CN113643369A - 针对遥感影像的定位信息校正方法 - Google Patents
针对遥感影像的定位信息校正方法 Download PDFInfo
- Publication number
- CN113643369A CN113643369A CN202110936285.XA CN202110936285A CN113643369A CN 113643369 A CN113643369 A CN 113643369A CN 202110936285 A CN202110936285 A CN 202110936285A CN 113643369 A CN113643369 A CN 113643369A
- Authority
- CN
- China
- Prior art keywords
- information
- feature
- data
- image
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种针对遥感影像的定位信息校正方法,包括:依据待处理影像选取基准影像;提取所述基准影像的第一属性信息以及第一特征信息;根据所述第一属性信息以及第一特征信息建立基准特征数据,将所述基准特征数据保存在数据库中构建基准特征数据库;提取待处理影像的第二属性信息以及第二特征信息,并将所述第二属性信息以及第二特征信息和所述基准特征数据库进行匹配,得到匹配数据;基于匹配数据获取定位信息。
Description
技术领域
本发明涉及卫星遥感平台影像处理技术领域,尤其是一种针对遥感影像的定位信息校正方法。
背景技术
卫星遥感平台正朝着低成本、小型化、高重访的方向发展,极大地增加了获取地面目标遥感影像的数据量。但是,卫星平台的低成本和小型化也不可避免地降低了获取影像的几何定位精度。针对海量遥感数据几何定位精度不足的情况,需要通过地面控制信息实现遥感影像的快速高精度制图,这对遥感影像的自动化快速制图提出了越来越高的要求。
遥感影像的自动化快速制图多采用基准影像作为地面控制底图,通过自动匹配方法得到待处理影像对应的控制信息。然而,现有的遥感影像制图方法存在以下的缺点:
(1)作为控制底图的遥感影像或者矢量数据都是非结构化的数据,在大数据量情况下不便于存储、管理和查询,因此,会降低遥感影像制图效率。
(2)遥感影像或者矢量数据的数据量普遍较大,基础数据存储需要占据大量空间,而且遥感影像或者矢量数据读取过程也会降低遥感影像制图效率。
(3)高质量遥感影像制图需要高精度的遥感影像或者矢量数据作为控制底图,但是高精度的遥感影像或者矢量数据是保密数据,无法在公开环境中大范围部署。
综上所述,现有遥感影像制图方法基于控制影像或者矢量数据保证制图几何精度,但存在占用大量存储空间、大数据量基准数据管理查询困难以及处理实效性低的问题。
发明内容
针对于现有的技术问题,本发明提供一种针对遥感影像的定位信息校正方法,用于至少部分解决以上技术问题。
本发明实施例提供一种针对遥感影像的定位信息校正方法,包括:依据待处理影像选取基准影像;提取所述基准影像的第一属性信息以及第一特征信息;根据所述第一属性信息以及第一特征信息建立基准特征数据,将所述基准特征数据保存在数据库中构建基准特征数据库;提取待处理影像的第二属性信息以及第二特征信息,并将所述第二属性信息以及第二特征信息和所述基准特征数据库进行匹配,得到匹配数据;基于匹配数据获取定位信息。
根据本公开的实施例,依据待处理影像选取基准影像,包括:所述基准影像的覆盖范围包括所述待处理影像的全部区域;所述基准影像的定位精度高于所述待处理影像。
根据本公开的实施例,所述第一属性信息,包括:拍摄时间、分辨率以及定位精度。
根据本公开的实施例,所述第一特征信息包括:尺寸不变特征变换特征;
提取所述尺寸不变特征变换特征,包括:尺度空间的极值点检测;将所述极值点中的不稳定点剔除,其余所述极值点作为特征点;根据所述特征点确定特征点主方向;根据所述特征点主方向生成特征描述子。
根据本公开的实施例,所述特征信息,还包括:所述特征点的经度、纬度、描述范围以及响应强度。
根据本公开的实施例,根据所述第一属性信息以及第一特征信息建立基准特征数据,将所述基准特征数据保存在数据库中构建基准特征数据库,包括:将每个所述第一属性信息和每个所述第一特征信息建立联系形成结构化数据;
其中,将所述基准特征数据保存在数据库中构建基准特征数据库,包括:每个所述结构化数据作为一条所述基准特征数据,将每条所述基准特征数据整合生成数据库表。
根据本公开的实施例,所述待处理影像的第二属性信息以及第二特征信息为所述基准特征数据中包含的信息。
根据本公开的实施例,提取待处理影像的第二属性信息以及第二特征信息,并将所述第二属性信息以及第二特征信息和所述基准特征数据库进行匹配,包括:将所述属性信息以及所述特征信息分别与所述基准特征数据库进行匹配,得到两个匹配数据组;将两个所述匹配数据组中重合的数据作为匹配数据。
