CN112765095B - 一种立体测绘卫星影像数据归档方法和系统 - Google Patents
一种立体测绘卫星影像数据归档方法和系统 Download PDFInfo
- Publication number
- CN112765095B CN112765095B CN202011554006.5A CN202011554006A CN112765095B CN 112765095 B CN112765095 B CN 112765095B CN 202011554006 A CN202011554006 A CN 202011554006A CN 112765095 B CN112765095 B CN 112765095B
- Authority
- CN
- China
- Prior art keywords
- image
- data
- epipolar line
- image data
- remote sensing
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013507 mapping Methods 0.000 title claims abstract description 27
- 238000012937 correction Methods 0.000 claims abstract description 21
- 230000009466 transformation Effects 0.000 claims abstract description 20
- 238000013500 data storage Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 230000005855 radiation Effects 0.000 claims abstract description 6
- 238000005520 cutting process Methods 0.000 claims abstract description 3
- 238000003860 storage Methods 0.000 claims description 28
- 238000000605 extraction Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000005012 migration Effects 0.000 claims description 4
- 238000013508 migration Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 17
- 238000005457 optimization Methods 0.000 description 26
- 238000004366 reverse phase liquid chromatography Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 239000000047 product Substances 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- BWSIKGOGLDNQBZ-LURJTMIESA-N (2s)-2-(methoxymethyl)pyrrolidin-1-amine Chemical compound COC[C@@H]1CCCN1N BWSIKGOGLDNQBZ-LURJTMIESA-N 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000006740 morphological transformation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004309 orthophoria Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/11—File system administration, e.g. details of archiving or snapshots
- G06F16/113—Details of archiving
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种立体测绘卫星影像数据归档方法和系统,对接收的立体遥感影像数据进行分类;对立体遥感影像数据进行预处理和纹理分析,通过小波变换生成影像金字塔,对金字塔的顶层影像进行变换并进行基于消息传播的匹配,进行逐层匹配,生成数字表面模型;利用数字高程模型对经过扫描处理的立体遥感影像数据,经逐像元进行辐射改正、微分纠正和镶嵌,并按设定图幅范围裁剪,生成的数字正射影像图;将生成的数字表面模型、数字正射影像图和立体遥感影像数据进行存储;根据输入信息,对存储的数据进行进行搜索,查找到相应数据;本发明能够节省数据存储空间,并提供查阅路径,提高数据处理效率。
Description
技术领域
本发明属于影像数据归档技术领域,具体涉及一种立体测绘卫星影像数据归档方法和系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
随着科技的进步,遥感与地理信息应用领域不断拓宽。立体影像数据作为遥感与地理信息应用领域重要数据之一,占用很大的影响作用。立体影像数据体积较为庞大,且较为复杂,如果单纯依靠压缩等传统归档方式,存在效率低、造成存储资源浪费、不利于数据的共享等问题。
同时,很多企业或个人用于也希望能够看到或读取相关遥感与地理信息,但目前的数据管理系统,对于数据查阅权限设置严格,个人等用户无法顺利访问,且由于遥感与地理信息的特殊性,一般不会删除历史数据,随着时间的推移,不会访问到的数据量越来越大,会造成整个系统的响应速度大幅下降。
发明内容
本发明为了解决上述问题,提出了一种立体测绘卫星影像数据归档方法和系统,本发明能够节省数据存储空间,并提供查阅路径,提高数据处理效率。
根据一些实施例,本发明采用如下技术方案:
一种立体测绘卫星影像数据归档系统,包括:
数据分类模块,被配置为对接收的立体遥感影像数据进行分类;
