CN113592744A - 一种适用于高分辨率遥感影像的几何精校正方法 - Google Patents

一种适用于高分辨率遥感影像的几何精校正方法 Download PDF

Info

Publication number
CN113592744A
CN113592744A CN202110922255.3A CN202110922255A CN113592744A CN 113592744 A CN113592744 A CN 113592744A CN 202110922255 A CN202110922255 A CN 202110922255A CN 113592744 A CN113592744 A CN 113592744A
Authority
CN
China
Prior art keywords
image
processed
matching
reference base
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.)
Granted
Application number
CN202110922255.3A
Other languages
English (en)
Other versions
CN113592744B (zh
Inventor
高放
李一挥
李文涛
张鹏
姜振平
李相坤
安源
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chang Guang Satellite Technology Co Ltd
Original Assignee
Chang Guang Satellite Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chang Guang Satellite Technology Co Ltd filed Critical Chang Guang Satellite Technology Co Ltd
Priority to CN202110922255.3A priority Critical patent/CN113592744B/zh
Publication of CN113592744A publication Critical patent/CN113592744A/zh
Application granted granted Critical
Publication of CN113592744B publication Critical patent/CN113592744B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20052—Discrete cosine transform [DCT]
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

一种适用于高分辨率遥感影像的几何精校正方法，涉及遥感影像几何精校正领域，解决现有技术中影像匹配的方法易存在错误匹配，从而导致几何精校正失败等问题，首先采用感知哈希算法估计待处理影像在参考底图中的大致位置，将计算机视觉领域中的图像检索方法应用于遥感影像几何精校正，减少了同名点匹配过程中的冗余计算，显著提升了运行速度；利用傅里叶梅林变换分块进行影像的同名点匹配，通过大量实验，提出适用于高分辨率遥感影像的参数与阈值，在待处理影像与参考底图之间存在地物变化、辐射与色彩差异的情况下，取得更加稳定与精确的结果，并以此作为控制点进行全自动的几何精校正。本发明提出的方法在速度、精度与稳定性方面显著提高。

