CN116597013A - 一种基于不同经纬度区域的卫星图像几何定标方法 - Google Patents
一种基于不同经纬度区域的卫星图像几何定标方法 Download PDFInfo
- Publication number
- CN116597013A CN116597013A CN202310869343.0A CN202310869343A CN116597013A CN 116597013 A CN116597013 A CN 116597013A CN 202310869343 A CN202310869343 A CN 202310869343A CN 116597013 A CN116597013 A CN 116597013A
- Authority
- CN
- China
- Prior art keywords
- satellite
- image
- satellite image
- pixel
- geographic
- 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 65
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000013507 mapping Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Abstract
本发明公开了一种基于不同经纬度区域的卫星图像几何定标方法,涉及卫星图像定标方法技术领域,所述定标方法包括以下步骤:通过采集端获取需要进行几何定标的卫星图像后,处理端通过分析模型分析卫星图像数据和相关的元数据,判断卫星图像是否需要进行预处理,无需进行预处理的卫星图像直接进行通过使用控制点和配准算法,将卫星图像中的像素位置与地理坐标系统相对应,建立像素坐标和地理坐标之间的映射关系,并通过地理投影系统将卫星图像中的像素坐标转换为对应的地理坐标。本发明有效提高对卫星图像的几何定标处理效率。
Description
技术领域
本发明涉及卫星图像定标方法技术领域,具体涉及一种基于不同经纬度区域的卫星图像几何定标方法。
背景技术
卫星图像几何定标是指将卫星图像中的像素坐标转换为地理坐标的过程,由于卫星图像是由卫星在空间中获取的,因此它们的像素坐标与地理坐标之间存在复杂的映射关系,几何定标的目标是根据卫星的轨道参数和传感器的特性,将卫星图像中的每个像素位置与地球表面上的具体位置相对应,不同经纬度区域的卫星图像几何定标需要考虑特定区域的地理特征和投影系统。
现有技术存在以下不足:
现有对卫星图像几何定标的方法中,在获取卫星图像后,对卫星图像无预先分析处理,获取的卫星图像由定标人员凭借经验来判断是否需要预处理,然而,由于人为分析存在主观性,当卫星图像实际无需预处理,但人为分析需要处理时,会增加卫星图像的整体处理时间,从而降低卫星图像的标定效率,当卫星图像实际需要预处理,但人为分析无需处理时,可能会导致后续卫星图像标定出现误差或降低卫星图像质量。
发明内容
本发明的目的是提供一种基于不同经纬度区域的卫星图像几何定标方法,以解决背景技术中不足。
为了实现上述目的,本发明提供如下技术方案:一种基于不同经纬度区域的卫星图像几何定标方法,所述定标方法包括以下步骤:
S1:采集端获取卫星图像,包括卫星图像数据和相关的元数据;
S2:处理端通过分析模型分析卫星图像数据和相关的元数据,判断卫星图像是否需要进行预处理;
S3:在卫星图像中选择已知地理位置的显著特征作为控制点;
S4:使用控制点和配准算法,将卫星图像中的像素位置与地理坐标系统相对应,建立像素坐标和地理坐标之间的映射关系;
S5:通过地理投影系统将卫星图像中的像素坐标转换为对应的地理坐标;
S6:对几何定标后的卫星图像进行检查和验证。
在一个优选的实施方式中,步骤S1中,所述采集端获取的卫星图像数据和相关的元数据包括径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差。
在一个优选的实施方式中,步骤S2中,分析模型的建立包括以下步骤:
S2.1:处理端将径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差去除量纲后,综合计算获取分析系数,计算表达式为:/>,式中,/>为径向畸变指数,/>为图像位置的经度方向偏移,/>为像素坐标均方根误差,分别为径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差的比例系数,且/>均大于0;
