CN113570560A - 一种遥感影像几何模型错误的快速检测方法 - Google Patents
一种遥感影像几何模型错误的快速检测方法 Download PDFInfo
- Publication number
- CN113570560A CN113570560A CN202110802681.3A CN202110802681A CN113570560A CN 113570560 A CN113570560 A CN 113570560A CN 202110802681 A CN202110802681 A CN 202110802681A CN 113570560 A CN113570560 A CN 113570560A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- information
- time range
- early warning
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003384 imaging method Methods 0.000 claims abstract description 115
- 238000001514 detection method Methods 0.000 claims abstract description 83
- 238000010586 diagram Methods 0.000 description 19
- 238000004519 manufacturing process Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 13
- 238000012795 verification Methods 0.000 description 13
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012952 Resampling Methods 0.000 description 5
- 230000003203 everyday effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 208000028752 abnormal posture Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种遥感影像几何模型错误的快速检测方法,该方法包括:获取待检测影像的卫星姿态数据文件和元信息文件,从元信息文件中提取待检测影像的信息,其中,待检测影像的信息包括待检测影像的景号以及其对应的第一成像时间范围;根据景号从卫星姿态数据文件中获取待检测影像所在条带对应的第二成像时间范围;判断第一成像时间范围是否在第二成像时间范围内;若不在,则生成第一预警信息以及输出待检测影像的信息,其中,第一预警信息用于指示待检测影像可能会出现整景波段错位。本申请解决了现有技术中检测效率和精度较低的技术问题。
Description
技术领域
本申请涉及遥感影像检测技术领域,尤其涉及一种遥感影像几何模型错误的快速检测方法。
背景技术
高景一号卫星电荷耦合(Charge Coupled Device,CCD)器件焦面拼接相机采用4片全色多光谱五色TDICCD进行反射镜拼接成一条直线。根据相机内各CCD器件各谱段各探元的精确真实位置、每行影像的成像时间数据、积分时间数据、姿态数据、轨道数据和分景编目信息数据,进行传感器校正,构建每个探元的观测矢量,统一解决几何畸变、几何拼接、成像时间归一化、波段配准等问题,实现每个探元分辨率的统一,从而保证卫星影像的内部几何精度。若上述任何一个因素出现较大误差或错误,均可导致遥感影像几何模型错误,进而影像内部几何精度变差。
在高景一号卫星在轨运行中,导致遥感影像几何模型错误的常见偶发姿轨数据异常包括如下几种情况:情况1、姿态数据缺失(发生概率不足5‰),缺少姿态数据的影像经过传感器校正后会出现亚像素至数十个像素级的整景波段错位;情况2、姿态数据形态异常(发生概率不足2‰),正常的姿态数据应随时间呈缓慢线性变化,异常的姿态数据随时间呈折线或不规则曲线变化,姿态数据异常的影像经传感器校正后会出现垂轨方向畸变、整体影像呈扭曲状、CCD片间露缝等几何模型错误的现象;情况3、轨道数据缺失(发生概率不足2‰),缺少轨道数据的影像经过传感器校正后可能会出现影像定位精度超限的情况;情况4、轨道数据形态异常(发生概率不足1‰),正常的轨道数据所记录的相邻行时步长稳定为1,异常的轨道数据行时发生跳变,异常行时可达相邻正常行时的7倍之多,导致无法构建几何模型,影像生产失败。
目前,对于上述四种偶发姿轨数据异常检测,一般通过人工或自动检测方法来检测,一方面,由于高景一号卫星每天需生成的影像数目较大,通过人工检测会消耗大量人力和时间,且易漏检,导致检测效率以及精度不高;对于姿态数据缺失可通过SIFT算法,互信息或相位一致性等算法获取同名特征点来进行影像自动匹配来检测,但是由于相机各波段可能会存在坏像元、影像辐射几何处理过程中进行的若干次灰度重采样或水体、沙漠影像纹理较单一,农田、林地影像纹理较细碎等原因,影响自动匹配精度,进而导致出现错检;对于轨道数据缺失,由于水体、沙漠影像纹理较单一,农田、林地影像纹理较细碎,影响自动匹配的精度,易漏检,导致检测精度不高;对于轨道数据形态异常,若系统负载过高时,也可导致正常影像生产过程缓慢,甚至生产失败,而“轨道数据形态异常”导致影像生产过程中几何建模失败,同样无法正常生产。前者可通过重新生产影像来解决,而后者重新生产影像无法解决,二者混淆,若一律都通过重新生产是否成功来分辨,导致效率低且增加系统运行压力。