数字表面模型生成模块,被配置为对立体遥感影像数据进行预处理和纹理分析,通过小波变换生成影像金字塔,对金字塔的顶层影像进行变换并进行基于消息传播的匹配,进行逐层匹配,生成数字表面模型;
数字正射影像图生成模块,被配置为利用数字高程模型对经过扫描处理的立体遥感影像数据,经逐像元进行辐射改正、微分纠正和镶嵌,并按设定图幅范围裁剪,生成的数字正射影像图;
数据存储模块,被配置为将生成的数字表面模型、数字正射影像图和立体遥感影像数据进行存储;
数据查询模块,被配置为根据输入信息,在数据存储模块中进行搜索,查找到相应数据。
作为可选择的实施方式,所述数据分类模块,被配置为按照接收的立体遥感影像数据的类别,进行分文件形式的存储,所述文件形式包括tif影像文件、tfw文件、xml文件、ovr文件、xls元数据文件、txt文件和表格文件。
作为可选择的实施方式,所述系统还包括控制点、连接点提取与平差模块,被配置为参考底图和参考立体遥感影像数据的数字高程模型自动匹配控制点,并进行航天飞机雷达地形测绘使命控制点获取。
作为可选择的实施方式,所述系统还包括可疑区域检测模块,所述可疑区域检测模块被配置为生成立体影像的核线立体影像对,读取所述核线立体影像对,并通过对所述核线立体影像对的左核线影像和右核线影像分别进行小波变换,建立所述左核线影像和右核线影像的各自的影像金字塔;对顶层以下的每一层影像金字塔的左核线影像和右核线影像,逐层确定所述左核线影像和右核线影像中的可疑区域。
作为可选择的实施方式,所述系统还包括航天飞机雷达地形测绘辅助平差模块,被配置为降低立体影像分辨率,提取每个快视图像对的连接点,将快视图分辨率进行还原,结合航天飞机雷达地形测绘高程约束提取原始影像常规连接点,进行原始影响自由网评查,按照一定间距提取山顶特征点和平坦区域特征点,将两类特征点分别投射到原始影响上,提取稠密连接点。
作为可选择的实施方式,所述系统还包括覆盖图产品制作模块,被配置为基于输入的时间、数据类型、区域信息和云量信息,进行并发式地图瓦片绘制,生成相应范围的覆盖图产品。
作为可选择的实施方式,所述数据存储模块,包括多个存储区域,生成的数字表面模型、数字正射影像图和立体遥感影像数据分别用单独的存储区域进行存储。
作为可选择的实施方式,所述数据存储模块,在存入数据时,对数据进行建模和描述,数据建模是对数据元数据、空间化信息、数据类型和存储位置的实例化过程,描述信息包括数据元数据、空间化信息,不同信息分区存储。
作为可选择的实施方式,所述数据查询模块,被配置为对包含空间信息的数据,采用空间数据集的方式进行管理,并且通过空间数据引擎建立格网索引,对于元数据信息采用数据库分区表进行管理,并建立数据库索引;基于输入的查询条件采用不同的索引进行检索操作。
作为可选择的实施方式,所述数据存储模块,与外部存储单元连接,所述数据存储模块被配置为定时进行数据迁移,将存储区域内的数据转存至外部存储单元内。
一种立体测绘卫星影像数据归档方法,包括:
对接收的立体遥感影像数据进行分类;
对立体遥感影像数据进行预处理和纹理分析,通过小波变换生成影像金字塔,对金字塔的顶层影像进行变换并进行基于消息传播的匹配,进行逐层匹配,生成数字表面模型;
利用数字高程模型对经过扫描处理的立体遥感影像数据,经逐像元进行辐射改正、微分纠正和镶嵌,并按设定图幅范围裁剪,生成的数字正射影像图;
将生成的数字表面模型、数字正射影像图和立体遥感影像数据进行存储;
根据输入信息,对存储的数据进行进行搜索,查找到相应数据。
与现有技术相比,本发明的有益效果为:
本发明的系统将生成的数字表面模型、数字正射影像图和立体遥感影像数据进行分区存储,同时在存储时对数据内容、类型等进行实例化、具体化,有助于快速检索、查找相应文件。
本发明系统的数据存储模块,与外部存储单元连接,所述数据存储模块被配置为定时进行数据迁移,将存储区域内的数据转存至外部存储单元内,保证了本地存储空间的冗余,能够提供稳定的数据检索、查询、访问、处理速度。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为系统信息处理流程示意图;
图2为系统物理架构示意图;
图3为系统功能模块示意图;
图4为系统提取的DSM示意图;
图5为系统实施例获取的影像示意图;
图6为现有技术对影像数据进行控制点的匹配结果;
图7为系统对影像数据进行控制点的匹配结果;
图8为系统匀色效果;
图9为自动生成DSM的流程示意图;
图10为SRTM辅助平差流程示意图;
图11为DSM渲染效果图;
图12为系统查询检索示意图。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本实施例提供一种立体测绘卫星影像数据归档系统,用于实现以下功能:
支持资源三号01星和02星三线阵/多光谱影像、天绘一号卫星三线阵/多光谱影像、WorldView卫星立体/多光谱影像、Pleiades卫星立体/多光谱影像等多种立体卫星影像的数据预处理、控制点和连接点自动获取、区域网平差、DSM提取、DSM拼接等处理流程,在DSM半自动编辑的基础上,生产对应的DOM,包括纠正、融合、匀色流程。
一种立体测绘卫星影像数据归档系统,主要包括:
数据分类模块,被配置为对接收的立体遥感影像数据进行分类;
数字表面模型生成模块,被配置为对立体遥感影像数据进行预处理和纹理分析,通过小波变换生成影像金字塔,对金字塔的顶层影像进行变换并进行基于消息传播的匹配,进行逐层匹配,生成数字表面模型;
数字正射影像图生成模块,被配置为利用数字高程模型对经过扫描处理的立体遥感影像数据,经逐像元进行辐射改正、微分纠正和镶嵌,并按设定图幅范围裁剪,生成的数字正射影像图;
数据存储模块,被配置为将生成的数字表面模型、数字正射影像图和立体遥感影像数据进行存储,存储时,按照数据的内容或/和类型,对数据进行统一命名,并分区存储;
数据查询模块,被配置为根据输入信息,在数据存储模块中进行搜索,查找到相应数据。
下面进行详细介绍,系统在进行信息处理时,如图1所示,主要包括数字表面模型生成和数字正射影像图生成。
其中,数字表面模型生成模块被配置为进行数据预处理、匹点与平差、DSM提取、编辑和拼接过程。
数字正射影像图生成模块,被配置为进行数据预处理,匹点与平差,获取DSM数据后,进行正射纠正,全色与多光谱融合、整体匀色处理。
