CN115578607B - 一种遥感影像有效像元覆盖范围快速提取方法 - Google Patents

Abstract

本发明公开了一种遥感影像有效像元覆盖范围快速提取方法，属于遥感影像有效像元提取技术领域领域，解决了遥感影像有效像元覆盖范围提取效率低的问题；本发明通过降采样快速探测遥感影像有效范围边界，再对边界区域进行高精度检测提取准确的遥感影像有效像元覆盖范围，在保证准确性的同时，有效地减少了算法复杂度。相较于现有算法，本算法同时具有高精度与高速度的特点，尤其在针对大数据量的遥感影像运算中，本文算法的速度优势尤为显著，更适合应用于大规模的遥感影像生产与应用。值得一提的是，当应用于图幅巨大的遥感影像时，本算法可以通过多次降采样探测有效范围边界进一步提升算法速度。

Description

一种遥感影像有效像元覆盖范围快速提取方法

技术领域

本发明专利属于遥感影像有效像元提取技术领域，具体涉及一种遥感影像有效像元覆盖范围快速提取方法。

背景技术

遥感影像成图时，受传感器成像方式与状态、地形起伏、地球曲率、大气折射以及地球自转等因素的影响，原始影像相对于参照系统会产生几何形变。为消除地物形变对应用的影响，遥感影像需进行几何纠正形成正射遥感影像。纠正后的正射遥感影像仍然以像元矩阵存储，然而其有效信息边界必然发生形变，从而在影像边缘产生无效像元。在生产中，往往需要提取正射遥感影像的有效像元在空间地理上的覆盖范围，以便于后续遥感影像的镶嵌拼接等工作。此外，在实际应用中也需要按需提取遥感影像中特定的空间地理范围(如地理范围、行政区划范围、地物范围等)的像元信息，从而产生具有不规则有效像元范围的遥感影像，这些影像的有效像元覆盖范围同样需要被提取。因此，遥感影像有效像元覆盖范围的提取对于遥感分类、解译、影像拼接等多方面研究与测绘产品生产、管理、遥感影像统筹、自然资源监管等多方面应用具有重要作用。

目前，遥感影像有效范围像元覆盖范围提取或无效像元剔除算法主要有三种。

2012年高娟等提出区域生长法，该算法默认遥感影像若存在无效像元则四端点像元必为无效像元，并以四端点像元为种子点，向四邻域迭代增长探测遥感影像无效像元。该算法无法检测与四端点不连通的无效像元。

2014年王慧贤等提出扫描线法，该算法逐行从首尾两端对遥感影像进行逐像元扫描探测无效像元。该算法无法检测与边界点不能水平或竖直联通的像元，因此存在明显弊端，对于几何形状复杂的遥感影像有效范围边界无法进行准确检测。2015年，陶强强等在扫描线法基础上提出两阶段扫描法，有效解决了这一问题，但该算法仍然无法检测与边界无效像元不连通的无效像元。

2019年，高磊等提出阈值法，该算法对遥感影像进行逐像元检测，能够准探测出所有的有效像元与无效像元。2021年，饶锦蒙等在阈值法基础上提出矢量边界法，在准确检测出无效像元的同时也能够区分无效范围内的无效像元与有效范围内取值错误的无效值点。然而，这两种算法需要遍历每一个像元点，应用于数据量大的遥感影像时，需要耗费大量的计算资源。

发明内容

有鉴于此，本发明专利基于遥感影像有效范围的连续性，提出了一种快速准确的遥感影像有效像元覆盖范围提取方法。该方法在保证有效范围准确性的同时，有效降低了算法的时间复杂度，大大提高了遥感影像有效像元覆盖范围的提取效率。同时，该方法有效解决了遥感影像有效范围提取不准确，提取效率低等问题，具有较高的科学意义及实用价值。

