CN114862928A - 利用云运动特性的同步轨道光学卫星稳像方法 - Google Patents

利用云运动特性的同步轨道光学卫星稳像方法 Download PDF

Info

Publication number
CN114862928A
CN114862928A CN202210791079.9A CN202210791079A CN114862928A CN 114862928 A CN114862928 A CN 114862928A CN 202210791079 A CN202210791079 A CN 202210791079A CN 114862928 A CN114862928 A CN 114862928A
Authority
CN
China
Prior art keywords
frame
image
cloud layer
cloud
position variation
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
CN202210791079.9A
Other languages
English (en)
Other versions
CN114862928B (zh
Inventor
王峰
胡玉新
刘方坚
焦念刚
向俞明
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.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
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 Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202210791079.9A priority Critical patent/CN114862928B/zh
Publication of CN114862928A publication Critical patent/CN114862928A/zh
Application granted granted Critical
Publication of CN114862928B publication Critical patent/CN114862928B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/246Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/35Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/38Registration of image sequences
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10032Satellite or aerial image; Remote sensing
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种利用云运动特性的同步轨道光学卫星稳像方法,涉及遥感图像几何处理技术领域。该方法包括:获取待处理影像,从待处理影像逐帧提取云层区域,其中,待处理影像为同步轨道光学卫星的序列遥感影像;提取相邻帧云层区域的云层控制点对;根据预设的云层目标运动规则和序列影像的帧间位置规则,估算云层控制点对的帧间位置变化量;以及根据帧间位置变化量,以第一帧云层区域作为基准,对待处理影像逐帧进行稳像处理。本发明基于序列遥感影像自身相对定位统计规律以及云层目标的运动规律,自动实现静止轨道序列海洋影像的配准处理,提升同步轨道卫星海洋舰船目标检测和跟踪的位置准确性。

