CN116503756B - 基于地面控制点数据库建立地表纹理基准面的方法 - Google Patents
基于地面控制点数据库建立地表纹理基准面的方法 Download PDFInfo
- Publication number
- CN116503756B CN116503756B CN202310597876.8A CN202310597876A CN116503756B CN 116503756 B CN116503756 B CN 116503756B CN 202310597876 A CN202310597876 A CN 202310597876A CN 116503756 B CN116503756 B CN 116503756B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- image
- points
- sensing image
- resolution remote
- 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
- 238000000034 method Methods 0.000 title claims abstract description 115
- 238000012545 processing Methods 0.000 claims abstract description 37
- 230000009466 transformation Effects 0.000 claims abstract description 17
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
-
- 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
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种基于地面控制点数据库建立地表纹理基准面的方法，包括：获取遥感影像和卫星影像；提取遥感影像和卫星影像的特征点；对遥感影像的特征点与卫星影像的特征点进行相似性匹配，得到初始匹配特征点对，并将正确的特征点对中卫星影像的特征点作为辅助控制点；将辅助控制点和大地控制点散布在遥感影像中，利用仿射变换模型配准遥感影像，得到第一级遥感影像；对第一级遥感影像的像元进行灰度值赋值，得到第二级遥感影像；对多个区域执行上述处理以获得对应的多个第二级遥感影像；对多个第二级遥感影像的重叠区域进行镶嵌，得到最小灰度差镶嵌线；消除最小灰度差镶嵌线两侧的色彩差异，得到全区域地表纹理基准面。利用本申请能够快速建立全区域地表纹理基准面。
Description
技术领域
本申请涉及遥感影像数据处理技术领域，特别涉及基于地面控制点数据库建立地表纹理基准面的方法。
背景技术
目前以大地控制点作为加密低等点及测图控制的基础，并为经济建设、国防建设和科学研究提供精确的水平和高度位置。但是大地控制点两点之间间距大，分布稀疏，不利于非专业人员定位、距离测量以及工程规划等应用，使用繁琐；以及大地控制点以坐标表示地理位置，缺少直观的视觉效果，不能形象的体现出地物在空间上的分布特征。另外，当前遥感技术快速发展并得到了广泛应用，随之而来的海量遥感影像需要适时处理，这既是挑战也是遥感产业化应用的机会。遥感影像的颜色表达不同地物的光谱特征、影像纹理表达地物在空间上的分布特征，这些是研究者认识地表覆盖和进行土地利用的第一手资料。如何利用遥感影像完善大地控制点数据库、建立全区域地表纹理基准面，是遥感影像研究的重要内容。
发明内容
针对现有技术中存在的技术问题，本申请提出了一种基于地面控制点数据库建立地表纹理基准面的方法，能够解决至少一种技术问题。
本申请提出的基于地面控制点数据库建立地表纹理基准面的方法包括：
获取高分辨率遥感影像，所述高分辨率遥感影像的分辨率在米级或亚米级；获取商业软件中的卫星影像作为基准影像，所述卫星影像的分辨率在米级；
采用Forstner算子计算所述高分辨率遥感影像中的像元的罗伯特梯度和以像元为中心的窗口的灰度协方差矩阵，其中以具有尽可能小且接近圆的误差椭圆的点，作为所述高分辨率遥感影像的特征点；将所述卫星影像均匀网格化，在每个网格内采用Forstner算子进行计算以提取所述卫星影像的特征点；
对所述高分辨率遥感影像的特征点与所述卫星影像的特征点进行相似性匹配，得到初始匹配特征点对，其中将距离最小的特征点对选取为同名特征点对；将初始匹配特征点对中误配的特征点对剔除，保留正确的特征点对，并将正确的特征点对中卫星影像的特征点作为辅助控制点；
将辅助控制点和大地控制点散布在所述高分辨率遥感影像中，采用最近距离法构建多个三角形，在每个三角形区域内利用仿射变换模型配准遥感影像，得到第一级高分辨率遥感影像，其中大地控制点是具有统一精度的水平位置和高程的点；采用双线性插值法对第一级高分辨率遥感影像中的所有像元进行灰度值赋值处理，得到第二级高分辨率遥感影像；
对多个区域执行上述处理以获得对应的多个第二级高分辨率遥感影像；对多个第二级高分辨率遥感影像的重叠区域进行镶嵌处理，得到最小灰度差镶嵌线，其中最小灰度差镶嵌线为重叠区域中灰度值最小的镶嵌线；采用加权平均方法对重叠区域内的像元进行像元值叠加处理，以消除最小灰度差镶嵌线两侧的色彩差异，得到全区域地表纹理基准面。
可选的，所述采用加权平均方法对重叠区域内的像元进行像元值叠加处理，包括：
在像元叠加中，对距离最小灰度差镶嵌线近的像元赋予第一权值，对距离镶嵌线远的像元赋予第二权值，通过第一权值和第二权值重新计算最小灰度差镶嵌线两侧的像元值，其中第一权值高于第二权值。
可选的，所述仿射变换模型表示为式（1）：
（1）
其中，为未知参数，/>为像元的坐标。
可选的，所述将初始匹配特征点对中误配的特征点对剔除，保留正确的特征点对，包括：
当第一初始匹配特征点对的相位相似性配准参数大于度量阈值时，所述第一初始匹配特征点对为配准特征对，保留所述配准特征对；
当第二初始匹配特征点对的相位相似性配准参数小于所述度量阈值时，所述第二初始匹配特征点对为误配特征对，剔除所述误配特征对；
其中，所述度量阈值根据最大类间差的方法确定。
可选的，所述相位相似性配准参数的计算式为式（2）：
（2）
其中，和/>是相位谱信息，当N为像元总数时，/>，/>；，/>，。
可选的，对所述高分辨率遥感影像的特征点与所述卫星影像的特征点进行相似性匹配，得到初始匹配特征点对，包括：
按照式（3），在基于尺度不变性特征的匹配测度中，选取差平方和测度：
（3）
其中，为差平方和，当/>取最小值时，等价于在多维空间中点/>与点/>之间的距离最小，认为点/>与点/>是初始匹配特征点对。
本申请还提出一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如上所述的方法。
本申请还提出一种计算机程序产品，其特征在于，其包括计算机程序指令，所述计算机程序指令被处理器执行时实现如上所述的方法。
本申请还提出一种基于地面控制点数据库建立地表纹理基准面的装置，包括：
获取模块，用于获取高分辨率遥感影像，所述高分辨率遥感影像的分辨率在米级或亚米级；获取商业软件中的卫星影像作为基准影像，所述卫星影像的分辨率在米级；
