CN116109485A - 遥感影像的更新方法、装置、电子设备和存储介质 - Google Patents

遥感影像的更新方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN116109485A
CN116109485A CN202310166512.4A CN202310166512A CN116109485A CN 116109485 A CN116109485 A CN 116109485A CN 202310166512 A CN202310166512 A CN 202310166512A CN 116109485 A CN116109485 A CN 116109485A
Authority
CN
China
Prior art keywords
image
updating
remote sensing
target
blocks
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
Application number
CN202310166512.4A
Other languages
English (en)
Inventor
刘继东
魏彦铭
兰远鸽
张健
辛赟
刘潇潇
丛凤波
李雁飞
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.)
Zhongke Xingtu Digital Earth Hefei Co ltd
Original Assignee
Zhongke Xingtu Digital Earth Hefei Co ltd
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 Zhongke Xingtu Digital Earth Hefei Co ltd filed Critical Zhongke Xingtu Digital Earth Hefei Co ltd
Priority to CN202310166512.4A priority Critical patent/CN116109485A/zh
Publication of CN116109485A publication Critical patent/CN116109485A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本申请提供一种遥感影像的更新方法、装置、电子设备和存储介质，涉及地理信息技术的领域，所述方法包括：获取用于更新基准影像的目标遥感影像；对所述目标遥感影像进行分块处理，得到多个影像块；基于至少两个映射进程对多个影像块分别进行映射处理，确定多个影像块中每一影像块对应的基准位置，其中，至少两个映射进程中的任意两个映射进程处理的影像块不同；根据多个影像块以及多个影像块中每一影像块对应的基准位置，对基准影像进行更新。通过对目标遥感影像进行分块处理，以便于后续通过至少两个映射进程对分块后的多个影像块进行映射处理，基于多进程的处理方式完成对基准影像的更新操作，可以提升遥感影像更新时的更新效率。

Description

遥感影像的更新方法、装置、电子设备和存储介质
技术领域
本申请涉及地理信息技术的领域，具体涉及一种遥感影像的更新方法、装置、电子设备和存储介质。
背景技术
遥感影像更新是指，基于最新的遥感影像对原有的遥感影像(一般也称基准影像，以和最新的遥感影像进行区分)进行更新的一种技术，可用于满足各类用户对地理空间数据的现势性、适用性、准确性的需求。
应用中发现，基于相关技术完成的多个遥感影像的更新操作较为耗时，也就是说，相关技术在完成多个遥感影像更新时的更新效率低下。
发明内容
本申请实施例的目的在于提供一种遥感影像的更新方法、装置、电子设备和存储介质，用于解决相关技术在完成多个遥感影像更新时存在的更新效率低的问题。
第一方面，本公开实施例提供了一种遥感影像的更新方法，所述方法包括：
获取用于更新基准影像的目标遥感影像；
对所述目标遥感影像进行分块处理，得到多个影像块；