根据遥感影像处理的技术特点,除了特定条件下需要人工输入控制点和DSM精细编辑两种场景外,都可以在建立工程阶段设置数据目录、成果目录和参考数据的基础上,在Linux集群环境下并行、自动化处理,新建工程生成的脚本文件包括了处理流程及所需调用的模块。各个模块相互配合,且可以单独执行,每个模块根据前端模块的处理结果和当前模块的输入参数进行并行化任务划分。并将处理结果保存为后续模块默认的格式。直至全部模块执行完毕。用户所需的DSM、DOM等最终产品和其他中间产品会保存在对应的目录里,并以不用的标志性命名区分。
立体测绘卫星影像数据归档系统主要用于内部业务网环境。硬件架构上包括客户端、计算服务器和存储设备。系统物理架构如图2所示。主要包括:
1)并行计算服务器:用于DSM、DOM生产所需的数据预处理、匹点、平差、DSM稠密匹配、DOM纠正、DOM融合、DOM匀色等密集计算。
3)存储设备:共享存储(SAN/NAS)用于存储航空航天遥感影像及产品成果数据。
4)客户端:可以是工作站、台式机、笔记本或者远程桌面,用于建立工程等人机交互操作。
为了保证数据存储空间的冗余,本系统还进行扩容设计。
可伸缩性指的是应用程序在增加工作负载和增加对处理器、网络或文件系统资源的需求时的能力。任何系统都可以通过添加具有相似特性的新节点来进行横向扩展,这些节点通过添加存储、内存或处理器来使用相同的硬件来实现负载和垂直的均匀再分布。
本系统采用横向扩展的架构使系统能够随着业务需求的增长而增长,同时利用低成本的组件。横向扩展可以有效地容纳一个管理实体中的大量节点,以确保性能不会下降。
本系统在数据层利用横向扩展,可以在不需要代码重构的情况下进行扩展。本设计是为了方便快速扩展,同时提高应用程序的可用性,有效满足用户日益增长的需求,横向扩容主要体现在三个方面:
基础设施层扩容:可以通过增加服务器、虚拟机、网路设备、存储设备实现,根据用户实际需求可进行系统升级和服务节点扩容。
业务层:通过增加的服务器、虚拟机,安装配置并行业务处理程序实现快速的横向扩容。
在本实施例中,立体测绘卫星影像数据归档系统包括工程建立模块、控制点、检查点采集模块、DSM编辑模块、数据并行预处理模块、控制点、连接点提取与区域网平差模块、DSM生产模块、DOM生产模块等,各模块包含的模块、功能及实现方式如图3所示。
各个模块在执行其功能时,运用以下关键技术方案。
逐像素稠密匹配加全局优化
立体影像全局优化匹配算法以全局能量最小化为目标,通过基于能量方程的全局优化实现整体匹配。能量方程一般包括数据项和平滑项。数据项指立体影像对应某一视差的对应点的相似度,可以通过灰度距离、互信息、相关系数、CENSUS距离等一种或几种的组合表示;平滑项指相邻两个像素的视差出现变化时施加的惩罚参数,平滑项及其对应的全局优化方法是区别于局部匹配算法的关键步骤。全局优化匹配算法的本质是点的匹配度和视差平滑度在整个匹配区域内的平衡,多数条件下能获得优于局部匹配算法的结果。但全局优化匹配算法计算往往存在计算量大、内存消耗大等缺点,且全局优化会形成视差的聚合或延伸效应,而聚合或延伸的方向不一定会沿理想的方向进行,因此反而可能导致错误的匹配结果。
常见的全局优化匹配算法有置信度传播算法(Belief Propgation,BP),图割算法(Graph Cuts,GC),总变分(Total Variation,TV)及广义总变分(Total GeneralizedVariation,TGV)。传统的全局优化算法隐含一种“正面平行”(Frontal-Parallel)效应,即更“喜欢”或“擅长”匹配视差相同的平面,在视差变化的区域,尤其是视差变化的弱纹理区域,会出现“正面平行”效应导致的台阶状视差,而不是平滑的视差平面。近些年出现的改进算法通过过度参数化的方法,将每一点的视差初始化为一个随机平面,通过局部优化和全局优化的组合使用,对倾斜面取得了较好的匹配效果。但计算量较传统做法显著增加。
全局优化匹配方法以全局能量最小化为目标,通常采用如下形式的能量方程:
其中,E(D)表示全局能量大小,D表示整幅影像的“视差图”,q为像素p的相邻像素,Np表示像素p相邻像素的合集。Dp和Dq表示这两个像素的视差。C表示像素p在视差为Dp时的数据项,表示左右片像素的相似程度,S为平滑项,表示Dp和Dq不同时施加的惩罚。
在本实施例中,以消息传播方法作为全局优化的基本策略,采用金字塔匹配方法,用上一层金字塔影像匹配得到的视差作为当前层的视差初值和估计局部视差坡度的基础数据。假设已经得到上一层的视差图D0。通过线性插值得到当前层的视差初值D。
如图4所示,本系统基于资源三号影像提取的2米格网DSM,图像清晰,效果好。
控制点、连接点自动匹配:
除了支持传统的控制点采集方式,还可以从参考底图自动匹配高密度控制点,自动匹配高密度连接点。如图5-7所示,即使在云量非常大的地方也能匹配到足够多的控制点和连接点。
图6为谷歌底图上匹配到18994个控制点,而本申请同样的区域可以匹配到31519个连接点。明显优于现有技术。
全自动正射影像生产:
包括匹点、平差、纠正、融合、匀色等核心环节,各环节均实现集群环境下的快速、全自动处理,并可实现多星联合处理。传统的平差解算一般称立体影像条件为强交会条件,非侧摆成像的多幅影像交会为弱交会条件。卫星实际工作中为了获取特定区域的影像,往往观测角度是随机的,造成交会角度大小不一。本系统可以将不同传感器、任意交会角度的影像联合平差处理。精度方面,以某省第三次全国土地利用调查数据为例,接边精度总体优于0.5个像元,最大不超过2个像元。实验以资源三号无控DOM为参考底图,DOM与底图套合精度总体优于1个像素,最大不超过3个像素。具体匀色效果如图8所示。
通过在模型拼接/自由网平差中附加SRTM、GLAS等广义控制提高无控精度,采用基于消息传播的全局优化匹配策略自动生成DSM,具体流程如图9所示,包括:
1)立体影像及RPC导入:根据文件名区分前视、后视影像和对应RPC,RPC已经过平差校正。
2)影像预处理与纹理分析:影像预处理的一个关键步骤是确定影像的最小有效值,并将低于该值的DN值统一设为最小有效值,这样可以实现这些低值区域的平滑过渡,否则会出现一些虚假纹理影响匹配。卫星影像在灰度过低的区域如起伏较大的山区背光区域,容易出现较大面积无纹理或假纹理区域,这些区域通过基于局部窗口方差计算检测出来,这些区域的匹配代价统一设为一个固定数值,通过后面的匹配代价传播步骤可以实现平滑过渡。
3)生成影像金字塔:通过小波变换生成影像金字塔,存储在数据体的对角区域。这里的关键是金字塔的层数及设置的顶层搜索范围是否与地区内的高差对应。
