CN116402693B - 一种基于遥感技术的市政工程图像处理方法及装置 - Google Patents

Abstract

本发明涉及图像数据处理技术领域，具体提供了一种基于遥感技术的市政工程图像处理方法及装置，包括：获取至少两张市政工程遥感图像；对遥感图像进行预处理，获得遥感图像对应的灰度图；根据遥感图像对应的灰度图确定行列采样权值，并根据行列采样权值对遥感图像进行行列降采样；对行列降采样后的小尺度遥感图像利用图像拼接算法进行拼接，得到拼接图像。这样，能够避免降采样技术的图像中存在较多的异常区域或异常点，从而避免图像进行拼接处理时容易产生局部异常使得图像拼接产生错误，从而实现快速精确的实现遥感图像的拼接，得到视觉效果好的拼接遥感图像。

Description

一种基于遥感技术的市政工程图像处理方法及装置

技术领域

本发明涉及图像数据处理领域，特别是涉及一种基于遥感技术的市政工程图像处理方法、装置及设备。

背景技术

在市政工程等领域中，常需要利用遥感技术获取地表特征信息，例如利用无人机获取建筑、路网、地形等遥感图像，而后利用遥感图像进行规划设计、监控管理、情境评估等。由于遥感图像具有分辨率低、噪声多、收光角度差异大等特点，需要对多张遥感图像进行拼接，以获取高精度、连续的地表信息。

相关技术中，对于市政工程等的遥感图像进行拼接时因为无人机等飞行器所采集到的市政工程等遥感图像幅度较大，而现有图像拼接算法的时间复杂性较高，拼接时拼接的准确率不够，拼接速度慢，而且容易出现拼接错误。

发明内容

鉴于上述问题，本申请提供了一种基于遥感技术的市政工程图像处理方法、装置及设备，能够快速精确的实现市政工程的遥感图像的拼接，得到视觉效果好的市政工程拼接遥感图像。

第一方面，本申请实施例提供了一种基于遥感技术的市政工程图像处理方法，包括：

获取至少两张市政工程遥感图像；

对所述遥感图像进行预处理，获得所述遥感图像对应的灰度图；

根据所述遥感图像对应的灰度图的每一行的行像素点的灰度信息和每一列的列像素点的灰度信息分别确定所述遥感图像每一行的行采样权值和每一列的列采样权值，并根据所述每一行的行采样权值和所述每一列的列采样权值对所述遥感图像进行行列降采样；

对行列降采样后的遥感图像利用图像拼接算法进行拼接，得到拼接后的图像。

在一种可能的实现方式中，对所述遥感图像进行预处理，获得所述遥感图像对应的灰度图，包括：

对所述遥感图像进行图像均衡化处理以及几何校正处理，对处理后的遥感图像进行图形灰度化处理，得到所述遥感图像对应的灰度图。

在一种可能的实现方式中，在获取至少两张市政工程遥感图像之前，还包括：

当采用飞行器采集遥感图像时，对所述飞行器的飞行路线进行预先规划。

在一种可能的实现方式中，在对所述遥感图像进行预处理，获得所述遥感图像对应的灰度图之后，还包括以下步骤：

对所述遥感图像对应的灰度图进行边界填充操作，其中所述边界填充操作是以零填充的方式进行的；

对边界填充后的灰度图采用滤波算法进行滤波平滑处理，得到滤波平滑处理后的灰度图。

在一种可能的实现方式中，对边界填充后的灰度图采用滤波算法进行滤波平滑处理，进一步包括：

所述滤波算法采用线性滤波算法或非线性滤波算法，其中线性滤波算法采用高斯滤波算法、方框滤波或均值滤波；非线性滤波算法采用中值滤波或双边滤波。

在一种可能的实现方式中，根据所述遥感图像对应的灰度图的每一行的行像素点的灰度信息和每一列的列像素点的灰度信息分别确定所述遥感图像每一行的行采样权值和每一列的列采样权值，进一步包括：

根据所述灰度图的行像素点的灰度值信息计算每一行像素点的行像素点重要性参数和行像素点匹配性参数；

根据所述灰度图的列像素点的灰度值信息计算每一列像素点的列像素点重要性参数和列像素点匹配性参数；以及：

基于所述每一行的行像素点重要性参数和每一行的行像素点匹配性参数确定所述遥感图像每一行的行采样权值；

基于所述每一列的列像素点重要性参数和每一列的列像素点匹配性参数确定所述遥感图像的每一列的列采样权值。

在一种可能的实现方式中，所述行像素点重要性参数或列像素点重要性参数的计算公式为：

其中，表示第张遥感图像中的第行或列像素点中的第个像素点的灰度值，，其中表示第行或列像素点的总个数；表示第张遥感图像中的所有像素点的 灰度值的平均值；表示所有第行或列所有像素点灰度值的平均值。

