CN114155167B - 一种基于在线遥感卫星影像的自动化快速校正方法 - Google Patents
一种基于在线遥感卫星影像的自动化快速校正方法 Download PDFInfo
- Publication number
- CN114155167B CN114155167B CN202111490847.9A CN202111490847A CN114155167B CN 114155167 B CN114155167 B CN 114155167B CN 202111490847 A CN202111490847 A CN 202111490847A CN 114155167 B CN114155167 B CN 114155167B
- Authority
- CN
- China
- Prior art keywords
- image
- corrected
- tile
- coordinates
- tile data
- 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 27
- 238000012937 correction Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012952 Resampling Methods 0.000 claims abstract description 7
- 238000003702 image correction Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 206010016173 Fall Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- PUIYMUZLKQOUOZ-UHFFFAOYSA-N isoproturon Chemical compound CC(C)C1=CC=C(NC(=O)N(C)C)C=C1 PUIYMUZLKQOUOZ-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G06T5/80—
-
- 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
Abstract
本发明提供了一种基于在线遥感卫星影像的自动化快速校正方法,包括:瓦片数据位置匹配;读取瓦片数据;在内存中进行特征点提取;处理特征点像素坐标,确定搜索影像区域;影像控制点匹配;计算多项式系数;答解纠正后影像坐标;影像位置纠正及重采样。通过基于在线遥感卫星影像资源全程数据处理不落盘的方式,优化了瓦片数的确定、搜索范围的确定,兼顾了影像处理速度、准确度,使得影像校正后实时显示成为可能。
Description
技术领域
本发明涉及遥感领域,特别地,涉及遥感影像校正领域。
背景技术
传统的影像几何校正一般是采用外业采集的控制点或者高精度遥感底图数据作为参考数据,利用与高精度遥感底图数据匹配出的匹配点作为控制点数据。外业采集的控制点一般周期较长、成本昂贵,对于测绘产品精度要求较高的情况,上述方法可以能满足要求,然而对于恶劣条件下快速应急测绘产品的生产具有较大的障碍。高精度遥感数据往往获取渠道复杂,覆盖区域较少。
为此急需一种能够解决测绘产品生产周期长、精度低以及应急状态下快速出图的技术方案。
发明内容
为解决上述问题,不同于传统方法本专利提出了一种基于在线遥感卫星影像的自动化快速校正方法,可以快速对卫星影像进行几何校正。该方法可以使得测绘产品的生产成本得到极大的降低,同时也缩短了测绘产品的制作时间。本专利主要对卫星影像在线瓦片的读取、特征点提取等关键环节进行研究,可以成功应用于测绘产品生产中。
本发明提供了一种基于在线遥感卫星影像的自动化快速校正方法,包括:
步骤1:瓦片数据位置匹配;
步骤1-1:获取待校正影像的分辨率估算出瓦片的层数Z,采用如下两个公式中至少1个:
其中Z为瓦片层数,res_m为以米为单位的分辨率,res_d为以度为单位的分辨率;
步骤1-2:将待纠正影像经纬度范围转化为瓦片的行列范围,经纬度坐标转化瓦片坐标如下式所示:
其中tileX、tileY为瓦片坐标,lon、lat为经度、纬度坐标;
步骤2:根据上述瓦片范围,读取瓦片数据;
步骤3:瓦片数据在内存中进行特征点提取;
步骤4:将瓦片数据的特征点的像素坐标转化为对应的经纬度坐标,然后利用待纠正影像的6参数,将特征点经纬度坐标转化为待纠正影像的像素坐标,最后确定搜索范围;
步骤5:影像控制点匹配:将第3步提取的特征点以及第4步确定的搜索范围,在待校正影像利用最小二乘匹配算法在搜索区域内寻找单个瓦片数据上提取特征点的最优匹配点;
步骤6:计算多项式系数:确定利用多项式模型进行校正,利用第5步匹配出来的影像控制点,求解多项式系数;
步骤7:答解纠正后影像坐标:将各影像像素坐标代入多项式进行计算,求解出影像校正后的坐标;
步骤8:影像位置纠正及重采样:通过第7步的处理,已经将待纠正影像的位置进行了变换,随后进行影像灰度重采样。
可选的:瓦片大小为256像素×256像素。
可选的:在步骤3中,在每一张瓦片数据中仅仅提取1个特征点。
可选的:将特征点的位置信息和灰度信息在内存中进行保存。
可选的:在步骤4中将瓦片数据上提取的特征点按照给定的视差范围在待纠正影像上进行同名像点的寻找。
可选的:在步骤6中,多项式为:
其中(x,y)为待纠正影像的像素坐标,(X,Y)为匹配出来的影像同名点的地面坐标或影像经纬度坐标,i为控制点序号。
本发明还提供了一种在线遥感卫星影像的自动化快速校正设备,使用以上所述方法进行在线遥感卫星影像的自动化快速校正。