4)基于CENSUS的顶层匹配:对顶层影像做CENSUS变换并进行基于消息传播的匹配,探测可疑区域,若出现大面积非纹理缺失导致的可疑区域,且区域的高程均接近最大或最小高程,则认为搜索范围设置过小,将搜索范围加大并再次对误差区域进行匹配,若误差区域不再表现为大面积区域,则顶层匹配结若区域减小且还有较大面积误差区域束,则仍需加大搜索范围,直到不存在因搜索范围导致的可疑区域(前后两次匹配结果无明显差异)。匹配的结果是正视影像每个像点的高程。
5)基于CENSUS和互信息(Mutual Information,以下简称MI)的逐层匹配、可疑区域检测与精化匹配:采用分块匹配,相邻两块影像有一定的重叠区域,对顶层以下的每一层影像逐层进行CENSUS变换,并利用上一层每个正视像点获取的高程计算前后视校正影像,计算MI查找表。当前层每个点的初始高程由上一层匹配的高程得到,每个点的搜索范围由该点邻域(邻域大小取决于局部高差)内的高程确定,并留有一定余量。进行基于MI和CENSUS的消息传播优化匹配,并根据平滑参数的设置和多路径独立匹配结果和聚合后的匹配结果间的差异性等多种方法确定可疑区域。根据正视影像和前后视校正影像在误匹配区域的纹理特征、误匹配区域周围高程和误匹配区域的匹配测度等对误匹配区域进行分类,并对不同类型的可疑区域进行精化匹配,精化匹配时MI查找表计算不使用可疑区域的影像。
6)生成DSM:底层匹配完成后,根据主影像像点、像点对应高程、RPC计算地面点,根据设置的DSM网格间距通过距离倒数加权法生成DSM。
7)DSM生成与拼接:根据设置的DSM网格间距通过距离倒数加权法生成DSM,将单模型DSM拼接为整幅DSM。在拼接过程中记录每个格网点对应的单模型序号,供DOM提取环节使用。
本系统还能够实现立体测绘卫星影像匹配可疑区域自动检测,具体流程包括:
生成立体影像的核线立体影像对,读取所述核线立体影像对,并通过对所述核线立体影像对的左核线影像和右核线影像分别进行小波变换,建立所述左核线影像和右核线影像的各自的影像金字塔;
对于顶层以下的每一层影像金字塔的左核线影像和右核线影像,逐层确定所述左核线影像和右核线影像中的可疑区域。本发明可以实现高效的厚云自动检测和剔除,可以实现高效的遮挡区域检测、大面积水域检测以及无纹理阴影区域检测。
具体实施方式如下:
1)生成立体影像的核线立体影像对,核线立体影像对包括左核线影像和右核线影像;
采用投影轨迹法生成立体影像的核线立体影像对。通过投影轨迹法生成立体影像的核线立体影像对是本领域的公知技术,在此不再赘述。
2)读取所述核线立体影像对,并通过对所述核线立体影像对的左核线影像和右核线影像分别进行小波变换,建立所述左核线影像和右核线影像的各自的影像金字塔,其中,所述影像金字塔包括多层金字塔影像,原始读取的左核线影像和右核线影像为第一层金字塔影像,经小波变换后得到的第二层及第二层以上的金字塔影像均包括一个影像区域和三个纹理区域;
影像金字塔指将影像进行降采样处理得到的缩小影像,即,影像金字塔就是长、宽依次递减二分之一的多个小波变换影像(及纹理影像)。
2)中的小波变换的过程具体包括:将第i层金字塔影像作为原核线影像,对所述第i层金字塔影像进行小波变换,得到第i+1层核线影像,i为大于1的整数,其中,所述第i+1层核线影像包括左上、右上、左下、右下四个区域的影像,其中,左上区域的影像为影像区域,其包含长宽均为原核线影像二分之一的缩小影像,右上、左下和右下这三个区域为纹理区域,其包含了原核线影像的纹理信息。小波变换后的三个纹理区域和影像区域的长宽相同。
得到左右核线影像的第二层金字塔影像后,将所述第二层金字塔影像作为新的原始影像,对其进行小波变换后得到第三层金字塔影像(包括一个影像区域和三个纹理区域)。依次类推,可以到第四、第五层金字塔影像。根据本发明的优选实施例,金字塔影像的层数为5层。
小波变换后的一个影像区域和三个纹理区域的灰度值都是在一个4*4窗口内根据滤波器系数加权累加求和的结果。具体的,根据下式计算小波变换后的影像区域第k行j列的灰度G0(j,k),右上纹理区域第k行,W/2+j列的灰度G1(W/2+j,k),左下纹理区域第H/2+k行,j列的灰度G2(j,H/2+k),右下纹理区域第H/2+k行,W/2+j列的灰度G3(W/2+j,H/2+k)。
3)对于顶层以下的每一层影像金字塔的左核线影像和右核线影像,逐层确定所述左核线影像和右核线影像中的可疑区域;
设金字塔层数为n,则顶层为第n-1层,以下依次为n-2层、n-3层、...、0层,0层也成为底层,即初始左、右核线影像层。
将左、右核线影像每个像点的视差搜索范围都设为h,搜索起始视差设为-h/2。通常,通过SGM匹配方法获取金字塔顶层左、右核线影像视差。顶层不进行可疑区域检测。
4)对所述左核线影像-右核线影像匹配代价和右核线影像-左核线影像匹配代价进行全局优化,以基于不同路径组合和对应平滑模型获取多对视差图;
每个像点P对应搜索范围内的多个候选视差中只有一个视差是正确的,这需要通过全局优化来确定每个像点的视差。
计算完所述左-右匹配代价和右-左匹配代价后,可以通过两种方法(局部算法和全局优化算法)获取像点的视差,全局优化算法较局部算法鲁棒性更强,有云区域和无云区域在匹配稳定性上对比更加明显,所以对所述左核线影像-右核线影像匹配代价和右核线影像-左核线影像匹配代价进行全局优化。
采用基于消息传播的优化策略,对所述左核线影像-右核线影像匹配代价和右核线影像-左核线影像匹配代价进行全局优化。消息传播的16个方向中心点表示接收消息的像素,周围16个像素表示16个传播来向上最近的像素。对每个像对匹配方向(左核线影像-右核线影像方向和右核线影像-左核线影像方向这两个方向)采用四种消息传播路径组合,分别是:
路径组合1:0、12、1、13;
路径组合2:4、14、5、15;
路径组合3:2、9、3、8;
路径组合4:6、11、7、10。
对路径组合1和2采用双参数模型,但参数P1、P2的大小不一致,对路径组合3和4采用Huber模型,但具体参数a大小也不一致。
全局优化之后将得到每个像点优化之后的匹配代价L,L的形式与全局数据项C类似,为一个长度等于像点搜索范围Dmax的数组。数组中最小值的序号Dmin(数组下标0,1,…,Dmax-1)加上该像点的最小视差Ds即该像点的视差Dend。该像点列坐标col和视差Dend相加得到右核线影像对应像点列坐标col’,左右准核线影像两个像点行坐标row相同。由左、右准核线影像像点坐标和左、右准核线影像各自RPC进行前方交会可以得到对应的地面坐标(经度L、纬度B和高程H)。