在一种可能的实现方式中，所述行像素点匹配性参数或列像素点匹配性参数的计算公式为：

其中，表示第行或列像素点中的第个像素点邻域第行或列的第个像 素点分别与对应的第行或列的第个像素点的灰度值差值的绝对值，；表示第行或列像素点中的第个像素点分别与邻域对应的第行 或列的第个像素点的灰度值差值的绝对值以及对应的第行或列的第个像素点的 灰度值差值的绝对值的平均值，。

在一种可能的实现方式中，所述行采样权值或列采样权值的计算公式为：

其中，表示第张遥感图像中的第行或列像素点重要性参数，表示第张遥 感图像中的第行或列像素点匹配性参数。

在一种可能的实现方式中，根据所述每一行的行采样权值和所述每一列的列采样权值对所述遥感图像进行行列降采样，包括：

将所述每一行的行采样权值和所述每一列的列采样权值分别与行采样阈值和列采样阈值进行比较；

将行采样权值小于行采样阈值的对应行的所有像素点删除，将列采样权值小于列采样阈值的对应列的所有像素点删除，得到行列降采样后的遥感图像。

在一种可能的实现方式中，所述采样阈值的计算公式为：

其中，表示第张遥感图像中的第行或列像素点的采样权值，M表示第张遥感 图像中的像素点的总行个数或总列个数。

在一种可能的实现方式中，对行列降采样后的遥感图像利用图像拼接算法进行拼接，包括：

所述图像拼接算法采用SURF算法或SIFT算法。

第二方面，本申请实施例提供了一种基于遥感技术的市政工程图像处理装置，包括：

获取模块，用于获取至少两张市政工程遥感图像；

预处理模块，用于对所述遥感图像进行预处理，获得所述遥感图像对应的灰度图；

确定模块，用于根据所述遥感图像对应的灰度图的每一行的行像素点的灰度信息和每一列的列像素点的灰度信息分别确定所述遥感图像每一行的行采样权值和每一列的列采样权值；

降采样模块，用于根据所述每一行的行采样权值和所述每一列的列采样权值对所述遥感图像进行行列降采样；

图像拼接模块，对行列降采样后的遥感图像利用图像拼接算法进行拼接，得到拼接后的图像。

第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现如第一方面各个可能实现的实施例。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行如第一方面各个可能实现的实施例。

附图说明

图1是本申请实施例提供的一种基于遥感技术的市政工程图像处理方法的步骤流程图；

图2是本申请实施例提供的一种飞行器采集市政工程等完整遥感图像路线示意图；

图3是本申请实施例提供的边界填充操作示意图；

图4是本申请实施例提供的一种基于遥感技术的市政工程图像处理装置；

图5是本申请实施例提供的一种电子设备的结构框图；

图6是本申请实施例提供的一种计算机可读存储介质的结构框图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明，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。基于本申请中的实施例，本领域普通技术人员所获得的所有其它实施例，都属于本申请保护的范围。

本申请的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。

需要注意，本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

图像拼接技术，顾名思义，就是将不同的图像拼成一幅大视场、高分辨率的无缝图像的技术。这些源图像可能拍摄于不同的时间，有着不同的拍摄视角，或者拍摄自不同的传感器等，这些拍摄的图像拥有公共部分是图像拼接的前提。

遥感技术是从远离地面的不同工作平台上，如高塔、气球、飞机、火箭、人造地球卫星、宇宙飞船和航天飞机等，通过传感器等对地球表面的电磁波辐射信息进行探测，然后经信息的传输、处理和判读分析，对地球的资源与环境进行探测与监测的综合性技术。利用遥感技术从远距离采用高空鸟瞰的形式进行探测，可以获得多点位、多谱段、多时段和多高度的遥感影像，遥感影像在环境科学、建筑工程等多领域的应用具有很大优越性。

现有技术中，在利用图像拼接算法对无人接所采集的市政工程、地形地貌等的遥感图像进行特征点选择以及拼接的过程中，因为无人接所采集的市政工程等的遥感图像尺度较大，所以图像拼接算法进行遥感图像拼接的时候计算量较大需要利用降采样算法对图像进行尺度缩小，对于遥感图像的尺寸减小的常用方式为对图像进行降采样处理，即对于特定行以及列的像素点进行删除。这种对于特定行列删除的方式未能考虑图像的像素点的分布特征，从而使得现有降采样技术的图像中存在较多的异常区域。而图像拼接算法对于异常较为敏感，对图像进行拼接处理时容易产生局部异常使得图像拼接算法拼接错误，拼接的准确率不够。