本发明专利采用的技术方案如下：

一种遥感影像有效值空间覆盖范围快速提取方法，包括以下步骤：

步骤1：将原始影像经过降采样处理得到降采样影像，对降采样影像进行像元分类，初步确定有效像元；

步骤2：将初步确定的有效像元进行矢量化获得第一有效范围，提取第一有效范围的边界线并基于边界线建立缓冲区；

步骤3：将原始影像进行分块，将分块后的原始影像与缓冲区相交，获取各相交区域的最小外接矩形，对最小外接矩形求和得到边界缓冲区，根据所有最小外接矩形范围在原始影像中提取出像元矩阵，并获得像元矩阵的位置，对像元矩阵进行像元分类，进一步确定有效像元，将所述原始影像像元矩阵矢量化获得第二有效范围；

步骤4：利用降采样影像矢量化得到的第一有效范围，减去根据最小外接矩形提取的边界缓冲区，再加上原始影像像元矩阵矢量化获得的第二有效范围，获得准确的遥感影像有效像元覆盖范围；

步骤5：引入简化函数和简化误差，对获取的准确遥感影像有效范围进行简化处理。

所述步骤1具体包括以下步骤：

1.1：遥感影像的有效范围在空间上往往是连续，因此只需要探测出有效范围的边界，便可以确定遥感影像的有效范围。本步骤为了快速探测出遥感影像有效范围边界，对遥感影像I进行降采样处理得到降采样影像I_d，则有I_d＝D(I,k)，且满足公式：

式中k为降采样系数，且满足k＜1，(i,j)为单位像元，D为原始遥感影像和降采样影像关系模型。通过此步骤可得到一个像元更少的遥感影像，可以快速检测出精确度较低的影像有效范围边界。与此同时，若有效范围中存在取值为无效值的个别误差像元，在降采样后也会被有效剔除。

1.2：对降采样影像像元进行有效像元和无效像元分类可提高有效范围提取精度及效率。标准的遥感影像往往会设定单一的无效像元的取值，称之为无效值，以避免有效像元取值与无效值范围重叠，通过分类算法可将两类像元进行分类，分类算法c1如公式所示：

I_d(i，j)≠NoData

式中(i，j)为单位像元，NoData为单一的无效像元取值。

然而对于一些没有设定无效值甚至无效值不唯一的遥感影像，则需要判断其有效像元与无效像元的取值范围，并进行分类。一般遥感影像有效像元取值服从正态分布，无效像元的取值则服从脉冲分布，因此本步骤可进一步采用最大类间方差法(OTSU)对降采样影像的有效范围与无效范围进行有效分类。

依据最大类间方差法，则有分类算法c2满足公式：

式中(i，j)为单位像元，r_v为有效像元的取值范围，σ为类间方差。

所述步骤2具体包括以下步骤：

2.1：为获取降采样影像的有效范围α_d，该步骤首先对降采样影像I_d进行矢量化得出其地理空间位置，设I_d的地理坐标与像元坐标的仿射变换为Γ，如公式所示：

其中t₀为影像左上角在地理坐标系横向的坐标，t₁为地理坐标系横向的像元分辨率，t₂为地理坐标系横方向与影像坐标系行方向的夹角；t₃为影像左上角在地理坐标系纵向的坐标，t₄为地理标系纵方向与影像坐标系列方向的夹角，t₅为地理坐标系纵向的像元分辨率。一般情况下，校正后的遥感影像其像元坐标的行列方向与地理坐标系x轴、y轴方向一致，此时t₂与t₄的值为0，则有公式：

设有以下公式，其中x为像元所在列数，y为像元所在行数。

X_p＝[1 x y]^T

则可获得降采样影像第一有效范围α_d，满足以下关系式：

α_d＝F(I_d)

式中(i，j)为单位像元，r_v为有效像元的取值范围，Γ为遥感影像的地理坐标与像元坐标的仿射变换关系，；

2.2：根据降采样影像第一有效范围α_d，对α_d提取边线便可得到精确度较低的影像有效范围边界λ_d，设提取边线算法为L，则满足以下公式：

λ_d＝L(α_d)

