CN116521927B - 基于网络地图瓦片的遥感影像匹配方法与系统 - Google Patents
基于网络地图瓦片的遥感影像匹配方法与系统 Download PDFInfo
- Publication number
- CN116521927B CN116521927B CN202310790957.XA CN202310790957A CN116521927B CN 116521927 B CN116521927 B CN 116521927B CN 202310790957 A CN202310790957 A CN 202310790957A CN 116521927 B CN116521927 B CN 116521927B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- network map
- sensing image
- map tile
- image
- 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 67
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 claims description 2
- 101150004293 lon2 gene Proteins 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013499 data model Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011524 similarity measure Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 101150090997 DLAT gene Proteins 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于网络地图瓦片的遥感影像匹配方法与系统,涉及遥感影像处理技术领域。所述遥感影像匹配方法与系统通过利用网络地图瓦片作为参考数据对待校正的遥感影像进行匹配,通过建立待匹配遥感影像与相应网络地图瓦片的对应关系,获取每一幅网络地图瓦片对应的范围信息并用于对待匹配遥感影像进行匹配。本发明可以使传统影像匹配步骤脱离本地参考图像的制约,从而极大地提供影像匹配的效率和精度,并降低影像匹配的生产成本。其次本发明借助网络地图瓦片提供地理参考信息对遥感图像进行自动匹配,突破了传统匹配技术利用本地遥感图像作为参考的局限性,可极大程度地提高遥感影像匹配的效率和便捷性。
Description
技术领域
本发明涉及遥感影像处理技术领域,尤其是一种基于网络地图瓦片的遥感影像匹配方法与系统,用于对遥感图像进行有效匹配。
背景技术
影像匹配即在两幅或多幅影像间使用一定的算法寻找到足够的同名像点对的过程,是几何纠正、地形制图、影像融合和变化检测等诸多遥感应用的关键预处理步骤,其匹配精度直接决定了后续遥感应用的质量。
传统的遥感影像匹配流程通常需要经过几何纠正且具有精确地理坐标的影像作为参考数据,其制作过程非常耗时耗力。而且,对于难以获取遥感影像的地区,参考影像数据的匮乏使得自动的影像匹配难以有效进行。此外,对于非遥感行业的人员而言,由于通常缺乏制作遥感参考影像的专业知识,使得其无法有效地制作高精度的参考数据,从而无法将蕴含丰富信息的遥感影像运用于其他领域,限制了遥感影像资源的广泛应用。
互联网地图如谷歌地图、百度地图等具有覆盖范围全、尺度广、获取难度和获取成本低、具有精确地理坐标等特点。采用来自互联网的网络地图瓦片(Tile)代替原始影像作为参考数据进行匹配,可以避免制作参考影像的过程,极大地提高影像匹配的速率。
发明内容
本发明的发明目的在于:为克服上述现有技术的不足,提出了一种基于网络地图瓦片的遥感影像匹配方法与系统,通过建立待匹配遥感影像与相应网络地图瓦片的对应关系,获取每一幅网络地图瓦片对应的范围信息并用于对待匹配遥感影像进行有效匹配。
一方面,本发明提供了一种基于网络地图瓦片的遥感影像匹配方法,所述方法包括:
通过遥感影像具有的地理坐标信息获取遥感影像的尺寸与地理坐标范围信息;利用影像信息计算和确定对应互联网地图的网络地图瓦片层级与行列号;获取所需的网络地图瓦片,对其进行粗校正;自动获取遥感影像的待匹配影像区域;匹配时,根据网络地图瓦片的属性采用不同的匹配策略进行同名点识别,获得所有待选同名点对;对待选同名点对进行误差剔除,得到最终同名点。
