CN112801867B - 基于区块链的卫星遥感图像拼接方法、装置及设备 - Google Patents
基于区块链的卫星遥感图像拼接方法、装置及设备 Download PDFInfo
- Publication number
- CN112801867B CN112801867B CN202011620020.0A CN202011620020A CN112801867B CN 112801867 B CN112801867 B CN 112801867B CN 202011620020 A CN202011620020 A CN 202011620020A CN 112801867 B CN112801867 B CN 112801867B
- Authority
- CN
- China
- Prior art keywords
- hash
- image
- verification
- feature
- characteristic
- 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 71
- 238000012795 verification Methods 0.000 claims abstract description 104
- 239000011159 matrix material Substances 0.000 claims abstract description 95
- 238000004590 computer program Methods 0.000 claims description 21
- 238000003384 imaging method Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 230000009466 transformation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T3/40—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Databases & Information Systems (AREA)
- Bioethics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于区块链的卫星遥感图像拼接方法，应用于卫星遥感成像领域，用于解决拼接遥感图像之前存在数据被篡改或破坏而导致拼接图像出错的问题。本发明提供的方法包括：获取对象特征矩阵集合的特征哈希集和图像编码信息集合的编码哈希集并上传区块链；验证特征哈希集和编码哈希集是否与区块链上所存储的哈希值相同；若特征哈希集或编码哈希集未通过验证，则从服务器获取相应对象特征矩阵或图像编码信息，并将特征哈希值或编码哈希值上传到区块链进行验证直至通过验证为止；在特征哈希集通过验证或特征哈希集和编码哈希集均通过验证时，解码通过验证的编码哈希值所对应的图像编码信息获取局部图像；拼接所有局部图像获得卫星遥感图像。
Description
技术领域
本发明涉及卫星遥感成像领域，尤其涉及一种基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质。
背景技术
卫星遥感技术是各种从地面到空间对地球、天体观测的综合性技术系统的总称。可通过遥感技术平台获取卫星数据、由遥感仪器对卫星数据进行信息接收、处理与分析，从而获得卫星遥感图像。
但由于卫星单次拍摄所能覆盖的范围有限，因此遥感图像需要通过多次采集后进行拼接。遥感图像可以是在多个卫星上分别进行数据采集，也可以是一个卫星在其所通过的路径上进行多次采集，采集完后的图像集合需要进行拼接。现有技术中对遥感图像一般是使用深度学习对遥感图像进行目标切割、存储后拼接的方法，其先在卫星系统将遥感图像进行分割，分割后获得的所有分割图像存储在服务器上。当用户需要获取完整的遥感图像时，先从服务器上获取所有分割图像，最后对所有分割图像进行拼接。然而，如果数据拼接之前遭到篡改或者破坏，将导致生成的拼接图像出现错误。因此，现有技术在执行遥感图像拼接之前存在数据容易被篡改或破坏而导致拼接图像出错的问题。
发明内容
本发明实施例提供一种基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法、装置、计算机设备及存储介质，以解决现有技术在执行遥感图像拼接之前存在数据容易被篡改或破坏而导致拼接图像出错的技术问题。
一种基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法，包括：
根据服务器从卫星所获得的对象特征矩阵集合和图像编码信息集合分别获取对应的特征哈希集和编码哈希集，并将所述特征哈希集和所述编码哈希集上传到区块链；其中，所述对象特征矩阵集合和所述图像编码信息集合对应卫星遥感图像集合；
验证所述特征哈希集中的特征哈希值和所述编码哈希集中的编码哈希值是否与所述区块链上所存储的哈希值相同；