S2.2:获取分析系数后,将分析系数/>与预设筛选阈值/>进行对比,完成分析模型的建立。
在一个优选的实施方式中,步骤S2中,所述处理端通过分析模型分析卫星图像数据和相关的元数据包括以下步骤:
S2.3:若通过分析模型分析卫星图像的分析系数大于等于筛选阈值/>,处理端判断卫星图像需要进行预处理;
S2.4:若通过分析模型分析卫星图像的分析系数小于筛选阈值/>,处理端判断卫星图像不需要进行预处理。
在一个优选的实施方式中,所述处理端判断卫星图像是否需要进行预处理,预处理包括使用卫星的轨道参数对卫星图像进行轨道偏差的校正,对卫星图像进行传感器畸变校正。
在一个优选的实施方式中,所述径向畸变指数的计算表达式为:,式中,r表示像素点相对于透镜畸变中心的径向距离,k1、k2和k3是径向畸变系数,径向畸变系数k1、k2和k3由卫星制造商提供数据获取。
在一个优选的实施方式中,所述图像位置的经度方向偏移的计算表达式为:;式中,/>是卫星的速度,/>是图像拍摄时间与参考时间的差异,/>是拍摄地点的经度。
在一个优选的实施方式中,所述像素坐标均方根误差的获取逻辑为:计算每个控制点在图像中测量的像素坐标与控制点已知的地理位置对应的理论像素坐标之间的差异,像素坐标误差的计算表达式为:
;
式中,为测量像素坐标,/>为理论像素坐标,则像素坐标均方根误差的计算表达式为:
;
式中,为控制点的数量, />分别表示所有控制点的水平和垂直方向上的像素坐标误差的平方和。
在一个优选的实施方式中,所述处理端使用卫星的轨道参数对卫星图像进行轨道偏差的校正包括以下步骤:
获取卫星的轨道参数,将轨道参数与时间参数结合,使用数值方法进行计算获得卫星在拍摄图像时的位置,根据卫星位置和拍摄图像的时间信息,建立轨道偏差校正模型,使用轨道偏差校正模型,对卫星图像进行校正。
在一个优选的实施方式中,所述处理端对卫星图像进行传感器畸变校正包括以下步骤:根据卫星图像透镜畸变的参数通过插值方法对图像中的畸变进行校正,通过网格校正模型对图像中的非线性畸变进行校正。
在上述技术方案中,本发明提供的技术效果和优点:
本发明通过采集端获取需要进行几何定标的卫星图像后,处理端通过分析模型分析卫星图像数据和相关的元数据,判断卫星图像是否需要进行预处理,无需进行预处理的卫星图像直接进行通过使用控制点和配准算法,将卫星图像中的像素位置与地理坐标系统相对应,建立像素坐标和地理坐标之间的映射关系,并通过地理投影系统将卫星图像中的像素坐标转换为对应的地理坐标,从而提高对卫星图像的几何定标处理效率;
本发明通过获取卫星图像数据和相关的元数据中的径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差,将径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差去除量纲后,综合计算获取分析系数,从而全面分析卫星图像是否需要进行预处理,分析精度高,且数据处理效率高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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作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。
实施例1:请参阅图1所示,本实施例所述一种基于不同经纬度区域的卫星图像几何定标方法,所述定标方法包括以下步骤:
采集端获取需要进行几何定标的卫星图像,包括卫星图像数据和相关的元数据(如轨道参数、传感器特性等),处理端通过分析模型分析卫星图像数据和相关的元数据,判断卫星图像是否需要进行预处理,预处理包括使用卫星的轨道参数对卫星图像进行轨道偏差的校正,以消除卫星运动对卫星图像像素位置的影响,对卫星图像进行传感器畸变校正,包括透镜畸变、视场非线性畸变等,以使卫星图像像素位置更准确地反映地球表面的地理位置,在卫星图像中选择一些已知地理位置的显著特征作为控制点,这些控制点可以是人工标注的地物特征或地面测量采集的数据,通过使用控制点和配准算法,将卫星图像中的像素位置与地理坐标系统相对应,建立像素坐标和地理坐标之间的映射关系,通过地理投影系统将卫星图像中的像素坐标转换为对应的地理坐标,这涉及到投影参数的计算和坐标转换操作,对几何定标后的卫星图像进行检查和验证,以确保像素位置与地理位置的匹配度和准确性。
本申请通过采集端获取需要进行几何定标的卫星图像后,处理端通过分析模型分析卫星图像数据和相关的元数据,判断卫星图像是否需要进行预处理,无需进行预处理的卫星图像直接进行通过使用控制点和配准算法,将卫星图像中的像素位置与地理坐标系统相对应,建立像素坐标和地理坐标之间的映射关系,并通过地理投影系统将卫星图像中的像素坐标转换为对应的地理坐标,从而提高对卫星图像的几何定标处理效率。