根据本公开的实施例,提取待处理影像的第二属性信息以及第二特征信息,并将所述第二属性信息以及第二特征信息和所述基准特征数据库进行匹配,还包括:将所述属性信息作为筛选条件在所述基准特征数据库进行筛选,得到筛选数据组;将所述特征信息作为匹配条件,在所述筛选数据组中得到匹配数据。
根据本公开的实施例,基于匹配数据获取定位信息,包括:查询所述匹配数据中包含和/或对应的定位信息。
本发明中提供一种针对遥感影像的定位信息校正方法。上述校正方法中以基准影像中提取的第一属性信息和第一特征信息形成结构化数据,建立基准特征数据库。以由待识别影像提取的第二属性信息和第二特征信息作为匹配条件在基准特征数据库中进行匹配。这样,有效地降低了基准特征数据的存储空间。
附图说明
图1是根据本发明的一种示例性实施例的定位信息校正方法的流程图;
图2是根据本发明的一种示例性实施例的尺度空间构建步骤的示意图;
图3是根据本发明的一种示例性实施例的在尺度空间中执行极值点检测的示意图;
图4是根据本发明的一种示例性实施例的特征点主方向生成特征描述子的示意图;
图5是根据本发明的一种示例性实施例的数据库表的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
现有遥感影像制图方法基于控制影像或者矢量数据保证制图几何精度,但存在占用大量存储空间、大数据量基准数据管理查询困难以及处理实效性低的问题。
针对上述技术问题,提供一种针对遥感影像的定位信息校正方法,用以至少部分解决上述问题。
图1是根据本发明的一种示例性实施例的定位信息校正方法的流程图。
如图1所示,本发明的一种实施例的针对遥感影像的定位信息校正方法,包括:
依据待处理影像选取基准影像;
提取所述基准影像的将作为控制底图的第一属性信息、以及第一特征信息;
根据所述第一属性信息以及第一特征信息建立基准特征数据,将所述基准特征数据保存在数据库中构建基准特征数据库;
提取待处理影像的第二属性信息以及第二特征信息,并将所述第二属性信息以及第二特征信息和所述基准特征数据库进行匹配,得到匹配数据;
基于匹配数据获取定位信息。
在一种示例性实施例中,依据待处理影像选取基准影像,包括:
所述基准影像的覆盖范围包括所述待处理影像的全部区域;
所述基准影像的定位精度高于所述待处理影像。
在一种示例性实施例中,所述第一属性信息,包括:拍摄时间(t)、分辨率(r)以及定位精度(d)。
在一种示例性实施例中,所述第一特征信息,包括:尺寸不变特征变换(SIFT)特征。
在一种示例性实施例中,提取所述尺寸不变特征变换(SIFT)特征,包括:
尺度空间的极值点检测;
将所述极值点中的不稳定点剔除,其余所述极值点作为特征点;
根据所述特征点确定特征点主方向;
根据所述特征点主方向生成特征描述子。
在一种示例性实施例中,尺度空间的极值点检测,包括:
通过方差不断增大的高斯函数与图像卷积建立影像的尺度空间表达,采用下式表示:
其中,L(x,y,σ)为高斯尺度空间;I(x,y)为原图像;G(x,y,σ)为标准差为σ的高斯函数;x,y代表图像的像素位置;m,n表示高斯模板的维度;k为尺度变化量;*代表卷积运算。
图2是根据本发明的一种示例性实施例的尺度空间构建步骤的示意图。
在一种示例性实施例中,如图2所示:
将图像的尺度空间分为若干组(octave),相邻两组之间图像尺寸相差2倍。
每组分为若干层(interval),高斯函数标准差逐层递增,最底层和最高层尺度相差2倍,不同组的相同层采用相同的高斯核进行模糊。
SIFT算法采用高斯拉普拉斯算子(LoG)检测图像中的极值点,并用高斯差分尺度空间(DoG)近似,其表达式为
其中,D(x,y,σ)为高斯差分尺度空间。
图3是根据本发明的一种示例性实施例的在尺度空间中极值点检测的示意图。
在一种示例性实施例中,如图3所示:
在图像中的某个像素点不但与其附近的8个像素点比较,而且与其前一层(previous scale)的9个像素点和下一层(next scale)的9个像素点进行比较(需为同一Octave)。如果该像素点是局部极值点,即认为是一个潜在的特征点。
在一种示例性实施例中,将所述极值点中的不稳定点剔除,其余所述极值点作为特征点,包括:
在上述步骤获取的潜在的特征点中去除易受噪声影响的对比度较低的点和不易匹配的边缘点,剩余的即为特征点。
更进一步的,还可利用泰勒展开式提高特征点的定位精度。
图4是根据本发明的一种示例性实施例的特征点主方向生成特征描述子的示意图。
在一种示例性实施例中,根据所述特征点确定特征点主方向,包括:
根据特征点所在的尺度图像,选择与尺度成比例的邻域并统计其梯度方向直方图。
将梯度方向划分成36份,用像素点的梯度幅值累加其梯度方向份,幅值最大份的方向为邻域主方向。
根据特征点的主方向,旋转邻域到水平方向,并统计其分块梯度方向直方图。
