CN115965611A - 一种光学遥感影像质量综合评价方法 - Google Patents
一种光学遥感影像质量综合评价方法 Download PDFInfo
- Publication number
- CN115965611A CN115965611A CN202310010976.6A CN202310010976A CN115965611A CN 115965611 A CN115965611 A CN 115965611A CN 202310010976 A CN202310010976 A CN 202310010976A CN 115965611 A CN115965611 A CN 115965611A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- picture
- image
- sample
- quality
- 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.)
- Pending
Links
Classifications
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种光学遥感影像质量综合评价方法，涉及光学遥感影像技术领域，包括S1影像样张地点时间确认、S2影像样张分区划分、S3以辐射响应和和噪声水平获取辐射波长、S4数据获取与记录、S5影像裁切拼接、S6光学传递函数和信噪比调整和S7图样样张对比。本发明通过采用光学传递函数和信噪比来获取拍摄位置的辐射波长，根据辐射波长的间隔大小来区分画面清晰度的方式，能免去传统光学遥感影像成像的照片质量识别需要采用人眼判断的繁琐程序，并且采用辐射波长来区分照片清晰度的方案，能使照片的清晰度从图像检测更变为数据测算，这使得光学遥感影像质量综合评价的结果更加的客观。
Description
技术领域
本发明涉及光学遥感影像技术领域，具体为一种光学遥感影像质量综合评价方法。
背景技术
光学遥感影像是指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片，光学遥感影像基于传感器搭载方式分类，可划分成机载遥感成像和星载遥感成像两类，其中星载遥感成像即传感器搭载在对地卫星上，实现对地数据采集，航空航天光学遥感影像以其信息量丰富、覆盖面积大等特点，已经广泛应用于农业、林业、环境、地质、海洋、气象、测绘等各个领域。
光学遥感影像由于在成像过程中受到大气、光照、温度、传感器以及地物特性等多种因素影响，容易造成影像质量不佳的情况，现如今对光学遥感影像成像的照片质量识别通常采用人眼判断，但人眼判断较为缓慢，并且在判断大量数据后极易发生错误的情况。
于是，有鉴于此，针对现有的结构及缺失予以研究改良，提出一种光学遥感影像质量综合评价方法。
发明内容
本发明的目的在于提供一种光学遥感影像质量综合评价方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种光学遥感影像质量综合评价方法，包括：
S1、影像样张地点时间确认：
卫星在确认拍照位置后，对指定地点进行影像样张取样。
S2、影像样张分区划分：
系统根据拍摄范围，将拍摄地点按均等面积均匀划分若干个等面积小区域进行拍摄；
S3、以辐射响应和和噪声水平获取辐射波长：
通过光学传递函数和信噪比来获取指定地点的辐射波长，并在辐射波长间隔较小时拍摄指定地点的图像样张；
S4、数据获取与记录：
图片样张储存时，系统获取该图片样张的每个小区域的辐射波长值；
S5、影像裁切拼接：
样张拍摄完成后，系统提取每个小区域获取到的最小波长间隔图片，并将获取到的单张小图片进行提取，最后整个成完整的图样样张。
S6、光学传递函数和信噪比调整：
对光学传递函数和信噪比值进行调节后，再对指定地点进行取样拍照，来获取对比组样张；
S7、图样样张对比：
将不同光学传递函数和信噪比值下获取的完整图样样张进行大数据人工评比，获取最终图片样张。
进一步的，所述S1步骤中，卫星在拍摄位置时间当地12：00-15：00对指定地点进行影像样张取样，12：00-15：00光照角度较为统一，以保证成像的统一性，便于图像分类。
进一步的，所述S1步骤中，选取天气为晴朗少云的天气，选取晴朗少云天气以降低云雾对拍摄物造成干涉。
进一步的，所述S2步骤中，将拍摄地点按均等面积均匀划分为16个等面积小区域进行拍摄。
进一步的，所述S3步骤中，光学传递函数和信噪比获取每个小区域的辐射波长，并在其中单个小区域存在辐射波长间隔较小时拍摄整体范围的图像样张。
进一步的，所述S4步骤中，系统获取该图片样张的每个小区域的辐射波长值后，会对每个小区域的辐射波长值进行记录。
进一步的，所述S5步骤中，波长最小的单张小图片存在云雾等遮挡物时，系统会自动筛除掉该单张小图片，并选取未有遮挡物且波长最小的单张小图片。
进一步的，S6步骤中，拍摄对比样张时，变项为光学传递函数和信噪比值，其他拍摄条件与合成条件不发生变化。
