CN114004770B - 一种卫星时空图的精校正方法、装置及存储介质 - Google Patents

Abstract

本申请提供一种卫星时空图的精校正方法、装置及存储介质。该精校正方法包括：获取待校正遥感影像和基准遥感影像；所述待校正遥感影像和所述基准遥感影像的分辨率相同；对所述待校正遥感影像和所述基准遥感影像分别作预处理，获得预处理后的待校正遥感影像和预处理后的基准遥感影像；所述预处理包括模糊处理和边缘增强处理；分别确定所述预处理后的待校正遥感影像和所述预处理后的基准遥感影像中的特征点；将所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点进行特征点匹配，获得精校正后的遥感影像。该精校正方法用以提高遥感影像的校正效率和校正精度。

Description

一种卫星时空图的精校正方法、装置及存储介质

技术领域

本申请涉及影像处理领域，具体而言，涉及一种卫星时空图的精校正方法、装置及存储介质。

背景技术

遥感图像校正是一种不同分辨率、不同传感器、不同成像时间、不同拍摄角度以及不同成像条件的多幅遥感影像进行叠加和匹配的过程。

对于灰度信息的校正，由于光照条件与图像噪声对校正结果影像较大，且灰度信息作为一种整体信息，在影像匹配过程中运算速度较慢，导致校正效率较低；并且，校正的精度也较低；变换域信息的校正对噪声较为敏感且计算量大，适用于变化不大的低噪声遥感图像的校正；而基于图像特征的校正因其对图像缩放、旋转以及一定程度上的放射变换不变性，在图像校正领域中一直作为研究热点。

发明内容

本申请实施例的目的在于提供一种卫星时空图的精校正方法，用以提高遥感影像的校正效率和校正精度。

第一方面，本申请实施例提供一种卫星时空图的精校正方法，包括：获取待校正遥感影像和基准遥感影像；所述待校正遥感影像和所述基准遥感影像的分辨率相同；对所述待校正遥感影像和所述基准遥感影像分别作预处理，获得预处理后的待校正遥感影像和预处理后的基准遥感影像；所述预处理包括模糊处理和边缘增强处理；分别确定所述预处理后的待校正遥感影像和所述预处理后的基准遥感影像中的特征点；将所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点进行特征点匹配，获得精校正后的遥感影像。

在本申请实施例中，与现有技术相比，采用基于特征点的校正方法，在该精校正方法中，一方面，对待校正遥感影像和基准遥感影像均会作预处理，通过模糊处理，可以去除小纹理特征，保留大纹理特征；通过边缘增强处理，可以进一步去除小纹理特征，恢复模糊处理中可能去除的大纹理特征；进而，预处理可实现保留大尺度纹理特征，而尽量忽略小尺度纹理特征（如噪声，山体阴影等）的影响，以此来减少特征点的筛选次数和计算量。基于去除噪声后的影像，能够更快速，且更准确的确定特征点，进而基于特征点实现遥感影像的校正。因此，该精校正方法在提高校正效率的同时，提高了校正精度。

作为一种可能的实现方式，在所述获取待校正遥感影像和基准遥感影像之前，所述精校正方法还包括：获取初始的待校正遥感影像和所述基准遥感影像；所述初始的待校正遥感影像的分辨率与所述基准遥感影像不相同；基于所述基准遥感影像的分辨率，对所述初始的待校正遥感影像进行重采样处理，获得所述待校正遥感影像。

在本申请实施例中，如果初始的待校正遥感影像的分辨率与基准遥感影像不同，则通过重采样的方式，使两者分辨率保持一致，以便于后续的校正。

作为一种可能的实现方式，所述精校正方法还包括：基于所述初始的待校正遥感影像的分辨率，对所述校正后的遥感影像进行重采样处理，以使所述校正后的遥感影像的分辨率和所述初始的待校正遥感影像的分辨率相同。

在本申请实施例中，在最终完成影像的校正之后，将影像重采样至最初的分辨率，以使校正后的影像的分辨率与初始的影像的分辨率一致。

作为一种可能的实现方式，所述对所述待校正遥感影像和所述基准遥感影像分别作预处理，获得预处理后的待校正遥感影像和预处理后的基准遥感影像，包括：基于高斯滤波器对所述待校正遥感影像和所述基准遥感影像分别进行模糊处理，获得模糊处理后的待校正遥感影像和模糊处理后的基准遥感影像；基于引导滤波器对所述模糊处理后的待校正遥感影像和所述模糊处理后的基准遥感影像分别进行边缘增强处理，获得边缘增强后的待校正遥感影像和边缘增强后的基准遥感影像。

