CN116567187A - 一种遥感影像实时传输及显示的方法和装置 - Google Patents
一种遥感影像实时传输及显示的方法和装置 Download PDFInfo
- Publication number
- CN116567187A CN116567187A CN202310836383.5A CN202310836383A CN116567187A CN 116567187 A CN116567187 A CN 116567187A CN 202310836383 A CN202310836383 A CN 202310836383A CN 116567187 A CN116567187 A CN 116567187A
- Authority
- CN
- China
- Prior art keywords
- image data
- remote sensing
- enteromorpha
- correction
- real
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012937 correction Methods 0.000 claims abstract description 93
- 241000196252 Ulva Species 0.000 claims abstract description 85
- 230000005540 biological transmission Effects 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/20—Adaptations for transmission via a GHz frequency band, e.g. via satellite
-
- 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
- G06F16/54—Browsing; Visualisation therefor
-
- 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
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Astronomy & Astrophysics (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种遥感影像实时传输及显示的方法与装置，方法包括：获取实时遥感影像数据，所述遥感影像数据包括卫星影像数据；利用校正数据库对所述卫星影像数据进行校正，生成校正数据，所述校正数据包括历史卫星影像数据和补偿影像数据；根据所述校正数据和实时遥感影像数据生成待显示影像数据；将所述待显示影像数据传输至显示装置进行显示。本发明提供的遥感影像实时传输及显示的方法基于历史卫星影像数据和补偿影像数据对实时卫星影像数据进行校正处理，从而解决卫星影像的误差问题，以供显示装置显示更加准确的浒苔影像。
Description
技术领域
本发明涉及影像处理技术领域，具体涉及一种遥感影像实时传输及显示的方法和装置。
背景技术
根据国家海洋局北海分局最近九年的海上生物分布面积监测数据来看，浒苔分布面积呈现逐年扩大的趋势，浒苔到达各海域随每年风向、洋流的影响，登陆量同样呈现逐年加大的趋势。浒苔大规模爆发严重影响了海洋生态环境、旅游业和城市环境。
随着科技的进步和发展，遥感影像已经走进了生活的方方面面，采用遥感影像进行浒苔监测可以有效减少工作人员的工作量。但是，实时传输的卫星图像，由于单独的卫星图像在不同天气下的准确度不同，单独采用卫星图像并直接进行显示由于天气原因不是实时可用的状态；从而使得工作人员还需要人工观测，进一步造成工作难度增加。
发明内容
本发明的目的是提供一种遥感影像实时传输及显示的方法和装置，为了解决现有技术中遥感影像不准确的问题。
为解决上述问题，本发明的第一方面提供了一种遥感影像实时传输及显示的方法，包括：
获取实时遥感影像数据，所述遥感影像数据包括卫星影像数据；
利用校正数据库对所述卫星影像数据进行校正，生成校正数据，所述校正数据由历史卫星影像数据和补偿影像数据生成；
根据所述校正数据和实时遥感影像数据生成待显示影像数据；
将所述待显示影像数据传输至显示装置进行显示。
可选地，利用校正数据库对所述卫星影像数据进行校正，包括：
获取所述实时遥感影像数据对应的天气信息；
获取所述校正数据库中与该天气信息对应的校正数据；
根据所述天气信息及其对应的校正数据对所述卫星影像数据进行校正。
可选地，所述方法还包括生成校正数据库，所述生成校正数据库包括：
获取历史影像数据库，所述历史影像数据库包括预设时间段内的历史卫星影像数据和与该历史卫星影像数据相同时间采集补偿影像数据和天气信息；
将每一个历史卫星影像数据与对应的补偿影像数据进行配准；
根据配准后的影像数据获取误差信息；
将所述误差信息按照卫星影像数据所对应的天气信息进行分类；
对每个类别下的误差信息按照预设规则进行计算，获得每个类别对应的校正数据。
可选地，所述卫星影像数据包括浒苔影像数据；
所述将每一个历史卫星影像数据与对应的补偿影像数据进行配准包括，
对每一个历史卫星影像数据与对应的补偿影像数据执行以下步骤：
分别在历史卫星影像数据和对应的补偿影像数据中识别浒苔所在水域的边界；
在浒苔所在水域的所述边界分别选取第一参照点和第二参照点；
在补偿影像数据的所述边界识别所述第一参照点和所述第二参照点；
基于所述第一参照点和所述第二参照点将所述卫星影像数据与所述补偿影像数据叠加。
可选地，所述根据配准后的影像数据获取误差信息包括：
基于所述历史卫星影像数据和补偿影像数据携带的位置信息及历史卫星影像数据的浒苔的边界、补偿影像数据的浒苔的边界获取误差信息。
可选地，所述将所述误差信息按照卫星影像数据所对应的天气信息进行分类包括：
将所述误差信息按照雨、雾、云、雪、霜和晴天分类。
可选地，根据所述校正数据和实时遥感影像数据生成待显示影像数据，包括：
识别所述实时遥感影像数据中浒苔的图像信息；
将所述校正数据与所述实时遥感影像数据中浒苔的图像信息中的边界信息进行计算生成待显示影像数据。
可选地，对每个类别下的误差信息按照预设规则进行计算，获得每个类别对应的校正数据包括：
依次对每个类别下的误差信息执行以下步骤：
获取该类别下所有的误差信息，每一组误差信息包含多个部分的误差信息；
对该类别下所有的误差信息按照不同部分进行均值计算，获得该类别的矫正数据，所述矫正数据为多个部分的误差信息平均值。
可选地，基于所述历史卫星影像数据和补偿影像数据携带的位置信息及历史卫星影像数据的浒苔的边界、补偿影像数据的浒苔的边界获取误差信息包括：
获取所述历史卫星影像数据的浒苔的边界的位置信息，并按照规则分为多个部分；
获取所述补偿影像数据的浒苔的边界的位置信息，按照规则分为多个部分；
按照方向将多个部分的历史卫星影像数据的浒苔的边界的位置信息和多个部分的补偿影像数据的浒苔的边界的位置信息一一对应，并分别计算每个方向上的误差值，将所述误差值作为误差信息。
本发明另一方面提供了一种遥感影像实时传输及显示的装置，包括：
实时遥感影像数据获取模块，获取实时遥感影像数据，所述遥感影像数据包括卫星影像数据；
校正数据生成模块，利用校正数据库对所述卫星影像数据进行校正，生成校正数据，所述校正数据由历史卫星影像数据和补偿影像数据生成；
待显示影像数据生成模块，根据所述校正数据和实时遥感影像数据生成待显示影像数据；
传输模块，将所述待显示影像数据传输至显示装置进行显示。
本发明的上述技术方案具有如下有益的技术效果：
实时的卫星影响数据受到天气因素的影响准确度不同，无法直接使用，本发明提供的遥感影像实时传输及显示的方法基于历史的卫星影像数据和补偿影像数据对实时卫星影像数据进行校正处理，从而解决卫星影像的误差问题，以供显示装置显示更加准确的浒苔影像。同时，基于不同的天气信息采用不同的校正数据，符合卫星在不同天气情况下数据精度受影响的特点。采用本方法进行校正获取的待显示的浒苔影像数据更加准确。另外，在针对不同类别的天气情况进行分类情况下，进一步对浒苔的边界进行划分，针对不同的方位或角度进一步调整，使得获取的待显示的浒苔影像数据更加准确。
附图说明
图1是本发明一个实施方式的遥感影像实时传输及显示的方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
参照图1，本发明的一个方面提供了一种遥感影像实时传输及显示的方法，包括：
