CN114817443A - 一种基于瓦片的卫星遥感图像数据处理方法及装置 - Google Patents

一种基于瓦片的卫星遥感图像数据处理方法及装置 Download PDF

Info

Publication number
CN114817443A
CN114817443A CN202210754953.1A CN202210754953A CN114817443A CN 114817443 A CN114817443 A CN 114817443A CN 202210754953 A CN202210754953 A CN 202210754953A CN 114817443 A CN114817443 A CN 114817443A
Authority
CN
China
Prior art keywords
tile
remote sensing
satellite remote
pixel point
adjacent
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
CN202210754953.1A
Other languages
English (en)
Other versions
CN114817443B (zh
Inventor
姜浩
卢普斌
贾凯
李丹
秦伯雄
陈水森
孙艺珊
库梦君
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.)
Guangzhou Institute of Geography of GDAS
Original Assignee
Guangzhou Institute of Geography of GDAS
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 Guangzhou Institute of Geography of GDAS filed Critical Guangzhou Institute of Geography of GDAS
Priority to CN202210754953.1A priority Critical patent/CN114817443B/zh
Publication of CN114817443A publication Critical patent/CN114817443A/zh
Application granted granted Critical
Publication of CN114817443B publication Critical patent/CN114817443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于瓦片的卫星遥感图像数据处理方法及装置，获取目标区域的相邻各景卫星遥感图像；对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像；对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合；对所述瓦片集合中每一个瓦片进行像素点的灰度值归并；遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片，从而以瓦片保存卫星遥感图像数据，并且每个瓦片中像素点的灰度值均不为空值，提高了卫星遥感图像数据的质量。

Description

一种基于瓦片的卫星遥感图像数据处理方法及装置
技术领域
本发明涉及遥感数据处理领域，特别是涉及一种基于瓦片的卫星遥感图像数据处理方法及装置。
背景技术
目前，卫星遥感图像数据的处理往往以每景卫星遥感图像的图幅大小作为存储与管理的最小单元。并且，采用逐景计算的方式进行卫星遥感数据的处理。
然而，卫星遥感图像在图幅边界处数据质量不佳，坏值较多，导致相邻各景遥感图像的图幅连接处存在细小的缝隙。同时，相邻各景遥感图像的图幅之间观测时间存在数天的错位，导致每年观测次数不一致，不利于卫星遥感图像数据的后续使用。
发明内容
基于此，本发明的目的在于，提供一种基于瓦片的卫星遥感图像数据处理方法及装置，其具有提高卫星遥感图像数据质量的优点。
为了实现上述目的，本发明的第一方面是提供一种基于瓦片的卫星遥感图像数据处理方法，包括：
获取目标区域的相邻各景卫星遥感图像；
对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像；
对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合；
对所述瓦片集合中每一个瓦片进行像素点的灰度值归并；
遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片。
进一步地，所述对所述瓦片集合中每一个瓦片进行像素点的灰度值归并的步骤，包括：
若所述瓦片贯穿相邻两景卫星遥感图像，获取所述瓦片分别在相邻两景卫星遥感图像中的第一瓦片区域和第二瓦片区域；
将所述第一瓦片区域像素点的灰度值和所述第二瓦片区域像素点的灰度值对应保存到一个瓦片的像素点中。
进一步地，所述对所述瓦片集合中每一个瓦片进行像素点的灰度值归并的步骤之前，包括：
根据预设的初始观测日期以及卫星的重访周期，获得预设的观测日期序列；