在本申请实施例中，通过高斯滤波器，实现待校正遥感影像和基准遥感影像的模糊处理；通过引导滤波器，实现待校正遥感影像和基准遥感影像的边缘增强处理。

作为一种可能的实现方式，所述分别确定所述预处理后的待校正遥感影像和所述预处理后的基准遥感影像中的特征点，包括：分别确定所述预处理后的待校正遥感影像和所述预处理后的基准遥感影像对应的高斯尺度空间；基于所述预处理后的待校正遥感影像对应的高斯尺度空间，确定所述预处理后的待校正遥感影像中的特征点，以及基于所述预处理后的基准遥感影像对应的高斯尺度空间，确定所述预处理后的基准遥感影像中的特征点。

在本申请实施例中，在确定特征点时，可以先将预处理后的待校正遥感影像和预处理后的基准遥感影像进行尺度转换，然后再基于尺度转换后的影像进行特征点的确定，最终利用确定的特征点进行图像配置，并实现更高精度的图像校正。

作为一种可能的实现方式，所述预处理后的待校正遥感影像对应的高斯尺度空间和所述预处理后的基准遥感影像对应的高斯尺度空间均为差分高斯尺度空间。

在本申请实施例中，将差分高斯尺度空间作为影像对应的高斯尺度空间，相较于普通的高斯尺度空间来说，影像的运算量更小，进而，可以提高后续的影像处理的效率。

作为一种可能的实现方式，所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点均为：大于上中下三层的M×M邻域内的预设数量的像素点的极值点；M为大于1的整数。

在本申请实施例中，通过将大于上中下三层的M×M邻域内的预设数量的像素点的极值点作为特征点，提高最终的影像校正的精度。

作为一种可能的实现方式，所述将所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点进行特征点匹配，获得校正后的遥感影像，包括：分别对所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点进行筛选，获得第一特征点和第二特征点；所述第一特征点为所述预处理后的待校正遥感影像中筛选后的特征点，所述第二特征点为所述预处理后的基准遥感影像中筛选后的特征点，所述第一特征点和所述第二特征点的局部曲率均对称；分别确定所述第一特征点和所述第二特征点的主方向；基于所述第一特征点的主方向生成所述第一特征点对应的特征描述点，以及基于所述第二特征点的主方向生成所述第二特征点对应的特征描述点；基于所述第一特征点对应的特征描述点和所述第二特征点对应的特征描述点，将所述第一特征点和所述第二特征点进行匹配，获得校正后的遥感影像。

在本申请实施例中，通过分别对预处理后的待校正遥感影像中的特征点和预处理后的基准遥感影像中的特征点进行筛选，获得第一特征点和第二特征点；然后再基于第一特征点和第二特征点分别确定对应的特征描述点；最终再进行特征点的匹配，实现遥感影像的有效校正。

作为一种可能的实现方式，低对比度的特征点的剔除过程包括：设定阈值T ，在特征点

处应用泰勒展开公式，并对泰勒展开公式求导，当

≥

时，该特征点保留，否则剔除；其中，

代表尺度空间因子；不稳定的边缘响应点的剔除过程包括：针对每个特征点，计算图像在x方向和y方向的二阶偏导，以及x方向和y方向的导数，获得矩阵

；其中，

代表图像在x方向的二阶偏导，

代表图像在y方向的二阶偏导，

代表图像在x方向和y方向的导数；设定阈值n，当

时，该特征点保留，否则剔除；所述分别确定所述第一特征点和所述第二特征点的主方向，包括：对于每一个特征点，根据所在尺度空间计算特征点对应的高斯图像：

，以特征点为中心，计算半径为6

的圆形区域内该高斯图像的角度与权重，其中，

代表尺度空间因子，角度

和权重

分别为：

,

，将圆形区域按照固定比例划分为6份，计算该区域内的加权和

,以加权和最大的扇形区域作为主方向，如果其他加权和超过主方向对应的加权和的80%，则该区域被作为辅方向；所述

为一张遥感影像中所有像素点坐标的集合，所述

为高斯函数，高斯函数的公式为

，所述

为尺度空间因子，所述

为具有不同高斯尺度空间的遥感影像中所有像素点坐标的集合，

分别为所述特征点的横、纵坐标，

为卷积运算符；每个特征点描述子包含位置信息，所在影像尺度信息和主方向信息；所述基于所述第一特征点的主方向生成所述第一特征点对应的特征描述点，以及基于所述第二特征点的主方向生成所述第二特征点对应的特征描述点，包括：将坐标轴旋转为特征点的方向，将特征点为中心，划分一个4×4大小的窗口，共将窗口内的像素分成16块子矩形；在0°~360°之间划分8个方向区间，每个方向区间区间为45°，每一个子矩形有8个方向的梯度直方图信息，共形成128维的特征向量。