提取模块，采用Forstner算子计算所述高分辨率遥感影像中的像元的罗伯特梯度和以像元为中心的窗口的灰度协方差矩阵，其中以具有尽可能小且接近圆的误差椭圆的点，作为所述高分辨率遥感影像的特征点；将所述卫星影像均匀网格化，在每个网格内采用Forstner算子进行计算以提取所述卫星影像的特征点；
剔除模块，用于对所述高分辨率遥感影像的特征点与所述卫星影像的特征点进行相似性匹配，得到初始匹配特征点对，其中将距离最小的特征点对选取为同名特征点对；将初始匹配特征点对中误配的特征点对剔除，保留正确的特征点对，并将正确的特征点对中卫星影像的特征点作为辅助控制点；
配准模块，用于将辅助控制点和大地控制点散布在所述高分辨率遥感影像中，采用最近距离法构建多个三角形，在每个三角形区域内利用仿射变换模型配准遥感影像，得到第一级高分辨率遥感影像，其中大地控制点是具有统一精度的水平位置和高程的点；采用双线性插值法对第一级高分辨率遥感影像中的所有像元进行灰度值赋值处理，得到第二级高分辨率遥感影像；
镶嵌模块，用于对多个区域执行上述处理以获得对应的多个第二级高分辨率遥感影像；对多个第二级高分辨率遥感影像的重叠区域进行镶嵌处理，得到最小灰度差镶嵌线，其中最小灰度差镶嵌线为重叠区域中灰度值最小的镶嵌线；采用加权平均方法对重叠区域内的像元进行像元值叠加处理，以消除最小灰度差镶嵌线两侧的色彩差异，得到全区域地表纹理基准面。
本申请实施例使用卫星影像和大地控制点配准某个区域的高分辨率遥感影像，并将不同区域的高分辨率遥感影像镶嵌在一起获得全区域地表纹理基准面。全区域地表纹理基准面中像元密集，能够实现在地面上任何地点的精确定位，为使用者提供详细的地理坐标；影像纹理能够形象生动的表达地物在空间上的分布特征，提高使用者的使用感受；并且全区域地表纹理基准面是覆盖全部地表的栅格数据集，完善和补充了大地控制点数据库，是一种数字化的全球通用的数据信息库，能够进行存储、复制和叠加其他信息，使用者能够利用全区域地表纹理基准面进行空间分析和数据挖掘，是研究者不可或缺的、珍贵的数字资产。
附图说明
下面，将结合附图对本申请的优选实施方式进行进一步详细的说明，其中：
图1是根据本申请的一个实施例的系统框架的示意图；
图2是根据本申请的一个实施例的基于地面控制点数据库建立地表纹理基准面的方法的流程图；
图3是根据本申请的一个实施例的基于地面控制点数据库建立地表纹理基准面的方法的操作流程图；
图4是根据本申请的一个实施例的基于地面控制点数据库建立地表纹理基准面装置的结构框图；以及
图5是根据本申请的一个实施例的基于地面控制点数据库建立地表纹理基准面的方法的电子设备示意图。
具体实施方式
以下将参考若干示例性实施方式来描述本申请的原理和精神。应当理解，提供这些实施方式的目的是为了使本申请的原理和精神更加清楚和透彻，使本领域技术人员能够更好地理解进而实现本申请的原理和精神。本文中提供的示例性实施方式仅是本申请的一部分实施方式，而不是全部的实施方式。基于本文中的实施方式，本领域普通技术人员在不付出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。
本申请的实施例涉及终端设备和/或服务器。本领域技术人员知晓，本申请的实施方式可以实现为一种系统、装置、设备、方法、计算机可读存储介质或计算机程序产品。因此，本公开可以具体实现为以下至少一种形式：完全的硬件、完全的软件，或者硬件与软件结合的形式。根据本申请的实施方式，本申请请求保护一种基于地面控制点数据库建立地表纹理基准面的方法、装置、电子设备、计算机可读存储介质及计算机程序产品。图1示出了本申请实施例的一种系统架构的示意图。如图1所示，该系统包括终端设备102和服务器104。其中，终端设备102可以包括以下至少一项：智能手机、平板电脑、笔记本电脑、台式电脑、智能电视、各类可穿戴设备、增强现实AR设备、虚拟现实VR设备等等。终端设备102上可以安装客户端，例如，该客户端可以为专门执行特定功能的客户端（如应用程序app），或者为内嵌有多种应用小程序（不同功能）的客户端，还可以是通过浏览器登录的客户端。用户可以在终端设备102上进行操作，比如，用户可以打开终端设备102上安装的客户端，并通过客户端操作输入指令，或者，用户可以打开终端设备102上安装的浏览器，并通过浏览器操作输入指令。在终端设备102接收到用户输入的指令之后，将包含指令的请求信息发送至服务器104。服务器104接收到请求信息之后执行相应的处理，然后将处理结果信息返回给终端设备102。通过一系列数据处理和信息交互完成用户指令。
在本文中，诸如第一、第二、第三之类的用语，仅用来将一个实体（或操作）与另一个实体（或操作）区分开来，而不在于要求或暗示这些实体（或操作）之间存在任何顺序或关联。
在详细描述本申请实施例的基于地面控制点数据库建立地表纹理基准面的方法之前，以下对本申请实施例中可能涉及的概念和技术术语等相关内容进行简要描述。
一、基于特征的配准方法
基于特征的配准方法是从参考影像和遥感影像中提取较为稳定、有效的共有特征，依据某种匹配准则进行匹配或同名点识别，最后剔除误匹配，解算几何模型变换参数。这些算法通过人工设计对影像特征进行更为抽象的表达，可降低计算量，而且，所构造的特征向量可以抵抗灰度、旋转、尺度等差异，能够适应复杂的几何形变。
目前，已有众多基于特征的遥感影像配准算法，其中尺度不变特征变换（Scale-Invariant Feature Transform，SIFT）及变体是具有代表性的一类方法。其原因在于能够较好地抵抗影像间的旋转和尺度差异，对于同源遥感影像间的匹配，具有较好的稳定性。然而针对多源遥感影像间的非线性辐射差异，这些方法难以获得良好的配准效果。于是涌现了一些改进算法，如针对 SAR影像梯度定义，对散斑噪声有一定的鲁棒性；OS-SIFT 算法通过构建不同 Harris 尺度空间提取特征点，实现光学与SAR 影像配准等等。这些方法通过改进梯度计算方法和描述符构建方式，实现多源影像匹配，但是，基于梯度信息的方法匹配性能不够理想，仍然存在许多误匹配。
近年来，相位一致性在多源遥感影像配准中得到了广泛应用，如定向相位一致性直方图描述子，它能捕捉多模态图像的结构和形状特征；结合高斯-伽马形双窗梯度算子与定向梯度模式的直方图构建的新描述符，通过几何约束完成配准；结合非线性扩散和 PC结构描述子的影像配准方法，可用于多源影像的配准；基于辐射不变特征变换的多模态影像匹配方法，可以克服非线性辐射失真；基于结构描述符的影像配准算法，可以处理 SAR影像中的几何差异和散斑噪声问题；基于空间域特征检测与局部频域描述的非线性尺度不变特征变换算法，克服了基于梯度信息配准方法的局限性，极大地提高了特征检测与描述的稳定性。
二、影像镶嵌
影像镶嵌是指不同影像几何纠正到统一坐标系下，去掉重叠部分，拼接成具有地理信息的大幅面影像的过程。国内外学者对遥感影像的镶嵌技术进行了多年研究，早年技术人员往往将光学相片裁切后，通过硬拼接手段将他们强行镶嵌在一起，这种方法得到的镶嵌影像误差大，接边精度难以保证。随着科技的进步，现在处理的都是经过正射校正的遥感数字图像，这些数字影像具有统一的坐标系统，通过对待镶嵌的影像进行镶嵌线的处理，以及匀光匀色等一系列操作，最终得到一幅完整的遥感影像镶嵌成果。影像镶嵌需要解决的关键技术之一，是如何保证影像在镶嵌的过程中，它们在几何位置是一致的，这一关键技术通常被称为影像配准。