Description

利用云运动特性的同步轨道光学卫星稳像方法
技术领域
本发明涉及遥感图像几何处理技术领域,尤其涉及一种利用云运动特性的同步轨道光学卫星稳像方法。
背景技术
同步轨道卫星在36000千米高轨成像,具有对地球观测位置相对固定、时间分辨率高、观测范围广等特点,常用于针对固定区域的长期连续监视以及快速访问。同步轨道卫星通过凝视成像模式可以持续获得同一区域的高时频、高重叠影像,适用于海洋区域舰船目标的检测跟踪。
由于卫星平台系统几何定位存在一定偏差,序列遥感影像间的精确配准是进行运动目标检测跟踪的重要前提。现有序列遥感影像配准方法首先需要提取固定背景区域的特征点,然后采用自动匹配方法获取序列图像间的同名点对,最后构建图像间的变换模型,通过自由网平差并结合几何校正或线性变换模型等实现图像配准。
现有方法都是基于固定背景提取控制点,然后计算序列图像间的变换模型,进而实现序列图像配准,这种方法可以应用于包含陆地区域的序列遥感影像数据。但是,在海面舰船目标检测跟踪应用中,所获取的同步轨道卫星序列影像中可能不包含陆地区域,现有方法无法提取固定背景特征点,因而无法进行系列遥感影像配准处理。
因此,如何在无陆地等固定背景条件下,实现同步轨道卫星序列海洋影像配准处理是目前有待解决的问题。
发明内容
有鉴于此,本发明提供了一种利用云运动特性的同步轨道光学卫星稳像方法,以解决现有技术需要基于固定背景提取序列影像间的不变控制点,仅能应用于存在固定陆地或岛屿的序列影像中,无法处理仅覆盖海洋区域的序列影像数据的技术问题。
本发明提供了一种利用云运动特性的同步轨道光学卫星稳像方法,包括:获取待处理影像,从待处理影像逐帧提取云层区域,其中,待处理影像为同步轨道光学卫星的序列遥感影像;提取相邻帧云层区域的云层控制点对;根据预设的云层目标运动规则和序列影像的帧间位置规则,估算云层控制点对的帧间位置变化量;以及根据帧间位置变化量,以第一帧云层区域作为基准,对待处理影像逐帧进行稳像处理。
进一步地,从待处理影像逐帧提取云层区域,包括针对待处理影像中的每一帧影像,执行以下操作:统计该帧影像中的蓝光波段的直方图分布特征;根据直方图分布特征,利用自动阈值法标记过亮像素,提取该帧影像的云层区域。
进一步地,提取相邻帧云层区域的云层控制点对,包括:从第一帧云层区域中选取待校正云层目标的基准控制点;采用自动匹配算法依次提取相邻帧云层区域中与基准控制点相匹配的同名点,基准控制点和同名点共同构成云层控制点对。
进一步地,自动匹配算法包括:SIFT特征匹配算法或者分层多模板的特征匹配算法。
进一步地,云层目标运动规则包括:由云层目标自身运动引入的帧间位置变化量近似相同;序列影像的帧间位置规则包括:由随机抖动引入的帧间位置变化量的统计求和趋向于0。
进一步地,云层控制点对的帧间位置变化量由云层目标自身运动引入的第一帧间位置变化量和由随机抖动引入的第二帧间位置变化量叠加得到。
进一步地,由云层目标自身运动引入的第一帧间位置变化量根据以下公式估算得出:
Figure 217450DEST_PATH_IMAGE001
式中,P 1 P N 分别为第1帧和第N帧影像中云层控制点的位置信息;N为待处理影像 的总帧数;
Figure 824012DEST_PATH_IMAGE002
为第i帧与第i-1帧影像的云层控制点之间的第一帧间位置变化量,i=2, 3,…,N
进一步地,由随机抖动引入的第二帧间位置变化量根据以下公式估算得出:
Figure 551796DEST_PATH_IMAGE003
式中,D i,i-1为第i帧与第i-1帧云层控制点的帧间位置变化量;
Figure 243809DEST_PATH_IMAGE004
为第i帧与第i-1帧影像的云层控制点之间的第二帧间位置变化量,i=2,3,…,N
进一步地,待处理影像的第N帧影像经过稳像处理后的位置信息根据以下公式估算得出:
Figure 652924DEST_PATH_IMAGE005
式中,
Figure 910730DEST_PATH_IMAGE006
为第N帧影像的原始位置信息;
Figure 281187DEST_PATH_IMAGE007
为第N帧影像经过稳像处理后的位置 信息。
与现有技术相比,本发明提供的利用云运动特性的同步轨道光学卫星稳像方法,至少具有以下有益效果:
(1)不依赖于固定陆地或岛屿背景,基于海洋上常见的云层目标的运动特性进行稳像处理,可以应用于仅覆盖海洋区域的序列遥感影像自动配准处理;
(2)基于序列遥感影像自身相对定位统计规律以及云层目标的运动规律,自动实现静止轨道序列海洋影像的配准处理,提升同步轨道卫星海洋舰船目标检测和跟踪的位置准确性。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本发明实施例的利用云运动特性的同步轨道光学卫星稳像方法的流程图;
图2示意性示出了根据本发明实施例的利用云运动特性的同步轨道光学卫星稳像方法的操作流程图;
