CN117076704B - 一种图像质量分析评价方法及系统 - Google Patents
一种图像质量分析评价方法及系统 Download PDFInfo
- Publication number
- CN117076704B CN117076704B CN202311336448.6A CN202311336448A CN117076704B CN 117076704 B CN117076704 B CN 117076704B CN 202311336448 A CN202311336448 A CN 202311336448A CN 117076704 B CN117076704 B CN 117076704B
- Authority
- CN
- China
- Prior art keywords
- image
- ground control
- analyzed
- evaluation
- calculating
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 56
- 238000004458 analytical method Methods 0.000 title claims abstract description 50
- 238000013441 quality evaluation Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 230000006698 induction Effects 0.000 abstract description 2
- 238000011282 treatment Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Library & Information Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像质量分析评价方法及系统，通过分类归纳，形成以外部图像质量分析、内部图像质量分析以及波段配准精度评价为主体的图像质量评价要素，在图像质量评价中，需要引入参考数据，自动进行控制点匹配，同时进行少量人工交互，首先通过灰度互相关匹配算法确定大致范围，然后通过后续的精密匹配算法完成进一步匹配，采用了由粗到细的匹配方式，不用对图像进行分辨率一致等处理，提高了处理效率和准确性。
Description
技术领域
本发明属于图像数据分析的技术领域，具体涉及一种图像质量分析评价方法及系统。
背景技术
随着航空航天遥感以及计算机技术的飞速发展，卫星遥感图像得到越来越广泛的应用，在军事侦查、大地测量、勘察矿物、农业调查等方面都起到了重要的作用。获取和解译高质量的遥感数据成为学术界研究的重点，也因此产生了很多新的遥感产品和图像处理方法，并且遥感图像质量评价得到了越来越多的重视。合理正确地对已获取的卫星遥感数据进行评价，是对前期工作的客观、定性、定量地总结，也为下一步地工作给出了指导性地建议，使其充分发挥社会和经济效益；
现有遥感图像类型较多，针对某些特殊的应用如何选择合适的遥感图像数据成为研究人员的难题，传统的遥感图像质量分析评价方法得到的结果准确率较低，效果不够理想。
发明内容
针对上述现有技术的不足，本申请提供一种图像质量分析评价方法及系统。
第一方面本申请提出了一种图像质量分析评价方法，包括以下步骤：
获取遥感图像；
对所述遥感图像进行裁剪从而获取对应的地面图像，构建地面图像数据库，同时引入地理参考数据，从所述遥感图像中获取与所述地理参考数据相匹配的地面控制点；
基于相匹配的地面控制点从所述地面图像数据库中筛选出符合条件的地面图像作为配对图像，采用灰度互相关匹配算法从待分析图像中筛选出与所述配对图像相匹配的图像区域，根据所述图像区域从所述待分析图像中获取对应的地面控制点；
当获取的待分析图像的地面控制点达到预设数量后，对所述待分析图像进行图像质量分析评价。
在一些实施例中，所述采用灰度互相关匹配算法从待分析图像中筛选出与所述配对图像相匹配的图像区域，根据所述图像区域从所述待分析图像中获取对应的地面控制点，包括：
对灰度互相关寻找的所述图像区域和所述配对图像分别进行图像边缘提取，得到边缘二值图像；
在所述边缘二值图像上计算归一化互相关系数，寻找互相关峰值出现的位置，完成图像初步匹配。
在一些实施例中，所述采用灰度互相关匹配算法从待分析图像中筛选出与所述配对图像相匹配的图像区域，根据所述图像区域从所述待分析图像中获取对应的地面控制点，还包括：
利用灰度归一化互相关获取灰度互相关峰值对应的位置，同时利用边缘归一化互相关获得一个或几个位置；
分别在所有位置的小邻域计算基于Renyi熵的互信息，选取最大互信息熵的位置作为精匹配的地面控制点。
在一些实施例中，所述图像质量分析评价包括外部图像质量评价和内部图像质量评价；
所述外部图像质量评价，用于基于系统几何分析得到的图像地理位置和真实地理位置之间的差异；