将邻域划成4×4子块,将梯度方向划成8份,如图4所示,(仅显示了2×2子块),统计每块的梯度方向直方图,连接得到128维描述子。采用4×4子块的划分增强了描述子的区分力。
在一种示例性实施例中,在计算分块梯度方向直方图时,对整个区域高斯加权,同时采用双线性插值的方法,每个像素点的梯度以一定的权重划分到邻近的4个子块和2个方向中。这样的实施方式大大提高了应对微小形变的能力,增强了描述子的鲁棒性(Robustness)。描述子利用梯度信息,消除了亮度变化的影响;对整个描述子归一化,消除了对比度变化的影响。非线性灰度变化对梯度幅值影响较大,但对方向影响较小,故抑制直方图中梯度幅值较大的点,增强了应对非线性灰度变化的鲁棒性。
在一种示例性实施例中,上述的特征提取和描述方法可以使用Harris角点、SURF特征、BRIEF特征、ORB特征、BRISK特征等,只要采用基准影像中提取的基准特征信息构建基准特征数据库的方法,即属于本发明权利保护范围。
图5是根据本发明的一种示例性实施例的数据库表的示意图。
在一种示例性实施例中,所述特征信息,还包括:所述特征点的经度、纬度、描述范围以及响应强度。
在一种示例性实施例中,根据所述第一属性信息以及第一特征信息建立基准特征数据,将所述基准特征数据保存在数据库中构建基准特征数据库,包括:
将每个所述第一属性信息和每个所述第一特征信息建立联系形成结构化数据;其中,将所述基准特征数据保存在数据库中构建基准特征数据库,包括:每个所述结构化数据作为一条所述基准特征数据,将每条所述基准特征数据整合生成数据库表。
所述基准特征数据包括但不限于如图5所示的内容,比如还可以包括操作人、更新时间等信息,只要是采用基准影像中提取的基准特征信息构建基准特征数据库的方法。
在一种示例性实施例中,所述待处理影像的第二属性信息以及第二特征信息为所述基准特征数据中包含的信息。
在一种示例性实施例中,提取待处理影像的第二属性信息以及第二特征信息,并将所述第二属性信息以及第二特征信息和所述基准特征数据库进行匹配,包括:
将所述属性信息以及所述特征信息分别与所述基准特征数据库进行匹配,得到两个匹配数据组;将两个所述匹配数据组中重合的数据作为匹配数据。
在一种示例性实施例中,提取待处理影像的第二属性信息以及第二特征信息,并将所述第二属性信息以及第二特征信息和所述基准特征数据库进行匹配,还包括:
将所述属性信息作为筛选条件在所述基准特征数据库进行筛选,得到筛选数据组;将所述特征信息作为匹配条件,在所述筛选数据组中得到匹配数据。
在一种示例性实施例中,其中,基于匹配数据获取定位信息,包括:查询所述匹配数据中包含和/或对应的定位信息。
本发明中提供一种针对遥感影像的定位信息校正方法。上述校正方法中以基准影像中提取的第一属性信息和第一特征信息形成结构化数据,建立基准特征数据库。以由待识别影像提取的第二属性信息和第二特征信息作为匹配条件在基准特征数据库中进行匹配。这样,有效地降低了基准特征数据的存储空间。另外,采用结构化的数据精准制图可减少基准影像对外公布的机会,具有较好的保密性;并且,在对定位信息进行匹配过程中也减少了对基准影像的反复读取和特征提取的过程,可有效提升后续的制图效率;更进一步的,利用结构化的基准特征数据还可实现信息的多维度(如时间、空间、分别率及尺度等)统一管理,有利于提升管理和操作的便利性。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种针对遥感影像的定位信息校正方法,包括:
依据待处理影像选取基准影像;
提取所述基准影像的第一属性信息以及第一特征信息;
根据所述第一属性信息以及第一特征信息建立基准特征数据,将所述基准特征数据保存在数据库中构建基准特征数据库;
提取待处理影像的第二属性信息以及第二特征信息,并将所述第二属性信息以及第二特征信息和所述基准特征数据库进行匹配,得到匹配数据;
基于匹配数据获取定位信息。
2.根据权利要求1所述的定位信息校正方法,其中,依据待处理影像选取基准影像,包括:
所述基准影像的覆盖范围包括所述待处理影像的全部区域;
所述基准影像的定位精度高于所述待处理影像。
3.根据权利要求1所述的定位信息校正方法,其中,所述第一属性信息,包括:
拍摄时间、分辨率以及定位精度。
4.根据权利要求1所述的定位信息校正方法,其中,
所述第一特征信息包括:
尺寸不变特征变换特征;
提取所述尺寸不变特征变换特征,包括:
尺度空间的极值点检测;
将所述极值点中的不稳定点剔除,其余所述极值点作为特征点;
根据所述特征点确定特征点主方向;
根据所述特征点主方向生成特征描述子。
5.根据权利要求4所述的定位信息校正方法,所述特征信息,还包括:
所述特征点的经度、纬度、描述范围以及响应强度。
6.根据权利要求1所述的定位信息校正方法,其中,根据所述第一属性信息以及第一特征信息建立基准特征数据,将所述基准特征数据保存在数据库中构建基准特征数据库,包括:
将每个所述第一属性信息和每个所述第一特征信息建立联系形成结构化数据;