图3示意性示出了根据本发明实施例的帧间位置变化量的叠加过程原理图。
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,对本发明进一步详细说明。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。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。
图1示意性示出了根据本发明实施例的利用云运动特性的同步轨道光学卫星稳像方法的流程图。图2示意性示出了根据本发明实施例的利用云运动特性的同步轨道光学卫星稳像方法的操作流程图。
如图1和图2所示,根据该实施例的利用云运动特性的同步轨道光学卫星稳像方法,可以包括操作S110~操作S140。
在操作S110,获取待处理影像,从待处理影像逐帧提取云层区域,其中,待处理影像为同步轨道光学卫星的序列遥感影像。
本操作可以采用多种云层区域提取算法。在一些实施例中,从待处理影像逐帧提取云层区域,例如可以包括针对待处理影像中的每一帧影像,执行以下操作:统计该帧影像中的蓝光波段的直方图分布特征;根据直方图分布特征,利用自动阈值法标记过亮像素,提取该帧影像的云层区域。
具体地,在获取待处理影像后,统计每一帧影像各波段的直方图,根据蓝光波段的直方图分布特征,利用自动阈值法标记过亮像素,即可获得该帧影像的云层区域。
在操作S120,提取相邻帧云层区域的云层控制点对。
对于待处理影像的每一帧影像中的云层区域,提取相邻帧云层区域的云层控制点对。
具体地,提取相邻帧云层区域的云层控制点对,包括:
(1)从第一帧云层区域中选取待校正云层目标的基准控制点。
例如,待校正云层目标的基准控制点记为P 1 P 1 =(x 1,y 1),其中,x 1y 1分别为该基准控制点的横向和纵向坐标。
(2)采用自动匹配算法依次提取相邻帧云层区域中与基准控制点相匹配的同名点,基准控制点和同名点共同构成云层控制点对。
接着,采用自动匹配算法依次获得相邻帧云层区域中与基准控制点相匹配的同名点,依次记为P 2 ,,P N ,且有P 2 =(x 2,y 2),,P N =(x N ,y N )。该自动匹配算法例如可以包括SIFT特征匹配算法或者分层多模板的特征匹配算法。
其中,SIFT(Scale Invariant Feature Transform,尺度不变特征变换)特征匹配算法是一种提取图像局部特征的算法,通过在高斯差分尺度空间寻找极值点作为关键点,提取尺度、亮度、旋转不变量。SIFT特征匹配算法实现特征匹配主要有以下三个流程:提取关键点、定位关键点并确定特征方向和通过各关键点的特征向量,进行两两比较找出相互匹配的若干对特征点,建立影像间的对应关系。
分层多模板的特征匹配算法的流程主要为:(1)对第一幅图像求梯度函数,将梯度值最大的区域作为候选模板组;(2)筛选出包含植被较多的模板;(3)根据噪声的特点以及动态目标的灰度特征来去除噪声多的模板区域。
在操作S130,根据预设的云层目标运动规则和序列影像的帧间位置规则,估算云层控制点对的帧间位置变化量。
本实施例中,云层目标运动规则包括:由云层目标自身运动引入的帧间位置变化量近似相同。序列影像的帧间位置规则包括:由随机抖动引入的帧间位置变化量的统计求和趋向于0。
在此基础上,云层控制点对的帧间位置变化量由云层目标自身运动引入的第一帧间位置变化量和由随机抖动引入的第二帧间位置变化量叠加得到。
本实施例中,由云层目标自身运动引入的第一帧间位置变化量根据以下公式估算得出:
Figure 460496DEST_PATH_IMAGE008
式中,P 1 P N 分别为第1帧和第N帧影像中云层控制点的位置信息;N为待处理影像 的总帧数;
Figure 407723DEST_PATH_IMAGE009
为第i帧与第i-1帧影像的云层控制点之间的第一帧间位置变化量,i=2, 3,…,N
进一步地,由随机抖动引入的第二帧间位置变化量根据以下公式估算得出:
Figure 785615DEST_PATH_IMAGE010
式中,D i,i-1为第i帧与第i-1帧云层控制点的帧间位置变化量;
Figure 792885DEST_PATH_IMAGE011
为第i帧与第i-1帧影像的云层控制点之间的第二帧间位置变化量,i=2,3,…,N
以下结合图3,对本实施例的云层控制点对的帧间位置变化量的计算和推导过程进行详细描述。
图3示意性示出了根据本发明实施例的帧间位置变化量的叠加过程原理图。
具体来说,如图3所示,云层控制点对的帧间位置变化量的计算和推导过程如下:
(1)记P i P i-1分别为第i帧影像和第i-1帧影像中云层控制点的位置,第i帧和第i-1帧云层控制点的帧间位置变化量为D i,i-1,则有:
Figure 459490DEST_PATH_IMAGE012
式中,N为待处理影像的帧数。
以此类推,最后一帧影像的云层控制点的位置P N 可以表示为:
Figure 475988DEST_PATH_IMAGE013
(2)在序列遥感影像中,云区域的帧间位置变化量由云层目标自身运动引入的第 一帧间位置变化量
Figure 911648DEST_PATH_IMAGE014
和由随机抖动引入的第二帧间位置变化量
Figure 620978DEST_PATH_IMAGE015
叠加得到,即:
Figure 506370DEST_PATH_IMAGE016
(3)一般情况下,云层目标具有匀速缓慢运动的特性。结合云层目标的运动特性,在相同时间间隔条件下获得序列遥感影像数据,则由云层目标自身运动引入的第一帧间位置变化量近似相同,记为D S ,即有:
Figure 326559DEST_PATH_IMAGE017
(4)序列遥感影像间仅存在随机定位偏差,因此,在多帧统计条件下,由随机抖动引入的第二帧间位置变化量的统计求和趋向于0,即:
Figure 413463DEST_PATH_IMAGE018
(5)综合上述分析,对于静止卫星获取的序列遥感影像,结合上述所有公式,得到如下公式:
Figure 293695DEST_PATH_IMAGE019
由此,可以求得由云层目标自身运动引入的第一帧间位置变化量为:
Figure 403733DEST_PATH_IMAGE020
然后,由随机抖动引入的第二帧间位置变化量为:
Figure 762033DEST_PATH_IMAGE021
在操作S140,根据帧间位置变化量,以第一帧云层区域作为基准,对待处理影像逐帧进行稳像处理。
最后,以第一帧影像中的云层区域为基准,逐帧进行影像的稳像处理,,实现同步轨道光学卫星稳像处理。
特别地,根据上述公式推导过程,对于待处理影像的第N帧影像,也即最后一帧影像,在原始位置信息的基础上,依次减去从第1帧影像开始累积的帧间位置变化量,即可得到稳像处理后的位置信息。
也即,待处理影像的第N帧影像经过稳像处理后的位置信息根据以下公式估算得出:
Figure 969024DEST_PATH_IMAGE022
式中,
Figure 754577DEST_PATH_IMAGE023
为第N帧影像的原始位置信息;
Figure 617491DEST_PATH_IMAGE024
为第N帧影像经过稳像处理后的位置 信息。
通过本发明的实施例,该方法不依赖于固定陆地或岛屿背景,基于海洋上常见的云层目标的运动特性进行稳像处理,可以应用于仅覆盖海洋区域的序列遥感影像自动配准处理。并且,该方法基于序列遥感影像自身相对定位统计规律以及云层目标的运动规律,自动实现静止轨道序列海洋影像的配准处理,提升同步轨道卫星海洋舰船目标检测和跟踪的位置准确性。
从以上的描述中,可以看出,本发明上述的实施例至少实现了以下技术效果:
(1)通过分析同步轨道卫星序列影像中云层运动目标的统计特性,可以在无固定陆地或岛屿情况下实现同步轨道光卫星稳像处理;
(2)解决了仅覆盖海洋的序列影像无法相对校正的问题,提升同步轨道卫星海洋舰船目标检测和跟踪的位置准确性。
最后,申请人还基于实验数据对本发明上述的实施例的方法进行了有效性验证,以下具体描述该实验的过程以及结果。
基于高分四号同步轨道光学卫星数据对本方法进行了有效性验证,共采用序列影像数据30帧,帧间时间差约为1分钟,序列影像中包含陆地和云层目标。
以陆地区域作为基准进行序列影像稳像处理,可以作为稳像处理的真值。以第一帧影像为基准,利用陆地区域相对校正结果评估原始序列影像偏差以及本方法稳像后的偏差,实验结果如下表1所示。
Figure 782412DEST_PATH_IMAGE025
从表1中可以看出,同步轨道光学卫星原始序列影像偏差均值为10.4像素,采用本方法进行稳像处理后,序列影像剩余偏差均值为5.7像素,计算可得序列影像帧间相对定位偏差下降约45.8%。
由此可见,在无固定背景情况下,本发明可以有效提升同步轨道光学卫星稳像精度。
综上所述,本发明实施例提供了种利用云运动特性的同步轨道光学卫星稳像方法, 通过分析同步轨道卫星序列影像中云层运动目标的统计特性,可以在无固定陆地或岛屿情况下实现同步轨道光卫星稳像处理;并且,该方法解决了仅覆盖海洋的序列影像无法相对校正的问题,提升同步轨道卫星海洋舰船目标检测和跟踪的位置准确性。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。因此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个、三个等,除非另有明确具体的限定。此外,位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。
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,所应理解的是,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 (9)

