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
一种基于遥感技术的市政工程图像处理方法及装置 Download PDFInfo
- Publication number
- CN116402693B CN116402693B CN202310670833.8A CN202310670833A CN116402693B CN 116402693 B CN116402693 B CN 116402693B CN 202310670833 A CN202310670833 A CN 202310670833A CN 116402693 B CN116402693 B CN 116402693B
- Authority
- CN
- China
- Prior art keywords
- column
- row
- remote sensing
- image
- gray
- 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.)
- Active
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 30
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 132
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 85
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims description 72
- 238000000034 method Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000009499 grossing Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 7
- 230000002146 bilateral effect Effects 0.000 claims description 5
- 238000004378 air conditioning Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 10
- 230000000007 visual effect Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 abstract description 8
- 230000005856 abnormality Effects 0.000 abstract description 6
- 238000004590 computer program Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012952 Resampling Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000012217 deletion Methods 0.000 description 4
- 230000037430 deletion Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- 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
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
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
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310670833.8A CN116402693B (zh) | 2023-06-08 | 2023-06-08 | 一种基于遥感技术的市政工程图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310670833.8A CN116402693B (zh) | 2023-06-08 | 2023-06-08 | 一种基于遥感技术的市政工程图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116402693A CN116402693A (zh) | 2023-07-07 |
CN116402693B true CN116402693B (zh) | 2023-08-15 |
Family
ID=87010941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310670833.8A Active CN116402693B (zh) | 2023-06-08 | 2023-06-08 | 一种基于遥感技术的市政工程图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402693B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680542A (zh) * | 2015-03-15 | 2015-06-03 | 西安电子科技大学 | 基于在线学习的遥感影像变化检测方法 |
CN106683045A (zh) * | 2016-09-28 | 2017-05-17 | 深圳市优象计算技术有限公司 | 一种基于双目像机的全景图像拼接方法 |
WO2017092592A1 (zh) * | 2015-12-03 | 2017-06-08 | 阿里巴巴集团控股有限公司 | 一种图像融合的方法、装置和设备 |
WO2017128799A1 (zh) * | 2016-01-27 | 2017-08-03 | 深圳大学 | 基于三维Gabor特征选择的高光谱遥感图像分类方法及系统 |
CN108363967A (zh) * | 2018-01-30 | 2018-08-03 | 何德珍 | 一种遥感图像场景的分类系统 |
CN109612888A (zh) * | 2018-12-12 | 2019-04-12 | 太原理工大学 | 基于图像技术的粉体混合均匀性检测方法 |
CN110443806A (zh) * | 2019-04-30 | 2019-11-12 | 浙江大学 | 一种基于目标增强处理的水面透明漂浮危化品图像分割方法 |
CN111415300A (zh) * | 2020-05-08 | 2020-07-14 | 广东申义实业投资有限公司 | 一种用于全景图像的拼接方法和系统 |
CN112132914A (zh) * | 2019-06-25 | 2020-12-25 | 珠海市一微半导体有限公司 | 一种图像尺度空间建立方法及图像处理芯片 |
CN112541873A (zh) * | 2020-12-11 | 2021-03-23 | 江苏大学 | 一种基于双边滤波器的图像处理方法 |
CN112991408A (zh) * | 2021-04-19 | 2021-06-18 | 湖南大学 | 大场景高分遥感图像自适应区域多特征配准方法及系统 |
WO2021169334A1 (zh) * | 2020-02-24 | 2021-09-02 | 山东省科学院海洋仪器仪表研究所 | 一种高分辨率图像的宽视角快速拼接方法 |