所述内部图像质量评价，用于基于精匹配的地面控制点得到图像内部畸变情况。
在一些实施例中，所述外部图像质量评价的评价分析步骤包括：
计算精匹配的地面控制点的图像坐标以及实际坐标的差值；
计算精匹配的地面控制点的点位误差和方位角；
将所述点位误差沿卫星飞行方向和垂直于飞行方向分解，沿卫星飞行方向为X轴方向，X轴顺时针旋转90度为Y轴方向；
计算待分析图像中所有地面控制点的纵向偏差平方和横向偏差平方的算术平均值作为定位误差,计算所述定位误差的均值和均方根误差得到定位精度。
在一些实施例中，所述内部图像质量评价包括长度变形精度评价和角度变形精度评价；
所述长度变形精度评价，用于待分析图像上不同地面控制点之间的距离差计算对应的长度变形精度
所述角度变形精度评价，用于计算地面控制点在由X轴和Y轴形成的轨道面上的平面长度差的方向，再统计所有角度变形的一致性。
在一些实施例中，所述长度变形精度评价的具体操作步骤包括：
统计待分析图像中所有地面控制点之间的距离差的均值作为长度变形误差；
统计待分析图像中所有地面控制点之间的距离差的均方差作为长度变形精度；
根据所述长度变形误差和所述长度变形精度计算相对误差。
在一些实施例中，所述角度变形精度评价的具体操作步骤包括：
计算待分析图像上任意两个所述地面控制点在垂直方向上的长度差；
计算待分析图像上任意两个所述地面控制点在轨道方向的长度差；
计算待分析图像上任意两个所述地面控制点在轨道面上的平面长度差的方向；
统计待分析图像中所有所述地面控制点之间的夹角变形得到角度变形误差，根据所述角度变形误差计算出角度变形精度。
在一些实施例中，所述图像质量分析评价还包括波段配准精度评价，所述波段配准精度评价包括：
选取地面控制点：以任意一个波段为参考波段，在参考波段上选择若干个地面控制点；
像元级匹配：把地面控制点投影到待分析图像上，以任一地面控制点为中心的范围内进行卷积运算，分别计算每个位置上的相关系数，并提取相关系数最大的位置作为同名点位；
亚像元级匹配：根据相关系数及其所在位置拟合旋转抛物面，计算旋转抛物面的最大值，并计算亚像元匹配误差，然后利用最小二乘法计算模型参数；
波段配准误差计算：根据像元级匹配误差和亚像元级匹配误差计算每个地面控制点的配准误差，统计待分析图像上所有地面控制点的误差的均值作为待分析图像的配准误差。
第二方面本申请提出一种图像质量分析评价系统，包括图像获取单元、地面控制点匹配单元、待分析图像控制点获取单元和图像质量分析评价单元；
所述图像获取单元，用于获取遥感图像；
所述地面控制点匹配单元，用于对所述遥感图像进行裁剪从而获取对应的地面图像，构建地面图像数据库，同时引入地理参考数据，从所述遥感图像中获取与所述地理参考数据相匹配的地面控制点；
所述待分析图像控制点获取单元，用于基于相匹配的地面控制点从所述地面图像数据库中筛选出符合条件的地面图像作为配对图像，采用灰度互相关匹配算法从待分析图像中筛选出与所述配对图像相匹配的图像区域，根据所述图像区域从所述待分析图像中获取对应的地面控制点；
所述图像质量分析评价单元，用于当获取的待分析图像的地面控制点达到预设数量后，对所述待分析图像进行图像质量分析评价。
本发明的有益效果：
本申请通过建立控制点图像片数据库，保存在数据库中图像片都是在有精确地理编码的遥感图像上裁切出来的，这些图像片包含明显地形特征且已知精确的地理位置。从而事先引入地理参考数据，通过地面控制点图像片匹配自动获取控制点。当对遥感影像进行图像质量评价时，首先从已有数据库中调出满足条件的控制点图像片，然后在待分析图像上寻找和控制点图像片相匹配的图像区域，这样就在待分析图像上获取了一个地面控制点。如果有多个图像片，就可以获取多个地面控制点，当获取的地面控制点达到一定数量，就可进行各种图像质量评价。本发明能够提高卫星影像图像质量评价的准确率，提升影像评价效果。
附图说明
图1为本发明的总体流程图。
图2为本发明的系统原理框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制；相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
第一方面本申请提出了一种图像质量分析评价方法，如图1所示，包括以下步骤：
S100：获取遥感图像；
S200：对所述遥感图像进行裁剪从而获取对应的地面图像，构建地面图像数据库，同时引入地理参考数据，从所述遥感图像中获取与所述地理参考数据相匹配的地面控制点；
其中，通过建立地面图像数据库，保存在地面图像数据库中图像片都是在有精确地理编码的遥感图像上裁切出来的，这些图像片包含明显地形特征且已知精确的地理位置。
从而事先引入地理参考数据，通过地面图像匹配自动获取地面控制点。当对遥感影像的图像质量进行评价时，首先从已有地面图像数据库中调出满足条件的包含地面控制点的地面图像，然后在待分析图像上寻找和地面图像相匹配的图像区域，这样就在待分析图像上获取了一个地面控制点。