下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

参见图1所示，本申请实施例公开了一种基于遥感技术的市政工程图像处理方法，包括：

步骤S11，获取至少两张遥感图像；

步骤S12，对遥感图像进行预处理，获得遥感图像对应的灰度图；

步骤S13，根据遥感图像对应的灰度图的每一行的行像素点的灰度信息和每一列的列像素点的灰度信息分别确定遥感图像每一行的行采样权值和每一列的列采样权值；

步骤S14，根据每一行的行采样权值和每一列的列采样权值对遥感图像进行行列降采样；

步骤S15，对行列降采样后的遥感图像利用图像拼接算法进行拼接，得到拼接后的图像。

其中，遥感图像是由一个或多个遥感图像采集设备采集得到的。例如，上述遥感图像采集设备可以是搭载高清数码相机的无人机等飞行器，还可以是热气球以及遥感卫星等，在此不对其进行具体限定。

在上述实施例步骤中，利用遥感图像采集设备获取多张遥感图像，例如，可是市政工程的多张遥感图像，将获得的多张遥感图像进行预处理，获得遥感图像对应的灰度图，而后利用灰度图的每一行的行像素点的灰度信息和每一列的列像素点的灰度信息分别确定遥感图像每一行的行采样权值和每一列的列采样权值，并根据每一行的行采样权值和每一列的列采样权值对遥感图像进行行列降采样，对行列降采样后的小尺度遥感图像利用图像拼接算法进行拼接，得到拼接后的图像。本申请实施例是通过利用遥感图像中的行列特征进行量化行列采样权值，而后利用行列采样权值进行行列降采样，得到小尺寸的遥感图像，该行列降采样方式考虑遥感图像的像素点的分布特征，能够避免降采样技术的图像中存在较多的异常区域或异常点，从而避免图像进行拼接处理时容易产生局部异常使得图像拼接产生错误，从而实现快速精确的实现市政工程等遥感图像的拼接，得到视觉效果好的拼接遥感图像。

在本申请一个可选的实施例中，对遥感图像进行预处理，获得遥感图像对应的灰度图，包括：

对遥感图像进行图像均衡化处理以及几何校正处理，对处理后的遥感图像进行图形灰度化处理，得到遥感图像对应的灰度图。

需要说明的是，在市政工程等领域中，遥感图像采集设备采集的遥感图像，因为受 到视角以及光照等环境因素的影响，导致遥感图像采集设备所拍摄的图像中的视角不稳定 以及光照不均衡等问题，所以需要对其进行图像均衡化处理以及图像几何校正处理，获得 无光照等环境因素影响以及视角影响的遥感图像，其中图像均衡化处理是一种比较常用的 处理方式，图像均衡化处理就是将一个灰度级分布不均匀的图像，通过某种变换得到一个 均匀分布的操作，如直方图均衡处理等，几何校正处理是通过像点坐标变换对畸变图像进 行几何校正，消除几何畸变对图像的影响。而后对其进行灰度化处理使其减少整体通道数， 获得遥感图像的灰度图集合，具体如下所示：

其中表示第张拍摄的遥感图像的灰度图（，其中为遥感图像灰度图集合 中的遥感图像灰度图的总数）。

在本申请一个可选的实施例中，在获取遥感图像之前，还包括：当采用飞行器采集市政工程等的遥感图像时，对飞行器的飞行路线进行预先规划。

作为一种示例，当利用无人机、热气球等飞行器获取市政工程、地理地貌等的遥感图像时，由于市政工程、地理地貌等是一个较为宏观的信息数据，

当采集到的图像没有完全覆盖规划区域时，则需要利用飞行器再次采集图像，然后将两次采集的图像合并进行拼接，这导致工作量大，图像大量重复，拼接效率低，所以为了快速的采集市政工程、地理地貌等的遥感图像数据，拍摄到完整的符合要求的市政工程、地理地貌等的遥感图像，需要对无人机的飞行路线进行预先规划，参见附图2，示出了一种飞行器采集市政工程等完整遥感图像路线示意图，黑色线条为飞行器采集遥感图像的飞行路线，其中可以将不同地理环境等采集要求与飞行路线形成映射数据库，在需要时直接调取预先设置的飞行路线即可，在此不做具体限定。