5)基于4)确定的基于不同路径组合和对应平滑模型获取的多对视差图,初步确定影像中的可疑区域;
具体包括:
(1)确定可疑点。左核线影像和右核线影像独立进行四种全局优化,获取各自的四幅视差图,也就是左、右核线影像的每个像点都得到了四个视差值,每个像点四个视差值中的任何两个差异超过0.5个像素,则将该点标记为可疑,用255标记,否则用0标记。最终得到长宽与左、右核线影像相同,用0和255区分的“可疑点影像”。
(2)形成可疑区域。将“可疑点影像”进行膨胀、腐蚀处理,形成可疑区域,可疑区域内的点标记为无效点。
(3)非可疑区域点的匹配结果为四种优化策略得到的四个视差的平均值。
6)进行左右匹配一致性检测,将符合左右一致性检测的点标记为有效点,不符合左右一致性检测的点标记为无效点;
7)基于已有的纹理分析结果,对确定的视差图有效点和无效点进行碎片过滤;
8)将经碎片过滤后的所有无效点对应的区域确定为当前层最终的可疑区域。
如图10所示,本系统在SRTM辅助平差及实现上,包括以下步骤:
1)基于快视图的连接点提取
对资源三号立体影像通过nxn像元灰度取均值的方式降低分辨率,资源三号01星正视影像降低8倍分辨率、前后视影像降低5倍分辨率,02星三视影像均降低8倍分辨率。相应的RPC参数LINE_OFF、LINE_SCALE、SAMP_OFF、SAMP_SCALE变换方法为:
LINE_SCALE=LINE_SCALE/n,SAMP_SCALE=SAMP_SCALE/n
LINE_OFF=(LINE_OFF-n/2+0.5)/n,SAMP_OFF=(SAMP_OFF-n/2+0.5)/n
首先通过SIFT匹配提取每个快视图像对(2或3视)的同名点,任意两个像对的正视影像间也提取同名像点。通过坐标比对的方法确定两个像对都有的点对,合并为一个多视同名点。
循环执行“同名点前方交会-获取每景影像的像点、地面点对-每景影像的RPC校正”,开始的几次(如5次)迭代只校正RPC的分子常数项,后面的迭代校正分子常数项和归一化经、维度对应的一阶项。
通过等步距检索的方法计算同名点物方高程和SRTM对应高程相关性最大的偏移量。将同名点物方坐标加上这个偏移量,并矫正所有影像的RPC。
2)将快视图RPC变换为原始分辨率RPC结合SRTM高程约束提取原始影像常规连接点
将原始影像RPC的有理多项式参数的分子常数项和经、纬度对应的一次项替换为校正后的快视图RPC对应参数。这时的RPC参数相对精度主要受限于快视的分辨率和快试图连接点的精度这两个因素,原始影像同名点的预测初始位置精度则受限于以上两个因素还受限于SRTM的局部高程与同名点对应高程的偏差大小,这个偏差大小显然与地形有关。对同轨立体成像来说,地形的影像主要体现在影像的行方向。因此将行方向的搜索范围设为一个较大的值,本文将列方向搜索范围设为5,行方向搜索范围设为9,匹配窗口设为15x15。首先提取主影像的harris特征点,通过相关系数法得到像素级精度的匹配点,然后通过最小二乘匹配得到亚像素位置,最小二乘匹配只考虑影像行方向的变形。通过相关系数门限和反向匹配初步剔除不符合条件的同名点。
常规连接点提取完成后采用与步骤1类似的方法进行自由网平差,不同的是每次迭代后,每景影像RPC校正完成,记录这景影像余差大于一定门限a的最大的几个点。将所有大残差点排序后,删除最大的一部分点(如20%)。门限a将随着迭代次数增加逐步缩小。
将所有RPC还原(快视RPC变换结果),并重新迭代至稳定(迭代一定次数)。
3)SRTM特征点提取
山顶特征点采用局部差异性探测算子提取,按一定步距探测平坦特征点,假设当前坐标对应的SRTM行列号为(r,c),以(r,c)为中心向8邻域方向搜索高程与(r,c)点高程只差大于一定门限的点,若一定搜索范围内8个方向都没找到高差超限的点,则该点为平坦特征点。
4)SRTM特征点对应的稠密连接点获取
两类特征点投射到原始影像上,获取一定大小的主影像和从影像,SGM物方方法进行逐像素稠密匹配,获取同名像点,将同名像点按45米一个点(大约为SRTM分辨率的一半)抽稀。
与山顶连接点不同的是,平坦稠密连接点首先通过形态滤波过滤掉可能存在的建筑等对应点,因为SRTM不包含这些信息。
5)附加SRTM约束的区域网平差
常规连接点前方交会和每景影像RPC校正两个步骤交替进行,利用当前RPC计算稠密连接点对应的地面点簇。与SRTM山顶点求最大相关点,获取水平偏移量和垂直偏移量。平坦区域稠密连接点只与对应SRTM求垂直偏移量。常规连接点对应地面点根据距离倒数加权法加上水平和垂直偏移量。
同时,本系统提供一种数字表面模型后处理及信息提取,通过DSM自动获取城市建筑区域。首先通过空间层次分解和信息统计的方法识别非地面点。非地面点剔除后用周围高程拟合得到DTM(digital terrine model),DSM高度减去DTM高度得到建筑区域信息,通过形态学变换去除噪声。
1)设置初始参数,包括窗口参数初值cr0=50,有效点数阈值初值minmx0=800,高程层次划分参数hoff=2.0米,迭代次数xhnum=3。
2)通过多次迭代,识别非地面点
识别非地面点的基本思想是在一个空间立方体中,地面点占多数,非地面点占少数,通过记录层次空间中的有效点数,分离出可能的非地面点,通过坡度、邻域支持度等信息的综合分析获取非地面点信息。
3)非地面点高度拟合
对每个无效点向8邻域方向探测有效点,并记录对应的探测距离,通过距离倒数加权法拟合非地面点的高程。
DSM渲染效果如图11所示。
另外,鉴于数据管理中包含大量空间数据查询、组合数据查询、关联数据查询等复杂查询的特点,因此本影像管理系统采用空间数据查询与数据库组合的模式实现数据的快速检索。
系统建设基于自主的并行计算框架进行实现,采用该框架,系统的并行处理能力与性能主要受制于并行任务处理节点的个数以及网络吞吐量和盘阵IO的性能。
并行调度框架支持并行资源调度、并行任务分配以及并行计算的执行,基于此框架研制数据归档子系统、数据检索子系统和统计分析子系统,实现归档、检索和统计业务的多机、多进程并行执行。在执行时,将数据归档、检索和统计任务分解成若干个子任务,并将这些子任务分配给相应的执行节点执行,各节点执行完成后,将执行结果汇总返回。通过将串行的流程并行分配执行,提高数据归档效率、加快数据查询速度、缩短数据统计时间。