若所述特征哈希集未通过验证，则针对所述特征哈希集中未通过验证的特征哈希值，从所述服务器获取相应的对象特征矩阵，并将经过计算得到的与所述对象特征矩阵对应的特征哈希值上传到区块链继续进行验证，直至所述特征哈希集通过验证为止；
若所述编码哈希集未通过验证，则针对所述编码哈希集中未通过验证的编码哈希值，从所述服务器获取相应的图像编码信息，并将经过计算得到的与所述图像编码信息对应的编码哈希值上传到区块链继续进行验证，直至所述编码哈希集通过验证为止；
在所述特征哈希集通过验证，或者所述特征哈希集和所述编码哈希集均通过验证时，基于所述对象特征矩阵集合对已通过验证的编码哈希值所对应的图像编码信息进行解码以获取相应的局部图像；
将所有所述局部图像进行拼接以获得相应的卫星遥感图像。
一种基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质装置，包括：
哈希集上传模块，用于根据服务器从卫星所获得的对象特征矩阵集合和图像编码信息集合分别获取对应的特征哈希集和编码哈希集，并将所述特征哈希集和所述编码哈希集上传到区块链；其中，所述对象特征矩阵集合和所述图像编码信息集合对应卫星遥感图像集合；
验证模块，用于验证所述特征哈希集中的特征哈希值和所述编码哈希集中的编码哈希值是否与所述区块链上所存储的哈希值相同；
第一获取模块，用于若所述特征哈希集未通过验证，则针对所述特征哈希集中未通过验证的特征哈希值，从所述服务器获取相应的对象特征矩阵，并将经过计算得到的与所述对象特征矩阵对应的特征哈希值上传到区块链继续进行验证，直至所述特征哈希集通过验证为止；
第二获取模块，用于若所述编码哈希集未通过验证，则针对所述编码哈希集中未通过验证的编码哈希值，从所述服务器获取相应的图像编码信息，并将经过计算得到的与所述图像编码信息对应的编码哈希值上传到区块链继续进行验证，直至所述编码哈希集通过验证为止；
编码模块，用于在所述特征哈希集通过验证，或者所述特征哈希集和所述编码哈希集均通过验证时，基于所述对象特征矩阵集合对已通过验证的编码哈希值所对应的图像编码信息进行解码以获取相应的局部图像；
拼接模块，用于将所有所述局部图像进行拼接以获得相应的卫星遥感图像。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法的步骤。
本发明实施例提出的基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质，根据服务器从卫星所获得的对象特征矩阵集合和图像编码信息集合分别获取对应的特征哈希集和编码哈希集，并将特征哈希集和编码哈希集上传到区块链；其中，对象特征矩阵集合和图像编码信息集合对应卫星遥感图像集合；验证特征哈希集中的特征哈希值和编码哈希集中的编码哈希值是否与区块链上所存储的哈希值相同；若特征哈希集未通过验证，则针对特征哈希集中未通过验证的特征哈希值，从服务器获取相应的对象特征矩阵，并将经过计算得到的与对象特征矩阵对应的特征哈希值上传到区块链继续进行验证，直至特征哈希集通过验证为止；若编码哈希集未通过验证，则针对编码哈希集中未通过验证的编码哈希值，从服务器获取相应的图像编码信息，并将经过计算得到的与图像编码信息对应的编码哈希值上传到区块链继续进行验证，直至编码哈希集通过验证为止；在特征哈希集通过验证，或者特征哈希集和编码哈希集均通过验证时，基于对象特征矩阵集合对已通过验证的编码哈希值所对应的图像编码信息进行解码以获取相应的局部图像；将所有局部图像进行拼接以获得相应的卫星遥感图像。通过对象特征矩阵对卫星遥感图像进行编解码以及区块链对对象特征矩阵和图像编码信息的验证，能够保证卫星遥感图像的局部图像在拼接前没有被篡改或者破坏，从而保证了拼接后的卫星遥感图像的正确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法的一应用环境示意图；
图2是本发明一实施例中基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法的一应用环境示意图；
图3是本发明一实施例中基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法的一流程图；
图4是本发明一实施例中基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质装置的结构示意图；
图5是本发明一实施例中服务器的一示意图；
图6是本发明一实施例中终端设备的一示意图。
具体实施方式
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，本领域普通技术人员在没有作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。
