正射影像进行微分纠正,得到真正射影像,使遥感影像中的地标景观保持垂直角度,解决了遥感影像中高达建筑物对其他地表信息的遮挡以及压盖。
优选的,在所述汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云的步骤之后,还包括:
统计各基准像素点的同名点个数;
根据预置最小同名点个数阈值,筛除同名点个数低于预置最小同名点个数阈值的基准像素点。
通过采用上述技术方案,预设基准像素点的最小同名点个数阈值,统计各基准像素点的同名点个数,筛除同名点小于预置最小同名点个数阈值的基准像素点,同名点个数越少,特征信息较少,筛除特征信息较少的基准像素点不计入高程计算,既节省计算量,也能减少加入计算后而产生的粗差。
优选的,在所述汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云的步骤之后,还包括:
基于所述基准像素与对应同名点的坐标,组成2(N+1)个共线方程;
基于所述共线方程,通过最小二乘法计算所述基准像素的坐标并估算所述基准像素的标准差。
通过采用上述技术方案,基于基准像素点与其对应的同名点计算得到基准像素点的坐标值并估算坐标的标准差,这样计算出来的基准像素点坐标相比现有技术更精确。
优选的,所述基于所述高程值与所述第二基准像素点的信息,建立数字表面模型包括:
基于所述高程值与所述第二基准像素点的信息,生成初始数字表面模型;
对所述初始数字表面模型进行阴影区域检测与特征线修补,得到数字表面模型。
通过采用上述技术方案,对数字表面模型中较高的建筑或影响重叠区域较小的区域进行阴影区域检测与修正,然后对建筑物外形轮廓存在倾斜遮蔽进行特征线修补,使数字表面模型恢复建筑物的边缘纹理,提高数字表面模型质量。
优选的,所述基于所述第二基准像素点,根据数字微分纠正对所述正射影像进行几何图像纠正,得到真正射影像包括:
获取遥感影像的预置控制点信息以及定向元素信息;
基于预置控制点信息以及所述定向元素信息,根据所述数字表面模型对所述第二基准像素点进行纠正,生成初真正射影像;
基于所述初真正射影像,将所有初真正射影像中的可见区域进行融合,得到可见区域整体图像;
基于所述可见区域整体图像,对所述初真正射影像进行重投影,得到重投影影像;
基于所述重投影影像,根据预置阴影区域补偿规则对所述第一真正射影进行阴影补偿,得到真正射影像。
通过采用上述技术方案,获取遥感影像的预置控制点与定向元素信息,根据数字表面模型对第二基准像素点进行基准像素纠正,生成初正射影像,更进一步提高图像配准精度;将初真正射影像中的可见区域进行融合,得到可见区域整体图像,对可见区域整体图像进行重投影,以获取初真正射影像中针阴影区域的对应可见视角图像;基于可见区域整体图像对初真正射影像中的阴影区域进行阴影补偿,得到真正射影像,避免高达建筑物对其他地表信息的遮挡,回复了建筑物的正确显示。
优选的,所述基于所述重投影影像,根据预置阴影区域补偿规则对所述第一真正射影进行阴影补偿,得到真正射影像包括:
从所述重投影影像中确定主补偿图像与副补偿图像;
从所述副补偿图像的可见区域中获取与所述主补偿图像阴影区域对应的纹理数据;
基于所述纹理数据,对所述主补偿图像中的阴影区域进行阴影补偿处理,得到真正射影像。
通过采用上述技术方案,从重投影影像中确定主补偿图像以及副补偿图像,基于副补偿图像的可见区域,获取主补偿图像中阴影区域的纹理数据,将纹理数据替换主补偿图像中对应的阴影区域,得到完全垂直视角的真正射影像,不仅对地形进行纠正,也对地表建筑物进行纠正,使地标景观保持垂直角度,解决了高达建筑物对其他地标信息的遮挡问题。
第二方面,本申请提供一种真正射影像制作装置,采用如下技术方案:
一种真正射影像制作装置,包括:
提取模块,用于计算每两张遥感影像中相同的第一基准像素点并进行密集匹配,得到同名点;
第一纠正模块,用于从所述同名点中提取同名点对构成三角网小面元,并通过小面元微分纠正对所述第一基准像素点进行初纠正,得到第二基准像素点;
汇总模块,用于汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云;
计算模块,用于根据预置采样间距将所述点云规则划分成方格,并通过共线方程计算获取所述方格中同名点的中值,得到所述方格的高程值;
建立模块,用于基于所述高程值与所述第二基准像素点的信息,建立数字表面模型;