在本申请一个可选的实施例中，在对遥感图像进行预处理，获得遥感图像对应的灰度图之后，还可以包括以下步骤：

对遥感图像对应的灰度图进行边界填充操作，其中边界填充操作是以零填充的方式进行的；

对边界填充后的灰度图采用滤波算法进行滤波平滑处理，得到滤波平滑处理后的灰度图。

具体的，将采集获得的多张遥感图像进行预处理得到遥感灰度图集后，首先在遥 感图像灰度图集合中的第张图像的边沿分别进行边界填充操作（padding操作），参见附图 3，其中，遥感图像灰度图的边沿操作为以零填充的方式进行边界填充操作，即采用零对遥 感图像灰度图的边界进行填充，其目的在于使得在后续利用滤波平滑算法对遥感图像的灰 度图的边沿进行滤波平滑时有着足够的像素点来进行计算；获得边界填充操作过遥感图像 灰度图后，利用滤波平滑算法对边界填充操作过的遥感图像灰度图进行高频噪声以及细节 的滤除即可获得滤波平滑后的遥感图像的灰度图。

在本申请一个可选的实施例中，滤波算法采用线性滤波算法或非线性滤波算法，其中线性滤波算法采用高斯滤波算法、方框滤波或均值滤波；非线性滤波算法采用中值滤波或双边滤波，在此不做具体限定。

在本申请的实施例中，通过上述设计处理，可以滤去遥感图像较多的高频噪声，避免高频噪声噪声灾图像重采样期间被进一步放大，导致图像失真或出现伪影，进一步提高后续图像拼接的准确度，其中图像重采样（image resampling），是指在对采样后形成的由离散数据组成的数字图像按所需的像元位置或像元间距重新采样，以构成几何变换后的新图像，其本质上是图像恢复过程,它用输入的离散数字图像重建代表原始图像二维连续函数,再按新的像元间距和像元位置进行采样。其数学过程是根据重建的连续函数（曲面），用周围若干二像元点的值估计或内插出新采样点的值,相当于用采样函数与输入图像作二维卷积运算。

在本申请一个可选的实施例中，根据遥感图像对应的灰度图的每一行的行像素点的灰度信息和每一列的列像素点的灰度信息分别确定遥感图像每一行的行采样权值和每一列的列采样权值，包括：

根据灰度图的行像素点的灰度值信息计算每一行像素点的行像素点重要性参数和行像素点匹配性参数；

根据灰度图的列像素点的灰度值信息计算每一列像素点的列像素点重要性参数和列像素点匹配性参数；以及：

基于每一行的行像素点重要性参数和每一行的行像素点匹配性参数确定遥感图像每一行的行采样权值；

基于每一列的列像素点重要性参数和每一列的列像素点匹配性参数确定遥感图像的每一列的列采样权值。

为了避免降采样减少图像的尺度的过程中，由于在图像中某些行或者列的像素点对于整体图像有着较为重要的贡献，而传统降采样对于特定的行或者列进行像素点的删除，会导致删除之后遥感图像会丢失部分重要特征或信息，使得后续利用图像拼接算法对小尺寸图像进行特征点选择时特征点的选择不准确，致使多张遥感图像在进行拼接的时候拼接结果不准确，本申请的额上述实施例中通过对遥感图像中的每一行以及每一列像素点的重要性以匹配性进行计算来获取行列采样权值，而后利用行列采样权值进行行列降采样，得到小尺寸的遥感图像，该行列降采样方式考虑遥感图像的像素点的分布特征，能够避免降采样技术的图像中存在较多的异常区域或异常点，从而避免图像进行拼接处理时容易产生局部异常使得图像拼接产生错误，从而实现快速精确的实现市政工程等遥感图像的拼接，得到视觉效果好的拼接遥感图像。

在本申请一个可选的实施例中，行像素点重要性参数或列像素点重要性参数的计算公式为：

其中，表示第张遥感图像中的第行或列像素点中的第个像素点的灰度值，，其中表示第行或列像素点的总个数；表示第张遥感图像中的所有像素点的 灰度值的平均值；表示所有第行或列所有像素点灰度值的平均值。

需要说明的是，在利用图像拼接算法对采集的遥感图像进行拼接的时候是需要利 用图像的特征点进行拼接的，而图像拼接算法对于特征点的拼接一般在图像中像素点灰度 值变化较为剧烈的地方，所以本申请的实施例利用这一特征来对第张遥感图像的灰度图 的第行像素点的重要性进行量化，具体方式为利用该行或列像素点与邻域内像素点的灰 度值的差异值来作为基础，而后以该行或列像素点与第张遥感图像中的灰度值的平均值 的差异值作为权值，以此局部到整体来分析该行或列中像素点的局部变化与整体变化的剧 烈程度表示该行或列像素点的重要性。该行或列像素点的重要性越高，图像拼接算法进行 特征点选择时选择该行或列的可能性越大，利用降采样算法对第张遥感图像进行处理时 删掉该行或该列像素点可能会导致图像拼接时特征点的选择不够准确从而导致图像拼接 发生失误。