在本申请实施例中，通过上述的实施方式，实现特征点的描述子的准确确定，进而实现特征点之间更精准的匹配。

第二方面，本申请实施例提供一种卫星时空图的精校正装置，包括：用于实现第一方面和第一方面的任意一种可能的实现方式中所述的卫星时空图的精校正方法的各个功能模块。

第三方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被计算机运行时，执行第一方面和第一方面的任意一种可能的实现方式中所述的卫星时空图的精校正方法。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的卫星时空图的精校正方法的流程图；

图2为本申请实施例提供的卫星时空图的精校正装置的结构示意图。

图标：200-卫星时空图的精校正装置；210-获取模块；220-处理模块。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

本申请实施例提供的技术方案可以应用于各个需要对遥感影像进行精校正的应用场景中，所涉及的遥感影像可以是不同分辨率、不同传感器、不同拍摄角度以及不同成像条件的遥感影像，即，可应用的遥感影像可以是多源的遥感影像，并且可应用的遥感影像可以为高分辨率的影像或者其他分辨率的影像。

举例来说，在地表的观测与分析中，需要对不同类型的遥感影像进行校正；因此，该技术方案可以应用于地表的观测与分析中，对遥感影像进行地物校正。

基于上述的应用场景，本申请实施例所提供的技术方案的硬件运行环境可以是校正系统、校正设备等，在此不作限定。以校正系统为例，其可以是服务器、服务器+客户端、服务器+浏览器等形式。

接下来请参照图1，为本申请实施例提供的卫星时空图的精校正方法的流程图，该精校正方法包括：

步骤110：获取待校正遥感影像和基准遥感影像。待校正遥感影像和基准遥感影像的分辨率相同。

步骤120：对待校正遥感影像和基准遥感影像分别作预处理，获得预处理后的待校正遥感影像和预处理后的基准遥感影像。预处理包括模糊处理和边缘增强处理。

步骤130：分别确定预处理后的待校正遥感影像和预处理后的基准遥感影像中的特征点。

步骤140：将预处理后的待校正遥感影像中的特征点和预处理后的基准遥感影像中的特征点进行特征点匹配，获得精校正后的遥感影像。

在本申请实施例中，与现有技术相比，采用基于特征点的精校正方法，在该精校正方法中，一方面，对待校正遥感影像和基准遥感影像均会作预处理，通过模糊处理，可以去除小纹理特征，保留大纹理特征；通过边缘增强处理，可以进一步去除小纹理特征，恢复模糊处理中可能去除的大纹理特征；进而，预处理可实现保留大尺度纹理特征，而尽量忽略小尺度纹理特征（如噪声，山体阴影等）的影响，以此来减少特征点的筛选次数和计算量。基于去除噪声后的影像，能够更快速，且更准确的确定特征点，进而基于特征点实现遥感影像的校正。因此，该精校正方法在提高校正效率的同时，提高了校正精度。

在步骤110中，获取待校正遥感影像和基准遥感影像，待校正遥感影像的数量可以是一张，也可以是多张；如果是一张，则将该待校正遥感影像进行校正即可；如果是多张，则将该多张待校正遥感影像按照相同的方式进行校正即可。

在步骤110中，待校正遥感影像和基准遥感影像的分辨率相同，但是，在实际应用中，最初所获取的待校正遥感影像的分辨率可能与基准遥感影像不一致。因此，作为一种可选的实施方式，在步骤110之前，该精校正方法还包括：获取初始的待校正遥感影像和基准遥感影像；初始的待校正遥感影像的分辨率与基准遥感影像不相同；基于基准遥感影像的分辨率，对初始的待校正遥感影像进行重采样处理，获得待校正遥感影像。