发明内容
本申请解决的技术问题是:针对现有技术中检测效率和精度较低的问题,本申请提供了一种遥感影像几何模型错误的快速检测方法,本申请实施例所提供的方案中,一方面通过自动检测方式避免影像数目较大,人工检测所导致的检测效率以及精度不高的问题,另一方面,避免通过SIFT算法,互信息或相位一致性等算法获取同名特征点来进行影像自动匹配来检测过程中,由于相机各波段可能会存在坏像元、影像辐射几何处理过程中进行的若干次灰度重采样或水体、沙漠影像纹理较单一,农田、林地影像纹理较细碎等原因,影响自动匹配精度,所导致出现错检的问题。
第一方面,本申请实施例提供一种遥感影像几何模型错误的快速检测方法,该方法包括:
获取待检测影像的卫星姿态数据文件和元信息文件,从元信息文件中提取待检测影像的信息,其中,所述待检测影像的信息包括所述待检测影像的景号以及其对应的第一成像时间范围;
根据所述景号从卫星姿态数据文件中获取待检测影像所在条带对应的第二成像时间范围;
判断所述第一成像时间范围是否在所述第二成像时间范围内;
若不在,则生成第一预警信息以及输出所述待检测影像的信息,其中,第一预警信息用于指示待检测影像可能会出现整景波段错位。
可选地,还包括:
根据所述景号从卫星姿态数据文件中获取待检测影像对应的整条带的第一姿态信息,其中,第一姿态信息包括行时和四元数;
当所述第一成像时间范围在所述第二成像时间范围内,从卫星姿态数据文件中确定所述第一成像时间范围所对应的第二姿态信息,其中,所述第二姿态信息为待检测影像的姿态信息;
根据所述第一姿态信息计算整条带所对应的各个四元数一阶导数的第一变异系数以及根据所述第二姿态信息计算待检测影像所对应的各个四元数一阶导数的第二变异系数。
可选地,还包括:
若所述第一成像时间范围在所述第二成像时间范围内,判断所述第二变异系数是否超过预设第一阈值;
若超过,则生成第二预警信息以及输出所述待检测影像的信息,其中,第二预警信息用于指示待检测影像可能会出现垂轨方向畸变。
可选地,还包括:
若所述第一成像时间范围不在所述第二成像时间范围内,判断所述第一变异系数是否超过预设第二阈值;
若超过,则生成所述第二预警信息以及输出所述待检测影像的信息。
可选地,还包括:
获取待检测影像的卫星轨道数据文件,根据所述景号从所述卫星轨道数据文件中获取所述待检测影像所在条带的第三成像时间范围;
判断所述第一成像时间范围是否在所述第三成像时间范围内;
若不在,则生成第三预警信息以及输出所述待检测影像的信息,其中,所述第三预警信息用于指示待检测影像可能会出现几何定位精度超限。
可选地,还包括:
从所述卫星轨道数据文件中获取各行的行时信息,根据所述行时信息判断任意相邻行时之间的步长是否为1;
若不为1,则根据所述待检测影像的信息判断所述待检测影像所在条带是否为立体影像且所述步长是否位于预设的第一范围内;
若不为立体影像且所述步长不位于所述第一范围内,则生成第四预警信息以及输出所述待检测影像的信息,其中,所述第四预警信息用于指示待检测影像可能会出现几何建模失败。
可选地,所述第一范围取值为[20,35]。
可选地,还包括:
根据所述第一预警信息、第二预警信息、第三预警信息或第四预警信息指示进行人工判读,获取人工判读结果;
根据所述人工判读结果以及所述第一预警信息、第二预警信息、第三预警信息或第四预警信息生成所述待检测影像所对应的几何模型错误检测报告。
与现有技术相比,本申请实施例所提供的方案至少具有如下有益效果:
1、本申请实施例所提供的方案中,一方面通过自动检测方式避免影像数目较大,人工检测所导致的检测效率以及精度不高的问题,另一方面,避免通过SIFT算法,互信息或相位一致性等算法获取同名特征点来进行影像自动匹配来检测过程中,由于相机各波段可能会存在坏像元、影像辐射几何处理过程中进行的若干次灰度重采样或水体、沙漠影像纹理较单一,农田、林地影像纹理较细碎等原因,影响自动匹配精度,所导致出现错检的问题。
2、本申请实施例所提供的方案中,通过计算整条带所对应的各个四元数一阶导数的第一变异系数以及待检测影像所对应的各个四元数一阶导数的第二变异系数,然后根据第一成像时间范围与第二成像时间范围之间的关系来判断第一变异系数是否超过预设第一阈值或判断第二变异系数是否超过预设第二阈值,来确定待检测影像可能会出现垂轨方向畸变,避免由于水体、沙漠影像纹理较单一,农田、林地影像纹理较细碎,影响自动匹配的精度,易漏检,导致检测精度不高。
3、本申请实施例所提供的方案中,通过从待检测影像所对应的元信息文件中获取的第一成像时间范围与从待检测影像对应的卫星轨道数据文件中获取的待检测影像所在条带的第三成像时间范围,判断第一成像时间范围是否在所述第三成像时间范围内,来确定待检测影像可能会出现几何定位精度超限,避免由于水体、沙漠影像纹理较单一,农田、林地影像纹理较细碎,影响自动匹配的精度,易漏检,导致检测精度不高。
4、本申请实施例所提供的方案中,通过从卫星轨道数据文件中获取各行的行时信息,根据行时信息判断任意相邻行时之间的步长,来确定待检测影像可能会出现几何建模失败,避免系统负载过高时,导致正常影像生产过程缓慢,甚至生产失败。
附图说明
图1为本申请实施例所提供的一种遥感影像几何模型错误的快速检测方法的流程示意图;
图2为本申请实施例所提供的一种元信息文件的结构示意图;
图3为本申请实施例所提供的一种姿态数据文件的结构示意图;
图4为本申请实施例所提供的一种遥感影像整景波段错位的示意图;
图5为本申请实施例所提供的一种无垂轨方向畸变时影像姿态数据文件中记录的四元数随行时的变化示意图;
图6为本申请实施例所提供的一种存在垂轨方向畸变时影像姿态数据文件中记录的四元数随行时的变化示意图;
图7为本申请实施例所提供的一种EPH文件的结构示意图;
图8为本申请实施例提供的一种遥感影像几何模型错误的示意图。
具体实施方式