影像配准是影像镶嵌的基础，配准的精度直接决定了镶嵌影像的应用价值。影像配准根据参考对象的不同，可以分为区域配准和特征点的配准。其中区域配准又被称为模板匹配，是目前应用较广也比较成熟的配准技术之一。 基于区域配准方法以它依托的对象的不同，又可以细分为基于图像域和基于频域两种。众多研究者对区域配准进行了改进，如通过对影像的梯度信息进行判读来获取用于影像配准的初始模型参数，然后再根据互相关性进行精确匹配；基于傅立叶变换对算法进行扩展，将高通滤波器用于变换后的图像，再计算影像间的变换参数；引入基于子空间频率估计方法的多信号分类算法，实现了更为精准的影像配准；将相位相关函数概念引入到影像配准中，替换以往的梯度相关函数，提高算法的稳定性以及匹配精度；针对多时相的遥感影像配准问题，提出了一种基于Fourier-Melli算法的改进算法，该算法可以有效降低 Fourier-Melli 变换计算过程中产生的误差，同时借助窗函数和中值滤波来提高影像峰值，降低频谱混叠现象，提升鲁棒性。
影像镶嵌的又一关键技术是如何将多幅影像拼接以后，在灰度和色彩信息上没有明显的过渡，没有地物信息的损坏，这一处理过程被称为匀光匀色。如果不对影像进行色调调整，而仅仅是简单地镶嵌在一起，即便几何配准的精度高，镶嵌影像也会因其突兀的拼接缝和色彩过渡，造成不好的视觉效果，从而影响对地理目标与专业信息的判别与分析，不能很好地应用于遥感应用和解析。
目前影像镶嵌色调调整的处理方法主要有两大类：一是经典的数字图像处理方法，如基于方差-均值法、直方图匹配等；另一个是引入其他领域的算法，如MASK匀光法和Wallis滤波法等。众多学者对影像镶嵌进行了深层次的研究，如针对多源影像不同时相下的镶嵌问题，提出了对影像灰度值采用递推方式进行调整并对两侧灰度运用加权算法进行平滑处理，以此来消除多源影像间因参数不一致引起的色彩差异。同时还提出了单元镶嵌法的概念，用于缓解影像数量与计算机运算能力不对等的问题；针对影像镶嵌线的强制改正方法，通过统计影像镶嵌线两边一定范围内的灰度差并对其进行强制改正，从而实现对镶嵌影像整体色彩的均衡处理；通过比较几种影像镶嵌中常用的色调平衡方法，提出了一种充分考虑影像本身特征的影像间色调平滑方法，同时为了减少色调调整时的误差传递性，给出了一种基于四叉树的多次调整法；提出一种针对影像重叠区域的补偿算法，这种算法对于图像色彩差异在一定范围内的色彩均衡能够达到部分统一，效果要优于直方图调整的效果，但不能解决差异过大的色彩均衡，且该算法的通用性没有保障，故而推广性不强；提出将多种传统的数字影像匹配算法与小面元微分纠正模型相结合的高精度的多源遥感影像配准方法，该种算法能够确保多源影像间的相对配准精度达到子像元级；在像元灰度线性加权算法的基础上，提出了基于卷积运算模板并辅以像元距离权重的算法，用以处理镶嵌影像接缝区域的灰度差异，并通过批处理的方法对色彩一致性进行调整，该方法操作简单、误差和时间成本较小；以ERDAS IMAGE V9.1和ENVI4.0为实验平台，采用波段分析手段来处理色彩差异，实现了镶嵌影像的匀光匀色；针对多源海量影像特点，提出了一种基于Wallis 滤波的匀光匀色改进算法，这种算法能够保证影像整体和局部信息的一致性，在对多源影像进行匀光匀色处理时，在保证影像的辐射精度和几何精度不发生变化的基础上，降低对单景影像处理时产生的误差，消除冗余误差的积累；采用时相不同、色彩差异较大的SPOT-5卫星影像为数据基础，采取数值调整、栅格编辑填充、分类等影像处理方法，对影像上色调差异大的地物进行处理，达到了减小两幅影像间同名地物色调差异的目的；提出了基于余弦曲线的一种改进加权平均算法，该算法可以适度平滑相邻影像间拼接线的过渡，同时减小了传统加权平均方法对影像重叠区大小的依赖。
图2示意性地示出了本申请的一个实施例的基于地面控制点数据库建立地表纹理基准面的方法的流程图，如图2所示，本申请提出的基于地面控制点数据库建立地表纹理基准面的方法包括：
S101，获取高分辨率遥感影像，高分辨率遥感影像的分辨率在米级或亚米级；获取商业软件中的卫星影像作为基准影像，卫星影像的分辨率在米级；
S102，采用Forstner算子计算高分辨率遥感影像中的像元的罗伯特梯度和以像元为中心的窗口的灰度协方差矩阵，其中以具有尽可能小且接近圆的误差椭圆的点，作为高分辨率遥感影像的特征点；将卫星影像均匀网格化，在每个网格内采用Forstner算子进行计算以提取卫星影像的特征点；
S103，对高分辨率遥感影像的特征点与卫星影像的特征点进行相似性匹配，得到初始匹配特征点对，其中将距离最小的特征点对选取为同名特征点对；将初始匹配特征点对中误配的特征点对剔除，保留正确的特征点对，并将正确的特征点对中卫星影像的特征点作为辅助控制点；
S104，将辅助控制点和大地控制点散布在高分辨率遥感影像中，采用最近距离法构建多个三角形，在每个三角形区域内利用仿射变换模型配准遥感影像，得到第一级高分辨率遥感影像，其中大地控制点是具有统一精度的水平位置和高程的点；采用双线性插值法对第一级高分辨率遥感影像中的所有像元进行灰度值赋值处理，得到第二级高分辨率遥感影像；
S105，对多个区域执行上述处理以获得对应的多个第二级高分辨率遥感影像；对多个第二级高分辨率遥感影像的重叠区域进行镶嵌处理，得到最小灰度差镶嵌线，其中最小灰度差镶嵌线为重叠区域中灰度值最小的镶嵌线；采用加权平均方法对重叠区域内的像元进行像元值叠加处理，以消除最小灰度差镶嵌线两侧的色彩差异，得到全区域地表纹理基准面。
本申请实施例分别在高分辨率遥感影像和基准影像中提取特征点，进行特征点匹配后剔除误配点，将基准影像中被保留的特征点命名为辅助控制点，特征点带有地理坐标和影像纹理特征，符合大地控制控制点的提取要求，在地表纹理基准面提取特征点，扩展的控制点数据库，是完善地面控制点数据库的有效手段；然后，基于控制点和辅助控制点对高分辨率遥感影像进行配准，提高配准精度，降低配准计算量，对复杂地形适应性强；并对配准后所有像元重新进行灰度值赋值；最后，把所有高分辨率遥感影像镶嵌在一起，消除拼接缝两侧的色彩差异，形成地表纹理基准面，镶嵌线两侧色彩过渡自然，减少色调差异，视觉效果良好。
图3示意性地示出了本申请的一个实施例的基于地面控制点数据库建立地表纹理基准面的方法的操作流程图，如图3所示，在本申请的实施例中，使用Google Earth软件获取卫星影像作为基准影像，Google Earth软件能够提供多种分辨率的卫星影像，可获得任意地面点的高精度坐标；Google Earth软件将全球影像分为20级，最高的空间分辨率为0.11米左右，我国境内可下载19级，最高空间分辨率为0.25米左右；并且，Google Earth提供的分辨率为0.25米的遥感影像的平面精度可达 1.80 米。
为便于理解，下面简要描述本申请实施例可采用的提取高分辨率遥感影像和卫星影像的处理过程。
在本申请的实施例中，可采用Forstner算子这种全自动选择算法，以点位误差椭圆的圆度和大小作为判断依据，通过计算高分辨率遥感影像中各像元Roberts梯度和像元为中心的 窗口的灰度协方差矩阵，在高分辨遥感影像中寻找具有尽可能小而接近圆的误差椭圆的点作为特征点。
具体来说，将高分辨率遥感影像均匀网格化，在每一个网格内使用Forstner算子提取点特征。对于影像，计算像元点/> 在上下左右四个方向的灰度差分的绝对值，即：
对给定的阈值，若四个方向的差分的绝对值有任意两个大于阈值/>，则像元点为初选点；否则，像元点/>不是初选点。
在以初选点为中心的窗口中，按照算子计算协方差矩阵N和误差椭圆的圆度，然后根据误差椭圆的圆度阈值/>判断该点是否为备选点。
其中，和/>分别是沿x和y方向的偏微分，即：