本申请提供的基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法，可应用在如图1的应用环境中，其中，计算机设备/终端设备/……通过网络与服务器进行通信。其中，计算机设备/终端设备/……可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图3所示，提供一种基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤S101至S106：
S101、根据服务器从卫星所获得的对象特征矩阵集合和图像编码信息集合分别获取对应的特征哈希集和编码哈希集，并将特征哈希集和编码哈希集上传到区块链；其中，对象特征矩阵集合和图像编码信息集合对应卫星遥感图像集合。
在步骤S101中，上述对象特征矩阵集合包括但不限于房屋对象特征矩阵、地面对象特征矩阵、水面对象特征矩阵、道路对象特征矩阵和绿化对象特征矩阵。
上述特征哈希集中的特征哈希值是通过哈希算法计算对应的对象特征矩阵而获得的。上述哈希算法包括但不限于信息摘要哈希算法，SHA256二进制哈希算法。
上述图像编码信息集合包括多个图像编码信息，每个图像编码信息包括但不限于该图像编码信息对应的图像的类别、在相应的对象特征矩阵上进行的位置变换、尺度变换、仿射变换参数等。其中，该图像编码信息对应的图像的类别包括但不限于房屋图像、地面图像、水面图像、道路图像和绿化图像。
上述图像编码信息集中的编码哈希值是通过哈希算法计算对应的图像编码信息获得的。上述哈希算法包括但不限于信息摘要哈希算法，SHA256二进制哈希算法。
S102、验证特征哈希集中的特征哈希值和编码哈希集中的编码哈希值是否与区块链上所存储的哈希值相同。
具体的，步骤S102进一步包括如下步骤A至B：
A、验证特征哈希集中的特征哈希值是否与区块链上所存储的预存特征哈希集中的哈希值相同。
B、验证编码哈希集中的编码哈希值是否与区块链上所存储的预存编码哈希集中的哈希值相同。
S103、若特征哈希集未通过验证，则针对特征哈希集中未通过验证的特征哈希值，从服务器获取相应的对象特征矩阵，并将经过计算得到的与该对象特征矩阵对应的特征哈希值上传到区块链继续进行验证，直至特征哈希集通过验证为止。
具体的，上述步骤S103中针对特征哈希集中未通过验证的特征哈希值，从服务器获取相应的对象特征矩阵，并将经过计算得到的与该对象特征矩阵对应的特征哈希值上传到区块链继续进行验证的步骤包括如下步骤a1至e1：
a1、针对特征哈希集中未通过验证的特征哈希值，从服务器获取相应的对象特征矩阵；
b1、将与该对象特征矩阵对应的特征哈希值上传到区块链；
c1、验证与该对象特征矩阵对应的特征哈希值是否与区块链上所存储的预存特征哈希集中的哈希值相同，若是，则执行步骤d1；若否，则执行步骤e1；
d1、将未通过验证的特征哈希值丢弃，并将与该对象特征矩阵对应的特征哈希值纳入特征哈希集；
e1、丢弃与该对象特征矩阵对应的特征哈希值，并返回执行步骤a1。
对于上述步骤a1至e1，例如，假设特征哈希集中存在一个未通过验证的特征哈希值23，该特征哈希值23对应的是道路对象特征矩阵，该道路对象特征矩阵在区块链上预存的哈希值为25。
用户从服务器上获取到对象特征矩阵，根据哈希算法计算其中一个道路对象特征矩阵的特征哈希值23，将特征哈希值23上传到区块链上，区块链上不存在与该特征哈希值对应的哈希值，丢弃特征哈希值23。
用户从服务器重新获取与未通过验证的特征哈希值23相对应的道路对象特征矩阵，根据哈希算法计算该道路对象特征矩阵的哈希值。
假设计算出来的哈希值为25，则该哈希值与区块链上所预存的哈希值相同，则该哈希值通过验证，并将该哈希值25纳入特征哈希集中。
S104、若编码哈希集未通过验证，则针对编码哈希集中未通过验证的编码哈希值，从服务器获取相应的图像编码信息，并将经过计算得到的与图像编码信息对应的编码哈希值上传到区块链继续进行验证，直至编码哈希集通过验证为止。
具体的，上述步骤S104中针对编码哈希集中未通过验证的编码哈希值，从服务器获取相应的图像编码信息，并将经过计算得到的与图像编码信息对应的编码哈希值上传到区块链继续进行验证的步骤包括如下步骤a2至e2：
a2、针对编码哈希集中未通过验证的编码哈希值，从服务器获取相应的图像编码信息；
b2、将与该图像编码信息对应的编码哈希值上传到区块链；
c2、验证与该图像编码信息对应的编码哈希值是否与区块链上所存储的预存编码哈希集中的哈希值相同，若是，则执行步骤d2；若否，则执行步骤e2；
d2、将未通过验证的编码哈希值丢弃，并将与该图像编码信息对应的编码哈希值纳入编码哈希集；
e2、丢弃与该图像编码信息对应的编码哈希值，并返回执行步骤a2。
对于上述步骤S104，例如，假设编码哈希集中存在一个未通过验证的编码哈希值27，该编码哈希值27对应的是水面图像编码信息，该水面图像编码信息在区块链上预存的编码哈希为25。
用户从服务器上获取到水面图像编码信息，根据哈希算法计算其中一个水面图像编码信息的编码哈希值27，将编码哈希值27上传到区块链上，区块链上不存在与该编码哈希值对应的哈希值，丢弃编码哈希值27。