获取实时遥感影像数据，所述遥感影像数据包括卫星影像数据；卫星影像数据可以是雷达数据也可以是图像数据，本发明对此不做限制，下面将以图像数据为例进行说明；获取数据的渠道可以是基于卫星获得也可以是通过第三方网站获得；
利用校正数据库对所述卫星影像数据进行校正，生成校正数据，所述校正数据由历史卫星影像数据和补偿影像数据生成；可以根据不同的分类条件将校正数据分为多类，根据不同的待校正的卫星影像数据获取不同类别的校正数据，优选的，可以根据天气进行分类；
根据所述校正数据和实时遥感影像数据生成待显示影像数据；可以对校正数据和待校正的卫星影像数据进行计算，从而获得待显示的浒苔影像数据；也可以采用图像叠加获取待显示的浒苔影像数据；
将所述待显示影像数据传输至显示装置进行显示。
本发明提供的遥感影像实时传输及显示的方法基于历史卫星影像数据和补偿影像数据对实时卫星影像数据进行校正处理，从而解决卫星影像的误差问题，以供显示装置显示更加准确的浒苔影像。
在一实施例中，利用校正数据库对所述卫星影像数据进行校正，包括：
获取所述实时遥感影像数据对应的天气信息；
获取所述校正数据库中与该天气信息对应的校正数据；
根据所述天气信息及其对应的校正数据对所述卫星影像数据进行校正。举例来说，获取实时遥感影像数据时的天气是晴天，那么实时遥感影像数据对应的天气信息就是晴天；
获取所述校正数据库中与该天气信息对应的校正数据，校正数据库可以包含多种天气及对应的校正数据，例如，晴天对应校正数据A，雨天对应校正数据B等。
根据待校正的卫星影像数据对应的天气信息就是晴天可以获取到校正数据是A。
在本实施例中，基于不同的天气信息采用不同的校正数据，符合卫星在不同天气情况下数据精度受影响的特点。采用本方法进行校正获取的待显示的浒苔影像数据更加准确。
在一实施例中，所述方法还包括生成校正数据库，生成校正数据库包括：
获取历史影像数据库，历史影像数据库包括预设时间段内的历史卫星影像数据和与该历史卫星影像数据相同时间采集补偿影像数据和天气信息；
将每一个历史卫星影像数据与对应的补偿影像数据进行配准；
根据配准后的影像数据获取误差信息；
将误差信息按照卫星影像数据所对应的天气信息进行分类；
对每个类别下的误差信息按照预设规则进行计算，获得每个类别对应的校正数据。
在一实施例中，所述卫星影像数据包括浒苔影像数据；将每一个卫星影像数据与对应的补偿影像数据进行配准包括，
对每一个历史卫星影像数据与对应的补偿影像数据执行以下步骤：
分别在历史卫星影像数据和对应的补偿影像数据识别浒苔所在水域的边界；识别浒苔所在水域的边界可以采用人工标注，也可以采用神经网络模型进行识别，在后面详细介绍使用神经网络模型，此处不过多赘述；
在浒苔所在水域的边界分别选取第一参照点和第二参照点；
在补偿影像数据中识别第一参照点和第二参照点；此步骤中的识别可以采用人工标注，也可以采用神经网络模型进行识别，使用神经网络模型的方法与上述相同；
基于第一参照点和第二参照点将卫星影像数据与补偿影像数据叠加。
举例来说，第一参照点和第二参照点为浒苔所在水域的边界上对比度最高的第一点和第二点。第一参照点和第二参照点都代表了位置信息，历史卫星影像数据与补偿影像数据都包含图片数据和与图片数据对应的位置信息，将历史卫星影像数据中的参照点与补偿影像数据中的第一参照点对齐，将卫星影像数据中的第二参照点与补偿影像数据中的第二参照点对齐完成数据叠加。
举例来说，基于第一参照点和第二参照点将卫星影像数据与补偿影像数据叠加是指：
在历史卫星影像数据与补偿影像数据中分别识别到第一参照点和第二参照点，将历史卫星影像数据中的第一参照点与补偿影像数据中的第一参照点对齐，将卫星影像数据中的第二参照点与补偿影像数据中的第二参照点对齐；其中在此步骤前需要先将两个图像数据调整为相同的精度（比例尺相同）；
将历史卫星影像数据作为底层，将补偿影像数据作为首层进行叠加，将补偿影像数据的不透明度根据情况进行调整，举例来说可以是调整为80%；
叠加后的图像具有两个浒苔边界，根据两个浒苔边界可以识别出误差信息。在一实施例中，根据配准后的影像数据获取误差信息包括：
基于历史卫星影像数据和补偿影像数据携带的位置信息及历史卫星影像数据的浒苔的边界、补偿影像数据的浒苔的边界获取误差信息。
基于所述历史卫星影像数据和补偿影像数据携带的位置信息及历史卫星影像数据的浒苔的边界、补偿影像数据的浒苔的边界获取误差信息包括：
获取所述历史卫星影像数据的浒苔的边界的位置信息，并按照规则分为多个部分；
获取所述补偿影像数据的浒苔的边界的位置信息，按照规则分为多个部分；
按照方向将多个部分的历史卫星影像数据的浒苔的边界的位置信息和多个部分的补偿影像数据的浒苔的边界的位置信息一一对应，并分别计算每个方向上的误差值，将所述误差值作为误差信息。
在一实施例中，分别在卫星影像数据和对应的补偿影像数据识别浒苔的边界包括：
获取卫星影像数据，所述卫星影响数据包含图像信息和与图像信息对应的位置信息（经纬度信息）；
采用训练好的神经网络模型识别图像信息中的浒苔边界，根据图像信息中的浒苔边界获取卫星影像数据中浒苔边界的位置信息；优选的，可以使用Mask R-CNN 模型；
获取补偿影像数据，所述无人机影响数据包含图像信息和与图像信息对应的位置信息（经纬度信息）；
采用训练好的神经网络模型识别图像信息中的浒苔边界，优选的，可以使用MaskR-CNN 模型；根据图像信息中的浒苔边界获取补偿影像数据中浒苔边界的位置信息，可以使用多种方式来计算浒苔边界到原图像边界的距离，包括计算边缘像素和原图像边缘的距离，使用前景掩码计算到水面边缘的距离等，在通过浒苔边界到原图像边界的距离、原图像边界的位置信息和图像比例尺确定浒苔边界的位置信息。
对神经网络进行训练采用如下步骤：
数据采集和预处理: 采集包含浒苔和其他水生植物的卫星影像数据。同时，对卫星图像进行预处理，例如调整大小、镜像翻转、旋转、填充空白区域等，以扩充训练集的多样性和数量。
标记和分类: 对采集到的卫星影像进行标记，并进行分类，将浒苔和其他水生植物作为两个类别进行分类。同时将数据分为训练集合测试集，可以使用一些专业的遥感软件或者Python等编程语言进行数据处理。
网络设计: 选择合适的神经网络结构，并设定相应的超参数，如网络深度、卷积核大小、学习率等。举例来说，网络结构包括卷积神经网络（CNN）、残差神经网络（ResNet）等，优选的，可以使用Mask R-CNN（掩膜基于区域的卷积神经网络）模型。
举例来说，主要的模型参数如下：
1. 主干网络：使用ResNet（残差神经网络）50 / ResNet101 / ResNeXt101 等先进的卷积神经网络作为模型的主干网络。
2. RoIPooling （感兴趣区域池化）大小：默认情况下，RoIPooling 的输出大小为7x7。
3. Anchor（目标检测网络）的大小和比例：默认情况下，Anchor 的大小范围从32x32 到 256x256，比例范围从 0.5 到 1.0。
4. 最大迭代次数：训练过程中的最大迭代次数，一般使用 100000 至 200000次。
5. 初始学习率：学习率的初始值，一般使用较小的值，例如 0.001。
6. 学习率下降策略：可以采用常见的学习率下降策略，例如每隔一定次数就将学习率除以 10。
7. 损失函数权重：可以对物体分类损失、边界框回归损失和掩码损失等分别赋予不同的权重，以调整模型在不同任务上的表现。
训练网络:定义模型的各个组件，包括 RPN（区域生成网络）、RoIPooling（感兴趣区域池化）、Classification head（分类头部分）、Regression head（回归头部分）和Segmentation head（分割头部分）等，将处理好的卫星图像输入到神经网络中进行训练，使用交叉熵损失函数计算误差，并通过反向传播算法更新网络权重和偏置。可使用GPU加速计算，以提高训练速度和效率。
模型测试：测试过程包括输入测试数据、前向传播、输出预测结果等。
在一实施例中，将误差信息按照卫星影像数据所对应的天气信息进行分类包括：
将误差信息按照雨、雾、云、雪、霜和晴天分类。
举例来说，获取历史影像数据库，历史影像数据库包括历史100天的补偿影像数据和历史卫星影像数据，每一个历史卫星影像数据对应一个相同时间采集的补偿影像数据和天气信息（天气信息包括：雨、雾、云、雪、霜、晴天）；
将每一个历史卫星影像数据与对应的补偿影像数据进行配准；
根据配准后的影像数据获取误差信息，即对每一个历史卫星影像数据与对应的补偿影像数据的浒苔边界在东，南，西，北，东南，西南，东北，西北方向的位置信息的差值；
按照每个误差信息所对应的天气信息（也就是误差信息所对应无人机影像和卫星影像对应的天气信息）进行分类，分为雨、雾、云、雪、霜、晴天六个类别；
对每个类别下的误差信息按照预设规则进行计算，获得每个类别对应的校正数据。
在一实施例中，对每个类别下的误差信息按照预设规则进行计算，获得每个类别对应的校正数据包括：
依次对每个类别下的误差信息执行以下步骤：
获取该类别下所有的误差信息，每一组误差信息包含多个部分的误差信息；举例来说，可以按照方向划分，每一组误差信息包含东，南，西，北，东南，西南，东北，西北方向的差值信息；
对该类别下所有的误差信息按照不同部分进行均值计算，获得该类别的矫正数据，所述矫正数据为多个部分的误差信息平均值。
例如，在晴天类别下分别包括X、Y、Z三组误差信息，那么针对X、Y、Z分别在东，南，西，北，东南，西南，东北，西北方向的差值进行平均，得到的校正数据为晴天对应东，南，西，北，东南，西南，东北，西北方向的差值。
举例来说，信息X的保存形式如下；
；
其中，代表X信息在晴天的误差信息；
代表X信息在晴天的误差信息中的东向误差信息；
代表X信息在晴天的误差信息中的南向误差信息；
代表X信息在晴天的误差信息中的西向误差信息；
代表X信息在晴天的误差信息中的北向误差信息；
代表X信息在晴天的误差信息中的东南向误差信息；
代表X信息在晴天的误差信息中的西南向误差信息；
代表X信息在晴天的误差信息中的东北向误差信息；
代表X信息在晴天的误差信息中的西北向误差信息。
信息Y的保存形式如下；
；
其中，代表Y信息在晴天的误差信息；
代表Y信息在晴天的误差信息中的东向误差信息；
代表Y信息在晴天的误差信息中的南向误差信息；
代表Y信息在晴天的误差信息中的西向误差信息；
代表Y信息在晴天的误差信息中的北向误差信息；
代表Y信息在晴天的误差信息中的东南向误差信息；
代表Y信息在晴天的误差信息中的西南向误差信息；
代表Y信息在晴天的误差信息中的东北向误差信息；
代表Y信息在晴天的误差信息中的西北向误差信息。
信息Z的保存形式如下；
；
其中，代表Z信息在晴天的误差信息；
代表Z信息在晴天的误差信息中的东向误差信息；
代表Z信息在晴天的误差信息中的南向误差信息；
代表Z信息在晴天的误差信息中的西向误差信息；
代表Z信息在晴天的误差信息中的北向误差信息；
代表Z信息在晴天的误差信息中的东南向误差信息；
代表Z信息在晴天的误差信息中的西南向误差信息；
代表Z信息在晴天的误差信息中的东北向误差信息；
代表Z信息在晴天的误差信息中的西北向误差信息。
举例来说，晴天类别的矫正数据为：
其中，m为误差信息的数量，因为此处只用X、Y、Z三组数据，所以m=3。
以上是以东，南，西，北，东南，西南，东北，西北方向的差值信息作为误差信息，也可以在浒苔中确定一个点，并划分为360度，分别计算每一度的差值信息，该方法与上述处理过程相同，只需将东，南，西，北，东南，西南，东北，西北方向替换为360个角度即可，由于数据量巨大，可以根据情况酌情使用。
在一实施例中，根据所述校正数据和实时遥感影像数据生成待显示影像数据，包括：
识别所述实时遥感影像数据中浒苔的图像信息；
将所述校正数据与所述实时遥感影像数据中浒苔的图像信息中的边界信息进行计算生成待显示影像数据。
举例来说，校正数据包括东，南，西，北，东南，西南，东北，西北方向的八个数据，
识别实时遥感影像数据（卫星影像数据）中浒苔的图像信息，具体包括识别浒苔边界；
将浒苔边界按照东，南，西，北，东南，西南，东北，西北方向进行划分；
将校正数据中各个方向的差值与浒苔各个方向的边界进行计算，从而获得新的图像信息，例如，在校正数据中南方的差值为10CM，那么将识别到的浒苔边界对应南方的位置向南移动10CM，形成新的边界；
将各个方向新的边界进行连接得到新的浒苔边界。
在本实施例中，在针对不同类别的天气情况进行分类情况下，进一步对浒苔的边界进行划分，针对不同的方位进一步调整，使得获取的待显示的浒苔影像数据更加准确。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括如下如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，简称ROM)或随机存取存储器(RandomAccessMemory，简称RAM)等。
在本发明的另一方面，还提供了一种遥感影像实时传输及显示的装置，包括：