Description

一种适用于高分辨率遥感影像的几何精校正方法
技术领域
本发明涉及遥感影像几何精校正领域，具体涉及一种适用于高分辨率遥感影像的几何精校正方法。
背景技术
经典的遥感影像几何精校正方法通常利用地面控制点、卫星轨道参数、卫星姿态参数与传感器光学参数等信息，建立几何精校正模型，从而修正由投影方式、传感器姿态误差、地形起伏、大气折射与地球自转等因素造成的遥感影像几何变形，消除影像像元在地理坐标系中的坐标误差，将像元校正到正确的位置。上述方法中通常需要人工选取地面控制点，效率低且工作量大，难以满足目前海量遥感影像条件下，自动、快速并且准确处理的需求。
近几年提出的基于影像匹配的几何精校正方法可以满足自动化的要求。该方法将已经处理好的、有精确地理坐标的遥感影像作为参考底图，将待处理影像与参考底图进行同名点匹配；利用单应性变换或仿射变换对匹配结果进行约束，剔除掉误差较大的匹配结果，这样得到的同名点对可作为地面控制点；待处理影像与几何精校正后的图像坐标系之间的变换关系可以用多项式模型描述，通过地面控制点可求解多项式的系数，利用间接法对原始图像重采样，从而实现图像的几何精校正。
现有的基于影像匹配的几何精校正方法的速度、精度与稳定性并不理想。由于待处理影像的有理多项式系数(Rational Polynomial Coefficient，RPC)的定位误差有可能达到千米级，因此需要选取较大范围的参考底图，以保证完全覆盖待处理影像，这将导致同名点匹配过程中产生较多的冗余计算，导致速度下降；并且由于待处理影像与参考底图的获取时间往往相隔较久，地物会发生较大变化；传感器与太阳辐射的不同，会导致影像之间存在亮度与色彩方面的差异；另外拍摄区域可能存在重复纹理或特征点稀少的情况，常用的同名点匹配算法如尺度不变特征变换算法(Scale-Invariant Feature Transform，SIFT)、加速稳健特征算法(Speeded Up Robust Feature，SURF)受上述因素影响会出现较多错误匹配，从而导致几何精校正失败。
发明内容
本发明为解决现有技术中影像匹配的方法易存在错误匹配，从而导致几何精校正失败等问题，提供一种适用于高分辨率遥感影像的几何精校正方法。
一种适用于高分辨率遥感影像的几何精校正方法，该方法由以下步骤实现：
步骤一、设定待处理影像为IIn，根据所述待处理影像IIn的RPC系数，计算待处理影像IIn的坐标最大值、最小值，并根据最大定位误差，将待处理影像IIn的坐标范围由中心向外扩大，扩大后范围的东西向长度为WRef，南北向长度为HRef，横坐标最大值为
Figure BDA0003207832930000021
最小值为
Figure BDA0003207832930000022
纵坐标最大值为
Figure BDA0003207832930000023
最小值为
Figure BDA0003207832930000024
获取所述扩大范围内的参考底图IRef；
步骤二、设定所述待处理影像IIn的东西向长度为WIn，南北向长度为HIn，对步骤一获得的参考底图IRef取滑动窗口，每次在东西向滑动的距离为0.1WIn，南北向滑动的距离为0.1HIn，滑动窗口的大小与待处理影像IIn的大小相同，则所述滑动窗口的横坐标最大值为
Figure BDA0003207832930000025
最小值为
Figure BDA0003207832930000026
所述i为由西向东滑动的次数；纵坐标最大值为
Figure BDA0003207832930000027
最小值为
Figure BDA0003207832930000028
所述j表示由南向北滑动的次数；获取滑动窗口中的参考底图
Figure BDA0003207832930000029
步骤三、采用感知哈希算法，分别计算待处理影像IIn与滑动窗口中的参考底图
Figure BDA0003207832930000031
的哈希指纹，并统计待处理影像IIn与所有滑动窗口中的参考底图