2.3：设遥感影像I的分辨率为ρ，影像边界E_d误差ε＜ε_d满足公式：

以ε_d为缓冲区半径，对降采样影像第一有效范围边界λ_d构建缓冲区，设构建缓冲区算法为buf，则有缓冲区β_d满足公式：

β_d＝buf(λ_d，ε_d)

则遥感影像有效范围的精确边界E必然在缓冲区β_d内。

所述步骤3具体包括以下步骤：

3.1：如图1所示，将原始遥感影像分块为l×l的像元矩阵I_rc＝part_rc(I，l)，其中r表示分块行数，c表示分块列数。

对像元矩阵I_rc范围矢量化，则有对应的空间范围Δ_rc＝V(I_rc)，满足公式：

由于影像是一个像元矩阵，无法利用缓冲区β_d的范围直接提取像元数据，事实上若完全依照β_d＝buf(λ_d，ε_d)公式，仍然需要对影像的像元进行完全检测以判断哪些像元是处于该范围内的。因此在算法的实现中，本步骤将缓冲区域分割为更小的矩形区域，从而提取与这些矩形区域相对应的像元矩阵进行检测。

3.2：将Δ_rc与所得的缓冲区β_d相交后获取最小外接矩形，便可获得在l×l尺度下最小的分块，如公式所示，MBR为获取最小外接矩形函数。

β_rc＝MBR(Δ_rc∩β_d)

3.3：对分割后的最小外接矩形β_rc进行反向的仿射变换获取其对应像元矩阵

的行列位置γ_rc，设Γ′如公式所示：

设有以下公式，其中x为地理坐标系横向的坐标，y为地理坐标系纵向的坐标。

则可得β_rc对应的像元矩阵位置γ_rc＝R(β_rc)，如下公式所示：

式中Γ‘为仿射变换的逆变换。

3.4：根据标准遥感影像设定的单一的无效像元取值，或无效像元取值的脉冲分布特征，进一步对像元矩阵

进行像元分类，分为有效像元和无效像元。

3.5：对像元矩阵

进行矢量化处理，获得最小外接矩形β_rc内的第二有效范围α_rc，满足以下关系：

所述步骤4具体包括以下步骤：

4.1：利用降采样影像矢量化得到的第一有效范围α_d，减去分割后的边界缓冲区β_rc，再加上像元矩阵

矢量化所得的第二有效范围α_rc，最终获得准确的遥感影像有效像元覆盖范围α_v，满足公式：

α_v＝α_d-∑(β_rc-α_rc)

所述步骤5具体包括以下步骤：

5.1由于提取遥感影像有效范围是以像元为最小单位的，矢量化后的遥感影像有效范围在斜边处会呈现矩形锯齿状，在实际应用中一般会进行矢量化的简化，且简化后的矢量图形更加简单，有利于提高改进算法的速度，因此，本步骤引入简化函数S，简化误差应为像元大小的一半，在空间坐标系下即为0.5p，如公式所示：

那么边界E_d误差极限ε_d则应加入简化误差，满足公式：

进而输出简化后的有效范围α_v。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明通过降采样快速探测遥感影像有效范围边界，再对边界区域进行高精度检测提取准确的遥感影像有效像元覆盖范围，在保证准确性的同时，有效地减少了算法复杂度。相较于现有算法，本算法同时具有高精度与高速度的特点，尤其在针对大数据量的遥感影像运算中，本文算法的速度优势尤为显著，更适合应用于大规模的遥感影像生产与应用。值得一提的是，当应用于图幅巨大的遥感影像时，本算法可以通过多次降采样探测有效范围边界进一步提升算法速度。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1是本发明的原始影像分块后与缓冲区求交时的示意图；

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。通常在此处附图中描述和示出的本发明实施方式的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