在这种实施方式中，初始的待校正遥感影像和基准遥感影像的分辨率不一致，因此，需要利用重采样的方式，将初始的待校正遥感影像采样到基准遥感影像的分辨率。

在本申请实施例中，重采样的实施方式采用本领域的成熟技术即可，在此不作详细介绍。

在本申请实施例中，如果初始的待校正遥感影像的分辨率与基准遥感影像不同，则通过重采样的方式，使两者分辨率保持一致，以便于后续的校正。

在实际应用中，如果初始的待校正遥感影像的分辨率与基准遥感影像相同，则无需对初始的待校正遥感影像的分辨率作处理，直接将其作为步骤110中的待校正遥感影像。

因此，在步骤110之前，可增加一个判断步骤，判断初始的待校正遥感影像的分辨率与基准遥感影像的分辨率是否一致，如果一致，则直接执行步骤110；如果不一致，再采用上述的实施方式。

在步骤120中，对待校正遥感影像和基准遥感影像分别作预处理，获得预处理后的待校正遥感影像和预处理后的基准遥感影像。

其中，预处理包括模糊处理和边缘增强处理，可以理解，模糊处理可以移除影像中的小纹理，保留河流，建筑物等具有大尺度的纹理特征。边缘增强处理，可以进一步去除小纹理，并且恢复大纹理特征，相当于二次处理。

因此，预处理后的待校正遥感影像和预处理后的基准遥感影像中所具有的纹理特征都是大纹理特征。

作为一种可选的实施方式，步骤120包括：基于高斯滤波器对待校正遥感影像和基准遥感影像分别进行模糊处理，获得模糊处理后的待校正遥感影像和模糊处理后的基准遥感影像；基于引导滤波器对模糊处理后的待校正遥感影像和模糊处理后的基准遥感影像分别进行边缘增强处理，获得边缘增强后的待校正遥感影像和边缘增强后的基准遥感影像。

在这种实施方式中，通过高斯滤波器实现模糊处理，以及通过引导滤波器实现边缘增强处理。

作为一种可选的实施方式，高斯滤波器对应的滤波公式为：

；引导滤波器对应的滤波公式为：

。

其中，

=

，

是图像归一化操作，

为像素点

的周围像素点的集合，

为空间域高斯函数的标准差，滤波尺寸大小由

决定，

为灰度域高斯函数的标准差，

为输入影像，

为输出影像，

为图像像素点，

表示迭代

次后的输出影像，初始

影像为上一步所输出的滤波影像。

可以理解，除了上述的高斯滤波器和引导滤波器，在实际应用时，也可以采用其他的实施方式，实现模糊处理和边缘增强处理，在本申请实施例中不作限定。

在步骤120中完成遥感影像的预处理之后，在步骤130中，分别确定预处理后的待校正遥感影像和预处理后的基准遥感影像中的特征点。

作为一种可选的实施方式，步骤130包括：分别确定预处理后的待校正遥感影像和预处理后的基准遥感影像对应的高斯尺度空间；基于预处理后的待校正遥感影像对应的高斯尺度空间，确定预处理后的待校正遥感影像中的特征点，以及基于预处理后的基准遥感影像对应的高斯尺度空间，确定预处理后的基准遥感影像中的特征点。

在这种实施方式中，先确定影像对应的高斯尺度空间。作为一种可选的实施方式，对预处理后的遥感影像（基准遥感影像或者待校正遥感影像），进行水平和垂直方向上的降采样操作，构建多分辨率的图像金字塔，获取多尺度的影像。

具体来说，设一幅影像为

，

为尺度空间因子，

为相邻两个高斯尺度空间的比例因子，通过高斯函数

（该高斯函数即为图像金字塔）与遥感影像

相乘得到具有不同高斯尺度空间的影像

。

为了减小影像的运算量，作为一种可选的实施方式，最终获得的高斯尺度空间为差分高斯尺度空间，即，预处理后的待校正遥感影像对应的高斯尺度空间和预处理后的基准遥感影像对应的高斯尺度空间均为差分高斯尺度空间。

具体来说，差分高斯空间可表示为：

。

在本申请实施例中，将差分高斯尺度空间作为影像对应的高斯尺度空间，相较于普通的高斯尺度空间来说，影像的运算量更小，进而，可以提高后续影像处理的效率。

在确定预处理后的待校正遥感影像和预处理后的基准遥感影像对应的高斯尺度空间之后，便可以分别基于各自对应的高斯尺度空间，确定各自的特征点。

在本申请实施例中，在确定特征点时，可以先将预处理后的待校正遥感影像和预处理后的基准遥感影像进行尺度转换，然后再基于尺度转换后的影像进行特征点的确定，最终利用确定的特征点进行图像配置，属于并实现更高精度的图像校正。