CN114897676A (zh) * | 2022-03-25 | 2022-08-12 | 北京瀚景锦河科技有限公司 | 一种无人机遥感多光谱图像拼接方法、设备及介质 |
-
2023
- 2023-06-08 CN CN202310670833.8A patent/CN116402693B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680542A (zh) * | 2015-03-15 | 2015-06-03 | 西安电子科技大学 | 基于在线学习的遥感影像变化检测方法 |
WO2017092592A1 (zh) * | 2015-12-03 | 2017-06-08 | 阿里巴巴集团控股有限公司 | 一种图像融合的方法、装置和设备 |
WO2017128799A1 (zh) * | 2016-01-27 | 2017-08-03 | 深圳大学 | 基于三维Gabor特征选择的高光谱遥感图像分类方法及系统 |
CN106683045A (zh) * | 2016-09-28 | 2017-05-17 | 深圳市优象计算技术有限公司 | 一种基于双目像机的全景图像拼接方法 |
CN108363967A (zh) * | 2018-01-30 | 2018-08-03 | 何德珍 | 一种遥感图像场景的分类系统 |
CN109612888A (zh) * | 2018-12-12 | 2019-04-12 | 太原理工大学 | 基于图像技术的粉体混合均匀性检测方法 |
CN110443806A (zh) * | 2019-04-30 | 2019-11-12 | 浙江大学 | 一种基于目标增强处理的水面透明漂浮危化品图像分割方法 |
CN112132914A (zh) * | 2019-06-25 | 2020-12-25 | 珠海市一微半导体有限公司 | 一种图像尺度空间建立方法及图像处理芯片 |
WO2021169334A1 (zh) * | 2020-02-24 | 2021-09-02 | 山东省科学院海洋仪器仪表研究所 | 一种高分辨率图像的宽视角快速拼接方法 |
CN111415300A (zh) * | 2020-05-08 | 2020-07-14 | 广东申义实业投资有限公司 | 一种用于全景图像的拼接方法和系统 |
CN112541873A (zh) * | 2020-12-11 | 2021-03-23 | 江苏大学 | 一种基于双边滤波器的图像处理方法 |
CN112991408A (zh) * | 2021-04-19 | 2021-06-18 | 湖南大学 | 大场景高分遥感图像自适应区域多特征配准方法及系统 |
CN114897676A (zh) * | 2022-03-25 | 2022-08-12 | 北京瀚景锦河科技有限公司 | 一种无人机遥感多光谱图像拼接方法、设备及介质 |
Non-Patent Citations (1)
Title |
---|
大数据量遥感影像的分条带镶嵌策略;冯克鹏;;煤炭技术(05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116402693A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118542B (zh) | 激光雷达与相机之间的标定方法、装置、设备及存储介质 | |
WO2018022648A1 (en) | Image-based field boundary detection and identification | |
JP2011524025A (ja) | ポアソンベースの空所修復を提供する地理空間モデル化システム、及びその関連方法 | |
US20120179433A1 (en) | Geospatial modeling system providing poisson-based geospatial data set merging and related methods | |
CN106504192B (zh) | 一种输电线路走廊地质灾害勘探影像处理方法及系统 | |
CN106683039B (zh) | 一种生成火情态势图的系统 | |
Sheng et al. | Automated georeferencing and orthorectification of Amazon basin-wide SAR mosaics using SRTM DEM data | |
US8855439B2 (en) | Method for determining a localization error in a georeferenced image and related device | |
US8060352B2 (en) | Geospatial modeling system using void filling and related methods | |
Grigillo et al. | Automated building extraction from IKONOS images in suburban areas | |
KR100904078B1 (ko) | 항공 사진의 영상정합을 이용한 3차원 공간 정보 생성 시스템 및 방법 | |
CN111582022A (zh) | 一种移动视频与地理场景的融合方法、系统及电子设备 | |
CN116883251B (zh) | 基于无人机视频的图像定向拼接与三维建模方法 | |
CN112288637A (zh) | 无人机航拍图像快速拼接装置及快速拼接方法 | |
CN115131494A (zh) | 一种光学遥感卫星成像仿真方法及装置 | |
Yoo et al. | True orthoimage generation by mutual recovery of occlusion areas | |
CN112991218A (zh) | 图像处理的方法、装置、设备以及存储介质 | |
CN116402693B (zh) | 一种基于遥感技术的市政工程图像处理方法及装置 | |
KR102318522B1 (ko) | 수치표고모델을 이용한 3차원 가상 환경 저작 시스템 및 그것의 동작 방법 | |
KR102025144B1 (ko) | 드론을 이용한 건설폐기물 예측 장치, 방법 및 이를 수행하기 위한 기록매체 | |
Sidiropoulos et al. | Automatic coregistration and orthorectification (ACRO) and subsequent mosaicing of NASA high-resolution imagery over the Mars MC11 quadrangle, using HRSC as a baseline | |
CN113282695B (zh) | 一种基于遥感影像的矢量地理信息采集方法和装置 | |
Hashim et al. | Geometric and radiometric evaluation of RazakSAT medium-sized aperture camera data | |
Chijioke | Satellite remote sensing technology in spatial modeling process: technique and procedures | |
CN111861873A (zh) | 仿真图像的生成方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |