CN116128762A - 卫星影像预处理方法、装置、电子设备及存储介质 - Google Patents
卫星影像预处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116128762A CN116128762A CN202310113052.9A CN202310113052A CN116128762A CN 116128762 A CN116128762 A CN 116128762A CN 202310113052 A CN202310113052 A CN 202310113052A CN 116128762 A CN116128762 A CN 116128762A
- Authority
- CN
- China
- Prior art keywords
- image
- orthographic
- radiation
- correction
- satellite
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000007781 pre-processing Methods 0.000 title claims abstract description 33
- 238000012937 correction Methods 0.000 claims abstract description 142
- 230000005855 radiation Effects 0.000 claims abstract description 98
- 238000012545 processing Methods 0.000 claims abstract description 58
- 230000004927 fusion Effects 0.000 claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000011158 quantitative evaluation Methods 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 7
- 238000013441 quality evaluation Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 8
- 230000009466 transformation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000002310 reflectometry Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012892 rational function Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- 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
- G06T2207/10041—Panchromatic image
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种卫星影像预处理方法、装置、电子设备及存储介质。方法包括：对卫星影像进行辐射校正处理，得到辐射校正影像；对所述辐射校正影像进行正射校正处理，得到正射影像，所述正射影像包括正射全色影像和正射多光谱影像；对所述正射全色影像和所述正射多光谱影像进行配准融合，得到融合影像。根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像。本发明实施例可以实现对卫星影像的预处理，提高了预处理的准确度。
Description
技术领域
本发明涉及一种影像处理技术领域，尤其涉及一种卫星影像预处理方法、装置、电子设备及存储介质。
背景技术
高分遥感卫星数据的预处理，是高分应用的前提与先决条件，预处理即为影像数据的纠正与重建的过程，主要是纠正遥感成像过程中，由于传感器外在原因造成的影像畸变，并且在获取数据的过程中存在信息记载不够精确的问题，极大地影响遥感数据在空间、时间及光谱分辨率方面的精度，因此，需要对遥感影像进行预处理，以得到在几何与辐射上的真实图像。
尤其针对电力行业卫星影像，比如，输电线路及通道的巡检以及输电线路应急监测业务等，都需要卫星影像提供影像数据支持。但目前尚没有较佳的电网领域的卫星影像预处理方法，因此，需要一种卫星影像预处理方法，来解决上述的技术问题。
发明内容
本发明实施例提供了一种卫星影像预处理方法、装置、电子设备及存储介质，以解决上述的技术问题。
第一方面，本发明实施例提供了一种卫星影像预处理方法，方法包括：
对卫星影像进行辐射校正处理，得到辐射校正影像；
对所述辐射校正影像进行正射校正处理，得到正射影像，所述正射影像包括正射全色影像和正射多光谱影像；
对所述正射全色影像和所述正射多光谱影像进行配准融合，得到融合影像；
根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像。
第二方面，本发明实施例还提供了一种卫星影像预处理装置，装置包括：
第一校正模块，用于对卫星影像进行辐射校正处理，得到辐射校正影像；
第二校正模块，用于对所述辐射校正影像进行正射校正处理，得到正射影像，所述正射影像包括正射全色影像和正射多光谱影像；
影像融合模块，用于对所述正射全色影像和所述正射多光谱影像进行配准融合，得到融合影像；
目标影像获取模块，用于根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一所述实施例中的卫星影像预处理方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任一所述实施例中的卫星影像预处理方法。
本发明实施例的技术方案，通过对卫星影像进行辐射校正处理，得到辐射校正影像，之后对辐射校正影像进行正射校正，并将正射校正后的正射全色影像和正射多光谱影像进行配准融合，得到融合影像，根据电网设备对应的地面控制点对融合影像进行几何校正处理，得到与电网设备对应的目标影像。本发明实施例的技术方案，实现了对卫星影像的预处理，提高了预处理的准确度，避免了后续使用卫星影像时，由于卫星影像的质量问题，影响后续的使用效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为一个实施例中一种卫星影像预处理方法的流程示意图；
图2为另一个实施例中的一种卫星影像预处理装置的结构示意图；
图3为另一实施例中的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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，都属于本发明保护的范围。
在一本发明实施例中，提出一种卫星影像预处理方法，如图1所示。本发明实施例的卫星影像预处理方法用于对卫星影像进行预处理的情况，该方法可以通过卫星影像预处理装置来执行。卫星影像预处理装置可以通过软件和/或硬件的方法来实现。
如图1所示，本发明实施例的卫星影像预处理方法包括如下步骤：
S110、对卫星影像进行辐射校正处理，得到辐射校正影像。
其中，卫星影像可以是高分系列的光学卫星影像，也即高分辨率卫星影像。比如，高分一号卫星、高分二号卫星等采集的光学卫星影像。辐射校正是指对由于外界因素，获取的卫星影像的辐射失真或者畸变进行校正。
本发明实施例中，通过对卫星影像进行辐射校正处理，得到辐射校正影像。辐射校正处理可以消除或者改正因辐射误差而引起的影像畸变失真。
需要说明的是，本发明实施例中的卫星影像包括全色影像和多光谱影像，辐射校正处理包括对全色影像进行辐射校正处理和对多光谱影像进行处理。
S120、对所述辐射校正影像进行正射校正处理，得到正射影像。
其中，所述正射影像包括正射全色影像和正射多光谱影像。正射校正后的图像同时具有地形图特征和影像特征。
本发明实施例中，通过对辐射校正影像进行正射校正处理，包括对辐射校正后的全色影像进行正射校正处理，得到正射多光谱影像。对辐射校正处理后的多光谱影像进行正射校正处理，得到正射多光谱影像。
通过对辐射校正影像进行正射校正处理，得到正射影像，可以消除卫星影像的图像空间几何畸变。
S130、对所述正射全色影像和所述正射多光谱影像进行配准融合，得到融合影像。
本发明实施例中，通过对正射全色影像和正射多光谱影像进行配准融合，得到融合影像，融合影像可以保持光谱特性，并且，可以保留较多的空间信息。
S140、根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像。
其中，电网设备包括输电线路、发电厂等。
本发明实施例中，根据电网设备的位置信息，也即控制点坐标，对融合影像进行几何校正，得到电网设备对应的目标影像。需要说明的是，本发明实施例中的几何校正是指几何精校正，利用电网设备相对应的地面控制点进行的几何校正。
本发明实施例的技术方案，通过对卫星影像进行辐射校正处理，得到辐射校正影像，之后对辐射校正影像进行正射校正，并将正射校正后的正射全色影像和正射多光谱影像进行配准融合，得到融合影像，根据电网设备对应的地面控制点对融合影像进行几何校正处理，得到与电网设备对应的目标影像。本发明实施例的技术方案，实现了对卫星影像的预处理，提高了预处理的准确度，避免了后续使用卫星影像时，由于卫星影像的质量问题，影响后续的使用效果。
在另一本发明实施例中，所述辐射校正处理包括辐射定标处理和大气校正处理；所述对卫星影像进行辐射校正处理，得到辐射校正影像，包括：通过构建的辐射定标模型对卫星影像的初始像元亮度值进行辐射标定处理，得到大气层辐射亮度值，基于所述大气辐射亮度值调节所述卫星影像的亮度值，得到第一影像；通过构建的大气校正物理模型对所述第一影像进行大气校正处理，得到地表反射的太阳辐射亮度值；基于所述太阳辐射亮度值调整所述第一影像的亮度值，得到辐射校正影像。
本发明实施例中，对辐射校正处理的方式进行了限定，包括辐射定标处理方式和大气校正处理方式。具体的，通过构建的辐射定标模型计算大气顶层辐射亮度值。也即将图像的数字量化值转换为辐射亮度值。辐射定标可以消除传感器本身的误差，确定传感器入口处的准确的辐射值。通过构建的大气校正物理模型，计算地表反射的太阳辐射亮度值，获得地表反射率。比如，将卫星影像中的图像的数字量化值转换为地表反射率。通过大气校正处理方式，可以去除大气散射、吸收、反射引起的误差。
可选地，建立辐射定标的数学定标模型，将卫星影像初始数字量化值转换为大气顶层的辐射亮度值。数学定标模型如下式：
Lλ＝k*DN+C，
其中，Lλ是辐射亮度值，k为增益，C为偏移。DN表示卫星影像像元亮度值像，也即卫星影像初始数字量化值。
可选地，在辐射定标处理后的卫星影像格式为BSQ格式，对该卫星影像进行格式转换，将BSQ格式转换为BIL格式，同时，需要对卫星影像单位进行换算，进而方便后续操作。
可选地，对格式转换后的卫星影像，采用FLAASH(Fast line-of-sightatmospheric analysis of spectral hypercubes)模型进行大气校正，基于太阳波谱范围内(不包括热辐射)标准的平面朗伯体在传感器处接收到的单个卫星影像像元光谱辐射亮度，如下公式进行计算：
其中，L为在传感器处接收到的单个像元的辐射亮度，ρ为该像元的地表反射率，ρ1为该像元及周边像元的混合平均地表反射率，A、B是取决于大气条件和地表几何条件的两个系数，与地表反射率无关。S为大气球面反照率。L1为太阳辐射经大气散射后的散射光，直接向上通过大气进入传感器的一部分辐照度。式中所有参数需要通过卫星的飞行日期、采集时间、地面平均高程、卫星影像中心经纬度等参数获得，通过计算，反演出卫星影像的真实反射率，从而消除或改正因辐射误差引起影像畸变失真，为后期卫星影像其他处理等工作奠定基础。
在另一本发明实施例中，所述对所述辐射校正影像进行正射校正处理，得到正射影像，包括：通过构建的RPC模型，对辐射校正影像进行正射校正处理，得到正射影像。
其中，正射校正包括倾斜校正和投影差交正。RPC模型是指有理函数纠正函数，将地面点大地坐标和对应的像点坐标用比值多项式关联起来。
本发明实施例中，通过将卫星直接传输的卫星轨道和运行姿态数据生成RPC文件，并获取卫星影像图像范围内的数字高程模型数据，采用RPC模型，基于数字高程模型和RPC文件，对卫星影像进行正射校正。采用RPC模型，对辐射校正影像同时进行倾斜改正和投影差改正，将辐射校正影像重采样成正射影像，用以消除图像空间几何畸变，最终生成多中心投影平面的正射影像。RPC模型正射校正是将地面点大地坐标和对应的像点坐标用比值多项式关联起来，用以消除图像空间几何畸变的。
可选地，正射校正的过程可以包括如下步骤：
1、根据内定向方式，得到辐射校正影像的内定向参数，通过内定向方式可以基于影像间的条状控制点、相机框标点和相机的焦距，建立相机参数和像片之间的关系。
2、根据外定向方式，得到辐射校正影像的外定向参数，通过外定向方式可以基于地面控制点，输入相应的地理坐标，将像片地物点同实际已知点的地理坐标和数字高程模型数据联系起来。
3、通过内定向方式和外定向方式，获得共线方程，解算得到定向校正参数，生成RPC文件，利用数字高程模型(DEM)数据和RPC文件，构建有理函数的RPC模型，进行正射校正。
在另一本发明实施例中，所述对所述正射全色影像和正射多光谱影像进行配准融合，得到融合影像，包括：通过最小二乘法规则，获取所述正射全色影像和所述正射多光谱影像之间的灰度值关系；根据所述灰度值关系，进行所述正射全色影像和所述正射多光谱影像的融合波段的灰度值的匹配，得到融合影像。
本发明实施例中，通过Pansharpening模型，基于最小二乘法原理，估算原始多光谱影像和全色影像之间的灰度值关系，采用最小方差方法对参与融合的多光谱波段进行灰度值调整，使得原始多光谱影像和全色影像的灰度值关系与，融合后的多光谱影像和全色影像的灰度值关系的偏差在预设范围内。使得融合影像在色彩保真的同时，保留了地物纹理细节和空间分布细节。也即使用分辨率较低的多光谱波段Y和分辨率较高的全色波段X来重建影像y，先用多光谱波段Y线性加权模拟出一个低分辨率的全色波段，采用低分辨率的全色波段和高分辨率的全色波段X获得多光谱波段上的高频信息，将高频信息逐波段注入到多光谱各个波段中，得到融合影像。需要说明的是，高频信息包括几何纹理信息等。
得到融合影像，保留了光谱信息，同时增加了空间分辨率，丰富了地面信息。
在另一本发明实施例中，在所述根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像之前，还包括：对所述融合影像，进行影像裁剪，得到待处理影像；所述根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像，包括：根据电网设备对应的地面控制点对所述待处理影像进行几何校正处理，得到与所述电网设备对应的目标影像。
本发明实施例中，通过对融合影像进行几何校正之前，首先对融合影像进行裁剪，得到待处理影像，这里的裁剪可以是根据用户需求，裁剪出需要观察的区域的融合影像。比如，根据输电线路智能巡检等应用需求，划定输电线路通道范围，采用掩膜算法，对融合影像进行裁剪，得到输电线路通道的融合影像。
在另一本发明实施例中，所述根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像，包括：获取电网设备对应的地面控制点坐标；通过预设算法和所述地面控制点坐标得到多项式，通过所述多项式对所述待处理影像进行变换，得到所述目标影像。
其中，预设算法可以是指最小二乘拟合算法。