本申请实施例提供的方案中,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
以下结合说明书附图对本申请实施例所提供的一种遥感影像几何模型错误的快速检测方法做进一步详细的说明,该方法具体实现方式可以包括以下步骤(方法流程如图1所示):
步骤101,获取待检测影像的卫星姿态数据文件和元信息文件,从元信息文件中提取待检测影像的信息,其中,所述待检测影像的信息包括所述待检测影像的景号以及其对应的第一成像时间范围。
具体的,在本申请实施例所提供的方案中,卫星在生成遥感影像所对应的0级数据时,同时会生成并保存对应的对应辅助文件,其中,辅助文件包括时间数据文件(.IT文件)、卫星姿态数据文件(.ATT文件)、卫星轨道数据文件(.EPH文件)以及元信息文件(.XML文件)等,在ATT文件中记录了整条带的卫星姿态信息,例如,通过记录行时和四元数等信息来记录卫星姿态信息,在元信息文件(.XML文件)中主要记录内容为待检测影像所在条带基本信息及该景影像和所在条带后一景影像信息,包括卫星标识、接收轨道号、成像轨道号、条带号、景号、成像模式、影像起始绝对行计数和结束绝对行计数、影像成像开始时间和结束时间等信息。
当计算机设备对待检测影像进行几何错误检测过程中,可以获取保存的待检测影像的卫星姿态数据文件和元信息文件,然后从元信息文件中提取待检测影像的信息,例如,待检测影像的信息包括卫星标识、接收轨道号、成像轨道号、条带号、景号、成像模式、影像起始绝对行计数和结束绝对行计数、影像成像开始时间和结束时间等信息。本申请实施例所提供的方案中,第一成像时间范围是根据成像开始时间和结束时间所确定的,例如,成像开始时间为T1,结束时间为T2,则第一成像时间范围为[T1,T2]。
为了便于理解上述从元信息文件中提取待检测影像的信息的过程,下面对其进行简要介绍。
参见图2,为本申请实施例提供的一种元信息文件(.XML文件)的结构示意图。在图2中,分别读取景号、卫星标识、接收轨道号、成像轨道号、条带号、成像模式,影像成像起始时间以及影像成像结束时间等信息,即分别读取<SceneID>字段对应的景号(3427627)、<SatelliteID>字段对应的卫星标识(GJ1D)、<Receive Station ID>字段对应的接收轨道号(NWZ)、<OrbitID>字段对应的成像轨道号(15685)、<POrbitID>字段对应的条带号(15680)、<DatasetID>字段对应的成像模式(196784)、<ImagingStartTime>字段对应的成像起始时间(374206854.988,374206855.098)、<ImagingStopTime>字段对应的成像结束时间(374206857.589,374206857.700),其中XML文件中字段<ImagingStartTime>、<ImagingStopTime>记录的是多光谱和全色影像的成像起始时间和结束时间,由于,本申请实施例所提供的方案中,针对多光谱波段间的匹配错位检测,所以只提取多光谱影像的成像起始时间和结束时间。
步骤102,根据所述景号从卫星姿态数据文件中获取待检测影像所在条带对应的第二成像时间范围。
具体的,计算机设备在获取待检测影像的景号以及其对应的第一成像时间范围之后,根据景号打开待检测影像所在条带所对应的姿态数据文件(.ATT文件),获取姿态数据文件记录的待检测影像所在整条带的成像起始时间(T1_ATT)和结束时间(T2_ATT)。应理解,本申请实施例所提供的方案中,第二成像时间范围是根据该整条带的成像开始时间和结束时间所确定的,即第二成像时间范围为[T1_ATT,T2_ATT]。
参见图3所示,为本申请实施例所提供的一种姿态数据文件(.ATT文件)的结构示意图。在图3中,ATT文件类似前三行为介绍性内容,后面的行为记录的数据正文,ATT文件正文的第二列为行时信息,第三、四、五和六列为四元数信息,其中,第二列的第一个行时(356410580.615718)和最后一个行时(356410586.240718)分别为该整条带的成像起始时间和结束时间。
步骤103,判断所述第一成像时间范围是否在所述第二成像时间范围内。
具体的,计算机设备在获取得到待检测影像对应的第一成像时间范围和待检测影像所对应的整条带的第二成像时间范围之后,对比第一成像时间范围和第二成像时间范围。
步骤104,若不在,则生成第一预警信息以及输出所述待检测影像的信息,其中,第一预警信息用于指示待检测影像可能会出现整景波段错位。
具体的,若第一成像时间范围和第二成像时间范围不满足T1_ATT≤T1≤T2≤T2_ATT,即不满足第一成像时间范围在第二成像时间范围内,则预示该待检测影像可能会出现整景波段错位,生成第一预警信息以及输出待检测影像的信息。参见图4,为本申请实施例提供的一种遥感影像整景波段错位的示意图。
进一步,若第一成像时间范围在第二成像时间范围内时,需进行其他几何模型错误检测,例如,垂轨方向畸变、几何定位精度超限以及几何模型建模失败等。
本申请实施例所提供的方案中,通过分别从元信息文件和卫星姿态数据文件中获取待检测影像对应的第一成像时间范围和整条带对应的第二成像时间范围,并通过判断第一成像时间范围与第二成像时间范围之间的关系来检测待检测影像是否会出现整景波段错位。因此,本申请实施例所提供的方案中,一方面通过自动检测方式避免影像数目较大,人工检测所导致的检测效率以及精度不高的问题,另一方面,避免通过SIFT算法,互信息或相位一致性等算法获取同名特征点来进行影像自动匹配来检测过程中,由于相机各波段可能会存在坏像元、影像辐射几何处理过程中进行的若干次灰度重采样或水体、沙漠影像纹理较单一,农田、林地影像纹理较细碎等原因,影响自动匹配精度,所导致出现错检的问题。