作为一种可选的实施方式，特征点的确定过程包括：寻找尺度空间（差分高斯尺度空间）中的极值点；然后对比相邻尺度空间内的极值点，当极值点满足预设条件时，该极值点为特征点。

作为一种可选的实施方式，预设条件为：大于上中下三层的M×M邻域内的预设数量的像素点的极值点；M为大于1的整数。

其中，M的取值可以是5或者4等；以及预设数量的像素点可以是75，85等，在此不作限定。

在本申请实施例中，通过将大于上中下三层的M×M邻域内的预设数量的像素点的极值点作为特征点，提高最终的影像校正的精度。

在步骤130中确定特征点之后，在步骤140中，将预处理后的待校正遥感影像中的特征点和预处理后的基准遥感影像中的特征点进行特征点匹配，获得校正后的遥感影像。

在步骤140中，可以直接基于预处理后的待校正遥感影像中的特征点和预处理后的基准遥感影像中的特征点进行特征点匹配；也可以先对特征点作一些处理之后，再进行匹配，以提高精校正的精度。

因此，作为一种可选的实施方式，步骤140包括：分别对预处理后的待校正遥感影像中的特征点和预处理后的基准遥感影像中的特征点进行筛选，获得第一特征点和第二特征点；第一特征点为预处理后的待校正遥感影像中筛选后的特征点，第二特征点为所述预处理后的基准遥感影像中筛选后的特征点，第一特征点和第二特征点的局部曲率均对称；分别确定第一特征点和第二特征点的主方向；基于第一特征点的主方向生成第一特征点对应的特征描述点，以及基于第二特征点的主方向生成第二特征点对应的特征描述点；基于第一特征点对应的特征描述点和第二特征点对应的特征描述点，将第一特征点和第二特征点进行匹配，获得校正后的遥感影像。

在这种实施方式中，需要对遥感影像的特征点作筛选处理，筛选处理的目的是为了去除局部曲率不对称的特征点，获得局部曲率对称的特征点。

作为一种可选的实施方式，不管是预处理后的待校正遥感影像中的特征点，还是预处理后的基准遥感影像中的特征点，低对比度的特征点的剔除过程包括：设定阈值T ，在特征点

处应用泰勒展开公式，并对泰勒展开公式求导，当

≥

时，该特征点保留，否则剔除；其中，

代表尺度空间因子。

不稳定的边缘响应点的剔除过程包括：针对每个特征点，计算图像在x方向和y方向的二阶偏导，以及x方向和y方向的导数，获得矩阵

。其中，

代表图像在x方向的二阶偏导，

代表图像在y方向的二阶偏导，

代表图像在x方向和y方向的导数。设定阈值n，当

时，该特征点保留，否则剔除。其中，阈值n的取值可以为10。

通过上述的实施方式，可完成各自的特征点的筛选，获得第一特征点和第二特征点，进而可以确定第一特征点的主方向和第二特征点的主方向。

作为一种可选的实施方式，不管是第一特征点，还是第二特征点，特征点的主方向的确定过程包括：对于每一个特征点，根据所在尺度空间计算对应的高斯图像：

（参见前述实施例的介绍），以特征点为中心，计算半径为6

得圆形区域内该高斯图像得角度与权重，其中角度

和权重

分别为：

,

，将圆形区域按照固定比例划分为6份，计算该区域内得加权和

,以加权和最大得扇形区域作为主方向，如果其他值超过主方向得80%，则该区域被作为辅方向。如此每个特征点描述子包含位置信息，所在影像尺度信息和主方向信息。

这只是特征点的主方向的一种确定方式，在实际应用中，也可以采取其他可选的主方向的确定方式，在此不作限定。

在确定特征点的主方向之后，可以基于特征点的主方向确定特征点对应的特征描述点。不管是第一特征点，还是第二特征点，作为一种可选的实施方式，对应的特征描述点的确定过程包括：首先将坐标轴旋转为特征点的主方向，以特征点为中心，划分一个4×4大小的窗口，共将窗口内的像素分成16块子矩形，在0°~360°之间划分8个方向区间，每个区间为45°，即每一个子矩形有8个方向的梯度直方图信息，共可形成128维的特征向量。