基于至少两个映射进程对所述多个影像块分别进行映射处理，确定所述多个影像块中每一影像块对应的基准位置，其中，所述映射进程用于处理至少一个影像块，且所述至少两个映射进程中的任意两个映射进程处理的影像块不同，所述基准位置用于表征所对应影像块在所述基准影像中关联的坐标位置；
根据所述多个影像块以及所述多个影像块中每一影像块对应的基准位置，对所述基准影像进行更新。
在一个实施例中，所述基于至少两个映射进程对所述多个影像块分别进行映射处理，确定所述多个影像块中每一影像块对应的基准位置，包括：
对目标影像块进行位置预测，获得所述目标影像块在所述基准影像中关联的预测更新位置，其中，所述目标影像块为所述多个影像块中的任意一个影像块；
基于预设的多项式模型对所述预测更新位置进行修正，得到所述目标影像块对应的基准位置。
在一个实施例中，所述基于预设的多项式模型对所述预测更新位置进行修正，得到所述目标影像块对应的基准位置，包括：
获取所述目标影像块包括的多个第一特征点，以及，获取所述基准影像在所述预测更新位置中包括的多个第二特征点；
对所述多个第一特征点和所述多个第二特征点进行相似度匹配，得到至少一个特征点组，每一所述特征点组包括一个第一特征点和一个第二特征点，且每一所述特征点组包括的第一特征点和第二特征点之间的特征相似度大于或等于相似度阈值；
基于所述至少一个特征点组和所述多项式模型对所述预测更新位置进行修正，得到所述目标影像块对应的基准位置。
在一个实施例中，所述对目标影像块进行位置预测，获得所述目标影像块在所述基准影像中的预测更新位置，包括：
根据预设的有理函数模型对所述目标影像块进行位置预测，获得所述目标影像块在所述基准影像中的预测更新位置。
在一个实施例中，所述根据所述多个影像块以及所述多个影像块中每一影像块对应的基准位置，对所述基准影像进行更新，包括：
根据所述多个影像块中每一影像块对应的基准位置对所述多个影像块进行拼接，得到拼接影像；
根据所述拼接影像对所述基准影像进行更新。
在一个实施例中，所述根据所述拼接影像对所述基准影像进行更新，包括：
获取所述拼接影像中的第一影像片段，其中，所述第一影像片段为所述拼接影像中对应所述基准影像的更新位置的影像片段；
将所述基准影像在所述更新位置的第二影像片段替换为所述第一影像片段。
在一个实施例中，所述方法应用于影像更新系统中，所述影像更新系统包括至少两个计算节点；
所述至少两个计算节点共同处理用于更新所述基准影像的多个遥感影像，每一所述计算节点处理至少一个遥感影像，所述至少两个计算节点中的任意两个计算节点处理的遥感影像不同，所述目标遥感影像为用于更新所述基准影像的多个遥感影像中的任意一个遥感影像。
第二方面，本公开实施例提供了一种遥感影像的更新装置，所述装置包括：
获取模块，用于获取用于更新基准影像的目标遥感影像；
分块模块，用于对所述目标遥感影像进行分块处理，得到多个影像块；
映射模块，用于基于至少两个映射进程对所述多个影像块分别进行映射处理，确定所述多个影像块中每一影像块对应的基准位置，其中，所述映射进程用于处理至少一个影像块，且所述至少两个映射进程中的任意两个映射进程处理的影像块不同，所述基准位置用于表征所对应影像块在所述基准影像中关联的坐标位置；
更新模块，用于根据所述多个影像块以及所述多个影像块中每一影像块对应的基准位置，对所述基准影像进行更新。
第三方面，本公开实施例还提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述的遥感影像的更新方法的步骤。
第四方面，本公开实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的遥感影像的更新方法的步骤。
在本公开实施例中，通过对目标遥感影像进行分块处理，以便于后续通过至少两个映射进程对分块后的多个影像块进行映射处理，基于多进程的处理方式完成对基准影像的更新操作，可以提升遥感影像更新时的更新效率。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种遥感影像的更新方法的流程图；
图2是本公开实施例提供的一种目标遥感影像的分块示意图；
图3是本公开实施例提供的一种遥感影像增量更新并行方法的流程图；
图4是本公开实施例提供的一种遥感影像的更新装置的结构示意图；