获取相邻各景卫星遥感图像的观测日期，将所述相邻各景卫星遥感图像的观测日期归并为所述观测日期序列中的同一个观测日期，以实现所述相邻各景卫星遥感图像的匹配。
进一步地，所述遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片的步骤，包括：
获取灰度值缺失的所述像素点所在瓦片的全部像素点；
根据所述全部像素点对应的灰度值以及中值滤波方法对灰度值缺失的所述像素点进行灰度值插值，获得像素点的灰度值均不为空值的瓦片。
进一步地，所述对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合的步骤，包括：
对预处理后的所述相邻各景卫星遥感图像进行正弦等面积投影，获得投影后的相邻各景卫星遥感图像；
以预设的尺寸为分割单元，对投影后的相邻各景卫星遥感图像进行瓦片切割，获得若干个瓦片；
获取所述目标区域的行政边界，根据所述行政边界对若干个所述瓦片进行裁剪，获得所述目标区域的瓦片集合。
进一步地，将所述瓦片中每个像素点的灰度值转换为后向散射系数，并对所述瓦片进行存储；其中，通过以下公式将瓦片中每个像素点的灰度值转换为后向散射系数：
Figure 463098DEST_PATH_IMAGE001
其中，
Figure 548735DEST_PATH_IMAGE002
是所述灰度值，
Figure DEST_PATH_IMAGE003
是所述后向散射系数。
进一步地，所述对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像的步骤，包括：
将所述相邻各景卫星遥感图像进行辐射定标以及横轴墨卡托投影转换，得到预处理后的相邻各景卫星遥感图像。
本发明的第二方面提供一种基于瓦片的卫星遥感图像数据处理装置，包括：
图像获取模块，用于获取目标区域的相邻各景卫星遥感图像；
图像预处理模块，用于对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像；
瓦片切割模块，用于对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合；
灰度值归并模块，用于对所述瓦片集合中每一个瓦片进行像素点的灰度值归并；
灰度值插值模块，用于遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片。
与现有技术相比，本发明的有益效果如下：
本发明提供了一种基于瓦片的卫星遥感图像数据处理方法及装置，通过获取目标区域的相邻各景卫星遥感图像；对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像；对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合；对所述瓦片集合中每一个瓦片进行像素点的灰度值归并；遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片，从而以瓦片保存卫星遥感图像数据，并且每个瓦片中像素点的灰度值均不为空值，提高了卫星遥感图像数据的质量，同时，采用瓦片存储卫星遥感图像数据，多个瓦片可以并行化处理，使得数据处理效率更高。
附图说明
图1为本发明基于瓦片的卫星遥感图像数据处理方法的流程示意图；
图2为本发明基于瓦片的卫星遥感图像数据处理方法中S30的流程示意图；
图3为本发明基于瓦片的卫星遥感图像数据处理方法中S40的流程示意图；
图4为本发明基于瓦片的卫星遥感图像数据处理方法中S51的流程示意图；
图5为本发明基于瓦片的卫星遥感图像数据处理装置的结构框图。
具体实施方式
为了更好地理解和实施，下面结合附图详细说明本发明。
请参阅图1，本发明实施例提供一种基于瓦片的卫星遥感图像数据处理方法，包括的步骤如下：
S10：获取目标区域的相邻各景卫星遥感图像。
目标区域为卫星遥感图像数据待处理的区域，例如，可以是某一个省属范围内的区域。一景图像指卫星在既定的条带进行扫描，完成一次成像所覆盖的范围。相邻各景图像指卫星在同一条带进行上下扫描获取的各景图像，或者卫星在不同条带（左右相邻）进行扫描的各景图像。
各景卫星遥感图像可来自目前遥感部门可实时获取的业务运行卫星。在本申请实施例中，卫星遥感图像为哨兵1号卫星的GRD数据产品， GRD（Ground Range Detected，探测到地面距离）数据产品包含有经过多视处理、采用WGS84 椭球投影至地距的聚焦数据。
S20：对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像。
SNAP（Sentinels Application Platform，卫星应用平台）软件是欧空局哨兵系列卫星产品的综合应用平台软件，包括数据浏览、及后期处理和分析等。在本申请实施例中，采用SNAP软件对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像。
在一个可选的实施例中，所述步骤S20包括S21，具体如下：
S21：将所述相邻各景卫星遥感图像进行辐射定标以及横轴墨卡托投影转换，得到预处理后的相邻各景卫星遥感图像。
辐射定标是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度。横轴墨卡托投影（Universal Transverse Mercator ，简称UTM）是一种基于网格，利用2维笛卡尔坐标系，来定位地球表面任意一点的方法。UTM将地球沿经度线分割为60个经度带，每一个带横跨6个经度，每一条经度带内的地形地貌都通过横轴墨卡托投影到二维直角坐标系下，每个经度带在地球上都是楔形。