另一方面,本发明还提供了一种基于网络地图瓦片的遥感影像匹配系统,该系统包括以下单元:
瓦片获取单元,获取第一遥感影像的尺寸与地理坐标信息等第一遥感影像数据,计算对应网络地图瓦片的层级与行列号范围,进而获取所需的第一网络地图瓦片集。
几何粗校正单元,对第一网络地图瓦片集进行几何粗校正。
影像匹配单元,根据网络地图瓦片选择对应的影像匹配策略,并在网络地图瓦片与第一遥感影像的待匹配影像区域间获取所有待选同名点对。
匹配点筛选单元,用于筛选并剔除所有待选同名点对中误差较大的同名点对,获取最终的同名点对。
综上所述,由于采用了上述基于网络地图瓦片的遥感影像匹配方法和系统,本发明的有益效果是:
1、本发明提出了一种基于网络地图瓦片的遥感影像自动匹配技术,通过利用网络地图瓦片作为参考数据对待校正遥感影像进行匹配,可以使传统遥感影像匹配步骤脱离本地参考图像的制约,从而极大地提供影像匹配的效率,并降低影像匹配的生产成本。
2、本发明技术方案借助网络地图瓦片提供地理参考信息对遥感图像进行自动匹配,突破了传统匹配技术利用本地遥感图像作为参考的局限性,可极大程度地提高遥感影像匹配的效率和便捷性。
附图说明
图1是本发明实施例提供的匹配方法整体流程图。
图 2 是本发明实施例提供的选择网络地图瓦片的过程示意图。
图3是本发明实施例提供的的对网络地图瓦片的边界补零后进行匹配的过程示意图。
具体实施方式
为了使本领域的人员更好地理解本发明的技术方案,下面结合本发明的附图,对本发明的技术方案进行清楚、完整的描述,基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例,都应当属于本申请保护的范围。
实施例一
如图1示出了本发明实施例提供的基于网络地图瓦片的遥感影像匹配方法的流程图,以下结合图1对本发明实施例提供的基于网络地图瓦片的遥感影像匹配方法进行说明。如图1所示,为一种基于网络地图瓦片的遥感影像匹配方法,用于基于网络地图对各种传感器遥感影像进行有效匹配,所述传感器遥感影像类型包括可见光、红外、合成孔径雷达(SAR)等,所述遥感影像匹配方法包括以下步骤:
步骤S01,获取第一遥感影像数据,并对第一遥感影像进行预处理,并确定与第一遥感影像对应的第一网络地图瓦片集;所述第一遥感影像数据至少包括遥感影像的姿态参数或地理坐标信息。
所述姿态参数可以为有理多项式参数(Rational polynomial parameter, RPC),所述地理坐标信息可以为大地坐标或投影坐标。
步骤S101,输入第一遥感影像作为待匹配影像,判断该第一遥感影像中是否包含地理坐标信息,并确定第一遥感影像的尺寸参数和对应的地理坐标信息,所述尺寸参数至少包括经纬度范围和分辨率。
若该第一遥感影像包含地理坐标信息且其所包含的地理坐标信息类型为RPC(Rational Polynomial Coefficient,有理多项式系数)参数,则采用RPC正射校正计算得到第一遥感影像的经纬度范围以及分辨率;若该第一遥感影像所包含的地理坐标信息类型为经纬度信息,则不对其进行额外处理,直接读取其所包含的经纬度信息以及分辨率;若该第一遥感影像不包含地理坐标信息,确定其对应的分辨率并通过人工输入为该第一遥感影像的地理坐标信息进行赋值。
步骤S102,通过第一遥感影像的地理坐标信息和尺寸参数计算与第一遥感影像对应地理区域内各级网络地图瓦片的分辨率。
具体而言,可以根据遥感影像的地理坐标信息和尺寸参数计算其对应地理区域内的各级网络地图瓦片行列号范围,进而计算得到该地理区域各级网络地图瓦片的横纵向分辨率。
一个优选实施例以使用谷歌地图对具有经纬度信息的第一遥感影像进行匹配为例,介绍本发明具体实施方式的计算实现过程,若采用其它网络地图如百度地图、天地图等,其计算过程类似。
首先将由第一遥感影像确定的经纬度信息转换为谷歌网络地图瓦片的行列号,其计算公式如下:
令,则/>(1)
(2)
(3)
(4)
(5)
其中,lon表示第一遥感影像的经度(弧度),lat表示第一遥感影像的纬度(弧度),z表示网络地图瓦片层级,tileX表示计算得到的网络地图瓦片横坐标,tileY表示计算得到的网络地图瓦片纵坐标,x表示横坐标tileX取整后的结果,y表示纵坐标tileY取整后的结果。
步骤S103,对比第一遥感影像的分辨率与对应地理区域内各级网络地图瓦片的分辨率,选取网络地图瓦片中分辨率与第一遥感影像分辨率最相近且高于第一遥感影像分辨率的瓦片级数用于后续处理。