本发明还提供了一种服务器,存储有以上所述方法使用的瓦片数据。
本发明发明点及技术效果:
1、利用在线遥感卫星影像资源可以克服待纠正影像分辨率差异大、以及影像覆盖区域较少带来的固有缺陷,在线遥感卫星影像资源可以多种不同分辨率影像资源以及覆盖全球绝大部分陆地的影像资源,并且影像资源存储在云端,不占用本地资源。
2、基于不同权重对瓦片数据进行影像特征点提取,保证每张瓦片数据特征点数基本一致,可以很好地避免部分区域无匹配点数据,后续影像纠正偏差较大可以使得影像校正精度更精确。
3、通过基于在线遥感卫星影像资源全程数据处理不落盘的方式,优化了瓦片数的确定、搜索范围的确定,兼顾了影像处理速度、准确度,使得影像校正后实时显示成为可能。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例中的方法中的瓦片分布方式的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
一般而言遥感影像校正是通过遥感影像的上的物方信息和像方信息建立数学关系,然后通过建立的数学关系,对遥感影像进行校正。其中遥感影像的物方信息获取途径一般有两种,一是通过外野采集的控制点,二是带有地理信息的参考底图。而瓦片数据就是带有地理信息的参考底图。瓦片数据是指将全球的地理范围内的遥感影像按照一定的尺寸大小和存储格式,按缩放级别或者比例尺,切成256×256大小的栅格影像,将切片后的栅格影像称为瓦片数据。
本发明提供了一种基于在线遥感卫星影像的自动化快速校正方法,包括以下步骤:
1、瓦片数据位置匹配:一般来说瓦片数据大都采用TMS的存储方式,利用REST接口的URL参数来描述瓦片的存储方式,访问瓦片一般都是通过URL的get方法去获取瓦片数据。单个瓦片数据请求的规则是将单个瓦片所在的行列号以及瓦片所在层数作为请求参数进行请求。首先获取待校正影像的分辨率估算出瓦片的层数即Z值,然后将待纠正影像经纬度范围转化为瓦片的行列范围,经纬度坐标转化瓦片坐标如下式所示:
其中tileX、tileY为瓦片坐标,lon、lat为经度、纬度坐标,Z为瓦片层数,可以由待纠正影像的分辨率估算得出。通过上述公式可以将待纠正影像的四至范围精确地转换到近似分辨率的某层瓦片数据,进而可以确定需要读取的瓦片数据范围。经过大量实验,优选瓦片层数与分辨率关系如下:
通过上述公式可以由影像的分辨率计算出所需匹配的瓦片层数,其中Z为瓦片层数,res_m为以米为单位的分辨率,res_d为以度为单位的分辨率。
作为一种举例,可以根据上述公式确定瓦片层数如下
2、瓦片数据读取:通过第1步的处理,我们已经可以获取要读取的瓦片范围,如行号从10023至10067,列号从20017至20072,共需读取45*56=2520张瓦片数据,如读取瓦片层数为18层的第一张瓦片数据的请求方式是将请求中的x赋值为10023,y赋值为20017,z赋值为18,然后将上述请求地址的瓦片数据读取进内存中,后续瓦片数据的读取以此类推。
3、瓦片数据特征点提取:通过第2步计算出需要申请的整个瓦片范围的内存大小,依次将读取进内存的单个瓦片数据,瓦片大小为(256像素×256像素)按照第2步中的瓦片行列范围即行号从10023至10067,列号从20017至20072,将45*56=2520张瓦片数据在内存中进行特征点提取,瓦片具体分布方式如图1所示。
为保证影像控制点分布均匀,在每一张瓦片数据中仅仅提取1个特征点,将其位置信息和灰度信息在内存中进行保存。
4、确定匹配搜素范围:
首先将瓦片数据的特征点的像素坐标转化为对应的经纬度坐标如下式所示:
其中tileX,tileY为瓦片坐标,pixelX,pixelY为特征点像素坐标,Z为瓦片层数。
然后利用待纠正影像的6参数,将特征点经纬度坐标转化为待纠正影像的像素坐标如下:
其中dfGeo0…dfGeo5为待纠正影像的6参数,tileX,tileY为瓦片坐标,pixelX,pixelY为特征点像素坐标,Z为瓦片层数,col,row为待纠正影像行号和列号。通过上述两公式可以准确地将瓦片数据上提取的特点按照给定的视差范围在待纠正影像上进行同名像点的寻找。可以大大减少匹配同名点的搜索时间。
最后确定搜索影像区域:
colmax=col+d
colmin=col-d
rowmax=row+d
rowmin=row-d
其中d为影像区域的搜索窗口大小,col,row为上一步计算所得。
5、影像控制点匹配:将第3步提取的特征点以及第4步确定的搜索范围,在待校正影像利用最小二乘匹配算法在搜索区域内寻找单个瓦片数据上提取特征点的最优匹配点。
6、计算多项式系数:确定利用多项式模型进行校正,利用第5步匹配出来的影像控制点,求解多项式系数a0...a5,b0...b5。
上述的多项式模型系数的解算一般是利用最小二乘法实现。其中(x,y)为待纠正影像的像素坐标,(X,Y)为匹配出来的影像同名点的地面坐标或影像经纬度坐标,i为控制点序号。
7、答解纠正后影像坐标:将各影像像素坐标代入多项式进行计算,便可求解出影像校正后的坐标。
8、影像位置纠正及重采样:通过第7步的处理,已经将待纠正影像的位置进行了变换,随后进行影像灰度重采样。
可以理解,除了上述内容,还包括一些常规结构和常规方法,由于这些内容都是公知的,不再赘述。但这并不意味着本发明不存在这些结构和方法。
本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (8)
1.一种基于在线遥感卫星影像的自动化快速校正方法,其特征在于:
步骤1:瓦片数据位置匹配;
步骤1-1:获取待校正影像的分辨率估算出瓦片的层数Z,采用如下两个公式中至少1个:
其中Z为瓦片层数,res_m为以米为单位的分辨率,res_d为以度为单位的分辨率;
步骤1-2:将待纠正影像经纬度范围转化为瓦片的行列范围,经纬度坐标转化瓦片坐标如下式所示:
其中tileX、tileY为瓦片坐标,lon、lat为经度、纬度坐标;
步骤2:根据上述瓦片范围,读取瓦片数据;
步骤3:瓦片数据在内存中进行特征点提取;
步骤4:将瓦片数据的特征点的像素坐标转化为对应的经纬度坐标,然后利用待纠正影像的6参数,将特征点经纬度坐标转化为待纠正影像的像素坐标,最后确定搜索范围;
步骤5:影像控制点匹配:将第3步提取的特征点以及第4步确定的搜索范围,在待校正影像利用最小二乘匹配算法在搜索区域内寻找单个瓦片数据上提取特征点的最优匹配点;
步骤6:计算多项式系数:确定利用多项式模型进行校正,利用第5步匹配出来的影像控制点,求解多项式系数;
步骤7:答解纠正后影像坐标:将各影像像素坐标代入多项式进行计算,求解出影像校正后的坐标;
步骤8:影像位置纠正及重采样:通过第7步的处理,已经将待纠正影像的位置进行了变换,随后进行影像灰度重采样。
2.如权利要求1所述的方法,其特征在于:瓦片大小为256像素×256像素。
3.如权利要求1所述的方法,其特征在于:在步骤3中,在每一张瓦片数据中仅仅提取1个特征点。
4.如权利要求3所述的方法,其特征在于:将特征点的位置信息和灰度信息在内存中进行保存。
5.如权利要求1所述的方法,其特征在于:在步骤4中将瓦片数据上提取的特征点按照给定的视差范围在待纠正影像上进行同名像点的寻找。
7.一种在线遥感卫星影像的自动化快速校正设备,其特征在于:使用如权利要求1-6所述任一方法进行在线遥感卫星影像的自动化快速校正。
8.一种服务器,其特征在于,存储有如权利要求1-6所述任一方法使用的瓦片数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111490847.9A CN114155167B (zh) | 2021-12-08 | 2021-12-08 | 一种基于在线遥感卫星影像的自动化快速校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111490847.9A CN114155167B (zh) | 2021-12-08 | 2021-12-08 | 一种基于在线遥感卫星影像的自动化快速校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114155167A CN114155167A (zh) | 2022-03-08 |
CN114155167B true CN114155167B (zh) | 2022-06-14 |
Family
ID=80453996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111490847.9A Active CN114155167B (zh) | 2021-12-08 | 2021-12-08 | 一种基于在线遥感卫星影像的自动化快速校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114155167B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116468622B (zh) * | 2023-03-14 | 2024-03-15 | 中国科学院空天信息创新研究院 | 遥感影像显示方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8385591B1 (en) * | 2009-04-28 | 2013-02-26 | Google Inc. | System and method of using images to determine correspondence between locations |
CN103218783A (zh) * | 2013-04-17 | 2013-07-24 | 国家测绘地理信息局卫星测绘应用中心 | 基于控制点影像数据库的卫星遥感图像快速几何纠正方法 |
CN110390722A (zh) * | 2018-04-20 | 2019-10-29 | 曜宇航空科技(上海)有限公司 | 一种毫秒级绘制实时实景地图的方法及系统 |
CN110990516A (zh) * | 2019-12-13 | 2020-04-10 | 苏州中科图新网络科技有限公司 | 地图数据的处理方法、装置和服务器 |
CN112419189A (zh) * | 2020-11-23 | 2021-02-26 | 自然资源部国土卫星遥感应用中心 | 一种格网化的卫星影像数据纠偏方法 |
CN113012094A (zh) * | 2020-11-30 | 2021-06-22 | 中国科学院空天信息创新研究院 | 一种卫星遥感数据的处理方法及相关装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6810153B2 (en) * | 2002-03-20 | 2004-10-26 | Hitachi Software Global Technology, Ltd. | Method for orthocorrecting satellite-acquired image |
US10430961B2 (en) * | 2015-12-16 | 2019-10-01 | Objectvideo Labs, Llc | Using satellite imagery to enhance a 3D surface model of a real world cityscape |