在本申请实施例中，将所述相邻各景卫星遥感图像输入至SNAP软件进行辐射定标以及横轴墨卡托投影转换，得到预处理后的相邻各景卫星遥感图像。
S30：对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合。
在本申请实施例中，由于相邻各景卫星遥感图像的图幅所覆盖的范围可能大于目标区域，对相邻各景卫星遥感图像进行瓦片切割后获得的瓦片可以在所述目标区域内，或者与目标区域有重叠，或者在所述目标区域外，根据在所述目标区域内，或者与目标区域有重叠的瓦片，获得所述目标区域的瓦片集合。其中，对预处理后的所述相邻各景卫星遥感图像进行瓦片切割的具体过程为：确定瓦片切割的起始位置，例如，以东经180度、北纬90度为瓦片切割起点，获取各景卫星遥感图像上每一点的坐标（x，y），根据如下公式计算瓦片的行列号：
Figure 321519DEST_PATH_IMAGE004
Figure 3167DEST_PATH_IMAGE005
其中，
Figure 381059DEST_PATH_IMAGE006
为瓦片的行号，
Figure 247384DEST_PATH_IMAGE007
为瓦片的列号。当瓦片的行列号计算结果有小数时，对瓦片的行列号进行向下取整运算。当已知某个地理位置的经纬度坐标，即可通过上述公式计算出该地理位置所在瓦片的行列号。
在一个可选的实施例中，请参阅图2，所述步骤S30包括S31~S33，具体如下：
S31：对预处理后的所述相邻各景卫星遥感图像进行正弦等面积投影，获得投影后的相邻各景卫星遥感图像；
S32：以预设的尺寸为分割单元，对投影后的相邻各景卫星遥感图像进行瓦片切割，获得若干个瓦片；
S33：获取所述目标区域的行政边界，根据所述行政边界对若干个所述瓦片进行裁剪，获得所述目标区域的瓦片集合。
由于正弦等面积投影能够保证全球任意区域具有相同的采样密度，即单个像素点表示的实际区域面积大小是固定的。因此，将预处理后的所述相邻各景卫星遥感图像转投影至正弦等面积投影。行政边界数据可从国家基础地理信息中心下的1:100万全国基础地理数据库获取，将与行政边界无重叠区域的瓦片进行剔除，获得所述目标区域的瓦片集合。通过正弦等面积投影，可以使获得的目标区域瓦片集合中每个瓦片中每个像素点的面积固定，确保每个瓦片大小的一致性。
S40：对所述瓦片集合中每一个瓦片进行像素点的灰度值归并。
对每景卫星卫星遥感图像进行瓦片切割后，可以获得每景卫星卫星遥感图像对应的若干个瓦片，其中，部分瓦片位于卫星遥感图像的图幅边缘，从而所述部分瓦片的一些像素点是没有灰度值的。由于相邻各景卫星遥感图像可能存在重叠区域，例如，上下重叠或左右重叠，所述部分瓦片可以是相邻两景卫星遥感图像进行瓦片切割后的公共瓦片，将相邻两景卫星遥感图像的像素点对应的灰度值归并到所述公共瓦片中。
在一个可选的实施例中，请参阅图3，所述步骤S40包括S41~S42，具体如下：
S41：若所述瓦片贯穿相邻两景卫星遥感图像，获取所述瓦片分别在相邻两景卫星遥感图像中的第一瓦片区域和第二瓦片区域；
S42：将所述第一瓦片区域像素点的灰度值和所述第二瓦片区域像素点的灰度值对应保存到一个瓦片的像素点中。
在本申请实施例中，所述瓦片的第一部分S1位于第A景卫星遥感图像，所述第一部分S1对应第A景卫星遥感图像的第一瓦片区域，剩余部分S2位于第B景卫星遥感图像，所述剩余部分S2对应第B景卫星遥感图像的第二瓦片区域，所述第A景卫星遥感图像与第B景卫星遥感图像为相邻两景卫星遥感图像，从第A景卫星遥感图像中获取所述第一部分S1各像素点的灰度值，从第B景卫星遥感图像中获取所述剩余部分S2各像素点的灰度值，将所述第一部分S1各像素点的灰度值和所述剩余部分S2各像素点的灰度值对应保存到一个瓦片的像素点中，从而自动快捷地实现了瓦片灰度值的归并。
在一个可选的实施例中，所述步骤S40之前，包括S301~S302，具体如下：
S301：根据预设的初始观测日期以及卫星的重访周期，获得预设的观测日期序列；
S302：获取相邻各景卫星遥感图像的观测日期，将所述相邻各景卫星遥感图像的观测日期归并为所述观测日期序列中的同一个观测日期，以实现所述相邻各景卫星遥感图像的匹配。
在本申请实施例中，哨兵一号卫星的重访周期为12天，因此，一年中不同轨道的观测数量可能为30次或31次。为了得到所有区域固定数量的观测序列，可以预设初始观测日期，例如，预设的初始观测日期为每年的1月8日，每12天一个间隔，1年30次观测。获取相邻各景卫星遥感图像的观测日期，例如，第A景卫星遥感图像的观测日期为1月5日，第B景卫星遥感图像的观测日期为1月6日，将第A景卫星遥感图像的观测日期和第B景卫星遥感图像的观测日期均归并为1月8日，从而自动快捷地实现所述相邻各景卫星遥感图像的匹配。
S50：遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片。
在本申请实施例中，由于部分哨兵一号卫星的数据在相邻轨道间存在缝隙，从而使得归并后的瓦片中部分像素点存在灰度值缺失。为此，可以根据周围存在灰度值的像素点，对所述缺失灰度值的像素点进行灰度值的插值，获得像素点的灰度值均不为空值的瓦片。具体地，可以使用GDAL（ Geospatial Data Abstraction Library，地理空间数据抽象库）中的gdal_fillnodata.py文件实现灰度值插值。