其中，和/>分别表示协方差矩阵N的行列式和迹。对给定的圆度阈值/>，若/>，则该像元为备选点，按以下原则确定：
以权值为依据，选取/>窗口中的极值点为特征点。
将从Google Earth获取的卫星影像均匀网格化，在每一个网格内使用Forstner算子，按前面高分辨率遥感影像提取特征点的方法，提取卫星影像的特征点。
如图3所示的实施例，将从Google Earth获取的卫星影像与高分辨率遥感影像提取的特征点进行相似性匹配。在基于尺度不变性特征的匹配测度中，选取差平方和测度，其公式如下：
其中，为差平方和，当/>取最小值时，等价于在多维空间中点/>与点/>之间的距离最小，即认为点/>与点/>是初始匹配特征点对。
高分辨率遥感影像与卫星影像配准的精度和鲁棒性依赖于特征点匹配的精度，误配是影响配准精度的一个重要因素。高分辨率遥感影像和从Google Earth获取的卫星影像的误配特征点之间存在局部位置或者结构差异，通过频率域信息构造相似性度量，能够区分正确和错误的匹配特征点。频域中的相位信息对空间转换和结构差异比较敏感，并且对光照和噪声具有一定的鲁棒性。为了表征频域结构相似性，利用相位图谱的亮度值、对比度和影像结构，构建表达式如下：
假设为从Google Earth获取的卫星影像，/>为高分辨率遥感影像，通过傅里叶变换FFT，可以得到他们的频域表示：
和/>分别表示卫星影像和高分辨率遥感影像的频域，/>和/>是幅值谱信息，/>和/>是相位谱信息，当N为像元总数时，相位谱计算如下：
两影像的同名特征的亮度差异越大相似性就越小，对应的指标值也越小，亮度项可以取余弦函数来评价，如下：
对比度项通过标准差来构建，标准差计算如下：
对比度项的计算如下：
结构项用标准差的协方差来构建，相位协方差计算如下：
结构项的计算如下：
将亮度项、对比度项和结构项相乘，形成特征相位相似性配准参数：
计算每对初始匹配特征点的相位相似性配准参数，通过最大类间差的方法来确定度量阈值。当第一初始匹配特征点对的相位相似性配准参数大于度量阈值时，第一初始匹配特征点对为配准特征对，保留配准特征对；当第二初始匹配特征点对的相位相似性配准参数小于度量阈值时，第二初始匹配特征点对为误配特征对，剔除误配特征对；将从Google Earth获取的卫星影像中被保留的特征点命名为辅助控制点。
如图3所示的实施例，将大地控制点和辅助控制点散布在高分辨率遥感影像上，采用最近距离法构建一个个的三角形（TIN），在每个三角形区域内利用仿射变换模型精确配准影像。
具体来说，在大地控制点和辅助控制点中找到两个距离最近的点，以两点连线为基础，寻找与此段连线最近且不共线的离散点构成第一个TIN。然后从第一个TIN的第一条边开始向外扩展，设其顶点分别为，第一条边为 /> ，扩展三角形的另一点 应排除和 />位于直线/> 同侧的点以及位于直线/>上的点，其判别依据是直线方程判别式：
（21）
当 时，点/> 位于正区；当/> 时，点/> 位于直线上；当/> 时，点/> 位于负区。因此，当/>时，/>为可能被扩展的点。
得到可能被扩展的点后，构建三角形余弦定律，计算对应扩展边张角最大的点/> ，即为要扩展的点。
当第n个TIN的第一条边扩展完后，采用同样的方法对其余两条边进行扩展，然后转向n+1个TIN，按前一个TIN同样方法扩展至所有点，扩展完为止。
在每个TIN内，利用仿射变换，如式（1），依据顶点和大地控制点的坐标构建区域纠正模型，已知三角形的三个顶点坐标，可求解六个未知参数 。利用这六个已经求得的参数值，利用式（1）计算所有TIN内部和边上像元点在配准后影像的位置，并逐个TIN实现遥感影像高精度纠正配准。
（1）
由于相邻TIN公共边在不同TIN中都可以求解，可能导致所求公共边的计算结果不一致。为了保持公共边求解后的连续性，采用平均值法解决该问题。 平均值法是将不同TIN求解的公共边的像元坐标值进行平均，将平均值作为像元坐标值。以上提到当时，点/> 位于直线上，将这些公共边上的像元赋予平均值即可。而就三角形顶点而言，直接将配准前大地控制点或辅助控制点的坐标作为该像元的配准后坐标即可。
进行配准后，高分辨率影像中所有像元中心位置将发生改变和重组，必须重新对所有像元进行灰度值赋值，在本申请的实施例中可采用双线性插值法。假设配准后的像元坐标为 ，其中/> 是非负的整数，/> 是在/> 之间的小数，则这个像元灰度值/> 可由配准前的坐标/> ，/>，/>，/>所对应的周围四个像元的灰度值确定，即：
按照上述步骤对多个区域进行处理，得到多个不同区域的高分辨率遥感影像，如图3所示的实施例，将多幅不同区域的遥感影像镶嵌在一起，在重叠区域内选择一条尽量合理的镶嵌线，然后，通过改进拼接缝消除算法的适用性，对影像的重叠区域进行平滑处理，进一步改善拼接缝两侧的色彩差异，得到理想的视觉效果。
具体来说，首先，提取高分辨率遥感影像的镶嵌线。以左右重叠影像为例（上下重叠影像同理），假设 和/>是两幅待镶嵌的高分辨率影像，将两幅影像的重叠区域做差值运算，生成一幅差值影像。
从差值影像首行出发逐一建立该行上每个像元为起点的镶嵌线，从起始点出发，每条镶嵌线上的点分别与对应的下一行中的3个最近像元点的灰度值相加，通过比较3个像元值和的大小，取最小值所在的列作为该镶嵌线的下一个镶嵌点的方向，同时更新此镶嵌线的灰度值为上下两行的灰度值之和。
迭代上述步骤，直至求到差值影像上最后一行镶嵌线的点，从所有的镶嵌线中选取最小的灰度值作为得到的最小灰度差镶嵌线。
然后，消除镶嵌线两侧的色彩差异。基于重叠影像的拼接缝消除采用加权平均的方法，该方法是对配准后影像重叠范围内的像元进行像元值叠加。在本申请的实施例中，在像元叠加中，对距离最小灰度差镶嵌线近的像元赋予第一权值，对距离镶嵌线远的像元赋予第二权值，通过第一权值和第二权值重新计算最小灰度差镶嵌线两侧的像元值，其中第一权值高于第二权值。也就是说，距离镶嵌线较近的像元赋予较高的权值，距离镶嵌线较远的像元赋予较低的权值，通过权值重新计算两侧的像元值达到拼接缝消除目的。
最后，定义像元与镶嵌线的距离为/> ，/> ，/>分别是镶嵌线两侧该点相应原始影像的像元灰度值。/> 为平滑宽度，该值小于重叠区内像元的个数，一般在 30 和 100个像元之间。/>为渐变因子。镶嵌线两侧任意一点的像元灰度值按如下：
使用该算法消除镶嵌线的效果良好，容易实现，运行高效。
以上通过多个实施例描述了本申请实施例的基于地面控制点数据库建立地表纹理基准面的方法的实现方式以及带来的优势。以下结合具体的例子，详细描述本申请实施例的具体处理过程。
步骤一：提取高分辨率遥感影像特征点。采用Forstner算法计算各像元Roberts梯度和像元为中心的 窗口的灰度协方差矩阵，寻找具有尽可能小而接近圆的误差椭圆的点作为特征点；
步骤二：提取基准影像特征点。将从Google Earth获取的卫星影像均匀网格化，在每一个网格内使用Forstner算子，按前面高分辨率遥感影像提取特征点的方法，提取特征点；
步骤三：将基准影像提取的特征点与高分辨率遥感影像提取的特征点进行匹配。采用差平方和测度方法，当距离最小时，选取为同名特征点对；
步骤四：剔除基准影像与高分辨率遥感影像误配的同名特征点对。利用影像相位图谱亮度值、对比度和影像结构，计算特征相位相似性配准参数。通过最大类间差的方法来确定度量阈值。大于/>的同名特征点对为配准特征点，进行保留，并将正确的特征点对中基准影像的特征点作为辅助控制点；小于/>的同名特征对为误配特征点对，进行剔除；