在卫星图像中选择一些已知地理位置的显著特征作为控制点,通过使用控制点和配准算法,将卫星图像中的像素位置与地理坐标系统相对应,建立像素坐标和地理坐标之间的映射关系包括以下步骤:
A、选择控制点:从卫星图像中选择一些已知地理位置的显著特征作为控制点,这些控制点可以是地物边界、建筑物角点、道路交叉点等容易在图像中识别和定位的特征点,确保控制点的地理位置已知,并且能够准确地与地理坐标系统对应;
B、提取控制点的像素位置:通过特征点检测算法(如SIFT、SURF等)提取出选定控制点在卫星图像中的像素位置;
C、获取控制点的地理坐标:对于每个选定的控制点,获取其对应的地理坐标,这可以通过地理调查、地理信息系统(GIS)数据或其他准确的地理定位方式来获得;
D、建立像素坐标和地理坐标的映射关系:使用最小二乘法将图像中的像素位置与地理坐标进行配准,建立它们之间的映射关系,将控制点的像素坐标与其对应的地理坐标进行匹配,从而建立映射关系;
E、扩展映射关系:利用建立的像素坐标和地理坐标的映射关系,将整个图像的像素位置与地理坐标相对应,通过对图像中的每个像素点应用映射关系,可以将图像中的像素位置转换为准确的地理位置。
上述步骤D中,使用最小二乘法将图像中的像素位置与地理坐标进行配准步骤如下:
D1、定义映射模型:使用二维的映射模型,将像素位置(x,y)映射到地理坐标(lon,lat),以多项式模型为例,选择二阶多项式模型,映射函数的形式为:
lon=a0+a1*x+a2*y+a3*x^2+a4*x*y+a5*y^2;
lat=b0+b1*x+b2*y+b3*x^2+b4*x*y+b5*y^2;
D2、定义误差函数:衡量像素位置和地理坐标之间的差异,常用的误差函数是重投影误差,即将地理坐标通过映射模型转换为像素位置,并计算与实际像素位置的差异,可以使用欧几里得距离作为误差度量,即:
error=sqrt((x-x_mapped)^2+(y-y_mapped)^2);
其中,(x,y)是实际像素位置,(x_mapped,y_mapped)是通过映射模型计算得到的映射后的像素位置;
D3、构建误差方程:将所有控制点的误差进行组合,构建一个总体的误差方程,通常将误差方程定义为最小化误差的平方和,即:
E=sum(error^2);
其中,error是每个控制点的误差。
D4、最小化误差函数:使用最小二乘法来最小化误差函数,找到使得误差最小的模型参数,可以使用数值优化算法,如Levenberg-Marquardt算法或梯度下降算法,来求解最优参数。
通过地理投影系统将卫星图像中的像素坐标转换为对应的地理坐标包括以下步骤:
A、确定地理投影系统:选择适合当前应用的地理投影系统,地理投影系统是一种将地球表面的曲面坐标投影到平面上的方法,常用的地理投影系统包括经纬度坐标系统、UTM坐标系统、高斯-克吕格坐标系统等,根据实际需求和数据所在的地理区域,选择合适的地理投影系统;
B、获取地理投影系统的参数:根据选定的地理投影系统,获取相应的投影参数,这些参数包括中央经线、假东原点、假北原点、缩放因子等,可以从地理信息系统(GIS)数据或其他参考资料中获取这些参数;
C、定义坐标转换函数:根据选定的地理投影系统和相应的参数,定义将像素坐标转换为地理坐标的转换函数,这个函数将图像中的像素坐标作为输入,根据地理投影系统的公式和参数,计算出对应的地理坐标;
D、应用坐标转换函数:对于卫星图像中的每个像素,应用定义好的坐标转换函数,将像素坐标转换为地理坐标,这可以通过遍历图像中的每个像素点,并使用转换函数进行计算来实现;
上述步骤D中,应用定义好的坐标转换函数,将像素坐标转换为地理坐标包括以下步骤:
D1、获取像素坐标:在卫星图像中选择感兴趣的像素点,记录其像素坐标,通常以行和列的方式表示,
D2、应用坐标转换函数:将记录的像素坐标作为输入,应用事先定义好的坐标转换函数,进行像素坐标到地理坐标的转换计算,根据函数的定义,输入像素坐标,执行计算过程,得到对应的地理坐标,
D3、重复步骤D2:对于每个感兴趣的像素点,重复步骤D2,依次将像素坐标转换为地理坐标,
D4、保存地理坐标:将转换得到的地理坐标保存起来,可以以相同的行和列的方式表示,或者使用其他地理坐标系统的表示方式,如经纬度坐标。
对几何定标后的卫星图像进行检查和验证包括以下步骤:
A、控制点验证:选择一些已知地理位置的控制点,通过对比定标后的卫星图像中的像素位置和控制点的地理坐标,验证定标的准确性,计算像素位置和地理坐标之间的差异,并评估其是否在可接受的误差范围内;