在一个可选的实施例中，请参阅图4，所述步骤S50包括S51~S52，具体如下：
S51：获取灰度值缺失的所述像素点所在瓦片的全部像素点；
S52：根据所述全部像素点对应的灰度值以及中值滤波方法对灰度值缺失的所述像素点进行灰度值插值，获得像素点的灰度值均不为空值的瓦片。
中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。在本申请实施例中，采用中值滤波方法对瓦片中灰度值缺失的像素点进行灰度值插值，使得瓦片中像素点的灰度值均不为空值，提高了瓦片存储数据的完整性。
在一个可选的实施例中，所述所述的基于瓦片的卫星遥感图像数据处理方法，包括步骤S60，具体如下：
S60：将所述瓦片中每个像素点的灰度值转换为后向散射系数，并对所述瓦片进行存储；其中，通过以下公式将瓦片中每个像素点的灰度值转换为后向散射系数：
Figure 897677DEST_PATH_IMAGE001
其中，
Figure 507650DEST_PATH_IMAGE002
是所述灰度值，
Figure 740048DEST_PATH_IMAGE003
是所述后向散射系数。
在本申请实施例中，在获得瓦片之后，可以将瓦片中每个像素点的灰度值转换为后向散射系数，从而利用后向散射系数来预测目标区域内的作物类型以及作物周期等。
应用本发明实施例，通过获取目标区域的相邻各景卫星遥感图像；对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像；对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合；对所述瓦片集合中每一个瓦片进行像素点的灰度值归并；遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片，从而以瓦片保存卫星遥感图像数据，并且每个瓦片中像素点的灰度值均不为空值，提高了卫星遥感图像数据的质量。
相应于上述方法实施例，请参阅5，本发明实施例提供一种基于瓦片的卫星遥感图像数据处理装置7，包括：
图像获取模块71，用于获取目标区域的相邻各景卫星遥感图像；
图像预处理模块72，用于对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像；
瓦片切割模块73，用于对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合；
灰度值归并模块74，用于对所述瓦片集合中每一个瓦片进行像素点的灰度值归并；
灰度值插值模块75，用于遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片。
可选的，所述图像预处理模块72，具体包括：
辐射定标单元721，用于将所述相邻各景卫星遥感图像进行辐射定标以及横轴墨卡托投影转换，得到预处理后的相邻各景卫星遥感图像。
可选的，所述瓦片切割模块73，具体包括：
面积投影单元731，用于对预处理后的所述相邻各景卫星遥感图像进行正弦等面积投影，获得投影后的相邻各景卫星遥感图像；
瓦片切割单元732，用于以预设的尺寸为分割单元，对投影后的相邻各景卫星遥感图像进行瓦片切割，获得若干个瓦片；
行政边界获取单元733，用于获取所述目标区域的行政边界，根据所述行政边界对若干个所述瓦片进行裁剪，获得所述目标区域的瓦片集合。
可选的，所述灰度值归并模块74，具体包括：
瓦片区域获取单元741，用于若所述瓦片贯穿相邻两景卫星遥感图像，获取所述瓦片分别在相邻两景卫星遥感图像中的第一瓦片区域和第二瓦片区域；
灰度值保存单元742，用于将所述第一瓦片区域像素点的灰度值和所述第二瓦片区域像素点的灰度值对应保存到一个瓦片的像素点中。
可选的，所述灰度值插值模块75，具体包括：
像素点获取单元751，用于获取灰度值缺失的所述像素点所在瓦片的全部像素点；
灰度值插值单元752，用于根据所述全部像素点对应的灰度值以及中值滤波方法对灰度值缺失的所述像素点进行灰度值插值，获得像素点的灰度值均不为空值的瓦片。
应用本发明实施例，通过获取目标区域的相邻各景卫星遥感图像；对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像；对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合；对所述瓦片集合中每一个瓦片进行像素点的灰度值归并；遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片，从而以瓦片保存卫星遥感图像数据，并且每个瓦片中像素点的灰度值均不为空值，提高了卫星遥感图像数据的质量。
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，则本发明也意图包含这些改动和变形。

Claims (10)

1.一种基于瓦片的卫星遥感图像数据处理方法，其特征在于，包括：
获取目标区域的相邻各景卫星遥感图像；
对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像；
对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合；
对所述瓦片集合中每一个瓦片进行像素点的灰度值归并；
遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片。
2.根据权利要求1所述的基于瓦片的卫星遥感图像数据处理方法，其特征在于：
所述对所述瓦片集合中每一个瓦片进行像素点的灰度值归并的步骤，包括：
若所述瓦片贯穿相邻两景卫星遥感图像，获取所述瓦片分别在相邻两景卫星遥感图像中的第一瓦片区域和第二瓦片区域；
将所述第一瓦片区域像素点的灰度值和所述第二瓦片区域像素点的灰度值对应保存到一个瓦片的像素点中。
3.根据权利要求1所述的基于瓦片的卫星遥感图像数据处理方法，其特征在于：
所述对所述瓦片集合中每一个瓦片进行像素点的灰度值归并的步骤之前，包括：
根据预设的初始观测日期以及卫星的重访周期，获得预设的观测日期序列；
获取相邻各景卫星遥感图像的观测日期，将所述相邻各景卫星遥感图像的观测日期归并为所述观测日期序列中的同一个观测日期，以实现所述相邻各景卫星遥感图像的匹配。
4.根据权利要求1所述的基于瓦片的卫星遥感图像数据处理方法，其特征在于：
所述遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片的步骤，包括：
获取灰度值缺失的所述像素点所在瓦片的全部像素点；
根据所述全部像素点对应的灰度值以及中值滤波方法对灰度值缺失的所述像素点进行灰度值插值，获得像素点的灰度值均不为空值的瓦片。
5.根据权利要求1所述的基于瓦片的卫星遥感图像数据处理方法，其特征在于：
所述对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合的步骤，包括：
对预处理后的所述相邻各景卫星遥感图像进行正弦等面积投影，获得投影后的相邻各景卫星遥感图像；
以预设的尺寸为分割单元，对投影后的相邻各景卫星遥感图像进行瓦片切割，获得若干个瓦片；
获取所述目标区域的行政边界，根据所述行政边界对若干个所述瓦片进行裁剪，获得所述目标区域的瓦片集合。
6.根据权利要求1所述的基于瓦片的卫星遥感图像数据处理方法，其特征在于，包括：
将所述瓦片中每个像素点的灰度值转换为后向散射系数，并对所述瓦片进行存储；其中，通过以下公式将瓦片中每个像素点的灰度值转换为后向散射系数：
Figure 280815DEST_PATH_IMAGE001
其中，
Figure 956516DEST_PATH_IMAGE002
是所述灰度值，
Figure 224686DEST_PATH_IMAGE003
是所述后向散射系数。
7.根据权利要求1所述的基于瓦片的卫星遥感图像数据处理方法，其特征在于，所述对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像的步骤，包括：
将所述相邻各景卫星遥感图像进行辐射定标以及横轴墨卡托投影转换，得到预处理后的相邻各景卫星遥感图像。
8.一种基于瓦片的卫星遥感图像数据处理装置，其特征在于，包括：
图像获取模块，用于获取目标区域的相邻各景卫星遥感图像；
图像预处理模块，用于对所述相邻各景卫星遥感图像进行预处理，获得预处理后的相邻各景卫星遥感图像；
瓦片切割模块，用于对预处理后的所述相邻各景卫星遥感图像进行瓦片切割，获得所述目标区域的瓦片集合；
灰度值归并模块，用于对所述瓦片集合中每一个瓦片进行像素点的灰度值归并；
灰度值插值模块，用于遍历每一个所述瓦片的像素点，若所述像素点的灰度值缺失，根据所述像素点所在的瓦片，对所述像素点的灰度值进行插值，获得像素点的灰度值均不为空值的瓦片。
9.根据权利要求8所述的基于瓦片的卫星遥感图像数据处理装置，其特征在于，所述灰度值归并模块，包括：
瓦片区域获取单元，用于若所述瓦片贯穿相邻两景卫星遥感图像，获取所述瓦片分别在相邻两景卫星遥感图像中的第一瓦片区域和第二瓦片区域；
灰度值保存单元，用于将所述第一瓦片区域像素点的灰度值和所述第二瓦片区域像素点的灰度值对应保存到一个瓦片的像素点中。
10.根据权利要求8所述的基于瓦片的卫星遥感图像数据处理装置，其特征在于，所述灰度值插值模块，包括：
像素点获取单元，用于获取灰度值缺失的所述像素点所在瓦片的全部像素点；
灰度值插值单元，用于根据所述全部像素点对应的灰度值以及中值滤波方法对灰度值缺失的所述像素点进行灰度值插值，获得像素点的灰度值均不为空值的瓦片。
CN202210754953.1A 2022-06-30 2022-06-30 一种基于瓦片的卫星遥感图像数据处理方法及装置 Active CN114817443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210754953.1A CN114817443B (zh) 2022-06-30 2022-06-30 一种基于瓦片的卫星遥感图像数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210754953.1A CN114817443B (zh) 2022-06-30 2022-06-30 一种基于瓦片的卫星遥感图像数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN114817443A true CN114817443A (zh) 2022-07-29
CN114817443B CN114817443B (zh) 2022-10-21

Family