进一步的，S7步骤中，大数据人工评比时，选取不同图像上同一物体，上传至网络，通过网络图片验证识别的方式来确认物体，识别准确率最高的即为最清晰图片样张。
本发明提供了一种光学遥感影像质量综合评价方法，具备以下有益效果：
1、本发明通过采用光学传递函数和信噪比来获取拍摄位置的辐射波长，再根据辐射波长的间隔大小来区分拍摄画面清晰度的方式，能免去传统光学遥感影像成像的照片质量识别需要采用人眼判断的繁琐程序，并且采用辐射波长来区分照片清晰度的方案，能使照片的清晰度从图像检测更变为数据测算，这使得光学遥感影像质量综合评价的结果更加的客观，此外系统内还辅以图片识别程序，在图片质量确认完成后，图片识别程序能有效识别该图像是否存在遮挡物，是否可正常使用，通过辅以图片识别程序进行二次判断筛查，能使光学遥感影像质量综合评价更加的精准。
2、本发明通过将拍摄地点划分为16个等面积小区域进行拍摄，再根据单张小面积图片的样张辐射波长来选取各小面积图片清晰度最高的图片并进行拼接组合，能实现整体图片最佳质量表现，因光学遥感影像拍摄范围区域较大，在全范围拍摄过程中，或多或少会有部分位置处于云雾遮挡或不清晰状态，通过采用负数组图片进行拼接的方式，能最大程度的降低外界因素对拍摄的干扰，此外拍摄时间设置是在晴朗天气的12：00-15：00，该时间段是光照最充足的时间段，有利于提升成像质量，同时该时间段的光照方向基本一致，这能有效避免拍摄图片样张拼接后出现明显的拼接痕迹的情况发生。
2、本发明在不同自然环境下，光学传递函数和信噪比产生的辐射波长不同，通过采用不同的光学传递函数和信噪比，并在同一环境下拍摄对比样张，能避免使用不匹配的光学传递函数和信噪比时导致的拍摄不清晰情况发生，此外通过将获取的全部照片进行大批量的网络图片验证识别，能较为客观且快速的分辨出较为清晰的图像，此外在对环境较为复杂地点进行拍摄时，可根据网络图片验证识别的结果，将不同光学传递函数和信噪比下，识别准确率较高的图片进行影像裁切拼接，以实现影像质量的最佳化。
具体实施方式
本发明提供技术方案：一种光学遥感影像质量综合评价方法，该图像分类方法包括：
S1、影像样张地点时间确认：
卫星在拍摄位置时间当地12：00-15：00，且该位置处于晴朗少云的天气时对指定地点进行影像样张取样，12：00-15：00光照角度较为统一，以保证成像的统一性，便于图像分类，选取晴朗少云天气以降低云雾对拍摄物造成干涉；
S2、影像样张分区划分：
系统根据拍摄范围，将拍摄地点按均等面积均匀划分为16个等面积小区域进行拍摄；
S3、以辐射响应和和噪声水平获取辐射波长：
通过光学传递函数和信噪比来获取每个小区域的辐射波长，并在其中单个小区域存在辐射波长间隔较小时拍摄整体范围的图像样张；
S4、数据获取与记录：
图片样张储存时，系统获取该图片样张的每个小区域的辐射波长值，并将获取的辐射波长值进行记录；
S5、影像裁切拼接：
样张拍摄完成后，系统根据获取到的辐射波长值记录来提取每个小区域获取到的最小波长间隔图片，并将获取到的单张小图片进行单独提取，最后将16个等面积小区域获取到的最清晰图片整合成完整的图样样张，此外系统内设置有图片识别程序，在波长最小的单张小图片存在云雾等遮挡物时，系统会自动筛除掉该单张小图片，并选取未有遮挡物且波长最小的单张小图片；
S6、光学传递函数和信噪比调整：
对光学传递函数和信噪比值进行调节后，再对指定地点进行取样拍照，来获取对比组样张，而拍摄对比样张时，变项为光学传递函数和信噪比值，其他拍摄条件与合成条件不发生变化；
S7、图样样张对比：
将不同光学传递函数和信噪比值下获取的完整图样样张进行大数据人工评比，获取最终图片样张，在大数据人工评比时，选取不同图像上同一物体，上传至网络，通过网络图片验证识别的方式来确认物体，识别准确率最高的即为最清晰图片样张。
综上，该一种光学遥感影像质量综合评价方法，通过采用光学传递函数和信噪比来获取拍摄位置的辐射波长，再根据辐射波长的间隔大小来区分拍摄画面清晰度的方式，能免去传统光学遥感影像成像的照片质量识别需要采用人眼判断的繁琐程序，并且采用辐射波长来区分照片清晰度的方案，能使照片的清晰度从图像检测更变为数据测算，这使得光学遥感影像质量综合评价的结果更加的客观，此外系统内还辅以图片识别程序，在图片质量确认完成后，图片识别程序能有效识别该图像是否存在遮挡物，是否可正常使用，通过辅以图片识别程序进行二次判断筛查，能使光学遥感影像质量综合评价更加的精准；
通过将拍摄地点划分为16个等面积小区域进行拍摄，再根据单张小面积图片的样张辐射波长来选取各小面积图片清晰度最高的图片并进行拼接组合，能实现整体图片最佳质量表现，因光学遥感影像拍摄范围区域较大，在全范围拍摄过程中，或多或少会有部分位置处于云雾遮挡或不清晰状态，通过采用负数组图片进行拼接的方式，能最大程度的降低外界因素对拍摄的干扰，此外拍摄时间设置是在晴朗天气的12：00-15：00，该时间段是光照最充足的时间段，有利于提升成像质量，同时该时间段的光照方向基本一致，这能有效避免拍摄图片样张拼接后出现明显的拼接痕迹的情况发生；