在本申请一个可选的实施例中，行像素点匹配性参数或列像素点匹配性参数的计算公式为：

其中，表示第行或列像素点中的第个像素点邻域第行或列的第个像 素点分别与对应的第行或列的第个像素点的灰度值差值的绝对值，；表示第行或列像素点中的第个像素点分别与邻域对应的第 行或列的第个像素点的灰度值差值的绝对值以及对应的第行或列的第个像素 点的灰度值差值的绝对值的平均值，。

需要说明的是，如果第行或第m列的像素点在被降采样中分别被选择为采样行或 采样列之后，那么第行或第列像素点将分别与第行或第列像素点作为相 邻行，而因为二者需要作为相邻行，其相邻的像素点的灰度值差异较大的话说明第行或第 m列为二者的像素点的过渡区域，起到平滑的作用，二者直接进行拼接的话图像的质量协调 性会大幅度的下降，所以匹配性就应该更低，反之则相反。

在本申请一个可选的实施例中，行采样权值或列采样权值的计算公式为：

其中，表示第张遥感图像中的第行或列像素点重要性参数，表示第张遥 感图像中的第行或列像素点匹配性参数。

其中，第行或列的采样权值的计算方式是利用第行或列像素点重要性比上对应 的第行或列像素点的匹配率，重要性越大说明第行或列像素点越重要，出现特征点的可 能性越大；而匹配率是指第行或列像素点分别与第行或列像素点的匹配性，该值 越小，说明第行或列像素点与对应的第行或列像素点对应位置的像素点差距越 大，删除第行或列像素后第行或列像素点与第行或列像素点作为邻域行时图像 的违和感越强。所以利用二者的比值来作为第行或列像素点的采样权值的计算，采样权值 越大，说明删除第行或列像素点后整体图像不论是对于特征点的选择还是降采样后图像 的整体表现都有着较大的影响。

利用上述方式可以获得第张遥感图像对应的灰度图中的每一行以及每一列的采 样权值。

在本申请一个可选的实施例中，根据每一行的行采样权值和每一列的列采样权值对遥感图像进行行列降采样，包括：

将每一行的行采样权值和每一列的列采样权值分别与行采样阈值和列采样阈值进行比较；

将行采样权值小于行采样阈值的对应行的所有像素点删除，将列采样权值小于列采样阈值的对应列的所有像素点删除，得到行列降采样后的遥感图像。

进一步地，采样阈值的计算公式为：

其中，表示第张遥感图像中的第行或列像素点的采样权值，M表示第张遥感 图像中的像素点的总行个数或总列个数。

利用上述方式可以获得所有采集的遥感图像的小尺度图像，对所有的小尺度图像采用图像拼接算法进行拼接即可得到拼接后的图像。本申请实施例利用遥感图像的行列像素点的灰度信息进行行列重要性以及匹配性的计算，而后利用行列重要性以及匹配性进行行列采样权值的获取，而后利用行列采样权值与采样阈值比较进行行列降采样，得到小尺寸的遥感图像，该行列降采样方式考虑遥感图像的像素点的分布特征，能够避免降采样技术的图像中存在较多的异常区域或异常点，从而避免图像进行拼接处理时容易产生局部异常使得图像拼接产生错误，从而实现快速精确的实现遥感图像的拼接，得到视觉效果好的拼接遥感图像。

在本申请一个可选的实施例中，对行列降采样后的遥感图像利用图像拼接算法进行拼接，包括：

图像拼接算法采用SURF算法或SIFT算法。

SIFT 算法是一种高精度的特征点检测算法，SURF 是在 SIFT 算法基础上进行改进升级的一种特征检测算法，均属于本领域常见的图像拼接算法，在此不做具体论述。

参见图4所示，本申请实施例公开了一种基于遥感技术的市政工程图像处理装置，该遥感图像拼接装置可以应用于各种电子设备，例如：手机、平板电脑、台式电脑、可穿戴设备、服务器或者无人机控制平台等，在此不作限定。包括：