具体来说,为避免对网络地图瓦片拉伸影响影像匹配质量,通常在多级网络地图瓦片中选用横纵向分辨率均高于第一遥感影像的网络地图瓦片,并将选中的网络地图瓦片缩放至与待匹配第一遥感影像相同的分辨率;同时,为避免缩放后网络地图瓦片过小影响匹配效果,通常选用其中分辨率最接近第一遥感影像的网络地图瓦片进行匹配,如图2所示。
作为一个优选实施例,计算某一级网络地图瓦片的横向分辨率xratio以及纵向分辨率yratio的公式分别为:
(6)
其中,dlon为第一遥感影像右侧与左侧的经度差,dlat为第一遥感影像下方与上方的纬度差,dx为第一遥感影像右侧与左侧对应的网络地图瓦片行号的差,dy为第一遥感影像下方与上方对应的网络地图瓦片列号的差,X为网络地图瓦片的图像宽度,Y为网络地图瓦片的图像高度。
步骤S104,获取待匹配第一遥感影像对应的第一网络地图瓦片集包含的所有行列号:
首先根据网络地图瓦片的行列号计算该网络地图瓦片对应的地理坐标信息,以经纬度参数为例。
在一个优选实施例中,以谷歌地图为例,通过谷歌网络地图瓦片的行列号计算该网络地图瓦片左上角对应经纬度的公式如下:
(7)
其中,lon为第一遥感影像的经度,lat为第一遥感影像的纬度,z为网络地图瓦片层级,x为谷图瓦片横坐标,y为网络地图瓦片纵坐标。
根据所需要的经纬度信息、第一遥感影像的行列数与经纬度范围,可以通过公式8计算确定网络地图瓦片对应第一遥感影像的待匹配区域:
(8)
其中,XSize为第一遥感影像的宽度,YSize为第一遥感影像的高度,LeftUplon为第一遥感影像左上角点的经度,LeftUplat为第一遥感影像左下角点的纬度,RightDownlon为第一遥感影像右上角点的经度,RightDownlat为第一遥感影像右下角点的纬度,lon2为网络地图瓦片左上角点对应的经度,lat2为网络地图瓦片右下角点对应的纬度,x2为计算得到的网络地图瓦片左上角点对应的像素行值,y2为计算得到的网络地图瓦片左上角点对应的像素列值。
步骤S02,获取第一网络地图瓦片集,并对第一网络地图瓦片集中的网络地图瓦片进行几何粗校正,得到几何粗校正后的第二网络地图瓦片集。
为避免对网络地图瓦片的拉伸影响匹配质量,通常在多级瓦片中选用横纵向分辨率均高于遥感影像的网络地图瓦片采样至与待匹配遥感影像具有相同的分辨率;同时,为避免缩放后网络地图瓦片过小影响匹配效果,也避免过多不必要的匹配次数降低影像匹配效率,通常选用其中分辨率最接近第一遥感影像的网络地图瓦片进行匹配。在已通过前述步骤确定地图瓦片级数的基础上再进行后续处理前,应通过网络地图瓦片对应的经纬度范围计算得到被完全包含在第一遥感影像内的网络地图瓦片行列号范围,后续处理应只对筛选后的符合条件的第一网络地图瓦片集进行。
步骤S201,根据第一网络地图瓦片集中网络地图瓦片所在的地址链接获取所需网络地图瓦片。
在获取得到符合条件的网络地图瓦片行列号范围后,可根据需要从中选取一定数量的网络地图瓦片作为第一网络地图瓦片集进行匹配。以谷歌网络地图瓦片为例,其提供6种瓦片类型,包括路线图、地形图、带标签地形图、卫星图、带标签卫星图和标签层。在使用谷歌网络地图瓦片进行影像匹配时,仅需要影像信息,因此通常获取其中的卫星图。
步骤S202,若第一遥感影像具有经纬度信息,则将网络地图瓦片缩放至与第一遥感影像具有相同的横纵向分辨率。
由于从网络得到的第一网络地图瓦片集与第一遥感影像分辨率不同,需要根据两者之间的分辨率差异对网络地图瓦片进行缩放,经重采样后再进行影像匹配,以保证影像匹配时第一遥感影像与网络地图瓦片能够实现逐像素的对应,提高第一遥感影像与网络地图瓦片匹配的精度。
步骤S203,若第一遥感影像未进行正射校正且具有RPC信息,则将待匹配的第一网络地图瓦片集经RPC校正逆变换后转换至与第一遥感影像相同的坐标系。
具体而言通过为网络地图瓦片赋予假定的高程值实现。若输入的第一遥感影像具有数字高程模型(Digital Elevation Model,简称DEM),则按照数字高程模型赋予高程,否则赋值为0,可以通过第一遥感影像的原始地面坐标(即未经正则化的地面坐标)计算对应第一遥感影像的行列坐标,其计算公式如下:
(9)
式中:
(10)
在上式中,为第一遥感影像本身包含的系数,P、L、H为经正则化处理后的地面坐标。(X11,Y11)为经正则化处理后的影像行列坐标,其取值范围为[-1, 1]。正则化的变换关系为:
(11)