不同自然环境下，光学传递函数和信噪比产生的辐射波长不同，通过采用不同的光学传递函数和信噪比，并在同一环境下拍摄对比样张，能避免使用不匹配的光学传递函数和信噪比时导致的拍摄不清晰情况发生，此外通过将获取的全部照片进行大批量的网络图片验证识别，能较为客观且快速的分辨出较为清晰的图像，此外在对环境较为复杂地点进行拍摄时，可根据网络图片验证识别的结果，将不同光学传递函数和信噪比下，识别准确率较高的图片进行影像裁切拼接，以实现影像质量的最佳化。
本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (9)
1.一种光学遥感影像质量综合评价方法，其特征在于，该光学遥感影像质量综合评价方法包括以下步骤：
S1、影像样张地点时间确认：
卫星在确认拍照位置后，对指定地点进行影像样张取样。
S2、影像样张分区划分：
系统根据拍摄范围，将拍摄地点按均等面积均匀划分若干个等面积小区域进行拍摄；
S3、以辐射响应和和噪声水平获取辐射波长：
通过光学传递函数和信噪比来获取指定地点的辐射波长，并在辐射波长间隔较小时拍摄指定地点的图像样张；
S4、数据获取与记录：
图片样张储存时，系统获取该图片样张的每个小区域的辐射波长值；
S5、影像裁切拼接：
样张拍摄完成后，系统提取每个小区域获取到的最小波长间隔图片，并将获取到的单张小图片进行提取，最后整个成完整的图样样张。
S6、光学传递函数和信噪比调整：
对光学传递函数和信噪比值进行调节后，再对指定地点进行取样拍照，来获取对比组样张；
S7、图样样张对比：
将不同光学传递函数和信噪比值下获取的完整图样样张进行大数据人工评比，获取最终图片样张。
2.根据权利要求1所述的一种光学遥感影像质量综合评价方法，其特征在于，所述S1步骤中，卫星在拍摄位置时间当地12：00-15：00对指定地点进行影像样张取样，12：00-15：00光照角度较为统一，以保证成像的统一性，便于图像分类。
3.根据权利要求1所述的一种光学遥感影像质量综合评价方法，其特征在于，所述S1步骤中，选取天气为晴朗少云的天气，选取晴朗少云天气以降低云雾对拍摄物造成干涉。
4.根据权利要求1所述的一种光学遥感影像质量综合评价方法，其特征在于，所述S2步骤中，将拍摄地点按均等面积均匀划分为16个等面积小区域进行拍摄。
5.根据权利要求1所述的一种光学遥感影像质量综合评价方法，其特征在于，所述S3步骤中，光学传递函数和信噪比获取每个小区域的辐射波长，并在其中单个小区域存在辐射波长间隔较小时拍摄整体范围的图像样张。
6.根据权利要求1所述的一种光学遥感影像质量综合评价方法，其特征在于，所述S4步骤中，系统获取该图片样张的每个小区域的辐射波长值后，会对每个小区域的辐射波长值进行记录。
7.根据权利要求1所述的一种光学遥感影像质量综合评价方法，其特征在于，所述S5步骤中，波长最小的单张小图片存在云雾等遮挡物时，系统会自动筛除掉该单张小图片，并选取未有遮挡物且波长最小的单张小图片。
8.根据权利要求1所述的一种光学遥感影像质量综合评价方法，其特征在于，所述S6步骤中，拍摄对比样张时，变项为光学传递函数和信噪比值，其他拍摄条件与合成条件不发生变化。
9.根据权利要求1所述的一种光学遥感影像质量综合评价方法，其特征在于，所述S7步骤中，大数据人工评比时，选取不同图像上同一物体，上传至网络，通过网络图片验证识别的方式来确认物体，识别准确率最高的即为最清晰图片样张。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310010976.6A CN115965611A (zh) | 2023-01-05 | 2023-01-05 | 一种光学遥感影像质量综合评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310010976.6A CN115965611A (zh) | 2023-01-05 | 2023-01-05 | 一种光学遥感影像质量综合评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115965611A true CN115965611A (zh) | 2023-04-14 |
Family
ID=87357796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310010976.6A Pending CN115965611A (zh) | 2023-01-05 | 2023-01-05 | 一种光学遥感影像质量综合评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115965611A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117152371A (zh) * | 2023-10-30 | 2023-12-01 | 山东亿华天产业发展集团有限公司 | 一种三维地形测绘方法及系统 |