这只是特征点的特征描述点的一种确定方式，在实际应用中，也可以采取其他可选的特征描述点的确定方式，在此不作限定。

进一步地，基于第一特征点和第二特征点分别对应的特征描述点，可进行特征点的匹配，以实现遥感影像的校正。作为一种可选的实施方式，使用欧氏距离和特征点的位置方向信息（包含在特征描述点中）来进行特征点的匹配，特征点之间的欧氏距离越短，特征点之间的方向越一致，则代表匹配度越高，反之则不匹配。

其中，欧氏距离表示为：

。在应用时，依次计算待校正影像特征点与基准影像特征点之间的距离。

代表参考图像在维度为i的灰度梯度值，

代表待匹配图像在维度为i的灰度梯度值。

在上述的特征点的匹配过程完成之后，便可获取校正后的遥感影像。

在本申请实施例中，通过分别对预处理后的待校正遥感影像中的特征点和预处理后的基准遥感影像中的特征点进行筛选，获得第一特征点和第二特征点；然后再基于第一特征点和第二特征点分别确定对应的特征描述点；最终再进行特征点的匹配，实现遥感影像的有效校正。

结合前述实施例中的介绍可知，步骤110中的待校正遥感影像可能的经过重采样处理的遥感影像，如果是这种情况，则在步骤140之后，可以将校正后的遥感影像恢复最初的分辨率。因此，作为一种可选的实施方式，该精校正方法还包括：基于初始的待校正遥感影像的分辨率，对校正后的遥感影像进行重采样处理，以使校正后的遥感影像的分辨率和初始的待校正遥感影像的分辨率相同。

在这种实施方式中，采用重采样的方式，将校正后的遥感影像的分辨率调至最初的分辨率。其中，重采样的实施方式采用本领域成熟的技术即可，在此不作详细介绍。

在本申请实施例中，通过重采样方式，将待校正影像重新采样到基准影像的集合图形中，以此来进行图像的信息融合和观察场景的变换。

通过上述的各个实施方式，最终可完成待校正遥感影像的校正处理，基于校正后的遥感影像，可以进行后续的图像的信息融合，和观察场景的变换等后续的各种处理，以实现地表的观测与分析。

结合前述实施例的介绍，在本申请实施例中，针对多源高分辨率遥感影像之间校正难度大的问题，通过使用滤波器等方法对遥感影像进行预处理，不仅去除原始影像中噪声信息，同时剔除了影像中较小的纹理信息（如噪声，山体阴影等），提高了图像校正的效率。

利用高斯滤波来提取影像的特征值，同时剔除低对比度的特征值，有效地对特征点进行了筛选工作，提高了影像校正的有效性和精度。

在整个校正过程中，无需人工干预，全程自动化处理，大大的提高了实际生产的工作效率。

基于同一发明构思，请参照图2，本申请实施例中还提供一种卫星时空图的精校正装置200，包括：获取模块210和处理模块220。

获取模块210用于：获取待校正遥感影像和基准遥感影像；所述待校正遥感影像和所述基准遥感影像的分辨率相同。处理模块220用于：对所述待校正遥感影像和所述基准遥感影像分别作预处理，获得预处理后的待校正遥感影像和预处理后的基准遥感影像；所述预处理包括模糊处理和边缘增强处理；分别确定所述预处理后的待校正遥感影像和所述预处理后的基准遥感影像中的特征点；将所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点进行特征点匹配，获得精校正后的遥感影像。

在本申请实施例中，获取模块210还用于：获取初始的待校正遥感影像和所述基准遥感影像；所述初始的待校正遥感影像的分辨率与所述基准遥感影像不相同。处理模块220还用于：基于所述基准遥感影像的分辨率，对所述初始的待校正遥感影像进行重采样处理，获得所述待校正遥感影像。

在本申请实施例中，处理模块220还用于：基于所述初始的待校正遥感影像的分辨率，对所述校正后的遥感影像进行重采样处理，以使所述校正后的遥感影像的分辨率和所述初始的待校正遥感影像的分辨率相同。

在本申请实施例中，处理模块220具体用于：基于高斯滤波器对所述待校正遥感影像和所述基准遥感影像分别进行模糊处理，获得模糊处理后的待校正遥感影像和模糊处理后的基准遥感影像；基于引导滤波器对所述模糊处理后的待校正遥感影像和所述模糊处理后的基准遥感影像分别进行边缘增强处理，获得边缘增强后的待校正遥感影像和边缘增强后的基准遥感影像。