进一步,在本申请实施例所提供的方案中,造成遥感影像出现几何模型错误,除了由于姿态数据缺失造成的整波段错误的情况,还包括姿态数据形态异常造成的垂轨方向畸变的情况。在遥感影像中,若无垂轨方向畸变的影像姿态数据(ATT文件中)中记录的四元数随行时呈缓慢(不陡)线性变化(参见图5),而存在垂轨方向畸变的影像ATT文件中四元数随行时呈不规则曲线变化(参见图6),故可通过分析四元数的随行时的一阶导数的变异系数,来判断影像是否发生垂轨方向畸变的情况。具体的,本申请实施例所提供的方案中,计算四元数的行时的一阶导数的变异系数的方式有多种。
在一种可能实现的方式中,根据所述景号从卫星姿态数据文件中获取待检测影像对应的整条带的第一姿态信息,其中,第一姿态信息包括行时和四元数;当所述第一成像时间范围在所述第二成像时间范围内,从卫星姿态数据文件中确定所述第一成像时间范围所对应的第二姿态信息,其中,所述第二姿态信息为待检测影像的姿态信息;根据所述第一姿态信息计算整条带所对应的各个四元数一阶导数的第一变异系数以及根据所述第二姿态信息计算待检测影像所对应的各个四元数一阶导数的第二变异系数。
具体的,根据待检测影像的景号获取待检测影像对应的姿态数据文件中行时和四元数,然后通过下式计算任一四元数中每个值随行时的一阶导数:
其中,Vi表示任一四元数中第i个值;Vi+1表示任一四元数中第i+1个值;Ti表示第i个行时;Ti+1表示第i+1个行时。
然后,根据下式计算待检测影像所对应的整条带任一四元数的一阶导数的变异系数:
其中,CVATT表示整条带任一四元数的一阶导数的第一变异系数;mean(d)表示任一四元数中每个值随行时的一阶导数的平均值;STV(d)表示任一四元数中每个值随行时的一阶导数的均方差;n=N-1,N表示整条带所对应的行时总数目。
若第一成像时间范围在所述第二成像时间范围内,则通过上述公式(2)计算待检测影像所对应的第一成像时间范围内各元数一阶导数的变异系数作为待测影像的第二变异系数CVIMAGE。
进一步,在计算出第一变异系数和第二变异系数后,根据第一变异系数或第二变异系数来确定待检测影像是否存在由姿态数据形态异常造成的垂轨方向畸变的情况。
在一种可能实现的方式中,若所述第一成像时间范围在所述第二成像时间范围内,判断所述第二变异系数是否超过预设第一阈值;若超过,则生成第二预警信息以及输出所述待检测影像的信息,其中,第二预警信息用于指示待检测影像可能会出现垂轨方向畸变。
在又一种可能实现的方式中,若所述第一成像时间范围不在所述第二成像时间范围内,判断所述第一变异系数是否超过预设第二阈值;若超过,则生成所述第二预警信息以及输出所述待检测影像的信息。
在本申请实施例所提供的方案中,针对高景卫星影像垂轨方向畸变判断变异系数所界定的阈值分别为预设第一阈值TCVIMAGE=0.6,预设第二阈值TCVATT=0.4。具体的,预设第一阈值和预设第二阈值的具体数值是由大数据统计得到。
本申请实施例所提供的方案中,通过计算整条带所对应的各个四元数一阶导数的第一变异系数以及待检测影像所对应的各个四元数一阶导数的第二变异系数,然后根据第一成像时间范围与第二成像时间范围之间的关系来判断第一变异系数是否超过预设第一阈值或判断第二变异系数是否超过预设第二阈值,来确定待检测影像可能会出现垂轨方向畸变,避免由于水体、沙漠影像纹理较单一,农田、林地影像纹理较细碎,影响自动匹配的精度,易漏检,导致检测精度不高。
进一步,为了检测待检测影像是否会出现集合定位精度超限。在一种可能实现的方式中,获取待检测影像的卫星轨道数据文件,根据所述景号从所述卫星轨道数据文件中获取所述待检测影像所在条带的第三成像时间范围;判断所述第一成像时间范围是否在所述第三成像时间范围内;若不在,则生成第三预警信息以及输出所述待检测影像的信息,其中,所述第三预警信息用于指示待检测影像可能会出现几何定位精度超限。
具体的,计算设备根据待检测影像的景号打开并读取待检测影像对应的轨道数据文件(.EPH文件),并从EPH文件中提取待检测影像对应的整条带的成像起始时间(T1_EPH)和结束时间(T2_EPH),应理解,本申请实施例所提供的方案中,第三成像时间范围是根据EPH文件中该整条带的成像开始时间和结束时间所确定的,即第三成像时间范围为[T1_EPH,T2_EPH]。
参见图7为本申请实施例提供的一种EPH文件的结构示意图。在图6中同ATT文件类似前三行为介绍性内容,后面的行为记录的数据正文,在正文中第二列为行时信息,第一个行时和最后一个行时即为待检测影像所对应的第三成像时间范围内的起始时间和结束时间。
对比从XML文件中提取的第一成像时间范围与从EPH文件中提取的第三成像时间范围,若第一成像时间范围与第三成像时间范围不满足T1_EPH≤T1≤T2≤T2_EPH条件,则预示待检测影像可能会出现几何定位精度超限的情况,生成第三预警信息以及输出所述待检测影像的信息。
本申请实施例所提供的方案中,通过从待检测影像所对应的元信息文件中获取的第一成像时间范围与从待检测影像对应的卫星轨道数据文件中获取的待检测影像所在条带的第三成像时间范围,判断第一成像时间范围是否在所述第三成像时间范围内,来确定待检测影像可能会出现几何定位精度超限,避免由于水体、沙漠影像纹理较单一,农田、林地影像纹理较细碎,影响自动匹配的精度,易漏检,导致检测精度不高。
进一步,在检测出待检测影像可能会出现几何定位精度超限的情况之后,继续判断待检测影像是否会出现几何建模失败的情况。
在一种可能实现的方式中,从所述卫星轨道数据文件中获取各行的行时信息,根据所述行时信息判断任意相邻行时之间的步长是否为1;若不为1,则根据所述待检测影像的信息判断所述待检测影像所在条带是否为立体影像且所述步长是否位于预设的第一范围内;若不为立体影像且所述步长不位于所述第一范围内,则生成第四预警信息以及输出所述待检测影像的信息,其中,所述第四预警信息用于指示待检测影像可能会出现几何建模失败。