计算得到(X11,Y11)后,可以进一步得到参数组(Sample,Line),即与地面坐标对应的第一遥感影像的行列号,其中Sample为行号,Line为列号。
步骤S204,对第一网络地图瓦片集中每一个网络地图瓦片的四个角点计算其与第一遥感影像对应的行列号,以建立由网络地图瓦片至第一遥感影像的转换关系,进而得到转换后呈不规则四边形的第一网络地图瓦片集。之后对第一网络地图瓦片集中的网络地图瓦片的边界进行补零生成矩形图像后,用于与对应范围的第一遥感影像进行匹配,如图3所示。
步骤S03,根据网络地图瓦片的地理坐标信息自动获取第一遥感影像对应范围的待匹配影像区域,根据网络地图瓦片选取影像匹配方法进行影像匹配。
首先需要根据网络地图瓦片的地理坐标信息确定后续用于匹配的待匹配影像区域。在一个优选实施例中,所述第一遥感影像范围内每一张网络地图瓦片的左上角点对应的像素行列值可以表示为(xi, yi),根据公式12计算得到其对应的经纬度,则其对应的经纬度范围为(loni, lati)至(loni+1, lati+1)。进而根据公式12得到该经纬度范围对应的遥感影像像素行列范围,获取遥感影像的对应范围的待匹配影像区域,用于进行影像匹配。
(12)
根据网络地图瓦片经纬度范围与所使用的影像匹配方法,可以对待匹配遥感影像区域进行影像匹配操作。
根据匹配方法的不同,所述影像匹配的策略也不同。本实施例中将影像匹配的策略分为第一影像匹配方法与第二影像匹配方法,所述第一影像匹配方法为一种为直接采用灰度信息作为相似性度量的影像匹配方法,所述第二影像匹配方法为一种为基于特征描述符进行相似性度量的影像匹配方法。
通常对于使用可见光传感器获取的遥感影像,因其与网络地图瓦片属于同源影像,两者之间的灰度差异较小,可以直接采用第一影像匹配方法中的灰度信息进行相似性度量,并得到匹配对应关系;而对于红外、SAR等遥感图像,因其与网络地图瓦片属于异源影像,两者之间存在显著的非线性灰度差异,直接使用灰度信息进行相似性度量难以得到理想的匹配结果,通常使用第二影像匹配方法提取图像的特征描述符,再以某一相似性度量对特征图进行匹配。
(3a),当网络地图瓦片与第一遥感影像属于同源影像时,即采用可见光波段进行匹配,因绝大多数网络地图瓦片的宽与高均小于等于256个像素,无法保证每一对待匹配影像均能够识别到足够的可靠特征;同时同源影像相似度较高,无需使用复杂的特征提取方法提取特征后进行比较。本实施例中在基于网络地图瓦片对同源影像进行影像匹配时,通常采用基于空间域(如差值平方和法与归一化相关系数法)与基于频率域的影像匹配方法(如基于傅里叶变换的互相关法)进行匹配。
对于采用可见光传感器获取的第一遥感影像,由于其强度信息与网络地图瓦片通常呈线性相关,可以直接采用影像强度作为相似性度量。使用图像灰度的方法进行影像匹配时,如采用差值平方和法(Sum of Squared Residuals, SSD)进行影像匹配,需依次计算网络地图瓦片与第一遥感影像待匹配区域中每一滑动窗口的差值平方和,其值最小的窗口即为匹配得到的位置;
归一化相关系数法(Normalized Cross Correlation, NCC)计算两幅影像的归一化相关系数,其值越大表明两者越相似。其计算公式分别如下:
(公式13)
(公式14)
其中,xij与yij为影像A和B在(i, j)位置的灰度值,和/>为两幅影像的平均灰度。则经SSD与NCC计算得到的匹配影像块的中心点坐标,进而计算以第一遥感影像参考系下的经纬度。
基于傅里叶变换的互相关法(Cross Correlation, CC)将空间域中的灰度信息变换为频率域的频率、幅度与相位等信息,进而通过相似性度量得到两幅图像之间的匹配关系。
若待匹配影像A、B之间仅存在平移关系,该匹配方法可以首先对影像A进行傅里叶变换得到FFT(A),并对影像B进行傅里叶变化并取其复共轭得到FFT*(B),将两者相乘后进行傅里叶逆变换得到影像A与B的相似性图,其最大值位置即对应两幅影像间的相对平移量(x0, y0):
(公式15)。
(3b),当网络地图瓦片与第一遥感影像属于异源影像时,由于其与网络地图瓦片之间存在着显著的非线性强度差异,通常首先使用某一特征描述符作为模板,如方向梯度特征通道描述符(Channel Feature of Orientated Gradient, CFOG)、模态独立邻域描述符(Modality Independent Neighbourhood Descriptor, MIND)等,将待匹配的第一遥感影像与作为参考影像的网络地图瓦片投影至同一特征空间,之后采用归一化相关系数法、差值平方和法、或基于傅里叶的互相关等进行计算。