用户从服务器重新获取与未通过验证的编码哈希值27相对应的水面图像编码信息，根据哈希算法计算该水面图像编码信息的哈希值。
假设计算出来的哈希值为25，则该哈希值与区块链上所预存的哈希值相同，则该哈希值通过验证，并将该哈希值25纳入编码哈希集中。
S105、在特征哈希集通过验证，或者特征哈希集和编码哈希集均通过验证时，基于对象特征矩阵集合对已通过验证的编码哈希值所对应的图像编码信息进行解码以获取相应的局部图像。
S106、将所有局部图像进行拼接以获得相应的卫星遥感图像。
具体的，步骤S106进一步包括如下步骤C至E：
C、提取所有局部图像的特征点。
D、任意选取两个局部图像，计算两个局部图像各自所对应的多个特征点之间的欧式距离，并根据每两个特征点之间的欧式距离确定最小欧式距离，将最小欧式距离所对应的两个特征点作为匹配特征点。
E、对匹配特征点进行空间一致性验证，获得匹配值，若匹配值小于预设值，则确定两个局部图像不能拼接；若匹配值不小于预设值，将两个局部图像进行拼接，并重复执行上述步骤D至E，直到获得完整的卫星遥感图像为止。
对于上述步骤C，提取特征点的方法包括但不限于SIFT(尺度不变特征变换)、harris(角点)、SURF(Speeded Up Robust Features)、ORB9(Oriented Fast and RotatedBrief)。
对于上述步骤E，例如，假设预设值为20％，匹配值为10％，此时，匹配值小于预设值，则确定两个局部图像不能拼接。
在本发明另一实施例中，在步骤S101之前包括还包括如下步骤F至H：
F、对卫星遥感图像集合中的每一个图像进行分割，获得分割图像集合。
G、根据分割图像集合，获取相应的对象特征矩阵集合和图像编码信息集合。
H、将对象特征矩阵集合和图像编码信息集合存储到服务器，以使服务器计算对象特征矩阵集合和图像编码信息集合对应的预存特征哈希集和预存编码哈希集，并将预存特征哈希集和预存编码哈希集存储到区块链上。
对于上述步骤F，上述分割的方法包括但不限于无监督图像分割、有监督图像分割。
具体的，上述步骤G包括如下步骤I至K：
I、对分割图像集合中的分割图像进行分类，获得各类分割图像。
J、提取各类分割图像的特征，并对特征进行聚类运算，以获得相应的对象特征矩阵；其中，所有对象特征矩阵形成对象特征矩阵集合。
K、基于对象特征矩阵集合，对分割图像集合中的每一个分割图像进行编码，获得与每一个所述分割图像对应的图像编码信息；其中，所有图像编码信息形成图像编码信息集合。
对于上述步骤I，上述分割图像的种类包括但不限于房屋分割图像、地面分割图像、水面分割图像、道路分割图像和绿化分割图像。
对于上述步骤J，其中提取各类分割图像的特征的步骤具体是通过胶囊自动编码器提取特征。上述特征为梯度直方图特征。此处需要说明的是：聚类运算是指将类似的特征组成相应的对象特征矩阵的运算规则。
对于上述步骤K，上述图像编码信息包括但不限于该图像编码信息对应的图像的类别以及在相应的对象特征矩阵上进行的位置变换、尺度变换、仿射变换参数等，该图像编码信息对应的图像的类别包括但不限于房屋图像、地面图像、水面图像、道路图像和绿化图像。
具体的，上述步骤H中将对象特征矩阵集合和图像编码信息集合存储到服务器的步骤具体是：通过分布式奇偶校验，将上述对象特征矩阵集合中的对象特征矩阵和上述图像编码信息集合中的图像编码信息平均分配到不同的服务器上。此处需要说明的是：上述分布式奇偶校验是指用一组二进制代码的数位中“1”的个数是奇数或偶数来进行对校验上述对象特征矩阵集合中的对象特征矩阵和上述图像编码信息集合中的图像编码信息，并进行平均分配的规则。
具体的，上述步骤H中将预存特征哈希集存储到区块链是：基于智能合约将预存特征哈希集存储到区块链上。此处需要说明的是，该智能合约是指用于验证预存特征哈希集所对应的对象特征矩阵集合是否为步骤J中所得到的对象特征矩阵集合的规则。只有根据该智能合约确定验证结果为是，才能将预存特征哈希集存储到区块链上。
本实施例提出的基于区块链的卫星遥感图像拼接方法，根据服务器从卫星所获得的对象特征矩阵集合和图像编码信息集合分别获取对应的特征哈希集和编码哈希集，并将特征哈希集和编码哈希集上传到区块链；其中，对象特征矩阵集合和图像编码信息集合对应卫星遥感图像集合；验证特征哈希集中的特征哈希值和编码哈希集中的编码哈希值是否与区块链上所存储的哈希值相同；若特征哈希集未通过验证，则针对特征哈希集中未通过验证的特征哈希值，从服务器获取相应的对象特征矩阵，并将经过计算得到的与对象特征矩阵对应的特征哈希值上传到区块链继续进行验证，直至特征哈希集通过验证为止；若编码哈希集未通过验证，则针对编码哈希集中未通过验证的编码哈希值，从服务器获取相应的图像编码信息，并将经过计算得到的与图像编码信息对应的编码哈希值上传到区块链继续进行验证，直至编码哈希集通过验证为止；在特征哈希集通过验证，或者特征哈希集和编码哈希集均通过验证时，基于对象特征矩阵集合对已通过验证的编码哈希值所对应的图像编码信息进行解码以获取相应的局部图像；将所有局部图像进行拼接以获得相应的卫星遥感图像。