在一种可能实现的方式中,所述第一范围取值为[20,35]。
具体的,计算机设备根据待检测影像的景号打开并读取待检测影像对应的轨道数据文件(.EPH文件),并从EPH文件中提取每一行的行时信息,在正常影像所对应的EPH文件中所记录的相邻行时步长一般为1。在得到每一行的行时后,将相邻行时作差,判断相邻行时之间的步长不是1,则根据待检测影像的信息中成像模式来判断待检测影像所在条带是否为立体影像且相邻行时之间的步长是否位于[20,35]之间,若待检测影像所在条带不是立体影所述待检测影像的信息,通过第四预警信息指示待检测影像可能会出现几何建模失败。
本申请实施例所提供的方案中,通过从卫星轨道数据文件中获取各行的行时信息,根据行时信息判断任意相邻行时之间的步长,来确定待检测影像可能会出现几何建模失败,避免系统负载过高时,导致正常影像生产过程缓慢,甚至生产失败。
进一步,为了提高几何模型错误检测的准确性,在检测出待检测影像出现整景波段错位、垂轨方向畸变、几何定位精度超限或几何建模失败中至少一种情况,需指示对待检测影像进行人工判读,通过人工来进一步确定待检测影像是否真的存在整景波段错位、垂轨方向畸变、几何定位精度超限或几何建模失败中至少一种情况。
在一种可能实现的方式中,根据所述第一预警信息、第二预警信息、第三预警信息或第四预警信息指示进行人工判读,获取人工判读结果;根据所述人工判读结果以及所述第一预警信息、第二预警信息、第三预警信息或第四预警信息生成所述待检测影像所对应的几何模型错误检测报告。
具体的,根据所述第一预警信息、第二预警信息、第三预警信息或第四预警信息,提取对应产品tiff图像,人工判断影像是否存在相应问题情况,参见图8为本申请实施例提供的一种遥感影像几何模型错误的示意图。
针对几何建模失败的情况,人工可通过已生产的影像信息进行对比核验,判断该条带的影像是否生产成功,若未生产成功,则剔除EPH文件中野值,重新进行影像生产处理,可生产成功。
进一步,为了验证本申请所提供的遥感影像几何模型错误检测的效果,下面以高景一号卫星为例对本申请实施例所提供方案的效果进行说明。
例如,待检验影像数据为2020年11月份高景一号四星所有产品影像数据。
1)验证方法
(1)采用本申请实施例所提供的技术、现有技术1、现有技术2、现有技术3及人工目视判读方法分别对上述验证数据进行整景波段错位检测,对比分析其准确率和时效性,其中,现有技术1是指基于SIFI特征遥感影像自动配准与拼接,现有技术2是指基于互信息的高性能遥感影像配准,现有技术3是指基于相位一致性的异源图像匹配。
(2)采用本申请实施例所提供的技术和人工目视判读方法分别对上述验证数据进行影像垂轨方向畸变检测,对比分析其准确率和时效性。
(3)采用本申请实施例所提供的技术和现有技术4分别对上述验证数据进行影像几何定位精度超限检测,对比分析其准确性和时效性,其中,现有技术4是指基于参考底图的遥感影像定位精度。
(4)采用本申请实施例所提供的技术及人工重新生产方法对上述验证数据进行影像几何建模失败检测,对比分析其准确性和时效性。
2)验证结果
(1)采用本申请实施例所提供的技术、现有技术1、现有技术2、现有技术3及人工目视判读方法对高景一号四星2020年11月份影像产品进行整景波段错位检测的结果如下:表1表示基于本申请实施例所提供的技术的检测方法检测高景一号四星11月份影像产品整景波段错位的输出结果;表2表示基于本申请实施例所提供的技术以及现有技术的检测方法检测高景一号四星2020年11月份影像产品整景波段错位检测结果对比。
表1
表2
(2)采用本申请实施例所提供的技术的影像垂轨方向畸变快速检测方法和人工目视判读方法检测高景一号四星2020年11月份影像产品的结果如下:表3表示基于本申请实施例所提供的的检测方法检测高景一号四星11月份影像产品垂轨方向畸变的输出结果;表4表示基于本申请实施例所提供的的检测方法与人工检测高景一号四星2020年11月份影像产品垂轨方向畸变检测结果对比。
表3
表4
(3)采用本申请实施例所提供的技术的影像几何定位精度超限预检方法和技术4检测高景一号四星2020年11月份影像产品的结果如下:表5表示基于本申请实施例所提供的的检测方法对高景一号四星11月份影像产品几何定位精度超限预检的输出结果;表6表示基于本申请实施例所提供的的检测方法与现有技术4所检测高景一号四星2020年11月份影像产品几何定位精度检测结果对比。
表5
表6
(4)采用本申请实施例所提供的技术的几何建模失败检测方法及人工重新生产方法检测高景一号四星2020年11月份影像产品的结果如下:表7表示采用本申请实施例所提供的检测方法对高景一号四星11月份影像产品几何建模失败检测的输出结果;表8表示本申请实施例所提供的检测与人工检测高景一号四星2020年11月份影像产品几何建模失败检测结果对比。
表7
表8
3)验证结果分析与结论依据上述验证结果,结论如下:
1、基于本专利技术检测影像整景波段错位。
11)高景一号卫星地面数据处理系统每天生产约300景影像产品,所有产品如果均要通过人工目视检测整景波段错位,每景约需要1分钟,300景共需要300分钟;若使用现有技术1、2、3检测整景波段错位,由于运算量均较大,每景分别需要约2分钟、1.8分钟和1.7分钟,300景总用时分别为600分钟、540分钟以及510分钟;而使用基于本专利技术的影像整景波段错位检测方法每景约需要0.02分钟,300景检测仅需6分钟,大大节省了人力、时间和软硬件资源,保证了数据交付时效性。