以CFOG描述符为例,首先输入第一遥感影像的待匹配区域与对应的网络地图瓦片,分别计算8个方向梯度通道并在深度方向卷积平滑梯度,生成对应的三维CFOG特征描述符,再对三维描述符进行相似性度量,得到对应的第一遥感影像参考系下的经纬度。
步骤S04,建立进行影像匹配所需的同名点信息,生成同名点对。
每次找到与网络地图瓦片与第一遥感影像对应的待匹配影像区域范围后,记录两幅影像中心点的行列号与经纬度,作为同名点对,并用于后续的误差剔除与几何校正。
由于作为参考影像的网络地图瓦片没有确定的行列坐标系统,本实施例中设定预第一遥感影像左上角对应网络地图瓦片左上角点的坐标为(0,0),并以此为每次匹配的网络地图瓦片计算坐标信息。
步骤S05,重复步骤S02至步骤S04,直至完成对第一网络地图瓦片集中所有网络地图瓦片的处理,并获得所有待选同名点对。
步骤S06,对待选同名点对进行误差剔除,得到最终同名点对。
对影像进行匹配得到足够的同名点对后,由于其中存在着部分误匹配数据,这些误匹配数据会影响后续的几何校正精度。因此,本实施例中采用RANSAC或最小二乘法对误差同名点进行剔除,以保证匹配点的准确性。
步骤S601,RANSAC首先在要进行模型参数估计的数据集中,随机抽选出可以完成此模型参数估计所需要的最小的数据集;使用选取的数据集,计算估计出其符合的对应数据模型参数;将数据集中其余的数据代入模型,统计并得到本次模型所能包含的内点数量;比较当前迭代计算出的数据模型与之前最好的数据模型所能包含的内点的数量,选择其中内点数多的模型。
RANSAC重复上述过程,直到达到规定的迭代次数,或者符合迭代模型的内点数目大于设定的最大内点数目值。
步骤S602,使用最小二乘法对匹配点对进行误差剔除时,假设两幅影像间的几何校正模型可以用N次多项式表示,则可以找到一系列多项式系数,使得其尽可能地与匹配点对数据相符合。使用最小二乘法计算得到模型后,可以指定一个阈值,去除其均方误差超过阈值的匹配点数据后重新计算模型系数,直至所有点的均方误差均小于阈值,以达到误差剔除的目的。
实施例二
本实施例提供了一种基于网络地图瓦片的遥感影像匹配系统,所述遥感影像匹配系统用于实现前述任一实施例中的遥感影像匹配方法,具体而言所述遥感影像匹配系统包括:
瓦片获取单元,获取第一遥感影像的尺寸与地理坐标信息,计算与第一遥感影像对应网络地图瓦片层级与行列号范围,进而访问服务器获取所需的网络地图瓦片集。
几何粗校正单元,若第一遥感影像具有经纬度信息,将网络地图瓦片重采样至与第一遥感影像的分辨率相同;将与第一遥感影像对应地理区域内的网络地图瓦片转换至第一遥感影像坐标系进行匹配,避免对整幅遥感影像进行正射校正耗费大量时间。
影像匹配单元,根据影像类型采用影像匹配方法在网络地图瓦片与第一遥感影像待匹配区域之间获取所有的待选同名点对。
匹配点筛选单元,用于从待选同名点对中筛选并剔除中误差较大的同名点对,获取最终的同名点对。
以上为本发明具体实施方式的说明,通过本发明所构建的影像匹配方法和系统,通过利用网络地图瓦片作为参考数据对待校正的遥感影像进行匹配,可以使传统影像匹配步骤脱离本地参考图像的制约,从而极大地提供影像匹配的效率以及获得更优的图像融合效果,并降低影像匹配的生产成本本发明的技术方案可以为目标检测、图像分类等应用提供高质量的图像数据。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (6)
1.一种基于网络地图瓦片的遥感影像匹配方法,其特征在于,包括下列步骤:
步骤S01,获取第一遥感影像数据,并对第一遥感影像进行预处理,并确定与第一遥感影像对应的第一网络地图瓦片集;所述第一遥感影像为待匹配的遥感影像;
步骤S01包括:
步骤S101,输入第一遥感影像作为待匹配遥感影像,判断该第一遥感影像中是否包含地理坐标信息,并确定第一遥感影像的尺寸参数和对应的地理坐标信息,所述尺寸参数至少包括经纬度范围和分辨率;
步骤S102,根据第一遥感影像的地理坐标信息和尺寸参数计算与第一遥感影像对应地理区域内各级网络地图瓦片的分辨率;
述步骤S102具体包括:
将由第一遥感影像确定的经纬度信息转换为网络地图瓦片的行列号,转换计算公式如下:令n=2z,则
x=floor(tileX) (4)
y=floor(tileY) (5)