在本申请实施例中，处理模块220具体用于：分别确定所述预处理后的待校正遥感影像和所述预处理后的基准遥感影像对应的高斯尺度空间；基于所述预处理后的待校正遥感影像对应的高斯尺度空间，确定所述预处理后的待校正遥感影像中的特征点，以及基于所述预处理后的基准遥感影像对应的高斯尺度空间，确定所述预处理后的基准遥感影像中的特征点。

在本申请实施例中，处理模块220具体用于：分别对所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点进行筛选，获得第一特征点和第二特征点；所述第一特征点为所述预处理后的待校正遥感影像中筛选后的特征点，所述第二特征点为所述预处理后的基准遥感影像中筛选后的特征点，所述第一特征点和所述第二特征点的局部曲率均对称；分别确定所述第一特征点和所述第二特征点的主方向；基于所述第一特征点的主方向生成所述第一特征点对应的特征描述点，以及基于所述第二特征点的主方向生成所述第二特征点对应的特征描述点；基于所述第一特征点对应的特征描述点和所述第二特征点对应的特征描述点，将所述第一特征点和所述第二特征点进行匹配，获得校正后的遥感影像。

卫星时空图的精校正装置200与卫星时空图的精校正方法对应，各个功能模块分别与精校正方法的各个步骤对应，因此，各个功能模块的实施方式可参照精校正方法的各个步骤的实施方式，在此不作重复介绍。

基于同一发明构思，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被计算机运行时，执行前述实施例中所述的卫星时空图的精校正方法。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.一种卫星时空图的精校正方法，其特征在于，包括：

获取待校正遥感影像和基准遥感影像；所述待校正遥感影像和所述基准遥感影像的分辨率相同；

对所述待校正遥感影像和所述基准遥感影像分别作预处理，获得预处理后的待校正遥感影像和预处理后的基准遥感影像；所述预处理包括模糊处理和边缘增强处理；

分别确定所述预处理后的待校正遥感影像和所述预处理后的基准遥感影像中的特征点；

将所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点进行特征点匹配，获得精校正后的遥感影像；

所述将所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点进行特征点匹配，获得精校正后的遥感影像，包括：

分别对所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点进行筛选，剔除低对比度的特征点及不稳定的边缘响应点获得第一特征点和第二特征点；所述第一特征点为所述预处理后的待校正遥感影像中筛选后的特征点，所述第二特征点为所述预处理后的基准遥感影像中筛选后的特征点，所述第一特征点和所述第二特征点的局部曲率均对称；

分别确定所述第一特征点和所述第二特征点的主方向；

基于所述第一特征点的主方向生成所述第一特征点对应的特征描述点，以及基于所述第二特征点的主方向生成所述第二特征点对应的特征描述点；

基于所述第一特征点对应的特征描述点和所述第二特征点对应的特征描述点，将所述第一特征点和所述第二特征点进行匹配，获得精校正后的遥感影像。

2.根据权利要求1所述的精校正方法，其特征在于，在所述获取待校正遥感影像和基准遥感影像之前，所述精校正方法还包括：

获取初始的待校正遥感影像和所述基准遥感影像；所述初始的待校正遥感影像的分辨率与所述基准遥感影像不相同；

基于所述基准遥感影像的分辨率，对所述初始的待校正遥感影像进行重采样处理，获得所述待校正遥感影像；

所述精校正方法还包括：基于所述初始的待校正遥感影像的分辨率，对所述校正后的遥感影像进行重采样处理，以使所述校正后的遥感影像的分辨率和所述初始的待校正遥感影像的分辨率相同。

3.根据权利要求1所述的精校正方法，其特征在于，所述对所述待校正遥感影像和所述基准遥感影像分别作预处理，获得预处理后的待校正遥感影像和预处理后的基准遥感影像，包括：

基于高斯滤波器对所述待校正遥感影像和所述基准遥感影像分别进行模糊处理，获得模糊处理后的待校正遥感影像和模糊处理后的基准遥感影像；

基于引导滤波器对所述模糊处理后的待校正遥感影像和所述模糊处理后的基准遥感影像分别进行边缘增强处理，获得边缘增强后的待校正遥感影像和边缘增强后的基准遥感影像。

4.根据权利要求1所述的精校正方法，其特征在于，所述分别确定所述预处理后的待校正遥感影像和所述预处理后的基准遥感影像中的特征点，包括：

通过构建高斯金字塔分别确定所述预处理后的待校正遥感影像和所述预处理后的基准遥感影像对应的高斯尺度空间；

基于所述预处理后的待校正遥感影像对应的高斯尺度空间，确定所述预处理后的待校正遥感影像中的特征点，以及基于所述预处理后的基准遥感影像对应的高斯尺度空间，确定所述预处理后的基准遥感影像中的特征点。