获取模块11，用于获取至少两张遥感图像；

预处理模块12，用于对遥感图像进行预处理，获得遥感图像对应的灰度图；

确定模块13，用于根据遥感图像对应的灰度图的每一行的行像素点的灰度信息和每一列的列像素点的灰度信息分别确定遥感图像每一行的行采样权值和每一列的列采样权值；

降采样模块14，用于根据每一行的行采样权值和每一列的列采样权值对遥感图像进行行列降采样；

图像拼接模块15，对行列降采样后的遥感图像利用图像拼接算法进行拼接，得到拼接后的图像。

实施上述的图像拼接装置，可以实现通过利用遥感图像中的行列特征进行量化行列采样权值，而后利用行列采样权值进行行列降采样，得到小尺寸的遥感图像，该行列降采样方式考虑遥感图像的像素点的分布特征，能够避免降采样技术的图像中存在较多的异常区域或异常点，从而避免图像进行拼接处理时容易产生局部异常使得图像拼接产生错误，从而实现快速精确的实现市政工程等遥感图像的拼接，得到视觉效果好的拼接遥感图像。

在本申请一个可选的实施例中，预处理模块，具体包括：

用于对遥感图像进行图像均衡化处理以及几何校正处理，对处理后的遥感图像进行图形灰度化处理，得到遥感图像对应的灰度图。

在本申请一个可选的实施例中，遥感图像拼接装置还包括：预先规划模块，用于在获取模块获取至少两张市政工程等遥感图像之前，对飞行器的飞行路线进行预先规划。

实施上述的图像拼接装置，当采用飞行器采集遥感图像时，对飞行器的飞行路线进行预先规划，可以实现拍摄到完整的符合要求的市政工程、地理地貌等的遥感图像，采集有效遥感图像效率明显提高。

在本申请一个可选的实施例中，遥感图像拼接装置还包括：

边界填充模块，用于预处理模块在对遥感图像进行预处理，获得遥感图像对应的灰度图之后，对遥感图像对应的灰度图进行边界填充操作，其中边界填充操作是以零填充的方式进行的；

滤波模块，用于对边界填充后的灰度图采用滤波算法进行滤波平滑处理，得到滤波平滑处理后的灰度图。

进一步的，滤波模块中采用的滤波算法为线性滤波算法或非线性滤波算法，其中线性滤波算法采用高斯滤波算法、方框滤波或均值滤波；非线性滤波算法采用中值滤波或双边滤波。

实施上述的图像拼接装置，可以滤去遥感图像较多的高频噪声，避免高频噪声噪声灾图像重采样期间被进一步放大，导致图像失真或出现伪影，进一步提高后续图像拼接的准确度。

在本申请一个可选的实施例中，确定模块具体包括：

参数计算模块，用于根据灰度图的行像素点的灰度值信息计算每一行像素点的行像素点重要性参数和行像素点匹配性参数，以及用于根据灰度图的列像素点的灰度值信息计算每一列像素点的列像素点重要性参数和列像素点匹配性参数；

采样权值计算模块，用于基于每一行的行像素点重要性参数和每一行的行像素点匹配性参数确定遥感图像每一行的行采样权值，以及基于每一列的列像素点重要性参数和每一列的列像素点匹配性参数确定遥感图像的每一列的列采样权值。

实施上述的图像拼接装置，可以实现通过对遥感图像中的每一行以及每一列像素点的重要性以匹配性进行计算来获取行列采样权值，而后利用行列采样权值进行行列降采样，得到小尺寸的遥感图像，该行列降采样方式考虑遥感图像的像素点的分布特征，能够避免降采样技术的图像中存在较多的异常区域或异常点，从而避免图像进行拼接处理时容易产生局部异常使得图像拼接产生错误，从而实现快速精确的实现遥感图像的拼接，得到视觉效果好的拼接遥感图像。

进一步的，在本申请一个可选的实施例中，图像拼接装置中行像素点匹配性参数或列像素点匹配性参数的计算公式为：

其中，表示第行或列像素点中的第个像素点邻域第行或列的第个像 素点分别与对应的第行或列的第个像素点的灰度值差值的绝对值，；表示第行或列像素点中的第个像素点分别与邻域对应的第 行或列的第个像素点的灰度值差值的绝对值以及对应的第行或列的第个像素 点的灰度值差值的绝对值的平均值，。