B、直线检查:在图像中选择一些直线特征,例如建筑物边缘、道路线条等,通过测量直线的长度和角度来验证图像的几何形状是否保持准确,比较图像中直线的实际长度和角度与已知的地理信息或现实世界中的测量结果;
C、物体形状检查:选择一些具有规则形状的物体,如建筑物、田地等,通过测量物体的尺寸和形状来验证图像的几何形状是否保持准确,比较图像中物体的实际尺寸和形状与已知的地理信息或现实世界中的测量结果;
D、地理位置验证:对比定标后的卫星图像中的地理位置信息与已知的地理信息或地理参考数据进行验证,比较图像中特定地点的地理坐标与已知位置的坐标,并评估其是否在可接受的误差范围内;
E、可视化比较:通过在地理信息系统(GIS)软件中叠加定标后的卫星图像与现实地理数据进行可视化比较,将定标后的图像与地理数据重叠显示,观察图像与地理数据之间的一致性和对齐情况。
实施例2:处理端通过分析模型分析卫星图像数据和相关的元数据,判断卫星图像是否需要进行预处理,预处理包括使用卫星的轨道参数对卫星图像进行轨道偏差的校正,以消除卫星运动对卫星图像像素位置的影响,对卫星图像进行传感器畸变校正,包括透镜畸变、视场非线性畸变等,以使卫星图像像素位置更准确地反映地球表面的地理位置。
处理端通过分析模型分析卫星图像数据和相关的元数据,判断卫星图像是否需要进行预处理;
分析模型的建立包括以下步骤:
获取卫星图像数据和相关的元数据中的径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差,将径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差去除量纲后,综合计算获取分析系数,计算表达式为:/>,式中,/>为径向畸变指数,/>为图像位置的经度方向偏移,/>为像素坐标均方根误差,分别为径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差的比例系数,且/>均大于0。
获取分析系数后,将分析系数/>与预设筛选阈值/>进行对比,完成分析模型的建立;
处理端通过分析模型分析卫星图像数据和相关的元数据,判断卫星图像是否需要进行预处理包括以下步骤:
若通过分析模型分析卫星图像的分析系数大于等于筛选阈值/>,处理端判断卫星图像需要进行预处理;
若通过分析模型分析卫星图像的分析系数小于筛选阈值/>,处理端判断卫星图像不需要进行预处理。
预处理包括使用卫星的轨道参数对卫星图像进行轨道偏差的校正,以消除卫星运动对卫星图像像素位置的影响,对卫星图像进行传感器畸变校正,包括透镜畸变、视场非线性畸变等,以使卫星图像像素位置更准确地反映地球表面的地理位置。
使用卫星的轨道参数对卫星图像进行轨道偏差的校正包括以下步骤:
A、获取轨道参数:首先需要获取卫星的轨道参数,包括卫星的高度、倾角、轨道周期等信息,这些参数可以从卫星制造商、卫星数据提供商或其他相关数据源中获得;
B、计算卫星的精确位置:将轨道参数与时间参数结合,使用数值方法(如四阶Runge-Kutta方法)进行计算,以获得卫星在拍摄图像时的准确位置,计算卫星在拍摄图像时刻的精确位置;
C、生成轨道偏差校正模型:根据卫星的精确位置和拍摄图像的时间信息,建立轨道偏差校正模型,这个模型可以描述卫星在拍摄图像时相对于预期轨道位置的偏差情况;
D、应用轨道偏差校正模型:使用轨道偏差校正模型,对卫星图像进行校正,根据图像中每个像素的位置信息和校正模型,对像素位置进行调整,以消除卫星运动引起的轨道偏差,使图像像素位置更准确地反映地球表面的地理位置。
上述步骤C中,建立轨道偏差校正模型包括以下步骤:
C1、获取卫星的精确位置:使用卫星的轨道参数和相关的物理模型,计算卫星在拍摄图像时刻的精确位置,这可以通过数值方法(如四阶Runge-Kutta方法)进行计算,将轨道参数和时间参数结合起来;
C2、确定轨道的椭圆参数:椭圆轨道由几个重要参数定义,包括半长轴(semi-majoraxis)、离心率(eccentricity)、倾角(inclination)、升交点赤经(rightascensionofascendingnode)等,这些参数可以从卫星的轨道参数中计算或获取;
C3、建立椭圆轨道模型:使用椭圆轨道的参数,建立描述卫星轨道的数学模型,椭圆轨道模型可以根据椭圆的方程进行建立,其中包括椭圆的几何特征和运动规律,模型中的参数可以根据卫星的轨道参数和相关物理参数进行计算或获取;
C4、校正模型应用:根据建立的椭圆轨道模型,将卫星的轨道偏差信息应用于图像的像素位置校正,这可以通过将像素位置与卫星的精确位置进行比较和调整来实现,根据模型,可以计算出每个像素在地理坐标系下的准确位置。