其中,将所述基准特征数据保存在数据库中构建基准特征数据库,包括:
每个所述结构化数据作为一条所述基准特征数据,将每条所述基准特征数据整合生成数据库表。
7.根据权利要求1所述的定位信息校正方法,其中,
所述待处理影像的第二属性信息以及第二特征信息为所述基准特征数据中包含的信息。
8.根据权利要求7所述的定位信息校正方法,其中,提取待处理影像的第二属性信息以及第二特征信息,并将所述第二属性信息以及第二特征信息和所述基准特征数据库进行匹配,包括:
将所述属性信息以及所述特征信息分别与所述基准特征数据库进行匹配,得到两个匹配数据组;
将两个所述匹配数据组中重合的数据作为匹配数据。
9.根据权利要求7所述的定位信息校正方法,其中,提取待处理影像的第二属性信息以及第二特征信息,并将所述第二属性信息以及第二特征信息和所述基准特征数据库进行匹配,还包括:
将所述属性信息作为筛选条件在所述基准特征数据库进行筛选,得到筛选数据组;
将所述特征信息作为匹配条件,在所述筛选数据组中得到匹配数据。
10.根据权利要求1所述的定位信息校正方法,其中,基于匹配数据获取定位信息,包括:
查询所述匹配数据中包含和/或对应的定位信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110936285.XA CN113643369A (zh) | 2021-08-16 | 2021-08-16 | 针对遥感影像的定位信息校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110936285.XA CN113643369A (zh) | 2021-08-16 | 2021-08-16 | 针对遥感影像的定位信息校正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113643369A true CN113643369A (zh) | 2021-11-12 |
Family
ID=78421942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110936285.XA Pending CN113643369A (zh) | 2021-08-16 | 2021-08-16 | 针对遥感影像的定位信息校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113643369A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115019198A (zh) * | 2022-08-08 | 2022-09-06 | 中国科学院空天信息创新研究院 | 高频次遥感观测影像迭代更新制图方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722731A (zh) * | 2012-05-28 | 2012-10-10 | 南京航空航天大学 | 一种基于改进sift算法的高效图像匹配方法 |
CN103337052A (zh) * | 2013-04-17 | 2013-10-02 | 国家测绘地理信息局卫星测绘应用中心 | 面向宽幅遥感影像的自动几何纠正方法 |
CN104778679A (zh) * | 2014-12-22 | 2015-07-15 | 中国科学院遥感与数字地球研究所 | 一种基于高分一号卫星数据的控制点图元快速匹配方法 |
CN107341781A (zh) * | 2017-07-20 | 2017-11-10 | 中国科学院电子学研究所 | 基于改进相位一致性特征矢量底图匹配的sar影像校正方法 |
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 |
CN112509042A (zh) * | 2020-11-27 | 2021-03-16 | 西安中科星图空间数据技术有限公司 | 一种基于星上控制点库的实时定位方法、装置及存储介质 |
-
2021
- 2021-08-16 CN CN202110936285.XA patent/CN113643369A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722731A (zh) * | 2012-05-28 | 2012-10-10 | 南京航空航天大学 | 一种基于改进sift算法的高效图像匹配方法 |
CN103337052A (zh) * | 2013-04-17 | 2013-10-02 | 国家测绘地理信息局卫星测绘应用中心 | 面向宽幅遥感影像的自动几何纠正方法 |
CN104778679A (zh) * | 2014-12-22 | 2015-07-15 | 中国科学院遥感与数字地球研究所 | 一种基于高分一号卫星数据的控制点图元快速匹配方法 |