步骤五：基于大地控制点和辅助控制点对高分辨率遥感影像进行配准。将大地控制点和辅助控制点散布在高分辨率遥感影像，采用最近距离法构建一个个三角形，在每个三角形区域内利用仿射变换模型精确配准影像。配准后，采用双线性插值法，重新对所有像元进行灰度值赋值。
步骤六：按照上述步骤对多个区域执行上述处理得到多个区域的高分辨率遥感影像；
步骤七：提取高分辨率影像重叠区域镶嵌线。计算每个像元附近一定区域内像元灰度差的平均值，从生成的所有镶嵌线中选取灰度值最小的镶嵌线为最小灰度差镶嵌线。
步骤八：消除拼接缝两侧的色彩差异。对配准后影像重叠范围内的像元进行像元值叠加，在像元叠加中，距离镶嵌线较近的像元赋予较高的权值，距离镶嵌线较远的像元赋予较低的权值，通过权值重新计算两侧的像元值，消除镶嵌线两侧的色彩差异。
步骤九：高分辨率遥感影像镶嵌，形成地表纹理基准面。按照步骤七和步骤八的操作，将所有高分辨率遥感影像拼接镶嵌在一起，形成地表纹理基准面。
本申请提出的基于地面控制点数据库建立地表纹理基准面的方法从基准影像和高分辨率遥感影像中提取较为稳定、有效的共有特征，进行同名特征点的匹配，并剔除误匹配，该过程计算量小，配准精确度高；并将不同区域的高分辨遥感影像镶嵌在一起，消除镶嵌线两侧的色彩差异，形成全地表纹理基准面，镶嵌影像误差小，提高镶嵌精度，并且在多幅影像镶嵌后，保证影像在灰度和色彩信息上没有明显的过渡，降低地物信息的损坏；形成的全区域地表纹理基础面能够反映地表纹理、地物光谱特征和进行像元定位，具有广阔的应用价值。
与本申请提供的方法对应地，本申请还提出一种基于地面控制点数据库建立地表纹理基准面的装置，图4示意性地示出了本申请实施例的一种基于地面控制点数据库建立地表纹理基准面的装置100的结构示意图，该装置100包括：
获取模块，用于获取高分辨率遥感影像，高分辨率遥感影像的分辨率在米级或亚米级；获取商业软件中的卫星影像作为基准影像，卫星影像的分辨率在米级；
提取模块，采用Forstner算子计算高分辨率遥感影像中的像元的罗伯特梯度和以像元为中心的窗口的灰度协方差矩阵，其中以具有尽可能小且接近圆的误差椭圆的点，作为高分辨率遥感影像的特征点；将卫星影像均匀网格化，在每个网格内采用Forstner算子进行计算以提取卫星影像的特征点；
剔除模块，用于对高分辨率遥感影像的特征点与卫星影像的特征点进行相似性匹配，得到初始匹配特征点对，其中将距离最小的特征点对选取为同名特征点对；将初始匹配特征点对中误配的特征点对剔除，保留正确的特征点对，并将正确的特征点对中卫星影像的特征点作为辅助控制点；
配准模块，用于将辅助控制点和大地控制点散布在所述高分辨率遥感影像中，采用最近距离法构建多个三角形，在每个三角形区域内利用仿射变换模型配准遥感影像，得到第一级高分辨率遥感影像，其中大地控制点是具有统一精度的水平位置和高程的点；采用双线性插值法对第一级高分辨率遥感影像中的所有像元进行灰度值赋值处理，得到第二级高分辨率遥感影像；
镶嵌模块，用于对多个区域执行上述处理以获得对应的多个第二级高分辨率遥感影像；对多个第二级高分辨率遥感影像的重叠区域进行镶嵌处理，得到最小灰度差镶嵌线，其中最小灰度差镶嵌线为重叠区域中灰度值最小的镶嵌线；采用加权平均方法对重叠区域内的像元进行像元值叠加处理，以消除最小灰度差镶嵌线两侧的色彩差异，得到全区域地表纹理基准面。
本申请实施例中的电子设备可以是用户终端设备，可以是服务器，还可以是其他计算设备，也可以是云端服务器。图5示出本申请实施例的电子设备的硬件结构示意图，该电子设备可以包括处理器601以及存储有计算机程序指令的存储器602，处理器601执行计算机程序指令时实现上述任一实施例方法的流程或功能。
具体地，处理器601可以包括中央处理器（CPU），或者特定集成电路（ApplicationSpecific Integrated Circuit ，ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。存储器602可以包括用于数据或指令的大容量存储器。举例来说，存储器602可以是以下至少一者：硬盘驱动器（Hard Disk Drive，HDD）、只读存储器（ROM），随机存取存储器（RAM）、软盘驱动器、闪存、光盘、磁光盘、磁带、通用串行总线（Universal Serial Bus，USB）驱动器或其他物理/有形的存储器存储设备。又如，存储器602可包括可移除或不可移除（或固定）的介质。再如，存储器602可在综合网关容灾设备的内部或外部。存储器602可以是非易失性固态存储器。换句话说，通常存储器602包括编码有计算机可执行指令的有形（非暂态）计算机可读存储介质（如存储器设备），并且当该软件被执行（如由一个或多个处理器执行）时，可执行本申请实施例的方法所描述的操作。处理器601通过读取并执行存储器602中存储的计算机程序指令，实现上述实施例中任一种方法的流程或功能。
在一个示例中，图5所示的电子设备还可包括通信接口603和总线610。其中，处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。通信接口603主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。总线610包括硬件、软件或两者皆有，可将在线数据流量计费设备的部件彼此耦接在一起。举例来说，总线可包括以下至少一者：加速图形端口（AGP）或其他图形总线、增强工业标准架构（EISA）总线、前端总线（FSB）、超传输（HT）互连、工业标准架构（ISA）总线、无限带宽互连、低引脚数（LPC）总线、存储器总线、微信道架构（MCA）总线、外围组件互连（PCI）总线、PCI-Express（PCI-X）总线、串行高级技术附件（SATA）总线、视频电子标准协会局部（VLB）总线或其他合适的总线。总线610可包括一个或多个总线。尽管本申请实施例描述或示出了特定的总线，但本申请实施例可考虑任何合适的总线或互连方式。
结合上述实施例中的方法，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令，该计算机程序指令被处理器执行时实现上述实施例中任一种方法的流程或功能。
另外，本申请实施例还提供一种计算机程序产品，该计算机程序产品上存储有计算机程序指令，该计算机程序指令被处理器执行时实现上述实施例中任一种方法的流程或功能。
以上示例性地描述了本申请实施例的方法、装置、系统和计算机程序产品的流程图和/或框图，并描述了相关的各个方面。应当理解，流程图和/或框图中的每个方框或其组合，可以由计算机程序指令实现，也可以由执行指定功能或动作的专用硬件来实现，还可由专用硬件和计算机指令的组合来实现。例如，这些计算机程序指令可被提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，以形成一种机器可使得经由这种处理器执行的这些指令使能对流程图和/或框图中的每个方框或其组合中指定的功能/动作的实现。这种处理器可以是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。
本申请实施例的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路（ASIC）、适当的固件、插件、功能卡等等；当以软件方式实现时，是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在存储器中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