其中,lon表示第一遥感影像的经度,lat表示第一遥感影像的纬度,z表示网络地图瓦片层级,tileX表示计算得到的网络地图瓦片横坐标,tileY表示计算得到的网络地图瓦片纵坐标,x表示横坐标tileX取整后的结果,y表示纵坐标tileY取整后的结果;
步骤S103,对比第一遥感影像的分辨率与对应地理区域内各级网络地图瓦片的分辨率,选取网络地图瓦片中分辨率与第一遥感影像分辨率最相近且高于第一遥感影像分辨率的瓦片级数;
步骤S104,获取待匹配第一遥感影像对应的第一网络地图瓦片集包含的所有行列号,根据网络地图瓦片的行列号计算该网络地图瓦片左上角对应的经纬度参数,
所述步骤S104具体包括:
其中计算该网络地图瓦片左上角对应经纬度的公式如下:
其中,lon为第一遥感影像的经度,lat为第一遥感影像的纬度,z为网络地图瓦片层级,x为网络地图瓦片横坐标,y为网络地图瓦片纵坐标;
步骤S02,获取第一网络地图瓦片集,并对第一网络地图瓦片集中的网络地图瓦片进行几何粗校正,得到几何粗校正后的第二网络地图瓦片集;
步骤S03,根据网络地图瓦片的地理坐标信息自动获取第一遥感影像对应范围的待匹配影像区域,根据网络地图瓦片选取影像匹配方法进行影像匹配;
步骤S03中根据网络地图瓦片的地理坐标信息自动获取第一遥感影像对应范围的待匹配影像区域包括:
根据所需要的经纬度信息、第一遥感影像的行列数与经纬度范围,通过公式(8)计算确定网络地图瓦片对应第一遥感影像的待匹配区域:
其中,XSize为第一遥感影像的宽度,YSize为第一遥感影像的高度,LeftUplon为第一遥感影像左上角点的经度,LeftUplat为第一遥感影像左上角点的纬度,RightDownlon为第一遥感影像右下角点的经度,RightDownlat为第一遥感影像右下角点的纬度,lon2为网络地图瓦片左上角点对应的经度,lat2为网络地图瓦片左上角点对应的纬度,x2为计算的网络地图瓦片左上角点对应的像素行值,y2为计算得到网络地图瓦片左上角点对应的像素列值;
根据该经纬度范围确定对应的第一遥感影像像素行列范围作为待匹配影像区域,并用于进行影像匹配:
步骤S04,建立进行影像匹配所需的同名点信息,生成同名点对;
步骤S05,重复步骤S02至S04,直至完成对第一网络地图瓦片集中所有网络地图瓦片的处理,并获得所有待选同名点对;
步骤S06,对待选同名点对进行误差剔除,得到最终同名点对。
2.如权利要求1所述的一种基于网络地图瓦片的遥感影像匹配方法,其特征在于,所述第一遥感影像数据至少包括第一遥感影像的姿态参数或地理坐标信息。
3.如权利要求2所述的一种基于网络地图瓦片的遥感影像匹配方法,其特征在于,其特征在于,所述步骤S02包括:
步骤S201,根据第一网络地图瓦片集中网络地图瓦片所在的地址获取所需网络地图瓦片;
步骤S202,若第一遥感影像具有经纬度信息,则将网络地图瓦片缩放至与第一遥感影像具有相同的横纵向分辨率;
步骤S203,若第一遥感影像未进行正射校正且具有RPC信息,则将待匹配的第一网络地图瓦片集经RPC校正逆变换后转换至与第一遥感影像相同的坐标系。
4.如权利要求3所述的一种基于网络地图瓦片的遥感影像匹配方法,其特征在于,步骤S03中根据网络地图瓦片选取影像匹配方法为:根据网络地图瓦片与第一遥感影像属于同源影像或异源影像选择相对应的第一影像匹配方法或第二影像匹配方法。
5.如权利要求4所述的一种基于网络地图瓦片的遥感影像匹配方法,其特征在于,所述第一影像匹配方法为基于空间域或基于频率域的影像匹配方法;所述第二影像匹配方法为基于特征描述符的模板匹配方法。
6.一种基于网络地图瓦片的遥感影像匹配系统,所述遥感影像匹配系统用于实现权利要求1-5中任一遥感影像匹配方法,其特征在于,该遥感影像匹配系统包括以下单元:
瓦片获取单元,获取第一遥感影像数据,确定对应网络地图瓦片层级与行列号范围,进而获取第一网络地图瓦片集;
几何粗校正单元,对第一网络地图瓦片集进行几何粗校正;
影像匹配单元,根据网络地图瓦片确定影像匹配策略,并在网络地图瓦片与第一遥感影像的待匹配影像区域间获取所有待选同名点对;
匹配点筛选单元,用于筛选并剔除误差较大的同名点对,获取最终的同名点对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790957.XA CN116521927B (zh) | 2023-06-30 | 2023-06-30 | 基于网络地图瓦片的遥感影像匹配方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790957.XA CN116521927B (zh) | 2023-06-30 | 2023-06-30 | 基于网络地图瓦片的遥感影像匹配方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116521927A CN116521927A (zh) | 2023-08-01 |
CN116521927B true CN116521927B (zh) | 2024-02-13 |
Family
ID=87397980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310790957.XA Active CN116521927B (zh) | 2023-06-30 | 2023-06-30 | 基于网络地图瓦片的遥感影像匹配方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116521927B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413272A (zh) * | 2013-07-22 | 2013-11-27 | 中国科学院遥感与数字地球研究所 | 低空间分辨率多源遥感图像空间一致性校正方法 |
CN105160684A (zh) * | 2015-09-30 | 2015-12-16 | 中国科学院遥感与数字地球研究所 | 一种用于遥感影像几何校正的在线自动匹配方法 |
CN105468691A (zh) * | 2015-11-17 | 2016-04-06 | 江苏省基础地理信息中心 | 一种多源瓦片地图获取方法及装置 |
CN106886794A (zh) * | 2017-02-14 | 2017-06-23 | 湖北工业大学 | 顾及高阶结构特征的异源遥感影像同名点匹配方法 |
CN107464252A (zh) * | 2017-06-30 | 2017-12-12 | 南京航空航天大学 | 一种基于混合特征的可见光与红外异源图像识别方法 |
CN107563438A (zh) * | 2017-08-31 | 2018-01-09 | 西南交通大学 | 一种快速鲁棒的多模态遥感影像匹配方法和系统 |
CN110263116A (zh) * | 2019-06-21 | 2019-09-20 | 苏州超擎图形软件科技发展有限公司 | 一种支持动态投影转换的瓦片地图发布方法及装置 |
CN114817443A (zh) * | 2022-06-30 | 2022-07-29 | 广东省科学院广州地理研究所 | 一种基于瓦片的卫星遥感图像数据处理方法及装置 |
-
2023
- 2023-06-30 CN CN202310790957.XA patent/CN116521927B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413272A (zh) * | 2013-07-22 | 2013-11-27 | 中国科学院遥感与数字地球研究所 | 低空间分辨率多源遥感图像空间一致性校正方法 |
CN105160684A (zh) * | 2015-09-30 | 2015-12-16 | 中国科学院遥感与数字地球研究所 | 一种用于遥感影像几何校正的在线自动匹配方法 |
CN105468691A (zh) * | 2015-11-17 | 2016-04-06 | 江苏省基础地理信息中心 | 一种多源瓦片地图获取方法及装置 |
CN106886794A (zh) * | 2017-02-14 | 2017-06-23 | 湖北工业大学 | 顾及高阶结构特征的异源遥感影像同名点匹配方法 |
CN107464252A (zh) * | 2017-06-30 | 2017-12-12 | 南京航空航天大学 | 一种基于混合特征的可见光与红外异源图像识别方法 |
CN107563438A (zh) * | 2017-08-31 | 2018-01-09 | 西南交通大学 | 一种快速鲁棒的多模态遥感影像匹配方法和系统 |
CN110263116A (zh) * | 2019-06-21 | 2019-09-20 | 苏州超擎图形软件科技发展有限公司 | 一种支持动态投影转换的瓦片地图发布方法及装置 |