12)人眼判读来检测影像整景波段错位极易发生错检漏检的情况,11月数据漏检6景,错检2景,准确率为84.62%,漏检的6景主要为像素级的影像错位导致的漏判,错检的1景为灰度重采样造成的某些角度的纹理或边缘呈锯齿状导致的错判,另1景为坏像元插值处理后出现地物纹理或边缘扩散、彩带等导致的错检;使用现有技术1、2、3检测影像整景波段错位,分别错检4景、6景、5景,准确率分别为92.31%、88.46%、90.38%,错检的景均为弱纹理图像匹配同名点失败导致的错判;而基于本专利技术的影像整景波段错位检测方法检测整景波段错位,无错检和漏检发生,准确率可达100%,准确率大幅度提升,保证了数据交付的质量。
2、基于本专利技术检测影像垂轨方向畸变。
21)高景一号卫星地面数据处理系统每天生产约300景影像产品,所有产品若均要通过人工目视检测影像垂轨方向畸变,影像扭曲,CCD片间露缝,每景约需要1分钟,300景共需要300分钟。而使用本专利技术检测几何模型错误,每景约0.015分钟,300景共需要4.5分钟,极大节省了人力、时间和软硬件资源,保证了数据交付时效性。
22)人眼判读来检测卫星影像几何模型错误可能发生漏检的情况,11月数据漏检2景,准确率为75%,漏检的2景主要是影像存在微小扭曲和CCD片间微小漏缝,不易检出;本专利技术可全面快速精准地确定可能发生几何建模失败问题的影像,然后通过人工核验tiff影像进行最终确定,避免了漏检错检情况的发生,检测11月份数据,无错检和漏检发生,准确率达到100%,准确率大幅度提升,保证了数据交付的质量。
3、基于本专利技术预检影像几何定位精度超限。
31)高景一号卫星地面数据处理系统每天生产约300景影像产品,所有产品均要通过技术4检测几何定位精度,每景约需要0.3分钟,300景共需要90分钟。而使用本专利技术检测几何定位精度,每景约0.01分钟,300景共需要3分钟,极大节省了人力、时间和软硬件资源,保证了数据交付时效性。
32)通过现有技术4来检测卫星影像几何定位精度可能发生错检的情况,11月数据错检2景,准确率为78%,错检的2景主要是影像中大部分为海水,难以匹配特征点,导致定位精度偏差较大,出现错检;利用本专利技术检测11月数据无错检漏检,准确率达100%。通过本专利技术可对影像的几何定位精度进行预检,预警的影像极大可能出现定位精度超限,减少错检漏检的情况,准确率大幅度提升,保证了数据交付的质量。
4、基于本专利技术检测影像几何建模失败
41)高景一号影像生产系统若运行负载过高时,可导致正常影像生产过程缓慢,甚至生产失败,而“轨道数据形态异常”导致影像生产过程中几何建模失败,同样无法正常生产。若将生产缓慢的影像(包括可生产成功的正常影像和“轨道数据形态异常”的影像)均通过人工干预重新生产分辨二者,则每景至少需要30分钟;基于本专利技术将轨道数据异常,无法生产的影像提取出来,每景判读仅需0.003分钟,大大节省了人力和时间,并减轻生产系统运行压力。
42)轨道数据出现野值,导致无法正常生产成功的影像,可将轨道数据文件中野值所在行剔除并重新生产,来解决影像无法生产成功的问题,保证数据交付的时效性,减少星地资源的浪费。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种遥感影像几何模型错误的快速检测方法,其特征在于,包括:
获取待检测影像的卫星姿态数据文件和元信息文件,从元信息文件中提取待检测影像的信息,其中,所述待检测影像的信息包括所述待检测影像的景号以及其对应的第一成像时间范围;
根据所述景号从卫星姿态数据文件中获取待检测影像所在条带对应的第二成像时间范围;
判断所述第一成像时间范围是否在所述第二成像时间范围内;
若不在,则生成第一预警信息以及输出所述待检测影像的信息,其中,第一预警信息用于指示待检测影像可能会出现整景波段错位。
2.如权利要求1所述的方法,其特征在于,还包括:
根据所述景号从卫星姿态数据文件中获取待检测影像对应的整条带的第一姿态信息,其中,第一姿态信息包括行时和四元数;
当所述第一成像时间范围在所述第二成像时间范围内,从卫星姿态数据文件中确定所述第一成像时间范围所对应的第二姿态信息,其中,所述第二姿态信息为待检测影像的姿态信息;
根据所述第一姿态信息计算整条带所对应的各个四元数一阶导数的第一变异系数以及根据所述第二姿态信息计算待检测影像所对应的各个四元数一阶导数的第二变异系数。
3.如权利要求1或2所述的方法,其特征在于,还包括:
若所述第一成像时间范围在所述第二成像时间范围内,判断所述第二变异系数是否超过预设第一阈值;
若超过,则生成第二预警信息以及输出所述待检测影像的信息,其中,第二预警信息用于指示待检测影像可能会出现垂轨方向畸变。
4.如权利要求3所述的方法,其特征在于,还包括:
若所述第一成像时间范围不在所述第二成像时间范围内,判断所述第一变异系数是否超过预设第二阈值;
若超过,则生成所述第二预警信息以及输出所述待检测影像的信息。
5.如权利要求4所述的方法,其特征在于,还包括:
获取待检测影像的卫星轨道数据文件,根据所述景号从所述卫星轨道数据文件中获取所述待检测影像所在条带的第三成像时间范围;
判断所述第一成像时间范围是否在所述第三成像时间范围内;
若不在,则生成第三预警信息以及输出所述待检测影像的信息,其中,所述第三预警信息用于指示待检测影像可能会出现几何定位精度超限。
6.如权利要求5所述的方法,其特征在于,还包括:
从所述卫星轨道数据文件中获取各行的行时信息,根据所述行时信息判断任意相邻行时之间的步长是否为1;
若不为1,则根据所述待检测影像的信息判断所述待检测影像所在条带是否为立体影像且所述步长是否位于预设的第一范围内;
若不为立体影像且所述步长不位于所述第一范围内,则生成第四预警信息以及输出所述待检测影像的信息,其中,所述第四预警信息用于指示待检测影像可能会出现几何建模失败。
7.如权利要求6所述的方法,其特征在于,所述第一范围取值为[20,35]。
8.如权利要求1~7任一项所述的方法,其特征在于,还包括:
根据所述第一预警信息、第二预警信息、第三预警信息或第四预警信息指示进行人工判读,获取人工判读结果;
根据所述人工判读结果以及所述第一预警信息、第二预警信息、第三预警信息或第四预警信息生成所述待检测影像所对应的几何模型错误检测报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110802681.3A CN113570560B (zh) | 2021-07-15 | 2021-07-15 | 一种遥感影像几何模型错误的快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110802681.3A CN113570560B (zh) | 2021-07-15 | 2021-07-15 | 一种遥感影像几何模型错误的快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113570560A true CN113570560A (zh) | 2021-10-29 |
CN113570560B CN113570560B (zh) | 2024-03-22 |
Family
ID=78165005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110802681.3A Active CN113570560B (zh) | 2021-07-15 | 2021-07-15 | 一种遥感影像几何模型错误的快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570560B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115037420A (zh) * | 2022-08-12 | 2022-09-09 | 中国科学院空天信息创新研究院 | 卫星异常数据处理方法、装置、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120029812A1 (en) * | 2010-07-29 | 2012-02-02 | King Abdul Aziz City For Science And Technology | Method and system for automatically planning and scheduling a remote sensing satellite mission |
WO2014012828A1 (de) * | 2012-07-19 | 2014-01-23 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Methode zur prozessierung von hochauflösenden weltraumgestützt erhaltenen spotlight-sar rohdaten |
CN104900248A (zh) * | 2015-05-27 | 2015-09-09 | 中国资源卫星应用中心 | 一种从磁带上快速提取陆地观测卫星景数据的方法 |
CN105701830A (zh) * | 2016-01-18 | 2016-06-22 | 武汉大学 | 基于几何模型的lasis波段影像配准方法及系统 |
CN106251310A (zh) * | 2016-08-08 | 2016-12-21 | 长安大学 | 一种多光谱遥感异常信息提取方法 |
CN106681807A (zh) * | 2016-11-28 | 2017-05-17 | 中国人民解放军国防科学技术大学 | 一种基于Spark的成像卫星任务预处理并行化方法 |
CN107063296A (zh) * | 2016-11-17 | 2017-08-18 | 许昌学院 | 一种卫星遥感传感器在轨辐射定标方法 |
CN110781325A (zh) * | 2019-10-21 | 2020-02-11 | 武汉大学 | 一种高分辨率遥感数据格网精细化管理模型及其构建方法 |
CN111667185A (zh) * | 2020-06-10 | 2020-09-15 | 长光卫星技术有限公司 | 一种动态规划多颗卫星对区域目标覆盖成像的方法 |
-
2021
- 2021-07-15 CN CN202110802681.3A patent/CN113570560B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120029812A1 (en) * | 2010-07-29 | 2012-02-02 | King Abdul Aziz City For Science And Technology | Method and system for automatically planning and scheduling a remote sensing satellite mission |
WO2014012828A1 (de) * | 2012-07-19 | 2014-01-23 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Methode zur prozessierung von hochauflösenden weltraumgestützt erhaltenen spotlight-sar rohdaten |
CN104900248A (zh) * | 2015-05-27 | 2015-09-09 | 中国资源卫星应用中心 | 一种从磁带上快速提取陆地观测卫星景数据的方法 |