ID=82522821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210754953.1A Active CN114817443B (zh) 2022-06-30 2022-06-30 一种基于瓦片的卫星遥感图像数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN114817443B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116521927A (zh) * 2023-06-30 2023-08-01 成都智遥云图信息技术有限公司 基于网络地图瓦片的遥感影像匹配方法与系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001283189A (ja) * 2000-03-30 2001-10-12 Tokai Univ 水温図作成方法とシステム
CN104700411A (zh) * 2015-03-15 2015-06-10 西安电子科技大学 基于稀疏重建的两时相遥感影像变化检测方法
CN105589951A (zh) * 2015-12-18 2016-05-18 中国科学院计算机网络信息中心 一种海量遥感影像元数据分布式存储方法及并行查询方法
CN105718588A (zh) * 2016-01-26 2016-06-29 北京行云时空科技有限公司 一种基于3d眼镜的时空日记的自动生成方法和系统
KR101877173B1 (ko) * 2017-05-04 2018-07-10 경북대학교 산학협력단 위성영상을 이용한 해안선 검출 시스템 및 방법
CN111460936A (zh) * 2020-03-18 2020-07-28 中国地质大学（武汉） 基于U-Net网络的遥感影像建筑物提取方法、系统、电子设备
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
CN113658078A (zh) * 2021-08-20 2021-11-16 南京工业大学 基于fpga硬件的spot-6卫星影像rfm正射纠正方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001283189A (ja) * 2000-03-30 2001-10-12 Tokai Univ 水温図作成方法とシステム
CN104700411A (zh) * 2015-03-15 2015-06-10 西安电子科技大学 基于稀疏重建的两时相遥感影像变化检测方法
CN105589951A (zh) * 2015-12-18 2016-05-18 中国科学院计算机网络信息中心 一种海量遥感影像元数据分布式存储方法及并行查询方法
CN105718588A (zh) * 2016-01-26 2016-06-29 北京行云时空科技有限公司 一种基于3d眼镜的时空日记的自动生成方法和系统
KR101877173B1 (ko) * 2017-05-04 2018-07-10 경북대학교 산학협력단 위성영상을 이용한 해안선 검출 시스템 및 방법
CN111460936A (zh) * 2020-03-18 2020-07-28 中国地质大学（武汉） 基于U-Net网络的遥感影像建筑物提取方法、系统、电子设备
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
CN113658078A (zh) * 2021-08-20 2021-11-16 南京工业大学 基于fpga硬件的spot-6卫星影像rfm正射纠正方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘冬等: "保存边界的图象平滑方法", 《西北工业大学学报》 *
江兴方等: "惠更斯次波法在遥感图像去云和云影中的应用", 《应用光学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116521927A (zh) * 2023-06-30 2023-08-01 成都智遥云图信息技术有限公司 基于网络地图瓦片的遥感影像匹配方法与系统
CN116521927B (zh) * 2023-06-30 2024-02-13 成都智遥云图信息技术有限公司 基于网络地图瓦片的遥感影像匹配方法与系统

Also Published As

Publication number Publication date
CN114817443B (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
AU2017100064A4 (en) Image Stitching
Dehecq et al. Automated processing of declassified KH-9 Hexagon satellite images for global elevation change analysis since the 1970s
US8879871B2 (en) Method for processing images using automatic georeferencing of images derived from a pair of images captured in the same focal plane