Figure BDA0003207832930000032
的哈希指纹之间的汉明距离；
步骤四、取步骤三中获得的汉明距离最小的滑动窗口中的参考底图
Figure BDA0003207832930000033
并将东西各向外扩大0.1WIn，南北各向外扩大0.1HIn，以此范围截取参考底图，记为
Figure BDA0003207832930000034
所述
Figure BDA0003207832930000035
的中心点地理坐标记为
Figure BDA0003207832930000036
待处理影像IIn的中心点地理坐标记为
Figure BDA0003207832930000037
步骤五、以分块的方式，利用傅里叶梅林变换对待处理影像IIn与所述截取参考底图
Figure BDA0003207832930000038
进行匹配，具体实现步骤如下：
步骤五一、将待处理影像IIn重采样至与截取参考底图
Figure BDA0003207832930000039
相同的分辨率，将重采样后的待处理影像IIn分成10×10块，将每块的中心点地理坐标记为
Figure BDA00032078329300000310
其中m＝1，2，...10，k＝1，2，...10；
步骤五二、将待处理影像IIn和截取参考底图
Figure BDA00032078329300000311
的中心点地理坐标之间的差值作为两张影像之间的坐标偏移量，计算
Figure BDA00032078329300000312
对应的在所述截取参考底图
Figure BDA00032078329300000313
上的同名点的地理坐标
Figure BDA00032078329300000314
公式如下：
Figure BDA00032078329300000315
以
Figure BDA00032078329300000316
为中心，按照与步骤五一中单个分块相同的大小，在所述截取参考底图
Figure BDA00032078329300000317
上截取一块影像；
步骤五三、对
Figure BDA00032078329300000318
与
Figure BDA00032078329300000319
所对应的两块影像，进行傅里叶梅林变换，获取匹配得到的同名点，即
Figure BDA00032078329300000320
所对应的在截取参考底图
Figure BDA00032078329300000321
上的同名点对
Figure BDA00032078329300000322
步骤五四、判断同名点对的数量是否大于等于10个，如果是，执行步骤六；如果否，则认为匹配失败；
步骤六、根据同名点对，求解二阶多项式的参数，公式如下：
Figure BDA0003207832930000041
然后采用间接法与双线性插值对IIn重采样，实现图像的几何精校正。
本发明的有益效果：
本发明在现有的基于影像匹配的几何精校正方法的基础上，首先采用感知哈希算法估计待处理影像在参考底图中的大致位置，将计算机视觉领域中的图像检索方法应用于遥感影像几何精校正，大大减少了同名点匹配过程中的冗余计算，显著提升了运行速度；利用傅里叶梅林变换分块进行影像的同名点匹配，通过大量实验，提出了一系列适用于高分辨率遥感影像的参数与阈值，可以在待处理影像与参考底图之间存在地物变化、辐射与色彩差异的情况下，取得比经典的SIFT、SURF匹配算法更加稳定与精确的结果，并以此作为控制点进行全自动的几何精校正。本发明提出的方法在速度、精度与稳定性方面显著优于现有方法，广泛适用于各种米级、亚米级高分辨率遥感影像，无需人工干预，为影像产品的自动化生产提供技术支撑，可服务于测绘、土地规划、自然资源调查、军事等领域。
附图说明
图1为本发明所述的一种适用于高分辨率遥感影像的几何精校正方法的流程图；
图2为以滑动窗口方式截取参考底图得至
Figure BDA0003207832930000042