CN105701830A (zh) * | 2016-01-18 | 2016-06-22 | 武汉大学 | 基于几何模型的lasis波段影像配准方法及系统 |
CN106251310A (zh) * | 2016-08-08 | 2016-12-21 | 长安大学 | 一种多光谱遥感异常信息提取方法 |
CN107063296A (zh) * | 2016-11-17 | 2017-08-18 | 许昌学院 | 一种卫星遥感传感器在轨辐射定标方法 |
CN106681807A (zh) * | 2016-11-28 | 2017-05-17 | 中国人民解放军国防科学技术大学 | 一种基于Spark的成像卫星任务预处理并行化方法 |
CN110781325A (zh) * | 2019-10-21 | 2020-02-11 | 武汉大学 | 一种高分辨率遥感数据格网精细化管理模型及其构建方法 |
CN111667185A (zh) * | 2020-06-10 | 2020-09-15 | 长光卫星技术有限公司 | 一种动态规划多颗卫星对区域目标覆盖成像的方法 |
Non-Patent Citations (1)
Title |
---|
胡堃: "高分辨率光学卫星影像几何精准处理方法研究", 《中国博士学位论文全文数据库 基础科学辑》, no. 1, 15 January 2020 (2020-01-15), pages 1 - 70 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115037420A (zh) * | 2022-08-12 | 2022-09-09 | 中国科学院空天信息创新研究院 | 卫星异常数据处理方法、装置、设备及介质 |
CN115037420B (zh) * | 2022-08-12 | 2022-11-22 | 中国科学院空天信息创新研究院 | 卫星异常数据处理方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113570560B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102022496B1 (ko) | 비전 이미지 검출을 이용한 공정 관리 및 모니터링 시스템 및 그 방법 | |
US8781210B2 (en) | Method and system for automated defect detection | |
CN110705405B (zh) | 目标标注的方法及装置 | |
JP7000627B2 (ja) | 標的細胞標識方法、装置、記憶媒体及び端末デバイス | |
US20130113913A1 (en) | System and Method for Data-Driven Automated Borescope Inspection | |
US20130114878A1 (en) | System and Method for Automated Defect Detection Utilizing Prior Data | |
CN110517265B (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
CN109978078B (zh) | 字体版权检测方法、介质、计算机设备及装置 | |
KR101130284B1 (ko) | 수치지도를 이용한 실감정사영상 정확도 검사 시스템 및 검사방법 | |
CN113570560A (zh) | 一种遥感影像几何模型错误的快速检测方法 | |
KR102470422B1 (ko) | 합성곱 신경망 특징맵 기반 봉제 스티치 불량 자동 검출 방법 및 시스템 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
CN117095246A (zh) | 基于偏振成像的深度学习指针仪表读数识别方法 | |
KR100754969B1 (ko) | 화상 검사 장치, 화상 검사 방법 및 컴퓨터 판독가능한 기억 매체 | |
CN116883399A (zh) | 蓝宝石放肩阶段缺陷视觉检测方法、装置、系统和设备 | |
CN116778357A (zh) | 利用可见光缺陷识别的电力线路无人机巡检方法和系统 | |
CN113012137B (zh) | 一种面板缺陷检查方法、系统、终端设备及存储介质 | |
CN115861161A (zh) | 机器学习系统、学习数据收集方法以及存储介质 | |
CN114820583A (zh) | 一种海量多源卫星遥感影像自动化质量检查方法 | |
CN113643240B (zh) | 一种遥感影像沿轨方向局部畸变的快速检测及纠正方法 | |
CN115803610A (zh) | 图像获取方法及装置、存储介质 | |
CN116912429B (zh) | 高清晰度视景ig材质三维重建方法与系统 | |
CN118037719B (zh) | 产品缺陷检测方法、设备及存储介质 | |
CN118164196B (zh) | 一种基于机器视觉的输煤皮带健康状态监测方法及系统 | |
Laidi et al. | Development of an Advanced Tool for the Automatic Detection and Correction of Irregular Defects in Raw Satellite Imagery |
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 |