生成模块,用于基于所述数字表面模型,生成正射影像;
第二纠正模块,用于基于所述第二基准像素点,根据数字微分纠正对所述正射影像进行几何图像纠正,得到真正射影像。
第三方面,本申请提供一种真正射影像制作设备,采用如下技术方案:
一种真正射影像制作设备,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行上述真正射影像制作方法的计算机程序。
第四方面,本申请提供一种真正射影像制作可读存储介质,采用如下技术方案:
本申请的上述发明目的四是通过以下技术方案得以实现的:
一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一种真正射影像制作方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1.先获取每两张遥感影像的基准像素点,并根据密集匹配计算获取基准像素点的同名点,提取同名点对构成三角形小面元,再通过表面元对基准像素点进行初纠正,实现对基准像素点的初步纠正;汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云,根据预置采样间距划分点云的区域,计算各区域中点的高程值,根据基准像素点以及高程值建立数字表面模型,对数字表面模型生成的正射影像进行纠正,进而得到真正射影像,使影像呈垂直视角的地标景观,解决高大建筑物对其他地表信息的遮挡问题;
2.根据预置基准像素点的最小同名点个数阈值,筛除基准像素点中同名点数低于预置最小同名点个数阈值的基准像素点,既节省计算量,也能减少加入计算后而产生的粗差。
附图说明
图1为本申请真正射影像制作方法第一实施例的流程示意图;
图2为本申请真正射影像制作方法第二实施例的流程示意图;
图3为本申请真正射影像制作方法第三实施例的流程示意图;
图4为图1中步骤S60一实施例的细化流程示意图;
图5为图1中步骤S90一实施例的细化流程示意图;
图6为图5中步骤S906一实施例的细化流程示意图;
图7为本申请真正射影像制作装置一实施例的模块示意图。
具体实施方式
以下结合附图1-7对本申请作进一步详细说明。
本申请实施例公开一种真正射影像制作方法。
遥感影像是通过接收探测目标地物电磁辐射信息,根据辐射信息的强弱,以图像的形式呈现探测地物电磁辐射信息的样子。其中,遥感影像主要分航空像片和卫星像片。
参照图1,图1为本申请真正射影像制作方法第一实施例的流程示意图。在本申请实施例中,所述真正射影像制作方法包括:
步骤S10:计算每两张遥感影像中相同的第一基准像素点并进行密集匹配,得到同名点;
本申请实施例中,由于每张遥感影像是同一地区的不同视角影像,因此,每张遥感影像中均存在相同的特征点。定义其中一张遥感影像的特征点为基准像素点,从其他视角的遥感影像中通过影像密集匹配算法,匹配与基准像素点相同的特征点,获取基准像素点的同名点。其中,同名点是同一个特征点在不同视角影像上的点。影像密集匹配是为了匹配每一个像素,得到同名点之间的视差,并进一步生成点云。影像密集匹配又包括局部密集匹配算法,全局密集匹配算法以及半全局密集算法。局部密集匹配算法通常以像素或者局部区域为计算对象;全局密集匹配算法通常以整幅图的信息作为计算对象来算出视差;半全局密集匹配算法是对传统的动态规划算法的改进,该算法对光照变化不敏感,具有较强的鲁棒性,通过计算影像之间的互信息作为影像匹配的相似测度值,并且为了提高整体匹配的可靠性,在算法中引入了平滑约束。其中,局部密集算法的优点是易于操作,计算量较少,但局部密集算法往往受到局部异常信息的影响,生成的点云不平滑,噪声大,错误多,效果不佳。相对于局部密集匹配算法,全局密集匹配算法的精度更高,效果也更好,不过全局密集匹配算法的计算时间很长,效率很低。
本申请中采用半全局密集匹配算法,其较好的结合了局部匹配和全局匹配的优缺点,既没有只考虑像素的局部区域,也没有考虑所有的像素点,在精度和效率上有较好的平衡。半全局密集匹配算法定义了全局的能量函数,是数据项和不平滑惩罚项之和。通过最小化不平滑惩罚项,可以求解出平滑的视差图,进一步得到平滑的点云。
步骤S20:从所述同名点中提取同名点对构成三角网小面元,并通过小面元微分纠正对所述第一基准像素点进行初纠正,得到第二基准像素点;