示意图；
图3为原始遥感影像效果图；
图4为DCT变换后的结果影像效果图；
图5为哈希指纹示意图；
图6为分块进行傅里叶梅林变换与匹配同名点的原理图；
图7为原始影像与参考底图的效果图；
图8为几何精校正后的影像与参考底图的效果图。
具体实施方式
结合图1至图8说明本实施方式，一种适用于高分辨率遥感影像的几何精校正方法，该方法具体由以下步骤实现：
(1)设待处理影像为IIn，根据IIn的RPC系数，计算IIn的坐标最大值、最小值范围，并根据可能的最大定位误差，将IIn的坐标范围由中心向外扩大，扩大后范围的东西向、南北向长度分别为WRef、HRef，横坐标最大值为
Figure BDA0003207832930000051
最小值为
Figure BDA0003207832930000052
纵坐标最大值为
Figure BDA0003207832930000053
最小值为
Figure BDA0003207832930000054
获取此范围内的参考底图IRef；
(2)设待处理影像IIn的东西向、南北向长度分别为WIn、HIn。对IRef取滑动窗口，每次在东西向滑动的距离为0.1WIn，南北向滑动的距离为0.1HIn，滑动窗口的大小与IIn相同(如图2所示)，因此滑动窗口的横坐标最大值为
Figure BDA0003207832930000055
最小值为
Figure BDA0003207832930000056
(其中i表示由西向东滑动的次数)，纵坐标最大值为
Figure BDA0003207832930000057
最小值为
Figure BDA0003207832930000058
(其中j表示由南向北滑动的次数)。获取滑动窗口中的参考底图，记为
Figure BDA0003207832930000059
(3)采用感知哈希算法计算IIn与
Figure BDA00032078329300000510
各自的哈希指纹，具体实现方法如下。将IIn与
Figure BDA00032078329300000511
降采样至500×500像素，若影像包含多个波段则按照公式(1)将其转为灰度影像(其中Gray表示灰度影像，R、G、B依次表示红、绿、蓝波段)，目的是减少计算量；
Gray＝0.299R+0.587G+0.114B (1)
对降采样与灰度化后的IIn与
Figure BDA00032078329300000512
进行DCT变换，将图像变换至频率域。原始遥感影像如图3所示，DCT变换后的结果如图4所示；
由于影像的大多数能量都集中在低频部分，因此截取DCT变换后结果影像的左上角20×20像素区域，该区域包含了影像的低频信息。对左上角20×20像素区域计算像素值的均值，以均值作为阈值对该区域进行二值化，若大于均值记为1，小于均值记为0，可以得到400位的哈希指纹，如图5所示(白色表示1，黑色表示0)。IIn与
Figure BDA00032078329300000513
的哈希指纹描述了各自的影像低频信息，并且以均值作为阈值进行二值化，可以消除光照、色彩差异造成的影响；
(4)统计IIn与所有
Figure BDA0003207832930000061
的哈希指纹之间的汉明距离，选择汉明距离的目的是可以通过位运算提升速度。取汉明距离最小的
Figure BDA0003207832930000062
东西各向外扩大0.1WIn，南北各向外扩大0.1HIn，以此范围截取参考底图，记为
Figure BDA0003207832930000063
截取部分参考底图的目的是为了降低内存开销。
Figure BDA0003207832930000064
的中心点地理坐标记为
Figure BDA0003207832930000065
IIn的中心点地理坐标记为
Figure BDA0003207832930000066
(5)以分块的方式，利用傅里叶梅林变换对IIn与
Figure BDA0003207832930000067