1.一种利用云运动特性的同步轨道光学卫星稳像方法,其特征在于,包括:
获取待处理影像,从所述待处理影像逐帧提取云层区域,其中,所述待处理影像为同步轨道光学卫星的序列遥感影像;
提取相邻帧云层区域的云层控制点对;
根据预设的云层目标运动规则和序列影像的帧间位置规则,估算所述云层控制点对的帧间位置变化量;以及
根据所述帧间位置变化量,以第一帧云层区域作为基准,对所述待处理影像逐帧进行稳像处理。
2.根据权利要求1所述的利用云运动特性的同步轨道光学卫星稳像方法,其特征在于,从所述待处理影像逐帧提取云层区域,包括针对所述待处理影像中的每一帧影像,执行以下操作:
统计该帧影像中的蓝光波段的直方图分布特征;
根据所述直方图分布特征,利用自动阈值法标记过亮像素,提取该帧影像的云层区域。
3.根据权利要求1所述的利用云运动特性的同步轨道光学卫星稳像方法,其特征在于,所述提取相邻帧云层区域的云层控制点对,包括:
从第一帧云层区域中选取待校正云层目标的基准控制点;
采用自动匹配算法依次提取相邻帧云层区域中与所述基准控制点相匹配的同名点,所述基准控制点和同名点共同构成所述云层控制点对。
4.根据权利要求3所述的利用云运动特性的同步轨道光学卫星稳像方法,其特征在于,所述自动匹配算法包括:
SIFT特征匹配算法或者分层多模板的特征匹配算法。
5.根据权利要求1所述的利用云运动特性的同步轨道光学卫星稳像方法,其特征在于,所述云层目标运动规则包括:由云层目标自身运动引入的帧间位置变化量近似相同;
所述序列影像的帧间位置规则包括:由随机抖动引入的帧间位置变化量的统计求和趋向于0。
6.根据权利要求5所述的利用云运动特性的同步轨道光学卫星稳像方法,其特征在于,所述云层控制点对的帧间位置变化量由云层目标自身运动引入的第一帧间位置变化量和由随机抖动引入的第二帧间位置变化量叠加得到。
7.根据权利要求6所述的利用云运动特性的同步轨道光学卫星稳像方法,其特征在于,所述由云层目标自身运动引入的第一帧间位置变化量根据以下公式估算得出:
Figure 383389DEST_PATH_IMAGE001
式中,P 1 P N 分别为第1帧和第N帧影像中云层控制点的位置信息;N为待处理影像的总 帧数;
Figure 238212DEST_PATH_IMAGE002
为第i帧与第i-1帧影像的云层控制点之间的第一帧间位置变化量,i=2,3,…,N
8.根据权利要求7所述的利用云运动特性的同步轨道光学卫星稳像方法,其特征在于,所述由随机抖动引入的第二帧间位置变化量根据以下公式估算得出:
Figure 690053DEST_PATH_IMAGE003
式中,D i,i-1为第i帧与第i-1帧云层控制点的帧间位置变化量;
Figure 22946DEST_PATH_IMAGE004
为第i帧与第i-1帧 影像的云层控制点之间的第二帧间位置变化量,i=2,3,…,N
9.根据权利要求8所述的利用云运动特性的同步轨道光学卫星稳像方法,其特征在于,所述待处理影像的第N帧影像经过稳像处理后的位置信息根据以下公式估算得出:
Figure 571739DEST_PATH_IMAGE005
式中,
Figure 331884DEST_PATH_IMAGE006
为第N帧影像的原始位置信息;
Figure 533671DEST_PATH_IMAGE007
为第N帧影像经过稳像处理后的位置信息。
CN202210791079.9A 2022-07-07 2022-07-07 利用云运动特性的同步轨道光学卫星稳像方法 Active CN114862928B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210791079.9A CN114862928B (zh) 2022-07-07 2022-07-07 利用云运动特性的同步轨道光学卫星稳像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210791079.9A CN114862928B (zh) 2022-07-07 2022-07-07 利用云运动特性的同步轨道光学卫星稳像方法