本发明实施例中，通过获取电网设备对应的地面控制点坐标，控制点是在卫星影像和实际坐标中可以精确识别的位置，可选择具有典型地物或者易识别地物，比如，杆塔、道路或河流交叉点、小溪口、岩石露头、土地的堤坝尽头、已建成场地的一角、街道拐角或者两个灌木篱墙的交叉点等等。可选地，本发明谁实力选择了控制点包括20个。获取控制点的坐标。
具体的，采用最小二乘拟合算法和控制点的坐标得到多项式，通过多项式将待处理影像进行变换，得到目标影像。比如，控制点是指在输电线路通道中选择的典型地物或者易识别地物的。根据输电线路通道设置的，采用最小二乘拟合算法和控制点的坐标，构建多项式变换模型，将待处理影像变换为目标影像，使得变换后得到的目标影像与输电线路的地图坐标相一致。
可选地，在通过多项式变换模型对待处理影像进行变换后，通过计算控制点的均方根误差，来校正误差，比如，通过所有的控制点的残差的均方根总和计算均方根误差，通过均方根误差计算得到总误差。当总误差大于预设阈值时，通过先移除控制点再添加控制点的方式来校正误差。
可选地，在校正误差后，采用最近邻分配方式对待处理影像进行影像重采样，包括：基于上述采用控制点构建的多项式变换模型所计算出的待处理影像和输入影像各像元之间的对应关系后，采用最邻近分配法，将距离待处理影像每个像元中心距离最近的输入影像像元的值，赋予该待处理影像像元，进而得到目标影像，提高了目标影像的空间位置精度。输入影像是指进行辐射校正前的卫星影像。
在另一本发明实施例中，在得到所述目标影像之后，还包括：通过定性评价和定量评价的方式对得到的影响进行质量评价；所述定性评价包括所述目标影像与所述卫星影像的影像色彩偏差是否超过预设色彩阈值、光谱偏离是否超过预设光谱阈值、地物边缘清晰度是否超过预设清晰度阈值、所述目标影像是否有噪声以及所述地物的位置偏差是否超过预设偏差阈值中的至少一项；所述定量评价的评价指标包括信息熵、平均梯度、相关系数和光谱扭曲度中的至少一项。
本发明实施例中，通过对预处理后得到的目标影像进行质量评价，通过定性评价判定影像色彩是否保持原色、光谱偏离是否严重，建筑物、道路等地物边缘是否清晰，影像是否有噪点，地物位置偏差误差是否较大等等。应当理解，当影像色彩偏差超过预设色彩阈值时，说明影像色彩没有保持原色。同理，每个定性评价标准都有各自的预设阈值。进而可以对目标影像进行定性评价。通过定量评价可以选择信息熵、平均梯度、相关系数和光谱扭曲度四个目标影像的评价指标。分别评估目标影像的信息丰富程度、微小细节增强效果、光谱保真度信息等。本发明实施例的方案可以评价电力线、电力设施以及输电线路通道内地物在影像中成像质量。
在另一本发明实施例中，提出一种卫星影像预处理装置，如图2所示。本发明实施例所提供的卫星影像预处理装置可执行本发明任意实施例所提供的卫星影像预处理方法，具备执行方法相应的功能模块和有益效果。该装置包括：第一校正模块410、第二校正模块420、影像融合模块430和目标影像获取模块440；其中：
第一校正模块410，用于对卫星影像进行辐射校正处理，得到辐射校正影像；第二校正模块420，用于对所述辐射校正影像进行正射校正处理，得到正射影像，所述正射影像包括正射全色影像和正射多光谱影像；影像融合模块430，用于对所述正射全色影像和所述正射多光谱影像进行配准融合，得到融合影像；目标影像获取模块440，用于根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像。
进一步的，在本发明实施例中，所述辐射校正处理包括辐射定标处理和大气校正处理；第一校正模块410还用于：
通过构建的辐射定标模型对卫星影像的初始像元亮度值进行辐射标定处理，到大气层辐射亮度值，基于所述大气辐射亮度值调节所述卫星影像的亮度值，得到第一影像；通过构建的大气校正物理模型对所述第一影像进行大气校正处理，得到地表反射的太阳辐射亮度值；基于所述太阳辐射亮度值调整所述第一影像的亮度值，得到辐射校正影像。
进一步的，在本发明实施例中，第二校正模块420还用于：
通过构建的RPC模型，对辐射校正影像进行正射校正处理，得到正射影像。
进一步的，在本发明实施例中，影像融合模块430还用于：
通过最小二乘法规则，获取所述正射全色影像和所述正射多光谱影像之间的灰度值关系；根据所述灰度值关系，进行所述正射全色影像和所述正射多光谱影像的融合波段的灰度值的匹配，得到融合影像。
进一步的，在本发明实施例中，装置还包括：
待处理影像获得模块，用于对所述融合影像，进行影像裁剪，得到待处理影像；
目标影像获取模块440还用于：
根据电网设备对应的地面控制点对所述待处理影像进行几何校正处理，得到与所述电网设备对应的目标影像。
进一步的，在本发明实施例中，目标影像获取模块440还用于：
获取电网设备对应的地面控制点坐标；通过预设算法和所述地面控制点坐标得到多项式；通过所述多项式对所述待处理影像进行变换，得到所述目标影像。
进一步的，在本发明实施例中，装置还包括：
质量评价模块，用于：通过定性评价和定量评价的方式对得到的影响进行质量评价；所述定性评价包括所述目标影像与所述卫星影像的影像色彩偏差是否超过预设色彩阈值、光谱偏离是否超过预设光谱阈值、地物边缘清晰度是否超过预设清晰度阈值、所述目标影像是否有噪声以及所述地物的位置偏差是否超过预设偏差阈值中的至少一项；所述定量评价的评价指标包括信息熵、平均梯度、相关系数和光谱扭曲度中的至少一项。