图5是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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例，都属于本公开保护的范围。
本公开实施例提供一种遥感影像的更新方法，参见图1，图1是本公开实施例提供的一种遥感影像的更新方法的流程图，如图1所示，所述方法包括以下步骤：
步骤101、获取用于更新基准影像的目标遥感影像。
其中，上述基准影像和目标遥感影像均为通过对地观测技术获取的遥感影像，基准影像的获取时间早于目标遥感影像的获取时间。
需要说明的是，上述基准影像可以理解为根据历史时期内获取的多个遥感影像拼接成的总影像，其用于表征目标地理区域内的地理特征，所述目标地理区域可以为地球、地球上某一国家、地球上某国家内的某一省/市/州的区域等。
在实际的影像更新中，当前时期内可以获取到用于更新基准影像的多个遥感影像，所述目标遥感影像为用于更新基准影像的多个遥感影像中的任意一个遥感影像。
步骤102、对所述目标遥感影像进行分块处理，得到多个影像块。
可以根据预设的标准影像块尺寸对所述目标遥感影像进行分块处理，以得到多个影像块。
示例性的，若目标遥感影像的宽高均为10240像素，标准影像块尺寸指示的宽高均为1024像素，则基于标准影像块尺寸可将示例中的目标遥感影像分为100个影像块。但需要指出的是，应用中，可以令相邻的像素块之间存在重叠区域，这能避免分块误差造成的影像信息的丢失，因此，基于标准影像块尺寸对目标遥感影像进行分块处理，所获得影像块的数量将大于100。
举例来说，如图2所示，上述重叠区域的面积可以为标准影像块的总面积的10％。
步骤103、基于至少两个映射进程对所述多个影像块分别进行映射处理，确定所述多个影像块中每一影像块对应的基准位置。
其中，所述映射进程用于处理至少一个影像块，且所述至少两个映射进程中的任意两个映射进程处理的影像块不同，所述基准位置用于表征所对应影像块在所述基准影像中关联的坐标位置。
示例性的，若至少两个映射进程包括映射进程A和映射进程B，多个影像块包括影像块1、影像块2、影像块3，则基于至少两个映射进程对所述多个影像块分别进行映射处理可以为：
情况1、映射进程A处理影像块1，映射进程B处理影像块2和影像块3；
情况2、映射进程A处理影像块2，映射进程B处理影像块1和影像块3；
情况3、映射进程A处理影像块3，映射进程B处理影像块1和影像块2；
情况4、映射进程B处理影像块1，映射进程A处理影像块2和影像块3；
情况5、映射进程B处理影像块2，映射进程A处理影像块1和影像块3；
情况6、映射进程B处理影像块3，映射进程A处理影像块1和影像块2。
基于映射进程对影像块进行映射处理，得到该影像块对应的基准位置可以理解为：通过基准影像和目标遥感影像之间的第一映射关系，以及目标遥感影像和影像块之间的第二映射关系，确定基准影像和影像块之间的第三映射关系，并基于该第三影像关系确定影像块在所述基准影像中关联的坐标位置。
步骤104、根据所述多个影像块以及所述多个影像块中每一影像块对应的基准位置，对所述基准影像进行更新。
在本公开实施例中，通过对目标遥感影像进行分块处理，以便于后续通过至少两个映射进程对分块后的多个影像块进行映射处理，这能将单个遥感影像的映射匹配任务拆分为多个子任务，并基于多个映射进程对所述多个子任务进行处理，以多进程的处理方式完成对基准影像的更新操作，提升遥感影像更新时的更新效率。
在一个实施例中，所述方法应用于影像更新系统中，所述影像更新系统包括至少两个计算节点；
所述至少两个计算节点共同处理用于更新所述基准影像的多个遥感影像，每一所述计算节点处理至少一个遥感影像，所述至少两个计算节点中的任意两个计算节点处理的遥感影像不同，所述目标遥感影像为用于更新所述基准影像的多个遥感影像中的任意一个遥感影像。
该实施例中，通过至少两个计算节点并行处理多个遥感影像的方式，结合通过至少两个映射进程并行处理单个遥感影像分块后的多个影像子块的方式，应用多计算节点并行和多进程并行的处理方式，进一步加快遥感影像的更新效率。
在一个实施例中，所述基于至少两个映射进程对所述多个影像块分别进行映射处理，确定所述多个影像块中每一影像块对应的基准位置，包括：