在本申请一个可选的实施例中，图像拼接装置中行采样权值或列采样权值的计算公式为：

其中，表示第张遥感图像中的第行或列像素点重要性参数，表示第张遥 感图像中的第行或列像素点匹配性参数。

在本申请一个可选的实施例中，降采样模块，具体包括：

比较模块，用于将每一行的行采样权值和每一列的列采样权值分别与行采样阈值和列采样阈值进行比较；

删除模块，将行采样权值小于行采样阈值的对应行的所有像素点删除，将列采样权值小于列采样阈值的对应列的所有像素点删除，得到行列降采样后的遥感图像。

进一步地，采样阈值的计算公式为：

其中，表示第张遥感图像中的第行或列像素点的采样权值，M表示第张遥感 图像中的像素点的总行个数或总列个数。

利用上述方式可以获得所有采集的遥感图像的小尺度图像，对所有的小尺度图像采用图像拼接模块进行拼接即可得到拼接后的图像。本申请实施例利用遥感图像的行列像素点的灰度信息进行行列重要性以及匹配性的计算，而后利用行列重要性以及匹配性进行行列采样权值的获取，而后利用行列采样权值与采样阈值比较进行行列降采样，得到小尺寸的遥感图像，该行列降采样方式考虑遥感图像的像素点的分布特征，能够避免降采样技术的图像中存在较多的异常区域或异常点，从而避免图像进行拼接处理时容易产生局部异常使得图像拼接产生错误，从而实现快速精确的实现遥感图像的拼接，得到视觉效果好的拼接遥感图像。

在本申请一个可选的实施例中，图像拼接模块中的图像拼接算法采用SURF算法或SIFT算法。

参见图5所示，本申请实施例公开了一种电子设备20，包括处理器21和存储器22；其中，存储器22，用于保存计算机程序；处理器21，用于通过执行计算机程序来实现前述方法实施例提供的基于遥感技术的市政工程图像处理方法。

关于上述基于遥感技术的市政工程图像处理方法的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

并且，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，存储方式可以是短暂存储或者永久存储。

另外，电子设备20还包括电源23、通信接口24、输入输出接口25和通信总线26；其中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。

进一步的，本申请实施例还公开了一种计算机可读存储介质，如图6所示，用于保存计算机程序31，其中，计算机程序被处理器执行时实现前述方法实施例提供的基于遥感技术的市政工程图像处理方法。

关于上述基于遥感技术的市政工程图像处理方法的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

本申请实施例还提供了一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行本申请方法实施例所示的基于遥感技术的市政工程图像处理方法。

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它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本申请所提供的一种基于遥感技术的市政工程图像处理方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限制。

Claims (5)

1.一种基于遥感技术的市政工程图像处理方法，其特征在于，包括：

获取至少两张市政工程遥感图像；

对所述遥感图像进行预处理，获得所述遥感图像对应的灰度图；

根据所述遥感图像对应的灰度图的每一行的行像素点的灰度信息和每一列的列像素点的灰度信息分别确定所述遥感图像每一行的行采样权值和每一列的列采样权值，并根据所述每一行的行采样权值和所述每一列的列采样权值对所述遥感图像进行行列降采样；

对行列降采样后的遥感图像利用图像拼接算法进行拼接，得到拼接后的图像；

在对所述遥感图像进行预处理，获得所述遥感图像对应的灰度图之后，还包括以下步骤：

对所述遥感图像对应的灰度图进行边界填充操作，其中所述边界填充操作是以零填充的方式进行的；

对边界填充后的灰度图采用滤波算法进行滤波平滑处理，得到滤波平滑处理后的灰度图；

其中，所述滤波算法采用线性滤波算法或非线性滤波算法，其中线性滤波算法采用高斯滤波算法、方框滤波或均值滤波；非线性滤波算法采用中值滤波或双边滤波；

根据所述遥感图像对应的灰度图的每一行的行像素点的灰度信息和每一列的列像素点的灰度信息分别确定所述遥感图像每一行的行采样权值和每一列的列采样权值，包括：

根据所述灰度图的行像素点的灰度值信息计算每一行像素点的行像素点重要性参数和行像素点匹配性参数；

根据所述灰度图的列像素点的灰度值信息计算每一列像素点的列像素点重要性参数和列像素点匹配性参数；以及：

基于所述每一行的行像素点重要性参数和每一行的行像素点匹配性参数确定所述遥感图像每一行的行采样权值；

基于所述每一列的列像素点重要性参数和每一列的列像素点匹配性参数确定所述遥感图像的每一列的列采样权值；

所述行像素点重要性参数或列像素点重要性参数的计算公式为：

其中，表示第/>张遥感图像中的第/>行或列像素点中的第/>个像素点的灰度值，，其中/>表示第/>行或列像素点的总个数；/>表示第/>张遥感图像中的所有像素点的灰度值的平均值；/>表示所有第/>行或列所有像素点灰度值的平均值；

所述行像素点匹配性参数或列像素点匹配性参数的计算公式为：

其中，表示第/>行或列像素点中的第/>个像素点邻域第/>行或列的第/>个像素点分别与对应的第/>行或列的第/>个像素点的灰度值差值的绝对值，/>；/>表示第/>行或列像素点中的第/>个像素点分别与邻域对应的第/>行或列的第/>个像素点的灰度值差值的绝对值以及对应的第/>行或列的第/>个像素点的灰度值差值的绝对值的平均值，/>；/>表示第/>行或列像素点的总个数；