-
2021
- 2021-12-08 CN CN202111490847.9A patent/CN114155167B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8385591B1 (en) * | 2009-04-28 | 2013-02-26 | Google Inc. | System and method of using images to determine correspondence between locations |
CN103218783A (zh) * | 2013-04-17 | 2013-07-24 | 国家测绘地理信息局卫星测绘应用中心 | 基于控制点影像数据库的卫星遥感图像快速几何纠正方法 |
CN110390722A (zh) * | 2018-04-20 | 2019-10-29 | 曜宇航空科技(上海)有限公司 | 一种毫秒级绘制实时实景地图的方法及系统 |
CN110990516A (zh) * | 2019-12-13 | 2020-04-10 | 苏州中科图新网络科技有限公司 | 地图数据的处理方法、装置和服务器 |
CN112419189A (zh) * | 2020-11-23 | 2021-02-26 | 自然资源部国土卫星遥感应用中心 | 一种格网化的卫星影像数据纠偏方法 |
CN113012094A (zh) * | 2020-11-30 | 2021-06-22 | 中国科学院空天信息创新研究院 | 一种卫星遥感数据的处理方法及相关装置 |
Non-Patent Citations (1)
Title |
---|
An Automated Approach for Sub-Pixel Registration of Landsat-8 Operational Land Imager (OLI) and Sentinel-2 Multi Spectral Instrument (MSI) Imagery;Lin Yan 等;《remote sensing》;20160621;1-23 * |
Also Published As
Publication number | Publication date |
---|---|
CN114155167A (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200103530A1 (en) | Method for extracting elevation control point with assistance of satellite laser altimetry data | |
CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
CN111126148A (zh) | 一种基于视频卫星影像的dsm生成方法 | |
CN103017653A (zh) | 一种球面全景影像与三维激光扫描点云的配准及测量方法 | |
KR20190026452A (ko) | 위성영상과 제공 rpc로부터 제작된 수치표고모델의 자동 오차보정 방법 | |
CN113192193A (zh) | 基于Cesium三维地球框架的高压输电线路走廊三维重建方法 | |
CN113284171B (zh) | 一种基于卫星遥感立体成像对的植被高度分析方法及系统 | |
CN104134220A (zh) | 一种像方空间一致性的低空遥感影像高精度匹配方法 | |
CN102243299B (zh) | 无人机载sar图像正射纠正装置 | |
CN114155167B (zh) | 一种基于在线遥感卫星影像的自动化快速校正方法 | |
CN115471619A (zh) | 基于立体成像高分辨率卫星影像的城市三维模型构建方法 | |
CN112762899A (zh) | 一种激光点云加bim模型在可视化变电站中与视频信息的融合方法 | |
CN111144350B (zh) | 一种基于参考底图的遥感影像定位精度评价方法 | |
CN111913169A (zh) | 激光雷达内参、点云数据的修正方法、设备及存储介质 | |
CN105571598B (zh) | 一种卫星激光高度计足印相机姿态的测定方法 | |
CN106251349B (zh) | 一种sar立体影像密集匹配方法 | |
CN101900817B (zh) | 一种普适的遥感数据规则格网化方法 | |
CN113608186A (zh) | 一种雷达系统与光电成像系统的标校方法 | |
CN109188483A (zh) | 一种时序化高精度外方位元素自动定标方法 | |
CN107705272A (zh) | 一种空间影像的高精度几何校正方法 | |
CN105894471A (zh) | 基于大比例尺地形图的中小比例尺正射影像快速纠正方法 | |
CN113593026A (zh) | 车道线标注辅助地图生成方法、装置和计算机设备 | |
JP2003141507A (ja) | ランドサットtm画像の精密幾何補正方法及び衛星画像の精密幾何補正方法 | |
CN113932793A (zh) | 三维坐标定位方法、装置、电子设备和存储介质 | |
CN116521927B (zh) | 基于网络地图瓦片的遥感影像匹配方法与系统 |
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 |