通过对象特征矩阵对卫星遥感图像进行编解码以及区块链对对象特征矩阵和图像编码信息的验证，能够保证卫星遥感图像的局部图像在拼接前没有被篡改或者破坏，从而解决现有技术在执行遥感图像拼接之前存在数据容易被篡改或破坏而导致拼接图像出错的技术问题。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质装置，该基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质装置与上述实施例中基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法一一对应。如图4所示，该基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质装置包括哈希集上传模块11、验证模块12、第一获取模块13、第二获取模块14、编码模块15和拼接模块16。各功能模块详细说明如下：
哈希集上传模块11，用于根据服务器从卫星所获得的对象特征矩阵集合和图像编码信息集合分别获取对应的特征哈希集和编码哈希集，并将特征哈希集和编码哈希集上传到区块链；其中，对象特征矩阵集合和图像编码信息集合对应卫星遥感图像集合。
验证模块12，用于验证特征哈希集中的特征哈希值和编码哈希集中的编码哈希值是否与区块链上所存储的哈希值相同。
第一获取模块13，用于若特征哈希集未通过验证，则针对特征哈希集中未通过验证的特征哈希值，从服务器获取相应的对象特征矩阵，并将经过计算得到的与对象特征矩阵对应的特征哈希值上传到区块链继续进行验证，直至特征哈希集通过验证为止。
第二获取模块14，用于若编码哈希集未通过验证，则针对编码哈希集中未通过验证的编码哈希值，从服务器获取相应的图像编码信息，并将经过计算得到的与图像编码信息对应的编码哈希值上传到区块链继续进行验证，直至编码哈希集通过验证为止。
编码模块15，用于在特征哈希集通过验证，或者特征哈希集和编码哈希集均通过验证时，基于对象特征矩阵集合对已通过验证的编码哈希值所对应的图像编码信息进行解码以获取相应的局部图像。
拼接模块16，用于将所有局部图像进行拼接以获得相应的卫星遥感图像。
在该实施例中，哈希集上传模块11之前包括：
分割图像获取模块，用于对卫星遥感图像集合中的每一个图像进行分割，获得分割图像集合。
集合获取模块，用于根据分割图像集合，获取相应的对象特征矩阵集合和图像编码信息集合。
存储模块，用于将对象特征矩阵集合和图像编码信息集合存储到服务器，以使服务器计算对象特征矩阵集合和图像编码信息集合对应的预存特征哈希集和预存编码哈希集，并将预存特征哈希集和预存编码哈希集存储到区块链上。
在其中一个实施例中，集合获取模块进一步包括：
分类单元，用于对分割图像集合中的分割图像进行分类，获得各类分割图像。
对象特征矩阵获取单元，用于提取各类分割图像的特征，并对特征进行聚类运算，以获得相应的对象特征矩阵；其中，所有对象特征矩阵形成对象特征矩阵集合。
图像编码信息获取单元，用于基于对象特征矩阵集合，对分割图像集合中的每一个分割图像进行编码，获得与每一个所述分割图像对应的图像编码信息；其中，所有图像编码信息形成图像编码信息集合。
在其中一个实施例中，验证模块12进一步包括：
第一验证单元，用于验证特征哈希集中的特征哈希值是否与区块链上所存储的预存特征哈希集中的哈希值相同。
第二验证单元，用于验证编码哈希集中的编码哈希值是否与区块链上所存储的预存编码哈希集中的哈希值相同。
在其中一个实施例中，拼接模块16进一步包括：
特征点提取单元，用于提取所有局部图像的特征点。
匹配特征点单元，用于任意选取两个局部图像，计算两个局部图像各自所对应的多个特征点之间的欧式距离，并根据每两个特征点之间的欧式距离确定最小欧式距离，将最小欧式距离所对应的两个特征点作为匹配特征点。
一致性验证单元，用于对匹配特征点进行空间一致性验证，获得匹配值，若匹配值小于预设值，则确定两个局部图像不能拼接；若匹配值不小于预设值，将两个局部图像进行拼接，并重复执行上述匹配特征点单元至一致性验证单元，直到获得完整的卫星遥感图像为止。
其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/单元加以区分，并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本申请中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式。