5.根据权利要求4所述的精校正方法，其特征在于，所述预处理后的待校正遥感影像对应的高斯尺度空间和所述预处理后的基准遥感影像对应的高斯尺度空间均为差分高斯尺度空间。

6.根据权利要求4所述的精校正方法，其特征在于，所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点均为：大于上中下三层的M×M邻域内的预设数量的像素点的极值点；M为大于1的整数。

7.根据权利要求1所述的精校正方法，其特征在于，

低对比度的特征点的剔除过程包括：设定阈值T ，在特征点

处应用泰勒展开公式，并对泰勒展开公式求导，当

≥

时，该特征点保留，否则剔除；其中，

代表尺度空间因子；

不稳定的边缘响应点的剔除过程包括：针对每个特征点，计算图像在x方向和y方向的二阶偏导，以及x方向和y方向的导数，获得矩阵

；其中，

代表图像在x方向的二阶偏导，

代表图像在y方向的二阶偏导，

代表图像在x方向和y方向的导数；设定阈值n，当

时，该特征点保留，否则剔除；

所述分别确定所述第一特征点和所述第二特征点的主方向，包括：

对于每一个特征点，根据所在尺度空间计算特征点对应的高斯图像：

，以特征点为中心，计算半径为6

的圆形区域内该高斯图像的角度与权重，其中，

代表尺度空间因子，角度

和权重

分别为：

，

，将圆形区域按照固定比例划分为6份，计算该区域内的加权和

，以加权和最大的扇形区域作为主方向，如果其他加权和超过主方向对应的加权和的80%，则该区域被作为辅方向；

所述

为一张遥感影像中所有像素点坐标的集合，所述

为高斯函数，高斯函数的公式为

，

为尺度空间因子，所述

为具有不同高斯尺度空间的遥感影像中所有像素点坐标的集合，

分别为所述特征点的横、纵坐标，

为卷积运算符；

每个特征点描述子包含位置信息，所在影像尺度信息和主方向信息；所述基于所述第一特征点的主方向生成所述第一特征点对应的特征描述点，以及基于所述第二特征点的主方向生成所述第二特征点对应的特征描述点，包括：

将坐标轴旋转为特征点的方向，将特征点为中心，划分一个4×4大小的窗口，共将窗口内的像素分成16块子矩形；

在0°~360°之间划分8个方向区间，每个方向区间区间为45°，每一个子矩形有8个方向的梯度直方图信息，共形成128维的特征向量。

8.一种卫星时空图的精校正装置，其特征在于，包括：

获取模块，用于获取待校正遥感影像和基准遥感影像；所述待校正遥感影像和所述基准遥感影像的分辨率相同；

处理模块，用于：

对所述待校正遥感影像和所述基准遥感影像分别作预处理，获得预处理后的待校正遥感影像和预处理后的基准遥感影像；所述预处理包括模糊处理和边缘增强处理；

分别确定所述预处理后的待校正遥感影像和所述预处理后的基准遥感影像中的特征点；

将所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点进行特征点匹配，获得精校正后的遥感影像；

所述处理模块具体用于：分别对所述预处理后的待校正遥感影像中的特征点和所述预处理后的基准遥感影像中的特征点进行筛选，剔除低对比度的特征点及不稳定的边缘响应点获得第一特征点和第二特征点；所述第一特征点为所述预处理后的待校正遥感影像中筛选后的特征点，所述第二特征点为所述预处理后的基准遥感影像中筛选后的特征点，所述第一特征点和所述第二特征点的局部曲率均对称；

分别确定所述第一特征点和所述第二特征点的主方向；

基于所述第一特征点的主方向生成所述第一特征点对应的特征描述点，以及基于所述第二特征点的主方向生成所述第二特征点对应的特征描述点；

基于所述第一特征点对应的特征描述点和所述第二特征点对应的特征描述点，将所述第一特征点和所述第二特征点进行匹配，获得精校正后的遥感影像。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被计算机运行时，执行如权利要求1-7任一项所述的卫星时空图的精校正方法。

Images