本申请实施例中,为了使影像精确配准,对基准像素点执行一次初纠正。基于基准像素点的同名点,然后对相关性系数较低的点对进行整体松弛法匹配,在对剩下的点对进行最小二乘法匹配,确保匹配精度达到子像素级,最后由这些同名点对构成密集的三角网,并以对应的小三角形面元为每个基准进行纠正,得到与参考影像精确配准的纠正影像。
其中,对相关性系数较低的点对进行整体松弛法匹配时,预设基准像素点与同名点的相关性系数,获取相关性系数较低像点的临近特征点,将临近特征点的相关性系数转化为概率,通过概率对相关性系数较低的点进行松弛迭代运算,提升配准精度达到亚像素级的精确度;基于整体松弛匹配后的结果,做基于相位的最小二乘法匹配,把得到的精确配准位置与基准像素点相比较,计算出精确视差,基于精确视差与同名点,生成相应的三角网小面元。
步骤S30:汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云;
步骤S40:根据预置采样间距将所述点云规则划分成方格,并通过共线方程计算获取所述方格中同名点的中值,得到所述方格的高程值;
本申请实施例中,预先设置采样间距,获取各基准像素点的所有同名点,得到点云,根据预置的采样间距对点云进行规则划分,得到划分成多个方格的点云。对于落在同一方格内的同名点,通过共线方程计算方格中同名点的中值,以中值作为方格的高程值。此外,若存在没有获取高程值的方格,可以通过数字表面模型插值的方式得到方格高程值。
步骤S50:基于所述高程值与所述第二基准像素点的信息,建立数字表面模型;
本申请实施例中,数字表面模型是表达地球表面及表面上物体高起伏形态的数据集,是地表上自然、人工地物空间信息的统一体。数字表面模型是指包含了地表建筑物、桥梁和树木等高度的地面高程模型。和数字高程模型相比,数字高程模型只包含了地形的高程信息,并未包含其它地表信息,数字表面模型是在数字高程模型的基础上,进一步涵盖了除地面以外的其它地表信息的高程,如建筑物、植被等,可表达各种建筑物表面和植被覆盖情况,反映坐落于地面的所有物体表面特征,更准确更直观地表达地理信息。使用数字表面模型代替数字高程模型生成正射影像可获取更多地表信息,且可以对生成的数字表面模型进行修改编正,恢复被倾斜遮蔽的地物。
本申请实施例中,通过将高程数据以及第二基准像素点数据输入软件中,生成数字表面模型。对于高重叠度的相对,按照射影测量学相关原理,立体相对的基高比越大,像点的高程精度越高;反之,立体相对的基高比越小,像点的高程精度越低。但是,高度重叠的影像同一地点拥有多个相对,利用多目视觉的原理,通过生成的多个相对的高程值,得到最后的高程。
绝大部分区域的数字表面模型,软件能自动计算,而且效果不错。但是对于较高的建筑或者影像重叠区域较小的区域需要进行阴影区域检测与编辑修正,然后对建筑物房屋外形轮廓存在的倾斜遮蔽进行分析和特征线修补,来进一步恢复建筑物的边缘纹理,提高数字表面模型的质量。在软件的立体模式下手工精细编辑数字表面模型,对这些建筑物的变形区域进行采集、修补,尽量使数字表面模型的轮廓线贴合建筑实际外形轮廓,得到高精度的数字表面模型。
步骤S60:基于所述数字表面模型,生成正射影像;
步骤S70:基于所述第二基准像素点,根据数字微分纠正对所述正射影像进行几何图像纠正,得到真正射影像。
本申请实施例中,采用数字微分纠正方法对正射影像进行图像纠正。具体是,先通过数字表面模型生成正射影像,获取正射影像的预置地面控制点以及地控制点的已知定向元素,根据数字高程模型进行图像纠正,如对每个基准像素点逐一进行纠正。
进一步地,在对正射影像进行纠正后,还需利用多视影像对求得的真正射影像中阴影区域进行补偿。主要包括:分别生成每张遥感影像的真正射影像,然后将所有可见区域进行融合,依据一定原则选择合适主、辅影像进行补偿,在高精度数字表面模型的基础上,采用数字微分纠正的方法纠正消除了所有视差,对原始影像的可视区域进行重投影,被遮蔽区域的纹理可在其他影像的可视区域内获取,建立了完全垂直视角的地表景观。 建筑物保持垂直视角,只显示了建筑物的顶部,不显示侧面,避免了高大建筑物对其他地表信息的遮挡,恢复了建筑物的正确显示。
此外,在完成真正射影像之后,还应对真正射影像的精度进行检验。检验方法如下,分别检查基准像素点的X 方向误差、Y 方向误差、平面中误差、高程中误差计算公式分别为:
本申请实施例中,提取遥感影像的特征点作为基准像素点,通过密集匹配获取遥感影像中基准像素点的同名点,从同名点中选取同名点对构建三角网小面元并通过三角网小面元微分纠正对第一基准像素点进行初纠正,得到第二基准像素点,汇总各基准像素点的同名点得到点云,根据预置采样间距对点云中区域划分并计算各区域同名点的高程值,进而根据高程值与点云建立数字表面模型,然后对数字表面模型生成的正射影像进行微分纠正,得到真正射影像,使遥感影像中的地标景观保持垂直角度,解决了遥感影像中高达建筑物对其他地表信息的遮挡。
参照图2,图2为本申请真正射影像制作方法第二实施例的流程示意图。在本申请实施例中,在步骤S30之后,包括:
步骤S31:统计各基准像素点的同名点个数;
步骤S32:根据预置最小同名点个数阈值,筛除同名点个数低于预置最小同名点个数阈值的基准像素点。
本申请实施例中,为了确保基准像素点的特征信息足够,首先须保证基准像素点有足够多的同名点,因此计算时筛除同名点个数小于预设阈值的基准像素点,既提高计算的精准度,又能减少不必要的计算,节省计算量。具体过程如下:预设各基准像素点的最小同名点个数阈值,统计基准像素点的同名点个数,根据预置最小同名点个数阈值,筛除同名点个数低于预置最小同名点个数阈值的基准像素点,不计入坐标值计算,达到剔除粗差的目的。
例如,预置最小同名点个数阈值为2。统计每个基准像素点的同名点个数,检测每个基准像素点的同名点个数是否小于2,筛除同名点个数小于2的基准像素点。
参照图3,图3为本申请真正射影像制作方法第三实施例的流程示意图。在本申请实施例中,在上述步骤S30之后,还包括:
步骤S34:基于所述基准像素点与对应同名点的坐标,组成2(N+1)个共线方程;
步骤S35:基于所述共线方程,通过最小二乘法计算所述基准像素点的坐标并估算所述基准像素点的标准差。
本申请实施例中,为了计算各基准像素点的坐标,将目标基准像素点以及目标基准像素点的同名点建立共线方程,通过最小二乘法求解共线方程,计算目标基准像素点的坐标,并估算基准像素点的标准差,实现通过同名点计算基准像素点坐标以及估算标准差的计算。
参照图4,图4为图1中步骤S50一实施例的细化流程示意图。在本申请实施例中,步骤S50包括:
步骤S501:基于所述高程值与所述第二基准像素点的信息,生成初始数字表面模型;
步骤S502:对所述初始数字表面模型进行阴影区域检测与特征线修补,得到数字表面模型。
本申请实施例中,数字表面模型是指包含了地表建筑物、桥梁和树木等高度的地面高程模型。基于第二基准像素点的坐标信息以及对应的高程值,生成初始数字表面模型。为了提高数字表面模型的配准精度,对初始数字表面模型进行阴影区域检测以及特征线修补,以得到高精度的数字表面模型。其中,阴影区域检测是根据阴影区域的特性进行检测,如由于光线被遮挡,阴影区域具有更低的灰度值;或阴影区域具有更高的色调值;或由于大气瑞利散射的影响,阴影区域具有更高的饱和度;或阴影区域的阴影不改变原有地标的纹理特征;或阴影区域与产生遮挡的目标具有相似的轮廓。阴影区域检测的检测方法有基于RGB彩色空间的归一化处理的阴影检测算法,RGB彩色空间的直接差分算子的阴影检测算法以及基于纹理 本申请实施例中,由于较高建筑或影像重叠区域较小的区域需要进行阴影区域阴影区域检测与编辑修正,然后对建筑物房屋外形轮廓存在的倾斜遮蔽进行分析和特征线修补,来进一步恢复建筑物在数字表面模型中的边缘纹理,提高数字表面模型的质量。此外,还需对建筑物的变形区域进行实际轮廓线采集,对变形区域进行修补,使数字表面模型的轮廓线贴合建筑实际轮廓,得到高精度的数字表面模型。
参照图5,图5为图1中步骤S70一实施例的细化流程示意图。在本申请实施例中,步骤S70包括:
步骤S701:获取遥感影像的预置控制点信息以及定向元素信息;
步骤S702:基于预置控制点信息以及所述定向元素信息,根据所述数字表面模型对所述第二基准像素点进行基准像素点纠正,得到初真正射影像;
步骤S703:基于所述初真正射影像,将所有初真正射影像中的可见区域进行融合,得到可见区域整体图像;
步骤S704:基于所述可见区域整体图像,对所述初真正射影像进行重投影,得到重投影影像;
步骤S705:基于所述重投影影像,根据预置阴影区域补偿规则对所述第一真正射影进行阴影区域补偿,得到真正射影像。
本申请实施例中,遥感影像的纠正方法主要通过几何纠正以及数字微分纠正。本申请采用数字微分纠正方法,具体如下,在遥感影像的对应地面预设地面控制点,根据图像的已知定向元素信息以及数字表面模型,利用地面控制点对每一个第二基准像素点逐一进行纠正。其中,已知定向元素为描述两张像片相对位置和姿态关系的参数,相对定向元素共有5个。