US20020061132A1 (en) Stereo image processing apparatus and method of processing stereo image
Lizarazo et al. Automatic mapping of land surface elevation changes from UAV-based imagery
CN112712535B (zh) 基于模拟困难样本的Mask-RCNN滑坡分割方法
US7729561B1 (en) Search in time
EP2396766A1 (en) Fusion of a 2d electro-optical image and 3d point cloud data for scene interpretation and registration performance assessment
CN114817443B (zh) 一种基于瓦片的卫星遥感图像数据处理方法及装置
Gómez-Chova et al. Gridding artifacts on medium-resolution satellite image time series: MERIS case study
Mozgovoy et al. Automated recognition of vegetation and water bodies on the territory of megacities in satellite images of visible and IR bands
Knuth et al. Historical Structure from Motion (HSfM): Automated processing of historical aerial photographs for long-term topographic change analysis
Papworth et al. Assessing 3D metric data of digital surface models for extracting archaeological data from archive stereo-aerial photographs
Farella et al. The EuroSDR TIME benchmark for historical aerial images
Domik et al. Multiple incidence angle SIR-B experiment over Argentina: generation of secondary image products
Yoo et al. True orthoimage generation by mutual recovery of occlusion areas
Cogliati et al. Extraction of dems and orthoimages from archive aerial imagery to support project planning in civil engineering
CN111161186B (zh) 一种推扫式遥感器通道配准方法及装置
Sidiropoulos et al. Automatic coregistration and orthorectification (ACRO) and subsequent mosaicing of NASA high-resolution imagery over the Mars MC11 quadrangle, using HRSC as a baseline
Loghin et al. Accuracy Analysis of Digital Elevation Models from very High Resolution Satellite Imagery
Kurczyński et al. Mapping of polar areas based on high-resolution satellite images: the example of the Henryk Arctowski Polish Antarctic Station
Sayed Extraction and photogrammetric exploitation of features in digital images
CN113516591A (zh) 一种遥感影像超分辨率重建方法、装置、设备及存储介质
Raabe et al. Image processing methods; procedures in selection, registration, normalization and enhancement of satellite imagery in coastal wetlands
Van Ha et al. Assessment of georeferencing methods on MODIS Terra/Aqua and VIIRS NPP satellite images in Vietnam

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