进行匹配，该方法可以在影像之间存在地物差异、光照与色彩差异等情况下，取得稳定和精确的匹配效果，分块的目的是为了降低内存开销，并且使得程序可以并行，提升运行速度。具体实现步骤如下：
将IIn重采样至与
Figure BDA0003207832930000068
相同的分辨率，目的是提升匹配结果的准确性。将重采样后的IIn分成10×10块，将每块的中心点地理坐标记为
Figure BDA0003207832930000069
其中m＝1，2，...10，k＝1，2，...10；
将IIn、
Figure BDA00032078329300000610
的中心点地理坐标之间的差值视为两张影像之间大致的坐标偏移量，可计算
Figure BDA00032078329300000611
对应的在
Figure BDA00032078329300000612
上可能的同名点的地理坐标
Figure BDA00032078329300000613
公式如下：
Figure BDA00032078329300000614
以
Figure BDA00032078329300000615
为中心，按照与单个分块相同的大小，在
Figure BDA00032078329300000616
上截取一块影像，如图6所示。
对
Figure BDA00032078329300000617
与
Figure BDA00032078329300000618
听对应的这两块影像，进行傅里叶梅林变换。本方法在首次相位相关操作，计算旋转角度与尺度系数时，将尺度系数的阈值设为1.6，若大于该阈值则认为匹配失败；在第二次相位相关操作，计算坐标平移量时，响应阈值设为0.08，若小于该阈值则认为匹配失败；
获取匹配得到的同名点，即
Figure BDA0003207832930000071
所对应的在
Figure BDA0003207832930000072
上的同名点
Figure BDA0003207832930000073
若同名点对的数量不足10个，则认为匹配失败，结束几何精校正；若同名点对的数量超过25个，则对这些同名点对按照响应值从大到小排序取前25个匹配点对作为最终的匹配结果；
(6)根据同名点对，求解二阶多项式的参数，公式如下：
Figure BDA0003207832930000074
然后利用常规的间接法与双线性插值对原始图像重采样，从而实现图像的几何精校正，原始影像与几何精校正的结果如图7、图8所示，其中彩色影像表示参考底图，灰度影像表示几何精校正前后的影像。由处理结果可见，本发明可以有效地对高分辨率遥感影像进行几何精校正。
本实施方式的中，以滑动窗口的方式，利用感知哈希算法，估计待处理影像与参考底图之间的粗略坐标偏移，大大减少了同名点匹配过程中的冗余计算。本实施方式根据大量实验得到了适合高分辨率遥感影像的阈值，例如滑动窗口尺寸(WIn、HIn)、每次滑动的距离(0.1WIn、0.1HIn)、对影像先降采样至500×500像素再进行DCT变换、截取DCT变换结果左上角区域大小(20×20像素)。
本实施方式中，以分块的方式，利用傅里叶梅林变换，对待处理影像与参考底图进行同名点匹配，可以在影像之间存在地物差异、光照与色彩差异等情况下，取得稳定和精确的匹配效果。
本实施方式中，根据感知哈希算法估计的待处理影像与参考底图之间的粗略坐标偏移，找到待处理影像IIn的每个分块在参考影像
Figure BDA0003207832930000075
上对应的区域，计算傅里叶梅林变换。本实施方式根据大量实验，得到了适合高分辨率遥感影像的阈值，如在傅里叶梅林变换中，首次相位相关操作的尺度系数的阈值设为不超过1.6，第二次相位相关操作的响应阈值设为不低于0.08，对于匹配得到的同名点，按照响应值从大到小排序取前25个匹配点对作为最终的匹配结果。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (4)

1.一种适用于高分辨率遥感影像的几何精校正方法，其特征是：该方法由以下步骤实现：
步骤一、设定待处理影像为IIn，根据所述待处理影像IIn的RPC系数，计算待处理影像IIn的坐标最大值、最小值，并根据最大定位误差，将待处理影像IIn的坐标范围由中心向外扩大，扩大后范围的东西向长度为WRef，南北向长度为HRef，横坐标最大值为
Figure FDA0003207832920000011
最小值为
Figure FDA0003207832920000012
纵坐标最大值为
Figure FDA0003207832920000013
最小值为
Figure FDA0003207832920000014
获取所述扩大范围内的参考底图IRef；
步骤二、设定所述待处理影像IIn的东西向长度为WIn，南北向长度为HIn，对步骤一获得的参考底图IRef取滑动窗口，每次在东西向滑动的距离为0.1WIn，南北向滑动的距离为0.1HIn，滑动窗口的大小与待处理影像IIn的大小相同，则所述滑动窗口的横坐标最大值为
Figure FDA0003207832920000015
最小值为
Figure FDA0003207832920000016
所述i为由西向东滑动的次数；纵坐标最大值为
Figure FDA0003207832920000017
最小值为
Figure FDA0003207832920000018
所述j表示由南向北滑动的次数；获取滑动窗口中的参考底图
Figure FDA0003207832920000019
步骤三、采用感知哈希算法，分别计算待处理影像IIn与滑动窗口中的参考底图
Figure FDA00032078329200000110
的哈希指纹，并统计待处理影像IIn与所有滑动窗口中的参考底图
Figure FDA00032078329200000111
的哈希指纹之间的汉明距离；
步骤四、取步骤三中获得的汉明距离最小的滑动窗口中的参考底图
Figure FDA00032078329200000112
并将东西各向外扩大0.1WIn，南北各向外扩大0.1HIn，以此范围截取参考底图，记为
Figure FDA00032078329200000113
所述
Figure FDA00032078329200000114
的中心点地理坐标记为
Figure FDA00032078329200000115
待处理影像IIn的中心点地理坐标记为
Figure FDA00032078329200000116
步骤五、以分块的方式，利用傅里叶梅林变换对待处理影像IIn与所述截取参考底图
Figure FDA00032078329200000117
进行匹配，具体实现步骤如下：
步骤五一、将待处理影像IIn重采样至与截取参考底图
Figure FDA0003207832920000021
相同的分辨率，将重采样后的待处理影像IIn分成10×10块，将每块的中心点地理坐标记为
Figure FDA0003207832920000022
其中m＝1,2,…10，k＝1,2,…10；
步骤五二、将待处理影像IIn和截取参考底图
Figure FDA0003207832920000023
的中心点地理坐标之间的差值作为两张影像之间的坐标偏移量，计算
Figure FDA0003207832920000024
对应的在所述截取参考底图
Figure FDA0003207832920000025
上的同名点的地理坐标
Figure FDA0003207832920000026
公式如下：
Figure FDA0003207832920000027
以
Figure FDA0003207832920000028
为中心，按照与步骤五一中单个分块相同的大小，在所述截取参考底图
Figure FDA0003207832920000029
上截取一块影像；
步骤五三、对
Figure FDA00032078329200000210
与
Figure FDA00032078329200000211
所对应的两块影像，进行傅里叶梅林变换，获取匹配得到的同名点，即
Figure FDA00032078329200000212
所对应的在截取参考底图
Figure FDA00032078329200000213
上的同名点对
Figure FDA00032078329200000214
步骤五四、判断同名点对的数量是否大于等于10个，如果是，执行步骤六；如果否，则认为匹配失败；
步骤六、根据同名点对，求解二阶多项式的参数，公式如下：
Figure FDA00032078329200000215
然后采用间接法与双线性插值对IIn重采样，实现图像的几何精校正。
2.根据权利要求1所述的一种适用于高分辨率遥感影像的几何精校正方法，其特征在于：步骤三中，计算哈希指纹的具体实现方法为：
步骤三一、将待处理影像IIn与滑动窗口中的参考底图
Figure FDA00032078329200000216
降采样至500×500像素，若影像包含多个波段，则采用下式将其转为灰度影像
Gray＝0.299R+0.587G+0.114B
式中，Gray表示灰度影像，R、G、B依次表示红、绿、蓝波段；
步骤三二、对降采样与灰度化后的待处理影像IIn与滑动窗口中的参考底图
Figure FDA0003207832920000031
进行DCT变换，将图像变换至频率域；
步骤三三、截取DCT变换后结果影像的左上角20×20像素区域，并对所述左上角20×20像素区域计算像素值的均值，以所述均值作为阈值对该区域进行二值化，若二值化后的结果大于均值记为1，小于均值记为0，获得400位的哈希指纹。
3.根据权利要求1所述的一种适用于高分辨率遥感影像的几何精校正方法，其特征在于：步骤五三中，进行傅里叶梅林变换，获得匹配的同名点；其中，进行首次相位相关操作，计算旋转角度与尺度系数时，将尺度系数的阈值设为1.6，若大于该阈值则认为匹配失败；在第二次相位相关操作中，计算坐标平移量时，响应阈值设为0.08，若小于该阈值则认为匹配失败。
4.根据权利要求1所述的一种适用于高分辨率遥感影像的几何精校正方法，其特征在于：步骤五四中，若同名点对的数量超过25个，则对所述同名点对按照响应值从大到小排序，取前25个匹配点对作为最终的匹配结果。
CN202110922255.3A 2021-08-12 2021-08-12 一种适用于高分辨率遥感影像的几何精校正方法 Active CN113592744B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110922255.3A CN113592744B (zh) 2021-08-12 2021-08-12 一种适用于高分辨率遥感影像的几何精校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110922255.3A CN113592744B (zh) 2021-08-12 2021-08-12 一种适用于高分辨率遥感影像的几何精校正方法