关于基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质装置的具体限定可以参见上文中对于基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法的限定，在此不再赘述。上述基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机程序被处理器执行时以实现一种基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法的步骤，例如图3所示的步骤S101至步骤S106及该方法的其它扩展和相关步骤的延伸。或者，处理器执行计算机程序时实现上述实施例中基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质装置的各模块/单元的功能，例如图4所示模块11至模块16的功能。为避免重复，这里不再赘述。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。
所述存储器可以集成在所述处理器中，也可以与所述处理器分开设置。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质方法的步骤，例如图3所示的步骤S101至步骤S106及该方法的其它扩展和相关步骤的延伸。或者，计算机程序被处理器执行时实现上述实施例中基于区块链的卫星遥感图像拼接方法、装置、计算机设备及存储介质装置的各模块/单元的功能，例如图4所示模块11至模块16的功能。为避免重复，这里不再赘述。
本领域普通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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于区块链的卫星遥感图像拼接方法，其特征在于，包括：
根据服务器从卫星所获得的对象特征矩阵集合和图像编码信息集合分别获取对应的特征哈希集和编码哈希集，并将所述特征哈希集和所述编码哈希集上传到区块链；其中，所述对象特征矩阵集合和所述图像编码信息集合对应卫星遥感图像集合；
验证所述特征哈希集中的特征哈希值和所述编码哈希集中的编码哈希值是否与所述区块链上所存储的哈希值相同；
若所述特征哈希集未通过验证，则针对所述特征哈希集中未通过验证的特征哈希值，从所述服务器获取相应的对象特征矩阵，并将经过计算得到的与所述对象特征矩阵对应的特征哈希值上传到区块链继续进行验证，直至所述特征哈希集通过验证为止；
若所述编码哈希集未通过验证，则针对所述编码哈希集中未通过验证的编码哈希值，从所述服务器获取相应的图像编码信息，并将经过计算得到的与所述图像编码信息对应的编码哈希值上传到区块链继续进行验证，直至所述编码哈希集通过验证为止；
在所述特征哈希集通过验证，或者所述特征哈希集和所述编码哈希集均通过验证时，基于所述对象特征矩阵集合对已通过验证的编码哈希值所对应的图像编码信息进行解码以获取相应的局部图像；
将所有所述局部图像进行拼接以获得相应的卫星遥感图像。
2.根据权利要求1所述的方法，其特征在于，所述根据服务器从卫星所获得的对象特征矩阵集合和图像编码信息集合分别获取对应的特征哈希集和编码哈希集，并将所述特征哈希集和所述编码哈希集上传到区块链之前包括：
对所述卫星遥感图像集合中的每一个图像进行分割，获得分割图像集合；
根据所述分割图像集合，获取相应的对象特征矩阵集合和图像编码信息集合；
将所述对象特征矩阵集合和所述图像编码信息集合存储到服务器，以使所述服务器计算所述对象特征矩阵集合和所述图像编码信息集合对应的预存特征哈希集和预存编码哈希集，并将所述预存特征哈希集和预存编码哈希集存储到区块链上。
3.根据权利要求2所述的方法，其特征在于，所述根据所述分割图像集合，获取对象特征矩阵集合和图像编码信息集合包括：
对所述分割图像集合中的分割图像进行分类，获得各类分割图像；
提取所述各类分割图像的特征，并对所述特征进行聚类运算，以获得相应的对象特征矩阵；其中，所有所述对象特征矩阵形成对象特征矩阵集合；
基于所述对象特征矩阵集合，对分割图像集合中的每一个分割图像进行编码，获得与每一个所述分割图像对应的图像编码信息；其中，所有所述图像编码信息形成图像编码信息集合。
4.根据权利要求2所述的方法，其特征在于，所述验证所述特征哈希集中的特征哈希值和所述编码哈希集中的编码哈希值是否与所述区块链上所存储的哈希值相同包括：
验证所述特征哈希集中的特征哈希值是否与所述区块链上所存储的预存特征哈希集中的哈希值相同；
验证所述编码哈希集中的编码哈希值是否与所述区块链上所存储的预存编码哈希集中的哈希值相同。
5.根据权利要求1所述的方法，其特征在于，所述将所有所述局部图像进行拼接以获得卫星遥感图像包括：
a、提取所有所述局部图像的特征点；
b、任意选取两个所述局部图像，计算两个所述局部图像各自所对应的多个特征点之间的欧式距离，并根据每两个特征点之间的欧式距离确定最小欧式距离，将所述最小欧式距离所对应的两个特征点作为匹配特征点；
c、对所述匹配特征点进行空间一致性验证，获得匹配值，若所述匹配值小于预设值，则确定两个所述局部图像不能拼接；若所述匹配值不小于预设值，将两个所述局部图像进行拼接，并重复执行所述步骤b至c，直到获得完整的卫星遥感图像为止。
6.一种基于区块链的卫星遥感图像拼接装置，其特征在于，包括：