本发明实施例的技术方案，通过对卫星影像进行辐射校正处理，得到辐射校正影像，之后对辐射校正影像进行正射校正，并将正射校正后的正射全色影像和正射多光谱影像进行配准融合，得到融合影像，根据电网设备对应的地面控制点对融合影像进行几何校正处理，得到与电网设备对应的目标影像。本发明实施例的技术方案，实现了对卫星影像的预处理，提高了预处理的准确度，避免了后续使用卫星影像时，由于卫星影像的质量问题，影响后续的使用效果。
值得注意的是，上述装置所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。
在另一本发明实施例中，还提供了一种电子设备，图3为本发明实施例提供的一种电子设备的结构示意图。图3示出了适于用来实现本发明实施例实施方式的示例性电子设备50的框图。图3显示的电子设备50仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，电子设备50以通用计算设备的形式表现。电子设备50的组件可以包括但不限于：一个或者多个处理器或者处理单元501，系统存储器502，连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
总线503表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备50访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器502可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)504和/或高速缓存存储器505。电子设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统506可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线503相连。存储器502可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块507的程序/实用工具508，可以存储在例如存储器502中，这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。
电子设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信，还可与一个或者多个使得用户能与该电子设备50交互的设备通信，和/或与使得该电子设备50能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口511进行。并且，电子设备50还可以通过网络适配器512与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器512通过总线503与电子设备50的其它模块通信。应当明白，尽管图3中未示出，可以结合电子设备50使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元501通过运行存储在系统存储器502中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的卫星影像预处理方法。
在另一本发明实施例中，还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种卫星影像预处理方法，所述方法包括：
对卫星影像进行辐射校正处理，得到辐射校正影像；对所述辐射校正影像进行正射校正处理，得到正射影像，所述正射影像包括正射全色影像和正射多光谱影像；对所述正射全色影像和所述正射多光谱影像进行配准融合，得到融合影像；根据电网设备对应的地面控制点对所述融合影像进行几何校正处理影像变换，得到与所述电网设备对应的目标影像。
本发明实施例的计算机存储介质，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——但不限于——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。
计算机可读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发明实施例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服务器上执行。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)。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种卫星影像预处理方法，其特征在于，包括：
对卫星影像进行辐射校正处理，得到辐射校正影像；
对所述辐射校正影像进行正射校正处理，得到正射影像，所述正射影像包括正射全色影像和正射多光谱影像；
对所述正射全色影像和所述正射多光谱影像进行配准融合，得到融合影像；
根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像。
2.根据权利要求1所述的方法，其特征在于，所述辐射校正处理包括辐射定标处理和大气校正处理；
所述对卫星影像进行辐射校正处理，得到辐射校正影像，包括：