Publications (2)

Publication Number Publication Date
CN113592744A true CN113592744A (zh) 2021-11-02
CN113592744B CN113592744B (zh) 2024-03-19

Family

ID=78257403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110922255.3A Active CN113592744B (zh) 2021-08-12 2021-08-12 一种适用于高分辨率遥感影像的几何精校正方法

Country Status (1)

Country Link
CN (1) CN113592744B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117367331A (zh) * 2023-12-04 2024-01-09 山西阳光三极科技股份有限公司 一种矿区地表形变的雷达监测方法、装置以及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150304527A1 (en) * 2014-04-18 2015-10-22 Altek Semiconductor Corporation Lens distortion correction method
CN111104872A (zh) * 2019-11-29 2020-05-05 兰州交通大学 一种运用sift和svd感知哈希的gf-2影像完整性认证方法
CN111291016A (zh) * 2020-02-19 2020-06-16 江苏易图地理信息科技股份有限公司 一种海量遥感影像数据分层混合存储与索引方法
CN112419350A (zh) * 2020-11-20 2021-02-26 武汉大学 基于地物边界信息的遥感影像自动化几何配准方法及系统
CN112687282A (zh) * 2020-12-02 2021-04-20 四川大学 一种基于指纹图像感知哈希的语音源跟踪方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150304527A1 (en) * 2014-04-18 2015-10-22 Altek Semiconductor Corporation Lens distortion correction method
CN111104872A (zh) * 2019-11-29 2020-05-05 兰州交通大学 一种运用sift和svd感知哈希的gf-2影像完整性认证方法
CN111291016A (zh) * 2020-02-19 2020-06-16 江苏易图地理信息科技股份有限公司 一种海量遥感影像数据分层混合存储与索引方法
CN112419350A (zh) * 2020-11-20 2021-02-26 武汉大学 基于地物边界信息的遥感影像自动化几何配准方法及系统
CN112687282A (zh) * 2020-12-02 2021-04-20 四川大学 一种基于指纹图像感知哈希的语音源跟踪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
丁凯孟;朱长青;卢付强;: "基于自适应格网划分的遥感影像感知哈希认证算法", 武汉大学学报(信息科学版), no. 06, 5 June 2015 (2015-06-05) *
周李乾;: "城市高分辨率卫星影像几何校正技术研究", 智能建筑与智慧城市, no. 08, 19 August 2020 (2020-08-19) *
陈尔学;李增元;田昕;李世明;: "尺度不变特征变换法在SAR影像匹配中的应用", 自动化学报, no. 08, 15 August 2008 (2008-08-15) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117367331A (zh) * 2023-12-04 2024-01-09 山西阳光三极科技股份有限公司 一种矿区地表形变的雷达监测方法、装置以及电子设备
CN117367331B (zh) * 2023-12-04 2024-03-12 山西阳光三极科技股份有限公司 一种矿区地表形变的雷达监测方法、装置以及电子设备

Also Published As

Publication number Publication date
CN113592744B (zh) 2024-03-19

Similar Documents

Publication Publication Date Title
CN109523585B (zh) 一种基于方向相位一致性的多源遥感影像特征匹配方法
CN108364279B (zh) 确定静止轨道遥感卫星指向偏差的方法
CN104574347A (zh) 基于多源遥感数据的在轨卫星图像几何定位精度评价方法
CN107403410B (zh) 一种热红外图像的拼接方法
CN108564532B (zh) 大尺度地距星载sar图像镶嵌方法
CN111768337B (zh) 一种图像处理方法、装置和电子设备
CN110569861A (zh) 一种基于点特征和轮廓特征融合的图像匹配定位方法
Gonçalves et al. CHAIR: Automatic image registration based on correlation and Hough transform
CN112907493A (zh) 无人机蜂群协同侦察下的多源战场图像快速镶嵌融合算法
CN114549871A (zh) 一种无人机航拍图像与卫星影像匹配方法
CN109658446B (zh) 一种高分辨率遥感影像几何配准方法及装置
CN113592744A (zh) 一种适用于高分辨率遥感影像的几何精校正方法
CN115330619A (zh) 适用于高分辨率遥感影像的局部几何精校正方法
CN107516291B (zh) 夜景影像正射纠正处理方法
CN110246169B (zh) 一种基于梯度的窗口自适应立体匹配方法及系统
CN111145231A (zh) 遥感图像的波段偏移确定方法、装置和电子设备
CN113379854B (zh) 相机图像融合方法及相机图像融合系统
CN112017108B (zh) 基于独立模型法平差的卫星影像颜色相对校正方法
CN114004870A (zh) 一种利用光学正射图像的无人机sar图像地理编码方法
CN105528760A (zh) 一种基于热红外数据的云边缘高度匹配方法和系统
CN110608723A (zh) 一种基于fpga的实时遥感影像地理参考方法
CN111899183A (zh) 一种基于地理定位数据的遥感图像几何精校正方法
RU2768219C1 (ru) Способ идентификации опорных точек на космических изображениях местности при отсутствии параметров географической привязки
CN115830087B (zh) 一种针对平移运动连续帧影像集的批量化快速配准方法
CN115877420B (zh) 一种基于静止卫星的定位方法、系统、电子设备及介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Country or region after: China

Address after: No. 1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province

Applicant after: Changguang Satellite Technology Co.,Ltd.

Address before: 130032 no.1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province

Applicant before: CHANG GUANG SATELLITE TECHNOLOGY Co.,Ltd.

Country or region before: China

GR01 Patent grant
GR01 Patent grant