所述行采样权值或列采样权值的计算公式为：

其中，表示第/>张遥感图像中的第/>行或列像素点重要性参数，/>表示第/>张遥感图像中的第/>行或列像素点匹配性参数。

2.根据权利要求1所述的市政工程图像处理方法，其特征在于，对所述遥感图像进行预处理，获得所述遥感图像对应的灰度图，进一步包括：

对所述遥感图像进行图像均衡化处理以及几何校正处理，对处理后的遥感图像进行图形灰度化处理，得到所述遥感图像对应的灰度图。

3.根据权利要求1所述的市政工程图像处理方法，其特征在于，根据所述每一行的行采样权值和所述每一列的列采样权值对所述遥感图像进行行列降采样，包括：

将所述每一行的行采样权值和所述每一列的列采样权值分别与行采样阈值和列采样阈值进行比较；

将行采样权值小于行采样阈值的对应行的所有像素点删除，将列采样权值小于列采样阈值的对应列的所有像素点删除，得到行列降采样后的遥感图像。

4.根据权利要求3所述的市政工程图像处理方法，其特征在于，所述采样阈值的计算公式为：

其中，表示第/>张遥感图像中的第/>行或列像素点的采样权值，M表示第/>张遥感图像中的像素点的总行个数或总列个数。

5.一种基于遥感技术的市政工程图像处理装置，其特征在于，包括：

获取模块，用于获取至少两张市政工程遥感图像；

预处理模块，用于对所述遥感图像进行预处理，获得所述遥感图像对应的灰度图；

确定模块，用于根据所述遥感图像对应的灰度图的每一行的行像素点的灰度信息和每一列的列像素点的灰度信息分别确定所述遥感图像每一行的行采样权值和每一列的列采样权值；

降采样模块，用于根据所述每一行的行采样权值和所述每一列的列采样权值对所述遥感图像进行行列降采样；

图像拼接模块，对行列降采样后的遥感图像利用图像拼接算法进行拼接，得到拼接后的图像；

在对所述遥感图像进行预处理，获得所述遥感图像对应的灰度图之后，还包括以下步骤：

对所述遥感图像对应的灰度图进行边界填充操作，其中所述边界填充操作是以零填充的方式进行的；

对边界填充后的灰度图采用滤波算法进行滤波平滑处理，得到滤波平滑处理后的灰度图；

其中，所述滤波算法采用线性滤波算法或非线性滤波算法，其中线性滤波算法采用高斯滤波算法、方框滤波或均值滤波；非线性滤波算法采用中值滤波或双边滤波；

根据所述遥感图像对应的灰度图的每一行的行像素点的灰度信息和每一列的列像素点的灰度信息分别确定所述遥感图像每一行的行采样权值和每一列的列采样权值，包括：

根据所述灰度图的行像素点的灰度值信息计算每一行像素点的行像素点重要性参数和行像素点匹配性参数；

根据所述灰度图的列像素点的灰度值信息计算每一列像素点的列像素点重要性参数和列像素点匹配性参数；以及：

基于所述每一行的行像素点重要性参数和每一行的行像素点匹配性参数确定所述遥感图像每一行的行采样权值；

基于所述每一列的列像素点重要性参数和每一列的列像素点匹配性参数确定所述遥感图像的每一列的列采样权值；

所述行像素点重要性参数或列像素点重要性参数的计算公式为：

其中，表示第/>张遥感图像中的第/>行或列像素点中的第/>个像素点的灰度值，，其中/>表示第/>行或列像素点的总个数；/>表示第/>张遥感图像中的所有像素点的灰度值的平均值；/>表示所有第/>行或列所有像素点灰度值的平均值；

所述行像素点匹配性参数或列像素点匹配性参数的计算公式为：

其中，表示第/>行或列像素点中的第/>个像素点邻域第/>行或列的第/>个像素点分别与对应的第/>行或列的第/>个像素点的灰度值差值的绝对值，/>；表示第/>行或列像素点中的第/>个像素点分别与邻域对应的第/>行或列的第/>个像素点的灰度值差值的绝对值以及对应的第/>行或列的第/>个像素点的灰度值差值的绝对值的平均值，/>；/>表示第/>行或列像素点的总个数；

所述行采样权值或列采样权值的计算公式为：

其中，表示第/>张遥感图像中的第/>行或列像素点重要性参数，/>表示第/>张遥感图像中的第/>行或列像素点匹配性参数。