-
2023
- 2023-01-05 CN CN202310010976.6A patent/CN115965611A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117152371A (zh) * | 2023-10-30 | 2023-12-01 | 山东亿华天产业发展集团有限公司 | 一种三维地形测绘方法及系统 |
| CN117152371B (zh) * | 2023-10-30 | 2024-02-09 | 山东亿华天产业发展集团有限公司 | 一种三维地形测绘方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pomozi et al. | How the clear-sky angle of polarization pattern continues underneath clouds: full-sky measurements and implications for animal orientation | |
| JP2007171033A (ja) | 葉面積指数の間接測定方法および間接測定システム | |
| US11790773B2 (en) | Vehicle parking data collection system and method | |
| CN106871925B (zh) | 一种在轨综合动态调整的遥感卫星相对辐射定标处理方法 | |
| CN106403904A (zh) | 一种基于无人机的景观尺度植被覆盖度的计算方法及系统 | |
| CN115965611A (zh) | 一种光学遥感影像质量综合评价方法 | |
| CN105571827B (zh) | 一种日冕仪平场测量和光强标定的装置与方法 | |
| KR101969841B1 (ko) | 정밀조도를 활용한 전천카메라 기반의 구름 관측 시스템 | |
| Nocerino et al. | Geometric calibration and radiometric correction of the maia multispectral camera | |
| KR101695246B1 (ko) | 광원 추정 장치 및 광원 추정 방법 | |
| CN107024829A (zh) | 多光谱相机像面装调方法 | |
| CN112348775A (zh) | 基于车载环视的路面坑塘检测系统及方法 | |
| Guevara-Escobar et al. | Use of digital photography for analysis of canopy closure | |
| US4921349A (en) | Photographic method for monitoring visibility through measurement of transmittance and path radiance | |
| CN110476412A (zh) | 信息处理装置、信息处理方法和程序 | |
| RU2589463C1 (ru) | Устройство для определения общего балла облачности на основе прямых цифровых широкоугольных снимков видимой полусферы неба | |
| CN111680659B (zh) | 国际空间站rgb夜间灯光图像的相对辐射归一化方法 | |
| CN111479097B (zh) | 基于深度学习的散射透镜成像系统 | |
| CN111426382A (zh) | 一种多光谱成像系统及方法 | |
| CN212059103U (zh) | 一种多光谱成像系统 | |
| CN115060237B (zh) | 全天偏振成像的云量检测方法、系统及终端设备 | |
| CN114845052B (zh) | 一种拍摄参数调整方法、装置、摄像机及目标设备 | |
| Ramlakhan | Feasibility study of fog detection and visibility estimation using camera images | |
| CN112887697B (zh) | 一种图像处理方法及系统 | |
| US20230332803A1 (en) | Method and system for determining a state of a solar-thermal parabolic trough power plant |
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 |