CN107341781A (zh) * | 2017-07-20 | 2017-11-10 | 中国科学院电子学研究所 | 基于改进相位一致性特征矢量底图匹配的sar影像校正方法 |
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 |
CN112509042A (zh) * | 2020-11-27 | 2021-03-16 | 西安中科星图空间数据技术有限公司 | 一种基于星上控制点库的实时定位方法、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
葛毓欢: "基于点特征和局部结构信息的遥感图像配准", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115019198A (zh) * | 2022-08-08 | 2022-09-06 | 中国科学院空天信息创新研究院 | 高频次遥感观测影像迭代更新制图方法 |
CN115019198B (zh) * | 2022-08-08 | 2022-10-18 | 中国科学院空天信息创新研究院 | 高频次遥感观测影像迭代更新制图方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10803554B2 (en) | Image processing method and device | |
US9530073B2 (en) | Efficient descriptor extraction over multiple levels of an image scale space | |
Zhou et al. | A coarse-to-fine subpixel registration method to recover local perspective deformation in the application of image super-resolution | |
CN109784250B (zh) | 自动引导小车的定位方法和装置 | |
CN102782708A (zh) | 用于图像辨识的描述符小块的快速子空间投影 | |
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 | |
CN109712071B (zh) | 基于航迹约束的无人机图像拼接与定位方法 | |
JP2011508323A (ja) | 不変の視覚場面及び物体の認識 | |
US8218892B2 (en) | Visual object detection | |
CN111914921A (zh) | 一种基于多特征融合的相似性图像检索方法及系统 | |
Lee et al. | Accurate registration using adaptive block processing for multispectral images | |
KR101182683B1 (ko) | 시각적 형상 디스크립터 생성 방법 및 그 기록매체 | |
CN112270719A (zh) | 相机标定方法、装置及系统 | |
CN113313002A (zh) | 一种基于神经网络的多模态遥感影像特征提取方法 | |
CN114155285B (zh) | 基于灰度直方图的图像配准方法 | |
WO2022062853A1 (zh) | 遥感图像的配准方法、装置、设备、存储介质及系统 | |
CN113643369A (zh) | 针对遥感影像的定位信息校正方法 | |
CN116206139A (zh) | 一种基于局部自卷积的无人机图像升尺度匹配方法 | |
CN116091998A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
Wu et al. | An accurate feature point matching algorithm for automatic remote sensing image registration | |
CN114255398A (zh) | 一种卫星视频图像的特征提取与匹配的方法及装置 | |
CN113223033A (zh) | 基于图像融合的家禽体温检测方法、设备以及介质 | |
CN112184776A (zh) | 一种目标跟踪方法、装置及存储介质 | |
CN111239740A (zh) | 一种去除射线噪声的方法及设备 | |
CN116485858B (zh) | 基于多尺度跨模态邻域描述子的异源图像配准方法及装置 |
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 |