需说明，本申请并不局限于上文所描述或在图中示出的特定配置和处理。以上所述仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，所描述的系统、设备、模块或单元的具体工作过程，可以参考方法实施例中的对应过程，不需再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (9)
1.一种基于地面控制点数据库建立地表纹理基准面的方法，包括：
获取高分辨率遥感影像，所述高分辨率遥感影像的分辨率在米级或亚米级；获取商业软件中的卫星影像作为基准影像，所述卫星影像的分辨率在米级；
采用Forstner算子计算所述高分辨率遥感影像中的像元的罗伯特梯度和以像元为中心的窗口的灰度协方差矩阵，其中以具有尽可能小且接近圆的误差椭圆的点，作为所述高分辨率遥感影像的特征点；将所述卫星影像均匀网格化，在每个网格内采用Forstner算子进行计算以提取所述卫星影像的特征点；
对所述高分辨率遥感影像的特征点与所述卫星影像的特征点进行相似性匹配，得到初始匹配特征点对，其中将距离最小的特征点对选取为同名特征点对；将初始匹配特征点对中误配的特征点对剔除，保留正确的特征点对，并将正确的特征点对中卫星影像的特征点作为辅助控制点；
将辅助控制点和大地控制点散布在所述高分辨率遥感影像中，采用最近距离法构建多个三角形，在每个三角形区域内利用仿射变换模型配准遥感影像，得到第一级高分辨率遥感影像，其中大地控制点是具有统一精度的水平位置和高程的点；采用双线性插值法对第一级高分辨率遥感影像中的所有像元进行灰度值赋值处理，得到第二级高分辨率遥感影像；
对多个区域执行上述处理以获得对应的多个第二级高分辨率遥感影像；
对多个第二级高分辨率遥感影像的重叠区域进行镶嵌处理，得到最小灰度差镶嵌线，其中最小灰度差镶嵌线为重叠区域中灰度值最小的镶嵌线；采用加权平均方法对重叠区域内的像元进行像元值叠加处理，以消除最小灰度差镶嵌线两侧的色彩差异，将多幅不同区域的遥感影像镶嵌在一起，以得到全区域地表纹理基准面；
其中，所述大地控制点是从大地控制点数据库中提取的控制点；
全区域地表纹理基准面中像元密集，包含地面上任何地点的地理坐标且影像纹理能够表达地物在空间上的分布特征，全区域地表纹理基准面是覆盖全部地表的栅格数据集。
2.根据权利要求1所述的基于地面控制点数据库建立地表纹理基准面的方法，其特征在于，所述采用加权平均方法对重叠区域内的像元进行像元值叠加处理，包括：
在像元叠加中，对距离最小灰度差镶嵌线近的像元赋予第一权值，对距离镶嵌线远的像元赋予第二权值，通过第一权值和第二权值重新计算最小灰度差镶嵌线两侧的像元值，其中第一权值高于第二权值。
3.根据权利要求1所述的基于地面控制点数据库建立地表纹理基准面的方法，其特征在于，所述仿射变换模型表示为式(1)：
其中，a0、a1、a2、b0、b1、b2为未知参数，(X，Y)为像元的坐标。
4.根据权利要求1所述的基于地面控制点数据库建立地表纹理基准面的方法，其特征在于，所述将初始匹配特征点对中误配的特征点对剔除，保留正确的特征点对，包括：
当第一初始匹配特征点对的相位相似性配准参数大于度量阈值时，所述第一初始匹配特征点对为配准特征对，保留所述配准特征对；
当第二初始匹配特征点对的相位相似性配准参数小于所述度量阈值时，所述第二初始匹配特征点对为误配特征对，剔除所述误配特征对；
其中，所述度量阈值根据最大类间差的方法确定。
5.根据权利要求4所述的基于地面控制点数据库建立地表纹理基准面的方法，其特征在于，所述相位相似性配准参数的计算式为式(2)：
其中，θref和θsen是相位谱信息，当N为像元总数时，
6.根据权利要求1所述的基于地面控制点数据库建立地表纹理基准面的方法，其特征在于，对所述高分辨率遥感影像的特征点与所述卫星影像的特征点进行相似性匹配，得到初始匹配特征点对，包括：
按照式(3)，在基于尺度不变性特征的匹配测度中，选取差平方和测度：
其中，S为差平方和，当S取最小值时，等价于在多维空间中点X与点Y之间的距离最小，认为点X与点Y是初始匹配特征点对。
7.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述电子设备执行所述计算机程序指令时实现如权利要求1-6中任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-6中任一项所述的方法。
9.一种基于地面控制点数据库建立地表纹理基准面的装置，其特征在于，包括：
获取模块，用于获取高分辨率遥感影像，所述高分辨率遥感影像的分辨率在米级或亚米级；获取商业软件中的卫星影像作为基准影像，所述卫星影像的分辨率在米级；
提取模块，采用Forstner算子计算所述高分辨率遥感影像中的像元的罗伯特梯度和以像元为中心的窗口的灰度协方差矩阵，其中以具有尽可能小且接近圆的误差椭圆的点，作为所述高分辨率遥感影像的特征点；将所述卫星影像均匀网格化，在每个网格内采用Forstner算子进行计算以提取所述卫星影像的特征点；
剔除模块，用于对所述高分辨率遥感影像的特征点与所述卫星影像的特征点进行相似性匹配，得到初始匹配特征点对，其中将距离最小的特征点对选取为同名特征点对；将初始匹配特征点对中误配的特征点对剔除，保留正确的特征点对，并将正确的特征点对中卫星影像的特征点作为辅助控制点；
配准模块，用于将辅助控制点和大地控制点散布在所述高分辨率遥感影像中，采用最近距离法构建多个三角形，在每个三角形区域内利用仿射变换模型配准遥感影像，得到第一级高分辨率遥感影像，其中大地控制点是具有统一精度的水平位置和高程的点；采用双线性插值法对第一级高分辨率遥感影像中的所有像元进行灰度值赋值处理，得到第二级高分辨率遥感影像；
重复配准模块：对多个区域执行上述处理以获得对应的多个第二级高分辨率遥感影像；
镶嵌模块，用于对多个区域执行上述处理以获得对应的多个第二级高分辨率遥感影像；对多个第二级高分辨率遥感影像的重叠区域进行镶嵌处理，得到最小灰度差镶嵌线，其中最小灰度差镶嵌线为重叠区域中灰度值最小的镶嵌线；采用加权平均方法对重叠区域内的像元进行像元值叠加处理，以消除最小灰度差镶嵌线两侧的色彩差异，将多幅不同区域的遥感影像镶嵌在一起，以得到全区域地表纹理基准面；
其中，所述大地控制点是从大地控制点数据库中提取的控制点；
全区域地表纹理基准面中像元密集，包含地面上任何地点的地理坐标且影像纹理能够表达地物在空间上的分布特征，全区域地表纹理基准面是覆盖全部地表的栅格数据集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310597876.8A CN116503756B (zh) | 2023-05-25 | 2023-05-25 | 基于地面控制点数据库建立地表纹理基准面的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310597876.8A CN116503756B (zh) | 2023-05-25 | 2023-05-25 | 基于地面控制点数据库建立地表纹理基准面的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116503756A CN116503756A (zh) | 2023-07-28 |