对目标影像块进行位置预测，获得所述目标影像块在所述基准影像中关联的预测更新位置，其中，所述目标影像块为所述多个影像块中的任意一个影像块；
基于预设的多项式模型对所述预测更新位置进行修正，得到所述目标影像块对应的基准位置。
该实施例中，通过对目标影像块进行位置预测，以确定目标影像块在基准影像中关联位置的粗粒度信息，也即确定预测更新位置；之后通过多项式模型对所确定的预测更新位置进行修正，以获得目标影像块在基准影像中关联位置的细粒度信息，这不仅能使所获得目标影像块对应的基准位置更加可靠，也能使目标影像块对应的基准位置的获取效率更高。
在一个实施例中，所述对目标影像块进行位置预测，获得所述目标影像块在所述基准影像中的预测更新位置，包括：
根据预设的有理函数模型对所述目标影像块进行位置预测，获得所述目标影像块在所述基准影像中的预测更新位置。
其中，所述有理函数模型用于表示为基准影像和目标影像块之间的第三映射关系，所述第三映射关系通过基准影像和目标遥感影像之间的第一映射关系，以及目标遥感影像和目标影像块之间的第二映射关系共同确定。
示例性的，有理函数模型的公式表示如下：
其中，公式(1)如下所示：
Sample＝m×BlockWidth+x
公式(2)如下所示：
Line＝n×BlockHeight+y
公式(3)如下所示：
Figure BDA0004096100310000071
公式(4)如下所示：
Figure BDA0004096100310000072
公式(5)如下所示：
Figure BDA0004096100310000073
公式(6)如下所示：
Figure BDA0004096100310000074
公式(7)如下所示：
Figure BDA0004096100310000075
公式(8)如下所示：
NumL(P，L，H)
＝a1+a2L+a3P+a4H+a5LP+a6LH+a7PH+a8L2+a9P2
+a10H2+a11PLH+a12L3+a13LP2+a14LH2+a15L2p+a16P3+a17PH2+a18L2H+a19P2H+a20H3
公式(9)如下所示：
DenL(P，L，H)
＝b1+b2L+bP+b4H+b5LP+b6LH+b7PH+b8L2+b9P2
+b10H2+b11PLH+b12L3+b13LP2+b14LH2+b15L2p+b16P3+b17PH2+b18L2H+b19P2H+b20H3
公式(10)如下所示：
Nums(P，L，H)
＝c1+c2L+c3P+c4H+c5LP+c6LH+c7PH+c8L2+c9P2
+c10H2+c11PLH+c12L3+c13LP2+c14LH2+c15L2P+c16P3+c17PH2+c18L2H+c19P2H+c20H3
公式(11)如下所示：
Dens(P，L，H)
＝d1+d2L+d3P+d4H+d5LP+d6LH+d7PH+d8L2+d9P2+d10H2
++d11PLH+d12L3+d13LP2+d14LH2+d15L2P+d16P3+d17PH2+d18L2H+d19P2H+d20H3
公式(12)如下所示：
Figure BDA0004096100310000081
公式(13)如下所示：
Figure BDA0004096100310000082
式中：多项式中的ai bi ci di为有理函数的系数(i＝1～20)，b1 d1可以设为1，(P，L，H)为正则化的地面坐标，(X，Y)为正则化的影像坐标，LAT_OFF，LAT_SCALE，LONG_OFF，LONG_SCALE，HEIGHT_OFF，HEIGHT_SCALE为地面坐标的正则化系数，SAMP-OFF，SAMP_SCALE，LINE-OFF，LINE_SCALE为影像坐标的正则化系数；BlockWidth为影像块的分块宽度，BlockHeight为影像块的分块高度；m，n为影像块在目标遥感影像中的分块序号，x，y为影像块内的影像坐标。
对于每一影像块来说，根据公式(1)～(13)可确定该影像块在基准图像中的关联区域的四端点坐标，所述四端点可以理解为左上端点，左下端点，右上端点以及右下端点。
在一个实施例中，所述基于预设的多项式模型对所述预测更新位置进行修正，得到所述目标影像块对应的基准位置，包括：
获取所述目标影像块包括的多个第一特征点，以及，获取所述基准影像在所述预测更新位置中包括的多个第二特征点；