本申请实施例中,基于初真正射影像,识别影像中的可见区域与阴影区域,将所有初真正射影像的可见区域进行融合,得到遥感影像的整体可见区域图像;对初真正射影像进行重投影处理,得到重投影影像。检测重投影影像中的阴影区域,对重投影影像的阴影区域按预置阴影区域补偿规则进行补偿处理,得到真正射影像。
其中,阴影区域的预置补偿规则可以是可由用户根据实际情况而定。
参照图6,图6为图5中步骤S705一实施例的细化流程示意图。在本申请实施例中,步骤S705包括:
步骤S7051:从所述重投影影像中确定主补偿图像与副补偿图像;
步骤S7052:从所述副补偿图像的可见区域中获取与所述主补偿图像阴影区域对应的纹理数据;
步骤S7053:基于所述纹理数据,对所述主补偿图像中的阴影区域进行阴影补偿处理,得到真正射影像。
本申请实施例,阴影区域是由于影像中密集的高大建筑物由于偏离其正确位置而对周围地面其他景物产生遮挡和压盖的现象。基于多张重投影影像,从中确定主补偿图像与副补偿图像,从副补偿图像中的可见区域中获取与主补偿图像阴影区域对应的纹理数据,得到主补偿图像中阴影区域对应的纹理数据,最后将纹理数据补充到主补偿图像中对应的阴影区域,实现阴影区域的消除,得到真正射影像。
例如,当前对初真正射影像重投影之后,确定了1号重投影影像为主补偿图像,2至5号重投影影像为副补偿图像。确定1号重投影影像中的阴影区域,从2至5号重投影影像中的可见区域中查找与1号重投影影像中阴影区域对应的纹理数据,基于纹理数据对1号重投影影像进行阴影区域补偿,避免高大建筑物对其他地表信息的遮挡,恢复建筑物的正射影像图,得到真正射影像。
参照图7,图7为本申请真正射影像制作装置一实施例的模块示意图。在本申请实施例中,所述真正射影像制作装置包括:
提取模块10,用于计算每两张遥感影像中相同的第一基准像素点并进行密集匹配,得到同名点;
第一纠正模块20,用于从所述同名点中提取同名点对构成三角网小面元并通过小面元微分纠正对所述第一基准像素点进行初纠正,得到第二基准像素点;
汇总模块30,用于汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云;
划分模块40,用于根据预置采样间距将所述点云规则划分成方格;
计算模块50,用于基于同一方格中的同名点,通过共线方程计算获取方格中同名点的中值作为方格的高程值;
建立模块60,用于基于所述高程值与所述第二基准像素点的信息,建立数字表面模型;
生成模块70,用于基于所述数字表面模型,生成正射影像;
第二纠正模块80,用于基于所述第二基准像素点,根据数字微分纠正对所述正射影像进行几何图像纠正,得到真正射影像。
在本申请实施例中,提取模块10计算每两张遥感影像中相同的第一基准像素点并进行密集匹配,得到同名点,第一纠正模块20从所述同名点中提取同名点对构成三角网小面元并通过小面元微分纠正对所述第一基准像素点进行初纠正,得到第二基准像素点,汇总模块30汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云,划分模块40根据预置采样间距将所述点云规则划分成方格,计算模块50基于同一方格中的同名点,通过共线方程计算获取方格中同名点的中值作为方格的高程值,建立模块60基于所述高程值与所述第二基准像素点的信息,建立数字表面模型,生成模块70基于所述数字表面模型,生成正射影像,第二纠正模块70基于所述第二基准像素点,根据数字微分纠正对所述正射影像进行几何图像纠正,得到真正射影像。
本申请提供一种真正射影像制作设备,其特征在于,所述真正射影像制作设备包括存储器和处理器以及存储在所述存储器上并可在所述处理器上运行的真正射影像制作程序,所述真正射影像制作程序被所述处理器执行时实现如上述实施例中所述的真正射影像制作方法的步骤。
本申请还提供一种计算机可读存储介质。
本实施例中,所述计算机可读存储介质上存储有真正射影像制作程序,所述真正射影像制作程序被处理器执行时实现如上述任一项实施例中所述的真正射影像制作方法的步骤。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种真正射影像制作方法,包括:
计算每两张遥感影像中相同的第一基准像素点并进行密集匹配,得到同名点;