通过构建的辐射定标模型对卫星影像的初始像元亮度值进行辐射标定处理，得到大气层辐射亮度值，基于所述大气辐射亮度值调节所述卫星影像的亮度值，得到第一影像；
通过构建的大气校正物理模型对所述第一影像进行大气校正处理，得到地表反射的太阳辐射亮度值；
基于所述太阳辐射亮度值调整所述第一影像的亮度值，得到辐射校正影像。
3.根据权利要求1所述的方法，其特征在于，所述对所述辐射校正影像进行正射校正处理，得到正射影像，包括：
通过构建的RPC模型，对辐射校正影像进行正射校正处理，得到正射影像。
4.根据权利要求1所述的方法，其特征在于，所述对所述正射全色影像和所述正射多光谱影像进行配准融合，得到融合影像，包括：
通过最小二乘法规则，获取所述正射全色影像和所述正射多光谱影像之间的灰度值关系；
根据所述灰度值关系，进行所述正射全色影像和所述正射多光谱影像的融合波段的灰度值的匹配，得到融合影像。
5.根据权利要求1所述的方法，其特征在于，在所述根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像之前，还包括：
对所述融合影像，进行影像裁剪，得到待处理影像；
所述根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像，包括：
根据电网设备对应的地面控制点对所述待处理影像进行几何校正处理，得到与所述电网设备对应的目标影像。
6.根据权利要求5所述的方法，其特征在于，所述根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像，包括：
获取电网设备对应的地面控制点坐标；
通过预设算法和所述地面控制点坐标得到多项式；
通过所述多项式对所述待处理影像进行变换，得到所述目标影像。
7.根据权利要求1所述的方法，其特征在于，在得到所述目标影像之后，还包括：
通过定性评价和定量评价的方式对得到的影响进行质量评价；
所述定性评价包括所述目标影像与所述卫星影像的影像色彩偏差是否超过预设色彩阈值、光谱偏离是否超过预设光谱阈值、地物边缘清晰度是否超过预设清晰度阈值、所述目标影像是否有噪声以及所述地物的位置偏差是否超过预设偏差阈值中的至少一项；
所述定量评价的评价指标包括信息熵、平均梯度、相关系数和光谱扭曲度中的至少一项。
8.一种卫星影像预处理装置，其特征在于，包括：
第一校正模块，用于对卫星影像进行辐射校正处理，得到辐射校正影像；
第二校正模块，用于对所述辐射校正影像进行正射校正处理，得到正射影像，所述正射影像包括正射全色影像和正射多光谱影像；
影像融合模块，用于对所述正射全色影像和所述正射多光谱影像进行配准融合，得到融合影像；
目标影像获取模块，用于根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的卫星影像预处理方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的卫星影像预处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310113052.9A CN116128762A (zh) | 2023-02-14 | 2023-02-14 | 卫星影像预处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310113052.9A CN116128762A (zh) | 2023-02-14 | 2023-02-14 | 卫星影像预处理方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116128762A true CN116128762A (zh) | 2023-05-16 |
Family
ID=86306185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310113052.9A Pending CN116128762A (zh) | 2023-02-14 | 2023-02-14 | 卫星影像预处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116128762A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116385903A (zh) * | 2023-05-29 | 2023-07-04 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种面向1级遥感数据的抗畸变在轨目标检测方法与模型 |
-
2023
- 2023-02-14 CN CN202310113052.9A patent/CN116128762A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116385903A (zh) * | 2023-05-29 | 2023-07-04 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种面向1级遥感数据的抗畸变在轨目标检测方法与模型 |