Publications (2)

Publication Number Publication Date
CN114862928A true CN114862928A (zh) 2022-08-05
CN114862928B CN114862928B (zh) 2022-09-16

Family

ID=82626262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210791079.9A Active CN114862928B (zh) 2022-07-07 2022-07-07 利用云运动特性的同步轨道光学卫星稳像方法

Country Status (1)

Country Link
CN (1) CN114862928B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109712088A (zh) * 2018-12-14 2019-05-03 航天恒星科技有限公司 一种基于稳像的遥感视频卫星图像处理方法及系统
US20190306407A1 (en) * 2018-03-30 2019-10-03 Drs Network & Imaging Systems, Llc Method and system for scanning of a focal plane array during earth observation imaging
CN112284352A (zh) * 2020-09-14 2021-01-29 北京空间飞行器总体设计部 一种用于光学遥感卫星的稳像系统和方法
CN112419380A (zh) * 2020-11-25 2021-02-26 湖北工业大学 一种基于云掩膜的静止轨道卫星序列影像高精度配准方法
US11010606B1 (en) * 2019-11-15 2021-05-18 Maxar Intelligence Inc. Cloud detection from satellite imagery
CN114359720A (zh) * 2021-12-23 2022-04-15 湖南国科轩宇信息科技有限公司 一种基于卫星光学图像的海上目标检测方法、系统及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190306407A1 (en) * 2018-03-30 2019-10-03 Drs Network & Imaging Systems, Llc Method and system for scanning of a focal plane array during earth observation imaging
CN109712088A (zh) * 2018-12-14 2019-05-03 航天恒星科技有限公司 一种基于稳像的遥感视频卫星图像处理方法及系统
US11010606B1 (en) * 2019-11-15 2021-05-18 Maxar Intelligence Inc. Cloud detection from satellite imagery
CN112284352A (zh) * 2020-09-14 2021-01-29 北京空间飞行器总体设计部 一种用于光学遥感卫星的稳像系统和方法
CN112419380A (zh) * 2020-11-25 2021-02-26 湖北工业大学 一种基于云掩膜的静止轨道卫星序列影像高精度配准方法
CN114359720A (zh) * 2021-12-23 2022-04-15 湖南国科轩宇信息科技有限公司 一种基于卫星光学图像的海上目标检测方法、系统及装置

Also Published As

Publication number Publication date
CN114862928B (zh) 2022-09-16

Similar Documents

Publication Publication Date Title
Ahmed Comparative study among Sobel, Prewitt and Canny edge detection operators used in image processing
WO2019148739A1 (zh) 一种模糊图像综合处理方法和系统
Kim et al. Single image dehazing based on contrast enhancement
US8620070B2 (en) Corresponding image processing method for compensating colour
Aslantas et al. A pixel based multi-focus image fusion method
Chang et al. Learning camera-aware noise models
CN110728697A (zh) 基于卷积神经网络的红外弱小目标检测跟踪方法
CN111340749B (zh) 图像质量的检测方法、装置、设备及存储介质
WO2017100971A1 (zh) 一种失焦模糊图像的去模糊方法和装置
CN115797300A (zh) 一种基于自适应梯度阈值canny算子的边缘检测方法及其装置
CN113674220A (zh) 一种图像差异检测方法、检测装置和存储介质
CN110689554B (zh) 用于红外图像序列的背景运动估计方法、装置及存储介质
CN110390338B (zh) 一种基于非线性引导滤波与比率梯度的sar高精度匹配方法
CN112102141A (zh) 水印的检测方法、装置、存储介质以及电子设备
CN113899349B (zh) 海浪参数检测方法、设备及存储介质
KR101921608B1 (ko) 깊이 정보 생성 장치 및 방법
Semenishchev Algorithm combination of deblurring and denoising on video frames using the method search of local features on image
KR101825218B1 (ko) 깊이 정보 생성 장치 및 방법
CN114862928B (zh) 利用云运动特性的同步轨道光学卫星稳像方法
CN109741370B (zh) 一种目标跟踪方法和装置
CN110738656A (zh) 一种证件照片的清晰度评估方法、存储介质及处理器
CN112634298B (zh) 图像处理方法及装置、存储介质、终端
Mutaqin et al. Increase dehazing process using fast guided filter on the dark channel prior
CN108062741B (zh) 双目图像处理方法、成像装置和电子设备
CN110264417B (zh) 基于分层模型的局部运动模糊区域自动检测提取方法

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