从所述同名点中提取同名点对构成三角网小面元,并通过小面元微分纠正对所述第一基准像素点进行初纠正,得到第二基准像素点;
汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云;
根据预置采样间距将所述点云规则划分成方格,并通过共线方程计算获取所述方格中同名点的中值,得到所述方格的高程值;
基于所述高程值与所述第二基准像素点的信息,建立数字表面模型;
基于所述数字表面模型,生成正射影像;
基于所述第二基准像素点,根据数字微分纠正对所述正射影像进行图像纠正,得到真正射影像。
2.根据权利要求1所述的真正射影像制作方法,其特征在于:在所述汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云的步骤之后,还包括:
统计各基准像素点的同名点个数;
根据预置最小同名点个数阈值,筛除同名点个数低于预置最小同名点个数阈值的基准像素点。
3.根据权利要求1所述的真正射影像制作方法,其特征在于:在所述汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云的步骤之后,还包括:
基于所述基准像素点与对应同名点的坐标,组成2(N+1)个共线方程;
基于所述共线方程,通过最小二乘法计算所述基准像素点的坐标并估算所述基准像素点的标准差。
4.根据权利要求1所述的真正射影像制作方法,其特征在于:所述基于所述高程值与所述第二基准像素点的信息,建立数字表面模型包括:
基于所述高程值与所述第二基准像素点的信息,生成初始数字表面模型;
对所述初始数字表面模型进行阴影区域检测与特征线修补,得到数字表面模型。
5.根据权利要求1所述的真正射影像制作方法,其特征在于:所述基于所述第二基准像素点,根据数字微分纠正对所述正射影像进行图像纠正,得到真正射影像包括:
获取遥感影像的预置控制点信息以及定向元素信息;
基于预置控制点信息以及所述定向元素信息,根据所述数字表面模型对所述第二基准像素点进行纠正,生成初真正射影像;
基于所述初真正射影像,将所有初真正射影像中的可见区域进行融合,得到可见区域整体图像;
基于所述可见区域整体图像,对所述初真正射影像进行重投影,得到重投影影像;
基于所述重投影影像,根据预置阴影区域补偿规则对所述第一真正射影进行阴影区域补偿,得到真正射影像。
6.根据权利要求5所述的真正射影像制作方法,其特征在于:所述基于所述重投影影像,根据预置阴影区域补偿规则对所述第一真正射影进行阴影补偿,得到真正射影像包括:
从所述重投影影像中确定主补偿图像与副补偿图像;
从所述副补偿图像的可见区域中获取与所述主补偿图像阴影区域对应的纹理数据;
基于所述纹理数据,对所述主补偿图像中的阴影区域进行阴影区域补偿处理,得到真正射影像。
7.一种真正射影像制作装置,其特征在于,所述真正射影像制作装置包括:
提取模块,用于计算每两张遥感影像中相同的第一基准像素点并进行密集匹配,得到同名点;
第一纠正模块,用于从所述同名点中提取同名点对构成三角网小面元,并通过小面元微分纠正对所述第一基准像素点进行初纠正,得到第二基准像素点;
汇总模块,用于汇总各基准像素点的同名点,得到各基准像素点对应同名点的点云;
计算模块,用于计算根据预置采样间距将所述点云规则划分成方格,并通过共线方程计算获取所述方格中同名点的中值,得到所述方格的高程值;
建立模块,用于基于所述高程值与所述第二基准像素点的信息,建立数字表面模型;
生成模块,用于基于所述数字表面模型,生成正射影像;
第二纠正模块,用于基于所述第二基准像素点,根据数字微分纠正对所述正射影像进行几何图像纠正,得到真正射影像。
8.根据权利要求7所述的真正射影像制作装置,其特征在于,所述真正射影像制作装置还包括:
统计模块,用于统计各基准像素点的同名点个数;
筛除模块,用于根据预置最小同名点个数阈值,筛除同名点个数低于预置最小同名点个数阈值的基准像素点。