对卫星图像进行传感器畸变校正,包括透镜畸变、视场非线性畸变等包括以下步骤:
A、收集畸变校正所需的参数:卫星制造商通常会提供有关透镜畸变和视场非线性畸变的参数信息,这些参数可以包括透镜畸变系数、视场中心偏移量等,确保获取正确的参数以进行畸变校正;
B、透镜畸变校正:透镜畸变是由于透镜形状和光线折射等因素引起的失真,根据透镜畸变的参数利用数学公式或插值方法对图像中的畸变进行校正;
C、视场非线性畸变校正:视场非线性畸变是由于成像系统在不同位置处的像素尺度不一致所引起的失真,通过网格校正模型对图像中的非线性畸变进行校正,这可以通过重新映射像素位置来实现,以使图像的像素位置更准确地反映地球表面的地理位置。
径向畸变指数的计算表达式为: ,式中,r表示像素点相对于透镜畸变中心的径向距离,k1、k2和k3是径向畸变系数,径向畸变系数k1、k2和k3由卫星制造商提供数据获取,透镜畸变中心通常是透镜的光学中心或者光轴与图像平面的交点,对于透镜畸变模型,它通常以透镜畸变中心为原点建立坐标系,像素点的径向距离就是该像素点到透镜畸变中心的距离;
径向畸变指数越大,会导致以下问题出现:
1)图像中直线的弯曲程度增加:径向畸变会导致图像中的直线在某些部分呈现出弯曲的形态,这是因为径向畸变会引入额外的偏移或扭曲,使直线在图像中的某些部分与真实的直线形状不符;
2)形状失真增加:径向畸变还会导致图像中的曲线、圆形或其他形状发生失真,这些形状可能会变形、变扁或变得不规则,这种形状失真会影响图像的几何精度和视觉感知;
3)视场非线性增加:径向畸变还可能导致图像的视场在径向方向上呈现出非线性的特征,这意味着同样距离中心点相同距离的两个点,其像素之间的距离可能会随着距离中心点的距离变化而变化,这会导致图像中的对象在不同位置处具有不同的尺度变化;
综上所述,径向畸变指数越大,卫星图像越需要进行预处理。
图像位置的经度方向偏移的计算表达式为:;式中,/>是卫星的速度,/>是图像拍摄时间与参考时间的差异,/>是拍摄地点的经度;
图像位置的经度方向偏移越大会导致以下问题:
1)图像位置偏移:由于地球自转的影响,卫星在拍摄图像时会有一定的轨道偏移,这会导致图像中的对象在地理位置上与其真实位置存在一定的偏差,偏差的大小与轨道偏差的程度成正比;
2)图像形状扭曲:地球自转导致的轨道偏差还可能导致图像中的对象在形状上出现扭曲,特别是对于大范围的卫星图像,图像的形状可能会在不同位置呈现出不同的压缩或拉伸效应;
3)视场变形:轨道偏差也会导致卫星图像中的视场出现变形,不同位置的图像视场可能有微小的差异,这意味着同样距离中心点相同距离的两个点,在图像中的位置可能会有微小的偏差;
综上所述,图像位置的经度方向偏移越大,卫星图像越需要进行预处理。
像素坐标均方根误差的获取逻辑为:对于每个控制点,可以计算其在图像中测量的像素坐标与其已知的地理位置对应的理论像素坐标之间的差异,则像素坐标误差的计算表达式为:
;
式中,为测量像素坐标,/>为理论像素坐标,则像素坐标均方根误差的计算表达式为:
;
式中,为控制点的数量,/>分别表示所有控制点的水平和垂直方向上的像素坐标误差的平方和;
像素坐标均方根误差越大,会导致以下问题:
定位误差增加:RMSE是衡量像素坐标预测与真实地理位置之间差异的指标,当RMSE值较大时,表示预测的像素坐标与实际地理位置之间的差异较大,即定位误差较高;
图像位置不准确:较大的RMSE值意味着图像中的像素位置与其真实地理位置之间存在较大的差异,这可能导致图像中的对象或特征点在地理位置上显示不准确,使得图像的地理解译和测量分析变得困难;
地理定位精度降低:RMSE值的增大表示卫星图像的地理定位精度降低,在地理信息系统(GIS)应用、地图制作和遥感分析等领域中,较大的RMSE值可能会影响到空间数据的准确性和可靠性;
综上所述,像素坐标均方根误差越大,表明卫星图像的几何定位精度越低。
本申请通过获取卫星图像数据和相关的元数据中的径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差,将径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差去除量纲后,综合计算获取分析系数,从而全面分析卫星图像是否需要进行预处理,分析精度高,且数据处理效率高。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种基于不同经纬度区域的卫星图像几何定标方法,其特征在于:所述定标方法包括以下步骤:
S1:采集端获取卫星图像,包括卫星图像数据和相关的元数据;
S2:处理端通过分析模型分析卫星图像数据和相关的元数据,判断卫星图像是否需要进行预处理;
S3:在卫星图像中选择已知地理位置的显著特征作为控制点;
S4:使用控制点和配准算法,将卫星图像中的像素位置与地理坐标系统相对应,建立像素坐标和地理坐标之间的映射关系;
S5:通过地理投影系统将卫星图像中的像素坐标转换为对应的地理坐标;
S6:对几何定标后的卫星图像进行检查和验证。
2.根据权利要求1所述的一种基于不同经纬度区域的卫星图像几何定标方法,其特征在于:步骤S1中,所述采集端获取的卫星图像数据和相关的元数据包括径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差。
3.根据权利要求2所述的一种基于不同经纬度区域的卫星图像几何定标方法,其特征在于:步骤S2中,分析模型的建立包括以下步骤:
S2.1:处理端将径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差去除量纲后,综合计算获取分析系数 ,计算表达式为:/>,式中,/>为径向畸变指数,/>为图像位置的经度方向偏移,/>为像素坐标均方根误差,分别为径向畸变指数、图像位置的经度方向偏移、像素坐标均方根误差的比例系数,且/>均大于0;
S2.2:获取分析系数后,将分析系数/>与预设筛选阈值/>进行对比,完成分析模型的建立。
4.根据权利要求3所述的一种基于不同经纬度区域的卫星图像几何定标方法,其特征在于:步骤S2中,所述处理端通过分析模型分析卫星图像数据和相关的元数据包括以下步骤:
S2.3:若通过分析模型分析卫星图像的分析系数大于等于筛选阈值/>,处理端判断卫星图像需要进行预处理;
S2.4:若通过分析模型分析卫星图像的分析系数小于筛选阈值/>,处理端判断卫星图像不需要进行预处理。
5.根据权利要求4所述的一种基于不同经纬度区域的卫星图像几何定标方法,其特征在于:所述处理端判断卫星图像是否需要进行预处理,预处理包括使用卫星的轨道参数对卫星图像进行轨道偏差的校正,对卫星图像进行传感器畸变校正。
6.根据权利要求5所述的一种基于不同经纬度区域的卫星图像几何定标方法,其特征在于:所述径向畸变指数的计算表达式为:,式中,r表示像素点相对于透镜畸变中心的径向距离,k1、k2和k3是径向畸变系数,径向畸变系数k1、k2和k3由卫星制造商提供数据获取。
7.根据权利要求6所述的一种基于不同经纬度区域的卫星图像几何定标方法,其特征在于:所述图像位置的经度方向偏移的计算表达式为:;式中,/>是卫星的速度,/>是图像拍摄时间与参考时间的差异,/>是拍摄地点的经度。
8.根据权利要求7所述的一种基于不同经纬度区域的卫星图像几何定标方法,其特征在于:所述像素坐标均方根误差的获取逻辑为:计算每个控制点在图像中测量的像素坐标与控制点已知的地理位置对应的理论像素坐标之间的差异,像素坐标误差的计算表达式为:
;
式中,为测量像素坐标,/>为理论像素坐标,则像素坐标均方根误差的计算表达式为:
;
式中,为控制点的数量,/>分别表示所有控制点的水平和垂直方向上的像素坐标误差的平方和。
9.根据权利要求5所述的一种基于不同经纬度区域的卫星图像几何定标方法,其特征在于:所述处理端使用卫星的轨道参数对卫星图像进行轨道偏差的校正包括以下步骤:
获取卫星的轨道参数,将轨道参数与时间参数结合,使用数值方法进行计算获得卫星在拍摄图像时的位置,根据卫星位置和拍摄图像的时间信息,建立轨道偏差校正模型,使用轨道偏差校正模型,对卫星图像进行校正。
10.根据权利要求5所述的一种基于不同经纬度区域的卫星图像几何定标方法,其特征在于:所述处理端对卫星图像进行传感器畸变校正包括以下步骤:根据卫星图像透镜畸变的参数通过插值方法对图像中的畸变进行校正,通过网格校正模型对图像中的非线性畸变进行校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310869343.0A CN116597013B (zh) | 2023-07-17 | 2023-07-17 | 一种基于不同经纬度区域的卫星图像几何定标方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310869343.0A CN116597013B (zh) | 2023-07-17 | 2023-07-17 | 一种基于不同经纬度区域的卫星图像几何定标方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116597013A true CN116597013A (zh) | 2023-08-15 |