CN114817443A (zh) * | 2022-06-30 | 2022-07-29 | 广东省科学院广州地理研究所 | 一种基于瓦片的卫星遥感图像数据处理方法及装置 |
Non-Patent Citations (3)
Title |
---|
Fast and Robust Matching for Multimodal Remote Sensing Image Registration;Ye, YX 等;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;第57卷(第11期);9059-9070 * |
五层十五级遥感瓦片并行切片及GCF存储方法;余佳鸣;《中国优秀硕士学位论文全文数据库 (基础科学辑)》(第03期);A008-166 * |
利用MapReduce进行批量遥感影像瓦片金字塔构建;刘义;陈荦;景宁;熊伟;;武汉大学学报(信息科学版)(第03期);278-282 * |
Also Published As
Publication number | Publication date |
---|---|
CN116521927A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106920235B (zh) | 基于矢量底图匹配的星载光学遥感影像自动校正方法 | |
CN108428220B (zh) | 静止轨道卫星序列遥感影像海岛礁区域自动几何校正方法 | |
CN109523585B (zh) | 一种基于方向相位一致性的多源遥感影像特征匹配方法 | |
CN104574347A (zh) | 基于多源遥感数据的在轨卫星图像几何定位精度评价方法 | |
CN110569861B (zh) | 一种基于点特征和轮廓特征融合的图像匹配定位方法 | |
CN108564532B (zh) | 大尺度地距星载sar图像镶嵌方法 | |
JP2002157576A (ja) | ステレオ画像処理装置及びステレオ画像処理方法並びにステレオ画像処理用プログラムを記録した記録媒体 | |
CN112929626A (zh) | 一种基于智能手机影像的三维信息提取方法 | |
CN111144350B (zh) | 一种基于参考底图的遥感影像定位精度评价方法 | |
CN110738693B (zh) | 一种地基成像雷达多角度图像配准方法 | |
KR101677230B1 (ko) | 이종 영상 융합 알고리즘의 품질 평가 장치 및 방법 | |
CN114463503A (zh) | 三维模型和地理信息系统的融合方法及装置 | |
CN113808103A (zh) | 基于图像处理的路面坑洼自动检测方法、设备和存储介质 | |
CN116521927B (zh) | 基于网络地图瓦片的遥感影像匹配方法与系统 | |
CN109886988B (zh) | 一种微波成像仪定位误差的度量方法、系统、装置及介质 | |
CN115690380B (zh) | 一种配准方法及系统 | |
CN114155167B (zh) | 一种基于在线遥感卫星影像的自动化快速校正方法 | |
CN115457022A (zh) | 基于实景三维模型正视影像的三维形变检测方法 | |
CN115330619A (zh) | 适用于高分辨率遥感影像的局部几何精校正方法 | |
Zhang et al. | Matching of Ikonos stereo and multitemporal GEO images for DSM generation | |
CN113486728A (zh) | 基于特征融合的地表三维变化检测方法和装置 | |
Ebner et al. | Global image matching and surface reconstruction in object space using aerial images | |
CN113298713A (zh) | 一种抗云干扰的在轨快速配准方法 | |
Oshio et al. | Generating DTM from DSM Using a Conditional GAN in Built-Up Areas | |
CN117151991B (zh) | 一种遥感影像rpc修复方法 |
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 |