| CN116503756B true CN116503756B (zh) | 2024-01-12 |
Family
ID=87318384
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310597876.8A Active CN116503756B (zh) | 2023-05-25 | 2023-05-25 | 基于地面控制点数据库建立地表纹理基准面的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116503756B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0652270A (ja) * | 1992-06-24 | 1994-02-25 | Nippon Telegr & Teleph Corp <Ntt> | 三角形グリッドの生成方法 |
| KR20090001021A (ko) * | 2007-06-29 | 2009-01-08 | 경북대학교 산학협력단 | 폴리곤 단순화 방법 |
| CN101685539A (zh) * | 2009-06-29 | 2010-03-31 | 中国测绘科学研究院 | 一种遥感影像在线正射纠正方法和系统 |
| CN102201119A (zh) * | 2011-06-10 | 2011-09-28 | 深圳大学 | 一种基于控制点无偏变换的图像配准方法及系统 |
| CN103077527A (zh) * | 2013-02-05 | 2013-05-01 | 湖北工业大学 | 一种稳健的多源卫星遥感影像配准方法 |
| CN103218783A (zh) * | 2013-04-17 | 2013-07-24 | 国家测绘地理信息局卫星测绘应用中心 | 基于控制点影像数据库的卫星遥感图像快速几何纠正方法 |
| CN103337052A (zh) * | 2013-04-17 | 2013-10-02 | 国家测绘地理信息局卫星测绘应用中心 | 面向宽幅遥感影像的自动几何纠正方法 |
| CN105354832A (zh) * | 2015-10-10 | 2016-02-24 | 西南林业大学 | 一种山区卫星影像自动配准到地理底图上的方法 |
| CN107610164A (zh) * | 2017-09-11 | 2018-01-19 | 北京空间飞行器总体设计部 | 一种基于多特征混合的高分四号影像配准方法 |
| CN108830889A (zh) * | 2018-05-24 | 2018-11-16 | 中国科学院遥感与数字地球研究所 | 基于全局几何约束的遥感影像与基准影像的匹配方法 |
| CN110472658A (zh) * | 2019-07-05 | 2019-11-19 | 哈尔滨工程大学 | 一种动目标多源探测的层次融合与提取方法 |
| CN110631555A (zh) * | 2019-08-27 | 2019-12-31 | 桂林理工大学 | 基于二阶多项式无控制点区域网平差的历史影像正射纠方法 |
| CN110969145A (zh) * | 2019-12-19 | 2020-04-07 | 珠海大横琴科技发展有限公司 | 一种遥感图像匹配优化方法、装置、电子设备及存储介质 |
| CN112396643A (zh) * | 2020-12-08 | 2021-02-23 | 兰州交通大学 | 一种尺度不变特征与几何特征融合的多模态高分影像配准方法 |
| CN113436071A (zh) * | 2021-06-21 | 2021-09-24 | 武汉光谷信息技术股份有限公司 | 一种多源卫星遥感影像镶嵌方法、系统及存储介质 |
| CN114140634A (zh) * | 2021-11-29 | 2022-03-04 | 中国人民解放军战略支援部队信息工程大学 | 一种轻量化控制点影像数据库的制作方法 |
| CN114266800A (zh) * | 2021-12-24 | 2022-04-01 | 中设数字技术股份有限公司 | 一种图形的多矩形包围盒算法及生成系统 |
| CN114780758A (zh) * | 2022-03-31 | 2022-07-22 | 中国人民解放军战略支援部队信息工程大学 | 一种基于立体测图卫星影像的影像控制点库的构建方法 |
-
2023
- 2023-05-25 CN CN202310597876.8A patent/CN116503756B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0652270A (ja) * | 1992-06-24 | 1994-02-25 | Nippon Telegr & Teleph Corp <Ntt> | 三角形グリッドの生成方法 |
| US5367465A (en) * | 1992-06-24 | 1994-11-22 | Intel Corporation | Solids surface grid generation for three-dimensional topography simulation |
| KR20090001021A (ko) * | 2007-06-29 | 2009-01-08 | 경북대학교 산학협력단 | 폴리곤 단순화 방법 |
| CN101685539A (zh) * | 2009-06-29 | 2010-03-31 | 中国测绘科学研究院 | 一种遥感影像在线正射纠正方法和系统 |
| CN102201119A (zh) * | 2011-06-10 | 2011-09-28 | 深圳大学 | 一种基于控制点无偏变换的图像配准方法及系统 |
| CN103077527A (zh) * | 2013-02-05 | 2013-05-01 | 湖北工业大学 | 一种稳健的多源卫星遥感影像配准方法 |
| CN103218783A (zh) * | 2013-04-17 | 2013-07-24 | 国家测绘地理信息局卫星测绘应用中心 | 基于控制点影像数据库的卫星遥感图像快速几何纠正方法 |
| CN103337052A (zh) * | 2013-04-17 | 2013-10-02 | 国家测绘地理信息局卫星测绘应用中心 | 面向宽幅遥感影像的自动几何纠正方法 |
| CN105354832A (zh) * | 2015-10-10 | 2016-02-24 | 西南林业大学 | 一种山区卫星影像自动配准到地理底图上的方法 |
| CN107610164A (zh) * | 2017-09-11 | 2018-01-19 | 北京空间飞行器总体设计部 | 一种基于多特征混合的高分四号影像配准方法 |
| CN108830889A (zh) * | 2018-05-24 | 2018-11-16 | 中国科学院遥感与数字地球研究所 | 基于全局几何约束的遥感影像与基准影像的匹配方法 |
| CN110472658A (zh) * | 2019-07-05 | 2019-11-19 | 哈尔滨工程大学 | 一种动目标多源探测的层次融合与提取方法 |
| CN110631555A (zh) * | 2019-08-27 | 2019-12-31 | 桂林理工大学 | 基于二阶多项式无控制点区域网平差的历史影像正射纠方法 |