| CN116385903B (zh) * | 2023-05-29 | 2023-09-19 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种面向1级遥感数据的抗畸变在轨目标检测方法与模型 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Campagnolo et al. | Estimating the effective spatial resolution of the operational BRDF, albedo, and nadir reflectance products from MODIS and VIIRS | |
| US9219858B2 (en) | Generating a composite field of view using a plurality of oblique panoramic images of a geographic area | |
| CN102341827A (zh) | 利用大气和太阳照射建模来融合图像对的系统和方法 | |
| CN107610054A (zh) | 一种遥感影像数据的预处理方法 | |
| CN101598797A (zh) | 一种实现起伏地形遥感场景模拟的方法 | |
| CN109166143A (zh) | 一种大区域网立体测绘卫星影像匹配方法 | |
| CN114022783A (zh) | 基于卫星图像的水土保持生态功能遥感监测方法和装置 | |
| Lee et al. | Improvements of 6S look-up-table based surface reflectance employing minimum curvature surface method | |
| CN104102844B (zh) | 基于11范数约束的有理函数模型参数求解和全参数优化方法 | |
| CN116128762A (zh) | 卫星影像预处理方法、装置、电子设备及存储介质 | |
| CN111597496B (zh) | 基于有理多项式系数单幅星载遥感影像目标高度计算方法 | |
| Zhang et al. | Development of the direct-estimation albedo algorithm for snow-free Landsat TM albedo retrievals using field flux measurements | |
| Wang et al. | Atmospheric correction methods for GF-1 WFV1 data in hazy weather | |
| JP2005346664A (ja) | 海岸線抽出方法及び海岸線抽出システム | |
| Barber et al. | Towards a standard specification for terrestrial laser scanning of cultural heritage | |
| CN116245757A (zh) | 多模态数据的多场景通用性遥感影像云修复方法和系统 | |
| CN115187481A (zh) | 一种机载推扫式高光谱影像辐射扰动校正方法 | |
| Liu et al. | High-spatial-resolution nighttime light dataset acquisition based on volunteered passenger aircraft remote sensing | |
| Xu et al. | Fuxi-DA: A Generalized Deep Learning Data Assimilation Framework for Assimilating Satellite Observations | |
| Ma et al. | Low‐Altitude Photogrammetry and Remote Sensing in UAV for Improving Mapping Accuracy | |
| CN116152325A (zh) | 一种基于单目视频的道路交通高边坡稳定性监测方法 | |
| Jin | ENVI automated image registration solutions | |
| Zhang et al. | Incorporating dynamic factors for improving a GIS‐based solar radiation model | |
| Fallah et al. | Intensifying the spatial resolution of 3D thermal models from aerial imagery using deep learning-based image super-resolution | |
| Zhao et al. | Epipolar line generation from IKONOS imagery based on rational function model |
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 |