CN116597013B CN116597013B (zh) | 2023-09-26 |
Family
ID=87608538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310869343.0A Active CN116597013B (zh) | 2023-07-17 | 2023-07-17 | 一种基于不同经纬度区域的卫星图像几何定标方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116597013B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291980A (zh) * | 2023-10-09 | 2023-12-26 | 宁波博登智能科技有限公司 | 一种基于深度学习的单张无人机图像像素定位方法 |
CN117407477A (zh) * | 2023-10-26 | 2024-01-16 | 航科院中宇(北京)新技术发展有限公司 | 地理信息数据演变识别处理方法、系统及存储介质 |
CN117612046A (zh) * | 2024-01-23 | 2024-02-27 | 青岛云世纪信息科技有限公司 | 一种基于ai和gis交互实现目标区域地物识别的方法和系统 |
CN117407477B (zh) * | 2023-10-26 | 2024-05-14 | 航科院中宇(北京)新技术发展有限公司 | 地理信息数据演变识别处理方法、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845452A (zh) * | 2017-02-23 | 2017-06-13 | 中国公路工程咨询集团有限公司 | 基于北斗的高分遥感数据处理方法 |
CN107144293A (zh) * | 2017-04-07 | 2017-09-08 | 武汉大学 | 一种视频卫星面阵相机的几何定标方法 |
CN114838740A (zh) * | 2022-05-20 | 2022-08-02 | 北京市遥感信息研究所 | 一种考虑不同经纬度区域的卫星图像几何定标方法 |
KR20230078377A (ko) * | 2021-11-26 | 2023-06-02 | 한국항공우주연구원 | 위성 영상 편집 방법, 위성 영상 편집 장치 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램 |
KR102540762B1 (ko) * | 2022-10-14 | 2023-06-14 | 대한민국 | 위성영상을 이용한 저수지 모니터링 방법 |
-
2023
- 2023-07-17 CN CN202310869343.0A patent/CN116597013B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845452A (zh) * | 2017-02-23 | 2017-06-13 | 中国公路工程咨询集团有限公司 | 基于北斗的高分遥感数据处理方法 |
CN107144293A (zh) * | 2017-04-07 | 2017-09-08 | 武汉大学 | 一种视频卫星面阵相机的几何定标方法 |
KR20230078377A (ko) * | 2021-11-26 | 2023-06-02 | 한국항공우주연구원 | 위성 영상 편집 방법, 위성 영상 편집 장치 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램 |
CN114838740A (zh) * | 2022-05-20 | 2022-08-02 | 北京市遥感信息研究所 | 一种考虑不同经纬度区域的卫星图像几何定标方法 |
KR102540762B1 (ko) * | 2022-10-14 | 2023-06-14 | 대한민국 | 위성영상을 이용한 저수지 모니터링 방법 |
Non-Patent Citations (1)
Title |
---|
马超;张洪岩;赵建军;封斯文;: "卫星遥感图像的几何校正优化研究仿真", 计算机仿真, no. 03 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291980A (zh) * | 2023-10-09 | 2023-12-26 | 宁波博登智能科技有限公司 | 一种基于深度学习的单张无人机图像像素定位方法 |