9.一种真正射影像制作设备,其特征在于,所述真正射影像制作设备包括存储器和处理器以及存储在所述存储器上并可在所述处理器上运行的真正射影像制作程序,所述真正射影像制作程序被所述处理器执行时实现如权利要求1至7中任一项所述的真正射影像制作方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质上存储有能够被处理器加载并执行如权利要求1至7中任一项所述的真正射影像制作方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010700046.XA CN111986074A (zh) | 2020-07-20 | 2020-07-20 | 一种真正射影像制作方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010700046.XA CN111986074A (zh) | 2020-07-20 | 2020-07-20 | 一种真正射影像制作方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111986074A true CN111986074A (zh) | 2020-11-24 |
Family
ID=73437774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010700046.XA Pending CN111986074A (zh) | 2020-07-20 | 2020-07-20 | 一种真正射影像制作方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111986074A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034350A (zh) * | 2021-03-24 | 2021-06-25 | 网易(杭州)网络有限公司 | 一种植被模型的处理方法和装置 |
CN117372273A (zh) * | 2023-10-26 | 2024-01-09 | 航天科工(北京)空间信息应用股份有限公司 | 无人机影像的正射影像生成方法、装置、设备和存储介质 |
CN117575970A (zh) * | 2024-01-15 | 2024-02-20 | 航天宏图信息技术股份有限公司 | 基于分类的卫星影像自动处理方法、装置、设备及介质 |
-
2020
- 2020-07-20 CN CN202010700046.XA patent/CN111986074A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034350A (zh) * | 2021-03-24 | 2021-06-25 | 网易(杭州)网络有限公司 | 一种植被模型的处理方法和装置 |
CN117372273A (zh) * | 2023-10-26 | 2024-01-09 | 航天科工(北京)空间信息应用股份有限公司 | 无人机影像的正射影像生成方法、装置、设备和存储介质 |
CN117372273B (zh) * | 2023-10-26 | 2024-04-19 | 航天科工(北京)空间信息应用股份有限公司 | 无人机影像的正射影像生成方法、装置、设备和存储介质 |
CN117575970A (zh) * | 2024-01-15 | 2024-02-20 | 航天宏图信息技术股份有限公司 | 基于分类的卫星影像自动处理方法、装置、设备及介质 |
CN117575970B (zh) * | 2024-01-15 | 2024-04-16 | 航天宏图信息技术股份有限公司 | 基于分类的卫星影像自动处理方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiao et al. | Building extraction from oblique airborne imagery based on robust façade detection | |
CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
CN109238239B (zh) | 基于航空摄影的数字测量三维建模方法 | |
US20090154793A1 (en) | Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors | |
US20140362082A1 (en) | Automated Overpass Extraction from Aerial Imagery | |
CN111986074A (zh) | 一种真正射影像制作方法、装置、设备及存储介质 | |
Maurer et al. | Tapping into the Hexagon spy imagery database: A new automated pipeline for geomorphic change detection | |
CN113971768A (zh) | 一种基于无人机的输电线路违章建筑三维动态检测方法 | |
Nex et al. | Building footprints extraction from oblique imagery | |
CN112862966B (zh) | 地表三维模型构建方法、装置、设备及存储介质 | |
CN110889899A (zh) | 一种数字地表模型的生成方法及装置 | |
CN111667569B (zh) | 一种基于Rhino及Grasshopper的三维实景土方可视化精准测算方法 | |
You et al. | A quality prediction method for building model reconstruction using LiDAR data and topographic maps | |
Li et al. | New methodologies for precise building boundary extraction from LiDAR data and high resolution image | |
Cogliati et al. | Extraction of dems and orthoimages from archive aerial imagery to support project planning in civil engineering | |
CN111986320B (zh) | 一种面向智慧城市应用的dem与倾斜摄影模型空间贴合优化方法 | |
Kaufmann et al. | Long-term monitoring of glacier change at Gössnitzkees (Austria) using terrestrial photogrammetry | |
Zhang et al. | Automatic terrain extraction using multiple image pair and back matching | |
CN114972672B (zh) | 输电线路实景三维模型构建方法、装置、设备和存储介质 | |
Zeng | Automated Building Information Extraction and Evaluation from High-resolution Remotely Sensed Data | |
Zhang et al. | Tests and performance evaluation of DMC images and new methods for their processing | |
Suliman et al. | Disparity-Based Generation of Line-of-Sight DSM for Image-Elevation Co-Registration to Support Building Detection in Off-Nadir VHR Satellite Images | |
Barazzetti et al. | Problems related to the generation of true-orthophotos with LiDAR DDSMs | |
La Rocca | A photogrammetry application to rockfall monitoring: the Belca, Slovenia case study | |
Malekian et al. | Photogrammetric reconstruction and multi-temporal comparison of Brenva glacier (Italy) from archive photos |
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 |