对所述多个第一特征点和所述多个第二特征点进行相似度匹配，得到至少一个特征点组，每一所述特征点组包括一个第一特征点和一个第二特征点，且每一所述特征点组包括的第一特征点和第二特征点之间的特征相似度大于或等于相似度阈值；
基于所述至少一个特征点组和所述多项式模型对所述预测更新位置进行修正，得到所述目标影像块对应的基准位置。
该实施例中，通过构建特征点组的方式，并基于特征点组以及多项式模型对预测更新位置进行修正，更使得到的目标影像块对应的基准位置更加准确和可靠。
其中，第一特征点用于表征目标影像块所指示地理区域中特定的标识物(如：道路、建筑等)，第二特征点用于基准影像在预测更新位置所指示地理区域中的特定的标识物体，通过对多个第一特征点和多个第二特征点进行相似度比较，以构建特征点组，特征点组中关联的第一特征点和第二特征点共同指示同一特定的标识物，可用于求解多项式模型包括的多项式方程。
示例性的，多项式方程可以如下所示：
Figure BDA0004096100310000091
Figure BDA0004096100310000092
式中，(xi，yi)为特征点组中第一特征点的像素坐标，(Xi，Xi)为特征点组中第二特征点的像素坐标，p0…p5,q0…q5为待求解的参数，可以基于最小二乘法的方式完成对每一影像块所对应公式(14)-(15)的求解。
在一个实施例中，所述根据所述多个影像块以及所述多个影像块中每一影像块对应的基准位置，对所述基准影像进行更新，包括：
根据所述多个影像块中每一影像块对应的基准位置对所述多个影像块进行拼接，得到拼接影像；
根据所述拼接影像对所述基准影像进行更新。
进一步的，所述根据所述拼接影像对所述基准影像进行更新，包括：
获取所述拼接影像中的第一影像片段，其中，所述第一影像片段为所述拼接影像中对应所述基准影像的更新位置的影像片段；
将所述基准影像在所述更新位置的第二影像片段替换为所述第一影像片段。
该实施例中，在确定每一影像块对应的基准位置后，基于各个基准位置在基准影像内的位置，完成对多个影像块的重组，从而得到前述拼接影像；这之后，通过提取第一影像片段，并用第一影像片段替换第二影像片段的方式，完成对基准影像的影像更新操作。
为方便理解，示例说明如下：
如图3所示，本公开实施例还提供一种遥感影像增量更新并行方法，所述方法包括：
步骤301、卫星影像分块处理。
其中，由于卫星遥感影像宽高一般都在10000像素以上，因此需要对要更新的卫星遥感影像按照某一固定大小的BlockWidth、BlockHeight(一般为1024像素)进行分块处理，以得到多个影像块。
步骤302、分块数据特征点提取及同名点范围搜索。
具体的，对多个影像块按照Moravec算子进行特征点提取，并将提取出的特征点通过原始有理多项式系数(Rational Polynomial Coefficient，RPC)参数反算到基准影像上进行特征点匹配。
RPC参数是使用有理函数模型来模拟地面物方到卫片像方的映射关系。由于RPC参数对应的是遥感影像而不是影像块，因此需要通过将影像块反算到基准影像进行同名点匹配，这样可将单景影像匹配任务划分为独立的N个匹配进程进行匹配，影像块反算到基准影像的过程可以参见前述公式(1)-(13)。
步骤303、分块数据匹配。
通过前述公式(1)-(13)可以将影像块提取的特征点自动映射到基准影像的某一行列范围进行同名点(可理解为基准影像中的与影像块所提取的特征点指示同一地理区域的特征点)搜索。
步骤304、分块数据多项式校正。
利用多项式模型进行校正，利用第3步匹配出来的同名点，求解每一影像块对应的公式(14)-(15)的相关参数，以确定每一影像块对应的基准位置。
步骤305、分块数据镶嵌成图。
在确定每一影像块对应的基准位置，基于各个基准位置在基准影像内的位置，完成对多个影像块的重组，得到分块镶嵌成图数据。
步骤306、底图数据更新。
提取分块镶嵌成图数据(可理解为前述拼接影像)的有效区域边界(可理解为基准影像中的更新位置)与基准数据(可理解前述基准影像)进行镶嵌替换操作。
步骤307、卫星影像多机任务。
由于影像增量操作主要考虑的是新增遥感影像与基准影像的吻合程度，故可以将待更新的新增遥感影像划分为独立的子任务下发到不同的计算节点进行任务执行，也即通过多个计算节点并行处理多个新增遥感影像对基准影像的影像更新操作，其中，底图位于挂载盘，计算节点可以访问。
示例性的，可以将匹配校正权重设为50，将计算节点负载设为100，即计算节点最多可以容纳2个新增遥感影像的匹配校正任务执行。
参见图4，图4是本公开实施例提供的一种遥感影像的更新装置400，如图4所示，所述装置400包括：
获取模块401，用于获取用于更新基准影像的目标遥感影像；
分块模块402，用于对所述目标遥感影像进行分块处理，得到多个影像块；
映射模块403，用于基于至少两个映射进程对所述多个影像块分别进行映射处理，确定所述多个影像块中每一影像块对应的基准位置，其中，所述映射进程用于处理至少一个影像块，且所述至少两个映射进程中的任意两个映射进程处理的影像块不同，所述基准位置用于表征所对应影像块在所述基准影像中关联的坐标位置；
更新模块404，用于根据所述多个影像块以及所述多个影像块中每一影像块对应的基准位置，对所述基准影像进行更新。
在一个实施例中，所述装置应用于影像更新系统中，所述影像更新系统包括至少两个计算节点；
所述至少两个计算节点共同处理用于更新所述基准影像的多个遥感影像，每一所述计算节点处理至少一个遥感影像，所述至少两个计算节点中的任意两个计算节点处理的遥感影像不同，所述目标遥感影像为用于更新所述基准影像的多个遥感影像中的任意一个遥感影像。
在一个实施例中，所述映射模块403，包括：
位置预测单元，用于对目标影像块进行位置预测，获得所述目标影像块在所述基准影像中关联的预测更新位置，其中，所述目标影像块为所述多个影像块中的任意一个影像块；
位置修正单元，用于基于预设的多项式模型对所述预测更新位置进行修正，得到所述目标影像块对应的基准位置。
在一个实施例中，所述位置预测单元，具体用于：
根据预设的有理函数模型对所述目标影像块进行位置预测，获得所述目标影像块在所述基准影像中的预测更新位置。
在一个实施例中，所述位置修正单元，具体用于：
获取所述目标影像块包括的多个第一特征点，以及，获取所述基准影像在所述预测更新位置中包括的多个第二特征点；
对所述多个第一特征点和所述多个第二特征点进行相似度匹配，得到至少一个特征点组，每一所述特征点组包括一个第一特征点和一个第二特征点，且每一所述特征点组包括的第一特征点和第二特征点之间的特征相似度大于或等于相似度阈值；
基于所述至少一个特征点组和所述多项式模型对所述预测更新位置进行修正，得到所述目标影像块对应的基准位置。
在一个实施例中，所述更新模块404，包括：
拼接单元，用于根据所述多个影像块中每一影像块对应的基准位置对所述多个影像块进行拼接，得到拼接影像；
更新单元，用于根据所述拼接影像对所述基准影像进行更新。
在一个实施例中，所述更新单元具体用于：
获取所述拼接影像中的第一影像片段，其中，所述第一影像片段为所述拼接影像中对应所述基准影像的更新位置的影像片段；
将所述基准影像在所述更新位置的第二影像片段替换为所述第一影像片段。
本公开实施例提供的遥感影像的更新装置400能够实现图1所示方法实施例中的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
请参见图5，图5是本公开实施例提供的一种电子设备的结构示意图，如图5所示，电子设备包括：可以包括处理器501、存储器502及存储在存储器502上并可在处理器501上运行的程序5021。
程序5021被处理器501执行时可实现图1对应的方法实施例中的任意步骤及达到相同的有益效果，此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法的全部或者部分步骤是可以通过程序指令相关的硬件来完成，所述的程序可以存储于一可读取介质中。
本公开实施例还提供一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时可实现上述图1对应的方法实施例中的任意步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
本公开实施例的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
以上所述是本公开实施例的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本公开所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本公开的保护范围。

Claims (10)

1.一种遥感影像的更新方法，其特征在于，所述方法包括：
获取用于更新基准影像的目标遥感影像；
对所述目标遥感影像进行分块处理，得到多个影像块；
基于至少两个映射进程对所述多个影像块分别进行映射处理，确定所述多个影像块中每一影像块对应的基准位置，其中，所述映射进程用于处理至少一个影像块，且所述至少两个映射进程中的任意两个映射进程处理的影像块不同，所述基准位置用于表征所对应影像块在所述基准影像中关联的坐标位置；
根据所述多个影像块以及所述多个影像块中每一影像块对应的基准位置，对所述基准影像进行更新。
2.根据权利要求1所述的方法，其特征在于，所述基于至少两个映射进程对所述多个影像块分别进行映射处理，确定所述多个影像块中每一影像块对应的基准位置，包括：
对目标影像块进行位置预测，获得所述目标影像块在所述基准影像中关联的预测更新位置，其中，所述目标影像块为所述多个影像块中的任意一个影像块；
基于预设的多项式模型对所述预测更新位置进行修正，得到所述目标影像块对应的基准位置。
3.根据权利要求2所述的方法，其特征在于，所述基于预设的多项式模型对所述预测更新位置进行修正，得到所述目标影像块对应的基准位置，包括：
获取所述目标影像块包括的多个第一特征点，以及，获取所述基准影像在所述预测更新位置中包括的多个第二特征点；
对所述多个第一特征点和所述多个第二特征点进行相似度匹配，得到至少一个特征点组，每一所述特征点组包括一个第一特征点和一个第二特征点，且每一所述特征点组包括的第一特征点和第二特征点之间的特征相似度大于或等于相似度阈值；
基于所述至少一个特征点组和所述多项式模型对所述预测更新位置进行修正，得到所述目标影像块对应的基准位置。
4.根据权利要求2所述的方法，其特征在于，所述对目标影像块进行位置预测，获得所述目标影像块在所述基准影像中的预测更新位置，包括：
根据预设的有理函数模型对所述目标影像块进行位置预测，获得所述目标影像块在所述基准影像中的预测更新位置。
5.根据权利要求1所述的方法，其特征在于，所述根据所述多个影像块以及所述多个影像块中每一影像块对应的基准位置，对所述基准影像进行更新，包括：
根据所述多个影像块中每一影像块对应的基准位置对所述多个影像块进行拼接，得到拼接影像；
根据所述拼接影像对所述基准影像进行更新。
6.根据权利要求5所述的方法，其特征在于，所述根据所述拼接影像对所述基准影像进行更新，包括：
获取所述拼接影像中的第一影像片段，其中，所述第一影像片段为所述拼接影像中对应所述基准影像的更新位置的影像片段；
将所述基准影像在所述更新位置的第二影像片段替换为所述第一影像片段。
7.根据权利要求1所述的方法，其特征在于，所述方法应用于影像更新系统中，所述影像更新系统包括至少两个计算节点；
所述至少两个计算节点共同处理用于更新所述基准影像的多个遥感影像，每一所述计算节点处理至少一个遥感影像，所述至少两个计算节点中的任意两个计算节点处理的遥感影像不同，所述目标遥感影像为用于更新所述基准影像的多个遥感影像中的任意一个遥感影像。
8.一种遥感影像的更新装置，其特征在于，所述装置包括：
获取模块，用于获取用于更新基准影像的目标遥感影像；
分块模块，用于对所述目标遥感影像进行分块处理，得到多个影像块；
映射模块，用于基于至少两个映射进程对所述多个影像块分别进行映射处理，确定所述多个影像块中每一影像块对应的基准位置，其中，所述映射进程用于处理至少一个影像块，且所述至少两个映射进程中的任意两个映射进程处理的影像块不同，所述基准位置用于表征所对应影像块在所述基准影像中关联的坐标位置；
更新模块，用于根据所述多个影像块以及所述多个影像块中每一影像块对应的基准位置，对所述基准影像进行更新。
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的遥感影像的更新方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的遥感影像的更新方法的步骤。