CN117291980B (zh) * | 2023-10-09 | 2024-03-15 | 宁波博登智能科技有限公司 | 一种基于深度学习的单张无人机图像像素定位方法 |
CN117407477A (zh) * | 2023-10-26 | 2024-01-16 | 航科院中宇(北京)新技术发展有限公司 | 地理信息数据演变识别处理方法、系统及存储介质 |
CN117407477B (zh) * | 2023-10-26 | 2024-05-14 | 航科院中宇(北京)新技术发展有限公司 | 地理信息数据演变识别处理方法、系统及存储介质 |
CN117612046A (zh) * | 2024-01-23 | 2024-02-27 | 青岛云世纪信息科技有限公司 | 一种基于ai和gis交互实现目标区域地物识别的方法和系统 |
CN117612046B (zh) * | 2024-01-23 | 2024-04-26 | 青岛云世纪信息科技有限公司 | 一种基于ai和gis交互实现目标区域地物识别的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116597013B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116597013B (zh) | 一种基于不同经纬度区域的卫星图像几何定标方法 | |
CN109903352B (zh) | 一种卫星遥感影像大区域无缝正射影像制作方法 | |
CN102003938B (zh) | 大型高温锻件热态在位检测方法 | |
CN110388898B (zh) | 构建虚拟控制点约束的多源多重覆盖遥感影像平差方法 | |
US5606627A (en) | Automated analytic stereo comparator | |
US6690841B2 (en) | Method and apparatus for image registration | |
CN111260615B (zh) | 基于激光和机器视觉融合的无人机桥梁表观病害检测方法 | |
EP1378790A2 (en) | Method and device for correcting lens aberrations in a stereo camera system with zoom | |
CN104835159A (zh) | 用于连续变焦距光学成像系统的数字图像校正方法 | |
CN104392435A (zh) | 鱼眼相机标定方法及标定装置 | |
CN106887016B (zh) | 一种gf-4卫星序列图像自动相对配准方法 | |
CN106895851A (zh) | 一种光学遥感卫星多ccd多相机统一处理的传感器校正方法 | |
CN105444778B (zh) | 一种基于成像几何反演的星敏感器在轨定姿误差获取方法 | |
CN110836662B (zh) | 基于相对定向和绝对定向算法的边坡位移监测方法 | |
CN112270320B (zh) | 一种基于卫星影像校正的输电线路杆塔坐标校准方法 | |
CN113947638B (zh) | 鱼眼相机影像正射纠正方法 | |
CN113793270A (zh) | 一种基于无人机姿态信息的航拍图像几何校正方法 | |
CN113538595B (zh) | 利用激光测高数据辅助提升遥感立体影像几何精度的方法 | |
CN111486864A (zh) | 基于立体正八边结构的多源传感器联合标定方法 | |
CN110068313B (zh) | 一种基于投影变换的数字天顶仪定向方法 | |
Cauchois et al. | Calibration of the omnidirectional vision sensor: SYCLOP | |
CN115690380B (zh) | 一种配准方法及系统 | |
CN116753916A (zh) | 多视角卫星影像区域网平差方法及系统 | |
CN107941241B (zh) | 一种用于航空摄影测量质量评价的分辨率板及其使用方法 | |
CN116152325A (zh) | 一种基于单目视频的道路交通高边坡稳定性监测方法 |
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 |