需要说明的是，在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。

实施例

本发明实施例中公开了一种遥感影像有效值空间覆盖范围快速提取方法，包括以下步骤：

步骤1：将原始影像经过降采样处理得到降采样影像，对降采样影像进行像元分类，初步确定有效像元；

步骤2：将初步确定的有效像元进行矢量化获得第一有效范围，提取第一有效范围的边界线并基于边界线建立缓冲区；

步骤3：将原始影像进行分块，将分块后的原始影像与缓冲区相交，获取各相交区域的最小外接矩形，并对最小外接矩形求和得到边界缓冲区，根据所有最小外接矩形范围在原始影像中提取出像元矩阵，并获得像元矩阵的位置，对像元矩阵进行像元分类，进一步确定有效像元，将所述原始影像像元矩阵矢量化获得第二有效范围；

步骤4：利用降采样影像矢量化得到的第一有效范围，减去根据最小外接矩形提取的边界缓冲区，再加上原始影像像元矩阵矢量化获得的第二有效范围，获得准确的遥感影像有效像元覆盖范围；

步骤5：引入简化函数和简化误差，对获取的准确遥感影像有效范围进行简化处理。

所述步骤1具体包括以下步骤：

1.1：遥感影像的有效范围在空间上往往是连续，因此只需要探测出有效范围的边界，便可以确定遥感影像的有效范围。本步骤为了快速探测出遥感影像有效范围边界，对遥感影像I进行降采样处理得到降采样影像I_d，则有I_d＝D(I,k)，且满足公式：

式中k为降采样系数，且满足k＜1，(i,j)为单位像元，D为原始遥感影像和降采样影像关系模型。通过此步骤可得到一个像元更少的遥感影像，可以快速检测出精确度较低的影像有效范围边界。与此同时，若有效范围中存在取值为无效值的个别误差像元，在降采样后也会被有效剔除。

1.2：对降采样影像像元进行有效像元和无效像元分类可提高有效范围提取精度及效率。标准的遥感影像往往会设定单一的无效像元的取值，称之为无效值，以避免有效像元取值与无效值范围重叠，通过分类算法可将两类像元进行分类，分类算法c1如公式所示：

I_d(i，j)≠NoData

式中(i，j)为单位像元，NoData为单一的无效像元取值。

然而对于一些没有设定无效值甚至无效值不唯一的遥感影像，则需要判断其有效像元与无效像元的取值范围，并进行分类。一般遥感影像有效像元取值服从正态分布，无效像元的取值则服从脉冲分布，因此本步骤可进一步采用最大类间方差法(OTSU)对降采样影像的有效范围与无效范围进行有效分类。

依据最大类间方差法，则有分类算法c2满足公式：

式中(i，j)为单位像元，r_v为有效像元的取值范围，r为，σ为类间方差。

所述步骤2具体包括以下步骤：

2.1：为获取降采样影像的有效范围α_d，该步骤首先对降采样影像I_d进行矢量化得出其地理空间位置，设I_d的地理坐标与像元坐标的仿射变换为Γ，如公式所示：

其中t₀为影像左上角在地理坐标系横向的坐标，t₁为地理坐标系横向的像元分辨率，t₂为地理坐标系横方向与影像坐标系行方向的夹角；t₃为影像左上角在地理坐标系纵向的坐标，t₄为地理标系纵方向与影像坐标系列方向的夹角，t₅为地理坐标系纵向的像元分辨率。一般情况下，校正后的遥感影像其像元坐标的行列方向与地理坐标系x轴、y轴方向一致，此时t₂与t₄的值为0，则有公式：

设有以下公式，其中x为像元所在列数，y为像元所在行数。

X_p＝[1 x y]^T

则可获得降采样影像第一有效范围α_d，满足以下关系式：

α_d＝F(I_d)

式中(i，j)为单位像元，r_v为有效像元的取值范围，Γ为遥感影像的地理坐标与像元坐标的仿射变换关系；

2.2：根据降采样影像第一有效范围α_d，对α_d提取边线便可得到精确度较低的影像有效范围边界λ_d，设提取边线算法为L，则满足以下公式：

λ_d＝L(α_d)