实时遥感影像数据获取模块，获取实时遥感影像数据，所述遥感影像数据包括卫星影像数据；
校正数据生成模块，利用校正数据库对所述卫星影像数据进行校正，生成校正数据，所述校正数据由历史卫星影像数据和补偿影像数据生成；
待显示影像数据生成模块，根据所述校正数据和实时遥感影像数据生成待显示影像数据；
传输模块，将所述待显示影像数据传输至显示装置进行显示。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的模块可以根据实际需要进行合并、划分和删减。
本发明旨在保护一种卫星影像实时分发方法和装置，方法包括：
获取待校正的卫星影像数据；
根据待校正的卫星影像数据获取校正数据，校正数据由历史卫星影像数据和补偿影像数据生成；
根据校正数据与卫星影像数据获得待显示的浒苔影像数据；
将待显示的浒苔影像数据发送至显示装置，供显示装置显示。
本发明提供的遥感影像实时传输及显示的方法基于历史的卫星影像数据和补偿影像数据对实时卫星影像数据进行校正处理，从而解决卫星影像的误差问题，以供显示装置显示更加准确的浒苔影像。同时，基于不同的天气信息采用不同的校正数据，符合卫星在不同天气情况下数据精度受影响的特点。采用本方法进行校正获取的待显示的浒苔影像数据更加准确。另外，在针对不同类别的天气情况进行分类情况下，进一步对浒苔的边界进行划分，针对不同的方位进一步调整，使得获取的待显示的浒苔影像数据更加准确。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
Claims (10)
1.一种遥感影像实时传输及显示的方法，其特征在于，包括：
获取实时遥感影像数据，所述遥感影像数据包括卫星影像数据；
利用校正数据库对所述卫星影像数据进行校正，生成校正数据，所述校正数据由历史卫星影像数据和补偿影像数据生成；
根据所述校正数据和实时遥感影像数据生成待显示影像数据；
将所述待显示影像数据传输至显示装置进行显示。
2.根据权利要求1所述的遥感影像实时传输及显示的方法，其特征在于，利用校正数据库对所述卫星影像数据进行校正，包括：
获取所述实时遥感影像数据对应的天气信息；
获取所述校正数据库中与该天气信息对应的校正数据；
根据所述天气信息及其对应的校正数据对所述卫星影像数据进行校正。
3.根据权利要求2所述的遥感影像实时传输及显示的方法，其特征在于，所述方法还包括生成校正数据库，所述生成校正数据库包括：
获取历史影像数据库，所述历史影像数据库包括预设时间段内的历史卫星影像数据和与该历史卫星影像数据相同时间采集补偿影像数据和天气信息；
将每一个历史卫星影像数据与对应的补偿影像数据进行配准；
根据配准后的影像数据获取误差信息；
将所述误差信息按照卫星影像数据所对应的天气信息进行分类；
对每个类别下的误差信息按照预设规则进行计算，获得每个类别对应的校正数据。
4.根据权利要求3所述的遥感影像实时传输及显示的方法，其特征在于，所述卫星影像数据包括浒苔影像数据；
所述将每一个历史卫星影像数据与对应的补偿影像数据进行配准包括，
对每一个历史卫星影像数据与对应的补偿影像数据执行以下步骤：
分别在历史卫星影像数据和对应的补偿影像数据中识别浒苔所在水域的边界；
在浒苔所在水域的所述边界分别选取第一参照点和第二参照点；
在补偿影像数据的所述边界识别所述第一参照点和所述第二参照点；
基于所述第一参照点和所述第二参照点将所述卫星影像数据与所述补偿影像数据叠加。
5.根据权利要求3所述的遥感影像实时传输及显示的方法，其特征在于，
所述根据配准后的影像数据获取误差信息包括：
基于所述历史卫星影像数据和补偿影像数据携带的位置信息及历史卫星影像数据的浒苔的边界、补偿影像数据的浒苔的边界获取误差信息。
6.根据权利要求5所述的遥感影像实时传输及显示的方法，其特征在于，
所述将所述误差信息按照卫星影像数据所对应的天气信息进行分类包括：
将所述误差信息按照雨、雾、云、雪、霜和晴天分类。
7.根据权利要求6所述的遥感影像实时传输及显示的方法，其特征在于，
根据所述校正数据和实时遥感影像数据生成待显示影像数据，包括：
识别所述实时遥感影像数据中浒苔的图像信息；
将所述校正数据与所述实时遥感影像数据中浒苔的图像信息中的边界信息进行计算生成待显示影像数据。
8.根据权利要求3所述的遥感影像实时传输及显示的方法，其特征在于，