CN202310166512.4A 2023-02-22 2023-02-22 遥感影像的更新方法、装置、电子设备和存储介质 Pending CN116109485A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310166512.4A CN116109485A (zh) 2023-02-22 2023-02-22 遥感影像的更新方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310166512.4A CN116109485A (zh) 2023-02-22 2023-02-22 遥感影像的更新方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN116109485A true CN116109485A (zh) 2023-05-12

Family

ID=86267245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310166512.4A Pending CN116109485A (zh) 2023-02-22 2023-02-22 遥感影像的更新方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN116109485A (zh)

Similar Documents

Publication Publication Date Title
US7885482B2 (en) Coverage-based image relevance ranking
CN111401146A (zh) 一种无人机电力巡检方法、设备及存储介质
JP2007525770A (ja) 重複する複数の画像から単一の画像を形成する技術
CN107101641A (zh) 自适应地图比例尺的轨迹点显示的方法
CN111385640A (zh) 视频封面的确定方法、装置、设备及存储介质
CN109300139B (zh) 车道线检测方法和装置
CN116086411B (zh) 数字地形图生成方法、装置、设备和可读存储介质
JPH05181411A (ja) 地図情報照合更新方式
CN112525208B (zh) 城市道路地图快速构建方法和装置及设备
CN116051777B (zh) 超高层建筑提取方法、设备和可读存储介质
CN116109485A (zh) 遥感影像的更新方法、装置、电子设备和存储介质
CN112632303A (zh) 一种影像数据的分布式存储方法、分析方法及装置
CN113239432B (zh) 一种地铁隧道全景图像区域化分块检测推荐方法
CN110515884B (zh) 基于图像分析的施工现场钢筋测距装置
KR20210134252A (ko) 이미지 안정화 방법, 장치, 노변 기기 및 클라우드 제어 플랫폼
CN106055669A (zh) 一种数据离散化方法及系统
KR101028767B1 (ko) 지리 영상정보 갱신방법
KR100782152B1 (ko) 3차원 수치지도를 제작하기 위하여 항공사진 ｄｂ로부터건물의 3차원 데이터를 획득하는 방법
CN114708354B (zh) 一种镶嵌线的绘制方法、设备、介质及产品
CN111383155B (zh) 水印的识别方法、装置、设备及存储介质
CN113538478B (zh) 基于图像的箱体边界提取方法、系统、设备及存储介质
CN115984147B (zh) 基于齿科扫描仪点云自适应处理方法、设备及介质
CN115689965B (zh) 面向整景卫星影像深度学习密集匹配的多级视差融合方法
CN115168112B (zh) 动态区段变更下的区段数据还原方法、装置、设备及介质
US20220327760A1 (en) Inspection data management system for structural objects

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