2.3：设遥感影像I的分辨率为ρ，影像边界E_d误差ε＜ε_d满足公式：

以ε_d为缓冲区半径，对降采样影像第一有效范围边界λ_d构建缓冲区，设构建缓冲区算法为buf，则有缓冲区β_d满足公式：

β_d＝buf(λ_d，ε_d)

则遥感影像有效范围的精确边界E必然在缓冲区β_d内。

所述步骤3具体包括以下步骤：

3.1：由于影像是一个像元矩阵，无法利用缓冲区β_d的范围直接提取像元数据，事实上若完全依照β_d＝buf(λ_d，ε_d)公式，仍然需要对影像的像元进行完全检测以判断哪些像元是处于该范围内的。因此在算法的实现中，本步骤将缓冲区域分割为更小的矩形区域，从而提取与这些矩形区域相对应的像元矩阵进行检测。

如图1所示，将原始遥感影像分块为l×l的像元矩阵I_rc＝part_rc(I，l)，其中r表示分块行数，c表示分块列数。

对像元矩阵I_rc范围矢量化，则有对应的空间范围Δ_rc＝V(I_rc)，满足公式：

3.2：将Δ_rc与所得的缓冲区β_d相交后获取最小外接矩形，便可获得在l×l尺度下最小的分块，如公式所示，MBR为获取最小外接矩形函数。

β_rc＝MBR(Δ_rc∩β_d)

3.3：对最小外接矩形β_rc进行反向的仿射变换获取其对应像元矩阵

的行列位置γ_rc，设Γ‘如公式所示：

设有以下公式，其中x为地理坐标系横向的坐标，y为地理坐标系纵向的坐标。

则可得β_rc对应的像元矩阵位置γ_rc＝R(β_rc)，如下公式所示：

式中Γ‘为仿射变换的逆变换。

3.4：根据标准遥感影像设定的单一的无效像元取值，或无效像元取值的脉冲分布特征，进一步对像元矩阵

进行像元分类，分为有效像元和无效像元。

3.5：对像元矩阵

进行矢量化处理，获得缓冲区分块β_rc内的第二有效范围α_rc，满足以下关系：

所述步骤4具体包括以下步骤：

4.1：利用降采样影像矢量化得到的第一有效范围α_d，减去边界缓冲区，再加上像元矩阵

矢量化所得的第二有效范围α_rc，最终获得准确的遥感影像有效像元覆盖范围α_v，满足公式：

α_v＝α_d-∑(β_rc-α_rc)

所述步骤5具体包括以下步骤：

5.1由于提取遥感影像有效范围是以像元为最小单位的，矢量化后的遥感影像有效范围在斜边处会呈现矩形锯齿状，在实际应用中一般会进行矢量化的简化，且简化后的矢量图形更加简单，有利于提高改进算法的速度，因此，本步骤引入简化函数S，简化误差应为像元大小的一半，在空间坐标系下即为0.5ρ，如公式所示：

那么边界E_d误差极限ε_d则应加入简化误差，满足公式：

进而输出简化后的有效范围α_v。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种遥感影像有效值空间覆盖范围快速提取方法，其特征在于，包括以下步骤：

步骤1：将原始影像经过降采样处理得到降采样影像，对降采样影像进行像元分类，初步确定有效像元；

步骤2：将初步确定的有效像元进行矢量化获得第一有效范围，提取第一有效范围的边界线并基于边界线建立缓冲区；

步骤3：将原始影像进行分块，将分块后的原始影像与缓冲区相交，获取各相交区域的最小外接矩形，并对最小外接矩形求和得到边界缓冲区，根据所有最小外接矩形范围在原始影像中提取出像元矩阵，并获得像元矩阵的位置，对像元矩阵进行像元分类，进一步确定有效像元，将所述原始影像像元矩阵矢量化获得第二有效范围；

步骤4：利用降采样影像矢量化得到的第一有效范围，减去根据最小外接矩形提取的边界缓冲区，再加上原始影像像元矩阵矢量化获得的第二有效范围，获得准确的遥感影像有效像元覆盖范围；