对每个类别下的误差信息按照预设规则进行计算，获得每个类别对应的校正数据包括：
依次对每个类别下的误差信息执行以下步骤：
获取该类别下所有的误差信息，每一组误差信息包含多个部分的误差信息；
对该类别下所有的误差信息按照不同部分进行均值计算，获得该类别的矫正数据，所述矫正数据为多个部分的误差信息平均值。
9.根据权利要求3所述的遥感影像实时传输及显示的方法，其特征在于，基于所述历史卫星影像数据和补偿影像数据携带的位置信息及历史卫星影像数据的浒苔的边界、补偿影像数据的浒苔的边界获取误差信息包括：
获取所述历史卫星影像数据的浒苔的边界的位置信息，并按照规则分为多个部分；
获取所述补偿影像数据的浒苔的边界的位置信息，按照规则分为多个部分；
按照方向将多个部分的历史卫星影像数据的浒苔的边界的位置信息和多个部分的补偿影像数据的浒苔的边界的位置信息一一对应，并分别计算每个方向上的误差值，将所述误差值作为误差信息。
10.一种遥感影像实时传输及显示的装置，其特征在于，包括：
实时遥感影像数据获取模块，获取实时遥感影像数据，所述遥感影像数据包括卫星影像数据；
校正数据生成模块，利用校正数据库对所述卫星影像数据进行校正，生成校正数据，所述校正数据由历史卫星影像数据和补偿影像数据生成；
待显示影像数据生成模块，根据所述校正数据和实时遥感影像数据生成待显示影像数据；
传输模块，将所述待显示影像数据传输至显示装置进行显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310836383.5A CN116567187B (zh) | 2023-07-10 | 2023-07-10 | 一种遥感影像实时传输及显示的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310836383.5A CN116567187B (zh) | 2023-07-10 | 2023-07-10 | 一种遥感影像实时传输及显示的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116567187A true CN116567187A (zh) | 2023-08-08 |
| CN116567187B CN116567187B (zh) | 2023-09-26 |
Family
ID=87488379
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310836383.5A Active CN116567187B (zh) | 2023-07-10 | 2023-07-10 | 一种遥感影像实时传输及显示的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116567187B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN208398944U (zh) * | 2018-08-01 | 2019-01-18 | 江苏省地质调查研究院 | 一种安全智能地下水监测井保护装置 |
| CN111008941A (zh) * | 2019-11-29 | 2020-04-14 | 中国农业科学院农业资源与农业区划研究所 | 基于高分卫星遥感影像农业洪涝灾害范围监测系统及方法 |
| CN111861934A (zh) * | 2020-07-29 | 2020-10-30 | 贵阳欧比特宇航科技有限公司 | 一种高光谱卫星影像数据生产、镶嵌与元数据制作方法 |
| CN114779370A (zh) * | 2022-04-19 | 2022-07-22 | 中国民用航空华东地区空中交通管理局 | 一种结合卫星云图与数值评估的降水预报方法及系统 |
| CN115829118A (zh) * | 2022-11-29 | 2023-03-21 | 深圳市宇驰检测技术股份有限公司 | 森林碳汇遥感监测方法、装置、设备及存储介质 |
-
2023
- 2023-07-10 CN CN202310836383.5A patent/CN116567187B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN208398944U (zh) * | 2018-08-01 | 2019-01-18 | 江苏省地质调查研究院 | 一种安全智能地下水监测井保护装置 |