另外,系统将需要查询的空间信息和元数据信息均采用分区表的方式存储于数据库中。对于包含空间信息的数据,影像管理系统采用空间数据集的方式进行管理,并且通过空间数据引擎建立格网索引。对于元数据信息采用数据库分区表进行管理,并建立数据库索引。在进行数据检索操作时,影像管理系统会基于不同的查询条件采用不同的索引进行检索操作。
在进行数据查询时,影像管理系统综合运用多线程查询机制、分页查询机制、实时动态查询机制、索引管理机制,提高查询效率,提升用户体验。如图12所示。
同时,也支持数据浏览功能,是指对查询的影像结果进行浏览,系统支持影像框图浏览和快视图浏览。通过选中查询结果中记录的复选框,地图区域自动定位到该影像图形区域。
还提供数据归档统计,对所有归档的数据,按条件进行分类统计,默认选中全部数据类型,在查询结果柱形图中进行展示。也可以对当前库存数据按在线、离线分别进行分类统计。
针对磁盘空间不足时,提供数据迁移功能,将最长时间不用的数据进行迁移出磁盘,转存到外挂磁盘,腾出相应磁盘空间,并将记录写入数据库中,之后如果需要此数据时,再在系统中查询出该影像的具体存放位置,找出相应数据。
管理系统采用后台定期自动产品制作的方式实现覆盖产品快速出图的需求。影像管理系统可以基于用户定义的时间、数据类型、区域信息、云量信息进行后台自动覆盖产品制作,覆盖范围产品入库完成之后系统会对产品入库存档。用户使用时仅需要数据查询下载操作即可。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种立体测绘卫星影像数据归档系统,其特征是:包括:
数据分类模块,被配置为对接收的立体遥感影像数据进行分类;
数字表面模型生成模块,被配置为对立体遥感影像数据进行预处理和纹理分析,通过小波变换生成影像金字塔,对金字塔的顶层影像进行变换并进行基于消息传播的匹配,进行逐层匹配,生成数字表面模型;
数字正射影像图生成模块,被配置为利用数字高程模型对经过扫描处理的立体遥感影像数据,经逐像元进行辐射改正、微分纠正和镶嵌,并按设定图幅范围裁剪,生成的数字正射影像图;
可疑区域检测模块,被配置为生成立体影像的核线立体影像对,读取所述核线立体影像对,并通过对所述核线立体影像对的左核线影像和右核线影像分别进行小波变换,建立所述左核线影像和右核线影像的各自的影像金字塔;对顶层以下的每一层影像金字塔的左核线影像和右核线影像,逐层确定所述左核线影像和右核线影像中的可疑区域;
数据存储模块,被配置为将生成的数字表面模型、数字正射影像图和立体遥感影像数据进行存储;
数据查询模块,被配置为根据输入信息,在数据存储模块中进行搜索,查找到相应数据。
2.如权利要求1所述的一种立体测绘卫星影像数据归档系统,其特征是:所述数据分类模块,被配置为按照接收的立体遥感影像数据的类别,进行分文件形式的存储,所述文件形式包括tif影像文件、tfw文件、xml文件、ovr文件、xls元数据文件、txt文件和表格文件。
3.如权利要求1所述的一种立体测绘卫星影像数据归档系统,其特征是:系统还包括控制点、连接点提取与平差模块,被配置为参考底图和参考立体遥感影像数据的数字高程模型自动匹配控制点,并进行航天飞机雷达地形测绘使命控制点获取。
4.如权利要求1所述的一种立体测绘卫星影像数据归档系统,其特征是:所述系统还包括航天飞机雷达地形测绘辅助平差模块,被配置为降低立体影像分辨率,提取每个快视图像对的连接点,将快视图分辨率进行还原,结合航天飞机雷达地形测绘高程约束提取原始影像常规连接点,进行原始影响自由网平差,按照一定间距提取山顶特征点和平坦区域特征点,将两类特征点分别投射到原始影像上,提取稠密连接点。
5.如权利要求1所述的一种立体测绘卫星影像数据归档系统,其特征是:所述系统还包括覆盖图产品制作模块,被配置为基于输入的时间、数据类型、区域信息和云量信息,进行并发式地图瓦片绘制,生成相应范围的覆盖图产品。
6.如权利要求1所述的一种立体测绘卫星影像数据归档系统,其特征是:所述数据存储模块,包括多个存储区域,生成的数字表面模型、数字正射影像图和立体遥感影像数据分别用单独的存储区域进行存储。
7.如权利要求1所述的一种立体测绘卫星影像数据归档系统,其特征是:所述数据存储模块,在存入数据时,对数据进行建模和描述,数据建模是对数据元数据、空间化信息、数据类型和存储位置的实例化过程,描述信息包括数据元数据、空间化信息,不同信息分区存储。
8.如权利要求1所述的一种立体测绘卫星影像数据归档系统,其特征是:所述数据查询模块,被配置为对包含空间信息的数据,采用空间数据集的方式进行管理,并且通过空间数据引擎建立格网索引,对于元数据信息采用数据库分区表进行管理,并建立数据库索引;基于输入的查询条件采用不同的索引进行检索操作。
9.如权利要求1所述的一种立体测绘卫星影像数据归档系统,其特征是:所述数据存储模块,与外部存储单元连接,所述数据存储模块被配置为定时进行数据迁移,将存储区域内的数据转存至外部存储单元内。
10.一种立体测绘卫星影像数据归档方法,其特征是:包括:
对接收的立体遥感影像数据进行分类;
对立体遥感影像数据进行预处理和纹理分析,通过小波变换生成影像金字塔,对金字塔的顶层影像进行变换并进行基于消息传播的匹配,进行逐层匹配,生成数字表面模型;
利用数字高程模型对经过扫描处理的立体遥感影像数据,经逐像元进行辐射改正、微分纠正和镶嵌,并按设定图幅范围裁剪,生成的数字正射影像图;
生成立体影像的核线立体影像对,读取所述核线立体影像对,并通过对所述核线立体影像对的左核线影像和右核线影像分别进行小波变换,建立所述左核线影像和右核线影像的各自的影像金字塔;对顶层以下的每一层影像金字塔的左核线影像和右核线影像,逐层确定所述左核线影像和右核线影像中的可疑区域;
将生成的数字表面模型、数字正射影像图和立体遥感影像数据进行存储;
根据输入信息,对存储的数据进行进行搜索,查找到相应数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011554006.5A CN112765095B (zh) | 2020-12-24 | 2020-12-24 | 一种立体测绘卫星影像数据归档方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011554006.5A CN112765095B (zh) | 2020-12-24 | 2020-12-24 | 一种立体测绘卫星影像数据归档方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112765095A CN112765095A (zh) | 2021-05-07 |