步骤5：引入简化函数和简化误差，对获取的准确遥感影像有效范围进行简化处理。

2.根据权利要求1所述的一种遥感影像有效值空间覆盖范围快速提取方法，其特征在于，所述步骤1具体包括以下步骤：

步骤1.1：对遥感影像I进行降采样处理得到降采样影像I_d，两者满足以下关系：

I_d＝D(I,k)

式中k为降采样系数，且满足k<1，D为原始遥感影像和降采样影像关系模型；

步骤1.2：根据标准遥感影像设定的单一的无效像元取值，或无效像元取值的脉冲分布特征，进一步对降采样影像I_d进行像元分类，分为有效像元和无效像元。

3.根据权利要求2所述的一种遥感影像有效值空间覆盖范围快速提取方法，其特征在于，所述步骤2具体包括以下步骤：

步骤2.1：对降采样影像进行矢量化处理得出其地理空间位置，获得降采样影像第一有效范围α_d，满足以下关系：

α_d＝F(I_d)

式中(i,j)为单位像元，r_v为有效像元的取值范围，Γ为遥感影像的地理坐标与像元坐标的仿射变换关系，dx为x的导数，dy为y的导数，其中x为像元所在列数，y为像元所在行数，X_p＝[1 x y]^T；

步骤2.2：根据降采样影像第一有效范围α_d，提取其有效范围边界λ_d，设提取边线算法为L，则满足以下公式：

λ_d＝L(α_d)

式中，α_d为第一有效范围；

步骤2.3：基于降采样影像第一有效范围边界λ_d，以ε_d为缓冲区半径构建缓冲区β_d，设构建缓冲区算法为buf，则缓冲区满足公式：

β_d＝buf(λ_d，ε_d)

式中，ε_d为缓冲区半径。

4.根据权利要求3所述的一种遥感影像有效值空间覆盖范围快速提取方法，其特征在于，所述步骤3具体包括以下步骤：

步骤3.1：将原始遥感影像分块为1×1的像元矩阵I_rc，其中r表示分块行数，c表示分块列数，对像元矩阵I_rc进行矢量化操作，获取分块像元矩阵I_rc的空间范围Δ_rc；

步骤3.2：将Δ_rc与缓冲区β_d分块后求交，并获取求交后的最小外接矩形，矩形方向与像元方向保持一直，得到β_rc，满足公式：

β_rc＝MBR(Δ_rc∩β_d)

式中MBR为获取最小外接矩形的函数；

步骤3.3：对最小外接矩形β_rc进行反向的仿射变换获取其对应像元矩阵

的行列位置γ_rc，设如下公式所示：

式Γ‘^-1为仿射变换的逆变换，X_g为变量系数混合矩阵，

其中的x为地理坐标系横向的坐标，y为地理坐标系纵向的坐标，t₀为影像左上角在地理坐标系横向的坐标，t₃为影像左上角在地理坐标系纵向的坐标；

步骤3.4：根据标准遥感影像设定的单一的无效像元取值，或无效像元取值的脉冲分布特征，进一步对像元矩阵

进行像元分类，分为有效像元和无效像元；

步骤3.5：对像元矩阵

进行矢量化处理，获得最小外接矩形β_rc内的第二有效范围α_rc，满足以下关系：

式中，

为像元矩阵。

5.根据权利要求4所述的一种遥感影像有效值空间覆盖范围快速提取方法，其特征在于，所述步骤4具体包括以下步骤：

步骤4.1：利用降采样影像矢量化得到的第一有效范围α_d，减去边界缓冲区，再加上像元矩阵

矢量化所得的第二有效范围α_rc，最终获得准确的遥感影像有效像元覆盖范围α_v，满足公式：

式中，α_rc为第二有效范围。

6.根据权利要求5所述的一种遥感影像有效值空间覆盖范围快速提取方法，其特征在于，所述步骤5具体包括以下步骤：

步骤5.1对提取的遥感影像准确有效范围α_v进行简化处理以消除锯齿边界，引入简化函数和简化误差，设简化半径为

进而输出简化后的α_v。

Images