| CN111008941A (zh) * | 2019-11-29 | 2020-04-14 | 中国农业科学院农业资源与农业区划研究所 | 基于高分卫星遥感影像农业洪涝灾害范围监测系统及方法 |
| CN111861934A (zh) * | 2020-07-29 | 2020-10-30 | 贵阳欧比特宇航科技有限公司 | 一种高光谱卫星影像数据生产、镶嵌与元数据制作方法 |
| CN114779370A (zh) * | 2022-04-19 | 2022-07-22 | 中国民用航空华东地区空中交通管理局 | 一种结合卫星云图与数值评估的降水预报方法及系统 |
| CN115829118A (zh) * | 2022-11-29 | 2023-03-21 | 深圳市宇驰检测技术股份有限公司 | 森林碳汇遥感监测方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116567187B (zh) | 2023-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108227041B (zh) | 基于站点实测数据和模式结果的水平能见度预报方法 | |
| CN104268423B (zh) | 大尺度动态演化沙尘型气溶胶反演方法 | |
| CN107014753B (zh) | 作物长势监测方法和系统 | |
| CN111767865A (zh) | 一种利用航拍影像和激光数据反演红树林生物量的方法 | |
| CN112287287B (zh) | 一种林木碳汇量的测定方法、系统及装置 | |
| CN103413272A (zh) | 低空间分辨率多源遥感图像空间一致性校正方法 | |
| CN110989038B (zh) | 一种近地面颗粒浓度估算方法及系统 | |
| CN103196429B (zh) | 城市天际轮廓线立面正射影像图的快速获取和测量方法 | |
| CN111723464A (zh) | 一种基于遥感影像特征的台风椭圆型风场参数化模拟方法 | |
| CN110910440A (zh) | 一种基于电力影像数据的输电线路长度确定方法和系统 | |
| CN113204061A (zh) | 一种构建格点风速订正模型的方法及装置 | |
| CN110986884A (zh) | 一种基于无人机航测数据预处理及植被快速识别方法 | |
| CN115730524A (zh) | 一种基于机器学习的数值模拟虚拟测风误差订正方法 | |
| CN110175793B (zh) | 一种基于地面需求分析的人工增雨飞机航线设计方法 | |
| CN117392382A (zh) | 一种基于多尺度密集实例检测的单木果树分割方法与系统 | |
| CN113743027B (zh) | 一种基于cfd技术绘制风资源图谱的方法和装置 | |
| CN113916217B (zh) | 一种基于分区平流层大气折射模型的星光定位方法 | |
| CN116567187B (zh) | 一种遥感影像实时传输及显示的方法和装置 | |
| CN117853949A (zh) | 一种使用卫星云图识别冷锋的深度学习方法、系统 | |
| CN118072160A (zh) | 一种基于改进Mask R-CNN的单木尺度生物量精准估算方法及系统 | |
| CN107632328A (zh) | 一种近海海洋气象信息分析处理方法 | |
| CN115731560A (zh) | 一种基于深度学习的槽线识别方法、装置、存储介质及终端 | |
| CN116380002A (zh) | 一种光电吊舱安装误差的空中标定方法 | |
| CN111412899A (zh) | 一种应用无人机测绘对河流进行监测和评估的方法 | |
| CN110148218A (zh) | 一种大批量机载LiDAR点云数据整体优化的方法 |
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 |