| CN110969145A (zh) * | 2019-12-19 | 2020-04-07 | 珠海大横琴科技发展有限公司 | 一种遥感图像匹配优化方法、装置、电子设备及存储介质 |
| CN112396643A (zh) * | 2020-12-08 | 2021-02-23 | 兰州交通大学 | 一种尺度不变特征与几何特征融合的多模态高分影像配准方法 |
| CN113436071A (zh) * | 2021-06-21 | 2021-09-24 | 武汉光谷信息技术股份有限公司 | 一种多源卫星遥感影像镶嵌方法、系统及存储介质 |
| CN114140634A (zh) * | 2021-11-29 | 2022-03-04 | 中国人民解放军战略支援部队信息工程大学 | 一种轻量化控制点影像数据库的制作方法 |
| CN114266800A (zh) * | 2021-12-24 | 2022-04-01 | 中设数字技术股份有限公司 | 一种图形的多矩形包围盒算法及生成系统 |
| CN114780758A (zh) * | 2022-03-31 | 2022-07-22 | 中国人民解放军战略支援部队信息工程大学 | 一种基于立体测图卫星影像的影像控制点库的构建方法 |
Non-Patent Citations (8)
| Title |
|---|
| Study on Spot5 remote sensing imagery automatic registration methods based on texture feature points;Chu Chengzan 等;《Remote Sensing of the Environment: 16th National Symposium on Remote Sensing of China》;第7123卷;71230B-1-71230B-7 * |
| 临近空间大倾角遥感图像几何校正方法研究;徐庆阳;《中国优秀硕士学位论文全文数据库 信息科技辑》(第2011年S2期期);I140-1308 * |
| 基于特征和频域相似性度量的多源遥感图像配准方法研究;杨韩;《中国博士学位论文全文数据库 工程科技II辑》(第2021年09期期);C028-3 * |
| 大型遥感图像处理应用项目综合数据库开发;方红亮 等;《遥感信息》;10-13 * |
| 方红亮 等.大型遥感图像处理应用项目综合数据库开发.《遥感信息》.1998,10-13. * |
| 遥感影像自动化镶嵌关键技术研究;欧小平;《中国优秀硕士学位论文全文数据库 信息科技辑》(第2014年02期期);I140-467 * |
| 郝波 等.高分二号卫星遥感影像控制点自动提取.《测绘科学》.2020,第45卷(第8期),110-114. * |
| 高分二号卫星遥感影像控制点自动提取;郝波 等;《测绘科学》;第45卷(第8期);110-114 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116503756A (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019042232A1 (zh) | 一种快速鲁棒的多模态遥感影像匹配方法和系统 | |
| CN104200461B (zh) | 基于互信息图像选块和sift特征的遥感图像配准方法 | |
| Kumar Mishra et al. | A review of optical imagery and airborne lidar data registration methods | |
| CN108596975B (zh) | 一种针对弱纹理区域的立体匹配算法 | |
| Han et al. | Parameter optimization for the extraction of matching points between high-resolution multisensor images in urban areas | |
| CN108765476B (zh) | 一种偏振图像配准方法 | |
| CN105261014A (zh) | 一种多传感器遥感影像匹配方法 | |
| Lo et al. | Joint trilateral filtering for depth map super-resolution | |
| CN104077760A (zh) | 一种航空摄影测量的快速拼接系统及其实现方法 | |
| CN103400384A (zh) | 结合区域匹配和点匹配的大视角图像匹配方法 | |
| CN104992400B (zh) | 多光谱图像配准方法和装置 | |
| Zhu et al. | Robust registration of aerial images and LiDAR data using spatial constraints and Gabor structural features | |
| JP5289412B2 (ja) | 局所特徴量算出装置及び方法、並びに対応点探索装置及び方法 | |
| Lee et al. | Accurate registration using adaptive block processing for multispectral images | |
| Gonçalves et al. | CHAIR: Automatic image registration based on correlation and Hough transform | |
| CN105869168A (zh) | 基于多项式拟合的多源遥感图像形状配准方法 | |
| Liu et al. | S-AKAZE: An effective point-based method for image matching | |
| CN105631860B (zh) | 基于局部排序方向直方图描述子的图像同名点提取方法 | |
| WO2022062853A1 (zh) | 遥感图像的配准方法、装置、设备、存储介质及系统 | |
| CN113409332B (zh) | 一种基于三维点云的建筑物平面分割方法 | |
| WO2024082925A1 (zh) | 一种表面缺陷数据增强方法、装置、电子设备及存储介质 | |
| Jin et al. | Registration of UAV images using improved structural shape similarity based on mathematical morphology and phase congruency | |
| CN116503756B (zh) | 基于地面控制点数据库建立地表纹理基准面的方法 | |
| CN105184736B (zh) | 一种窄重叠双视场高光谱成像仪的图像配准的方法 | |
| Xie et al. | A new registration algorithm for multimodal remote sensing images |
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 |