CN112765095B true CN112765095B (zh) | 2022-08-23 |
Family
ID=75694229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011554006.5A Active CN112765095B (zh) | 2020-12-24 | 2020-12-24 | 一种立体测绘卫星影像数据归档方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112765095B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379648B (zh) * | 2021-07-09 | 2023-12-19 | 自然资源部国土卫星遥感应用中心 | 一种高分七号和资源三号立体影像联合平差方法 |
CN114332085B (zh) * | 2022-03-11 | 2022-06-24 | 西安中科西光航天科技有限公司 | 一种光学卫星遥感影像检测方法 |
CN114894157A (zh) * | 2022-04-13 | 2022-08-12 | 中国能源建设集团江苏省电力设计院有限公司 | 一种基于激光点云分层的输电杆塔倾斜度计算方法及系统 |
CN116186319A (zh) * | 2022-11-23 | 2023-05-30 | 自然资源部国土卫星遥感应用中心 | 一种卫星影像数据归档管理方法及系统 |
CN115630028A (zh) * | 2022-12-12 | 2023-01-20 | 中国科学院空天信息创新研究院 | 一种遥感影像归档管理方法、装置、设备及存储介质 |
CN116503274B (zh) * | 2023-04-07 | 2023-12-22 | 中山大学 | 一种基于图像重叠区域的图像匀色方法及装置 |
CN116704031B (zh) * | 2023-06-13 | 2024-01-30 | 中国人民解放军61540部队 | 一种卫星影像连接点快速获取方法及系统 |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1580684A1 (en) * | 1998-04-13 | 2005-09-28 | Nevenengineering, Inc. | Face recognition from video images |
CN103115614A (zh) * | 2013-01-21 | 2013-05-22 | 武汉大学 | 多源多轨长条带卫星遥感影像联合并行匹配方法 |
CN104331864A (zh) * | 2014-10-21 | 2015-02-04 | 西安电子科技大学 | 基于非下采样轮廓波和视觉显著模型的乳腺影像处理 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6859831B1 (en) * | 1999-10-06 | 2005-02-22 | Sensoria Corporation | Method and apparatus for internetworked wireless integrated network sensor (WINS) nodes |
US8120644B2 (en) * | 2009-02-17 | 2012-02-21 | Autoliv Asp, Inc. | Method and system for the dynamic calibration of stereovision cameras |
CN101604018B (zh) * | 2009-07-24 | 2011-09-21 | 中国测绘科学研究院 | 高分辨率遥感影像数据处理方法及其系统 |
CN102073874B (zh) * | 2010-12-29 | 2013-04-24 | 中国资源卫星应用中心 | 附加几何约束的航天三线阵ccd相机多影像立体匹配方法 |
CN102506824B (zh) * | 2011-10-14 | 2014-08-27 | 航天恒星科技有限公司 | 一种城市低空无人机系统生成数字正射影像图的方法 |
CN105303535A (zh) * | 2015-11-15 | 2016-02-03 | 中国人民解放军空军航空大学 | 基于小波变换的全球剖分金字塔模型 |
CN106228609A (zh) * | 2016-07-09 | 2016-12-14 | 武汉广图科技有限公司 | 一种基于空间特征信息的倾斜摄影三维建模方法 |
CN107103610B (zh) * | 2017-04-25 | 2019-12-17 | 自然资源部国土卫星遥感应用中心 | 立体测绘卫星影像匹配可疑区域自动检测方法 |
CN109427043B (zh) * | 2017-08-25 | 2023-08-01 | 自然资源部国土卫星遥感应用中心 | 一种立体影像全局优化匹配的平滑项参数计算方法及设备 |
CN107743201A (zh) * | 2017-11-01 | 2018-02-27 | 广东电网有限责任公司电力科学研究院 | 一种电力线廊道消费级数码相机快速拼图方法及装置 |
JP7346401B2 (ja) * | 2017-11-10 | 2023-09-19 | エヌビディア コーポレーション | 安全で信頼できる自動運転車両のためのシステム及び方法 |
CN108596153A (zh) * | 2018-05-10 | 2018-09-28 | 四川省冶地工程勘察设计有限公司 | 遥感影像卫片高程控制点自动提取方法和数据处理方法 |
CN110046211A (zh) * | 2019-04-16 | 2019-07-23 | 重庆市地理信息中心 | 基于语义完整性的测绘成果目录自动检查与入库发布方法 |
CN111210433B (zh) * | 2019-04-16 | 2023-03-03 | 河南大学 | 一种基于各向异性势函数的马氏场遥感图像分割方法 |
CN110763205B (zh) * | 2019-11-05 | 2021-07-02 | 新疆维吾尔自治区测绘科学研究院 | 数字摄影测量系统生成边境狭长区域正射影像图的方法 |
CN111126148B (zh) * | 2019-11-25 | 2022-11-29 | 长光卫星技术股份有限公司 | 一种基于视频卫星影像的dsm生成方法 |
CN111861934A (zh) * | 2020-07-29 | 2020-10-30 | 贵阳欧比特宇航科技有限公司 | 一种高光谱卫星影像数据生产、镶嵌与元数据制作方法 |
-
2020
- 2020-12-24 CN CN202011554006.5A patent/CN112765095B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1580684A1 (en) * | 1998-04-13 | 2005-09-28 | Nevenengineering, Inc. | Face recognition from video images |
CN103115614A (zh) * | 2013-01-21 | 2013-05-22 | 武汉大学 | 多源多轨长条带卫星遥感影像联合并行匹配方法 |
CN104331864A (zh) * | 2014-10-21 | 2015-02-04 | 西安电子科技大学 | 基于非下采样轮廓波和视觉显著模型的乳腺影像处理 |
Also Published As
Publication number | Publication date |
---|---|
CN112765095A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112765095B (zh) | 一种立体测绘卫星影像数据归档方法和系统 | |
Rupnik et al. | MicMac–a free, open-source solution for photogrammetry | |
US10269147B2 (en) | Real-time camera position estimation with drift mitigation in incremental structure from motion | |
CN112559534B (zh) | 一种遥感影像数据归档管理系统及方法 | |
US10269148B2 (en) | Real-time image undistortion for incremental 3D reconstruction | |
US9875404B2 (en) | Automated metric information network | |
US20180315232A1 (en) | Real-time incremental 3d reconstruction of sensor data | |
WO2018061010A1 (en) | Point cloud transforming in large-scale urban modelling | |
CN112561832B (zh) | 一种遥感影像数据存储方法及系统 | |
US11682170B2 (en) | Generating three-dimensional geo-registered maps from image data | |
US9430872B2 (en) | Performance prediction for generation of point clouds from passive imagery | |
KR101869605B1 (ko) | 평면정보를 이용한 3차원 공간 모델링 및 데이터 경량화 방법 | |
Kim et al. | Interactive 3D building modeling method using panoramic image sequences and digital map | |
CN117315146B (zh) | 基于跨尺度多源数据的三维模型的重建方法及存储方法 | |
CN115719407A (zh) | 一种面向大规模航拍图像的分布式多视图立体重建方法 | |
CN117456136A (zh) | 一种基于多模态视觉识别的数字孪生场景智能生成方法 | |
Michel et al. | A new satellite imagery stereo pipeline designed for scalability, robustness and performance | |
Liu et al. | Deep learning based multi-view stereo matching and 3D scene reconstruction from oblique aerial images | |
CN116977596A (zh) | 一种基于多视角图像的三维建模系统及方法 | |
Chen et al. | Densefusion: Large-scale online dense pointcloud and dsm mapping for uavs | |
CN114359389A (zh) | 一种基于像面核线对的大影像分块核线制作方法 | |
CN110021041B (zh) | 基于双目相机的无人驾驶场景增量式网格化结构重建方法 | |
Wu et al. | Building Facade Reconstruction Using Crowd-Sourced Photos and Two-Dimensional Maps | |
Han et al. | Distributed surface reconstruction from point cloud for city-scale scenes | |
Jingguo et al. | High-resolution Remote Sensing Image Semi-global Matching Method Considering Geometric Constraints of Connection Points and Image Texture Information. |
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 |