哈希集上传模块，用于根据服务器从卫星所获得的对象特征矩阵集合和图像编码信息集合分别获取对应的特征哈希集和编码哈希集，并将所述特征哈希集和所述编码哈希集上传到区块链；其中，所述对象特征矩阵集合和所述图像编码信息集合对应卫星遥感图像集合；
验证模块，用于验证所述特征哈希集中的特征哈希值和所述编码哈希集中的编码哈希值是否与所述区块链上所存储的哈希值相同；
第一获取模块，用于若所述特征哈希集未通过验证，则针对所述特征哈希集中未通过验证的特征哈希值，从所述服务器获取相应的对象特征矩阵，并将经过计算得到的与所述对象特征矩阵对应的特征哈希值上传到区块链继续进行验证，直至所述特征哈希集通过验证为止；
第二获取模块，用于若所述编码哈希集未通过验证，则针对所述编码哈希集中未通过验证的编码哈希值，从所述服务器获取相应的图像编码信息，并将经过计算得到的与所述图像编码信息对应的编码哈希值上传到区块链继续进行验证，直至所述编码哈希集通过验证为止；
编码模块，用于在所述特征哈希集通过验证，或者所述特征哈希集和所述编码哈希集均通过验证时，基于所述对象特征矩阵集合对已通过验证的编码哈希值所对应的图像编码信息进行解码以获取相应的局部图像；
拼接模块，用于将所有所述局部图像进行拼接以获得相应的卫星遥感图像。
7.根据权利要求6所述的装置，其特征在于，所述哈希集上传模块之前包括：
分割图像获取模块，用于对所述卫星遥感图像集合中的每一个图像进行分割，获得分割图像集合；
集合获取模块，用于根据所述分割图像集合，获取对象特征矩阵集合和图像编码信息集合；
存储模块，用于将所述对象特征矩阵集合和所述图像编码信息集合存储到服务器，以使所述服务器计算所述对象特征矩阵集合和所述图像编码信息集合对应的预存特征哈希集和预存编码哈希集，并将所述预存特征哈希集和预存编码哈希集存储到区块链上。
8.根据权利要求7所述的装置，其特征在于，所述集合获取模块包括：
分类单元，用于对所述分割图像集合中的分割图像进行分类，获得各类分割图像；
对象特征矩阵获取单元，用于提取所述各类分割图像的特征，并对所述特征进行聚类运算，以获得相应的对象特征矩阵；其中，所有所述对象特征矩阵形成对象特征矩阵集合；
图像编码信息获取单元，用于基于所述对象特征矩阵集合，对分割图像集合中的每一个分割图像进行编码，获得与每一个所述分割图像对应的图像编码信息；其中，所有所述图像编码信息形成图像编码信息集合。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述基于区块链的卫星遥感图像拼接方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述基于区块链的卫星遥感图像拼接方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011620020.0A CN112801867B (zh) | 2020-12-30 | 2020-12-30 | 基于区块链的卫星遥感图像拼接方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011620020.0A CN112801867B (zh) | 2020-12-30 | 2020-12-30 | 基于区块链的卫星遥感图像拼接方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112801867A CN112801867A (zh) | 2021-05-14 |
| CN112801867B true CN112801867B (zh) | 2023-10-31 |
Family
ID=75804977
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011620020.0A Active CN112801867B (zh) | 2020-12-30 | 2020-12-30 | 基于区块链的卫星遥感图像拼接方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112801867B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110598448A (zh) * | 2019-09-19 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 基于区块链的操作数据处理方法、装置、设备及存储介质 |
| WO2020108046A1 (zh) * | 2018-11-26 | 2020-06-04 | 阿里巴巴集团控股有限公司 | 一种跨区块链的交互方法及系统、计算机设备及存储介质 |
| CN111382414A (zh) * | 2020-02-14 | 2020-07-07 | 深圳壹账通智能科技有限公司 | 基于区块链的信息处理方法及平台、电子设备 |
| WO2020182019A1 (zh) * | 2019-03-08 | 2020-09-17 | 苏州大学 | 图像检索方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-12-30 CN CN202011620020.0A patent/CN112801867B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020108046A1 (zh) * | 2018-11-26 | 2020-06-04 | 阿里巴巴集团控股有限公司 | 一种跨区块链的交互方法及系统、计算机设备及存储介质 |
| WO2020182019A1 (zh) * | 2019-03-08 | 2020-09-17 | 苏州大学 | 图像检索方法、装置、设备及计算机可读存储介质 |
| CN110598448A (zh) * | 2019-09-19 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 基于区块链的操作数据处理方法、装置、设备及存储介质 |
| CN111382414A (zh) * | 2020-02-14 | 2020-07-07 | 深圳壹账通智能科技有限公司 | 基于区块链的信息处理方法及平台、电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| 健康大数据平台的"区块链治理";王翔;;网络空间安全(12);全文 * |
| 哈希编码结合空间金字塔的图像分类;彭天强;栗芳;;中国图象图形学报(09);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112801867A (zh) | 2021-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110348562B (zh) | 神经网络的量化策略确定方法、图像识别方法和装置 | |
| CN109285105B (zh) | 水印检测方法、装置、计算机设备和存储介质 | |
| JP2014229317A (ja) | １つ以上の画像処理アルゴリズムの自動選択のための方法およびシステム | |
| CN116385745A (zh) | 图像识别方法、装置、电子设备和存储介质 | |
| CN113343020B (zh) | 基于人工智能的图像处理方法、装置及电子设备 | |
| CN111008621A (zh) | 对象追踪方法、装置、计算机设备和存储介质 | |
| Gudavalli et al. | Seetheseams: Localized detection of seam carving based image forgery in satellite imagery | |
| CN112801134A (zh) | 基于区块链和图像的手势识别模型训练与分发方法与装置 | |
| CN112801867B (zh) | 基于区块链的卫星遥感图像拼接方法、装置及设备 | |
| CN108364024B (zh) | 图像匹配方法、装置、计算机设备和存储介质 | |
| CN115391188A (zh) | 一种场景测试用例生成方法、装置、设备及存储介质 | |
| CN111191602B (zh) | 行人相似度获取方法、装置、终端设备及可读存储介质 | |
| CN112784877A (zh) | 一种基于区块链的大规模图像模板匹配方法及装置 | |
| CN114677611A (zh) | 数据识别方法、存储介质及设备 | |
| CN113822292A (zh) | 车辆特征信息存储方法、装置、计算机设备及存储介质 | |
| CN110990665A (zh) | 数据处理方法、装置、系统、电子设备及存储介质 | |
| CN117592123A (zh) | 签名检验方法、装置、计算机设备和存储介质 | |
| CN116778534B (zh) | 图像处理方法、装置、设备和介质 | |
| CN117312833B (zh) | 一种应用于数字资产环境中的数据识别方法及系统 | |
| CN115577728B (zh) | 一维码定位方法、装置、计算机设备及存储介质 | |
| CN109902699B (zh) | 一种信息处理方法、装置和计算机存储介质 | |
| CN117113304A (zh) | 资源交互方法、装置、计算机设备和存储介质 | |
| CN113891015A (zh) | 基于人工智能的图像处理方法、装置和计算机设备 | |
| CN117744625A (zh) | 日志相似度确定方法、装置、设备及存储介质 | |
| CN114529902A (zh) | 基于ctc损失的ocr校正方法、装置、计算机设备和存储介质 |
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 |