如果有多个地面图像，就可以获取多个控制点，当获取的控制点达到一定数量，就可进行图像质量评价，在图像质量评价中，需要引入参考数据，自动进行地面控制点匹配，同时进行少量人工交互。
S300：基于相匹配的地面控制点从所述地面图像数据库中筛选出符合条件的地面图像作为配对图像，采用灰度互相关匹配算法从待分析图像中筛选出与所述配对图像相匹配的图像区域，根据所述图像区域从所述待分析图像中获取对应的地面控制点；
在一些实施例中，所述采用灰度互相关匹配算法从待分析图像中筛选出与所述配对图像相匹配的图像区域，根据所述图像区域从所述待分析图像中获取对应的地面控制点，包括：
对灰度互相关寻找的所述图像区域和所述配对图像分别进行图像边缘提取，得到边缘二值图像；
在所述边缘二值图像上计算归一化互相关系数，寻找互相关峰值出现的位置，完成图像初步匹配。
其中，为提高地面图像和待分析图像的信噪比，主要使用滤波方法对待处理预处理，比如中值滤波、高斯滤波和均值滤波等。首先通过灰度互相关匹配算法匹配对应区域，然后通过后续的精密匹配算法进行匹配，并且地面控制点图像片匹配采用灰度匹配。在实际影像几何质量评价过程中，待分析图像往往是粗定位的，通过上述处理过程可以减小地面图像的搜索范围，便于图像的快速匹配。
在一些实施例中，所述采用灰度互相关匹配算法从待分析图像中筛选出与所述配对图像相匹配的图像区域，根据所述图像区域从所述待分析图像中获取对应的地面控制点，还包括：
利用灰度归一化互相关获取灰度互相关峰值对应的位置，同时利用边缘归一化互相关获得一个或几个位置；
分别在所有位置的小邻域计算基于Renyi熵的互信息，选取最大互信息熵的位置作为精匹配的地面控制点。
其中，由于直接利用基于灰度归一化互相关方法，可能会在影像的高亮等灰度变化剧烈部分失配；而直接利用基于边缘的归一化互相关方法，又当图像有一定旋转时，导致搜索区域图像与控制点图像的边缘不能很好对齐，给匹配带来一定误差。为此，本方案采用基于归一化互相关和Renyi熵互信息的二级匹配方案，实现了鲁棒的多判据匹配。即利用灰度归一化互相关获得一个位置，再利用边缘归一化互相关获得一个或几个位置，然后分别在这些位置的小邻域计算基于Renyi熵的互信息，最大互信息熵的位置即为最终的匹配点。
可选的，采用“相关系数面”直方图检测法和随机几何点对匹配方法进行错误点剔除。由于归一化互相关系数在最佳的匹配位置会有一个比较尖锐的峰值，所以可以利用这个特点来判断归一化互相关系数值的可靠性，即对归一化相关系数进行再处理。“相关系数面”直方图检测法，包括把地面控制点图像片在匹配搜索区域内各位移点的相关系数用图像的形式表示出来。并把相关系数做一个直方图统计，尖锐的峰值表现在统计图上是有一个很长的“拖尾”。可以利用这个特征对相关系数作可靠性判断，如果有拖尾则表示相关系数可靠，匹配结果也就可信。利用上述方法获得初始的同名地面控制点对后，一般会残余一些误配点。直接使用利用它们进行几何分析，将会严重影响几何精确分析的结果，所以对匹配的结果还要进行匹配错误检测处理。随机几何点对匹配方法可以检测随机几何同名点对的一致性，即认为自动检测获得的m个地面控制点中最少有s个为正常地面控制点，其位置精度较高，而利用s个正常地面控制点（s<m）进行计算就可以获得较好的映射参数。分别计算d次随机选择地面控制点的分析结果（每次随机取s个地面控制点，并计算对应的映射参数），选取其中地面控制点定位误差最小的一组作为正常地面控制点，并据此确定实际图像与地理空间的映射参数。
S400：当获取的待分析图像的地面控制点达到预设数量后，对所述待分析图像进行图像质量分析评价。
在一些实施例中，所述图像质量分析评价包括外部图像质量评价和内部图像质量评价；
所述外部图像质量评价，用于基于系统几何分析得到的图像地理位置和真实地理位置之间的差异；
所述内部图像质量评价，用于基于精匹配的地面控制点得到图像内部畸变情况。
图像的外部图像质量评价表示整景图像在地理参考坐标系中的绝对位置精度，因此图像的外部几何精度用图像的定位精度来表示；图像定位精度指经过系统几何分析后的图像上地理位置和真实地理位置之间的差异。
内部图像质量评价是指利用地面控制点对经过系统几何分析后的成果，评价图像内部几何畸变和拼接变形等情况，从误差大小和误差方向在整景图像上分布情况进行表征；内部图像质量评价主要反映整景图像内部畸变情况，包括图像不同区域的畸变大小和变形方向。
在一些实施例中，所述外部图像质量评价的评价分析步骤包括：
计算精匹配的地面控制点的图像坐标以及实际坐标的差值；
计算精匹配的地面控制点的点位误差和方位角；
将所述点位误差沿卫星飞行方向和垂直于飞行方向分解，沿卫星飞行方向为X轴方向，X轴顺时针旋转90度为Y轴方向；
计算待分析图像中所有地面控制点的纵向偏差平方和横向偏差平方的算术平均值作为定位误差,计算所述定位误差的均值和均方根误差得到定位精度。
其中，计算待分析图像的定位误差包括：
设所述待分析图像的上共N个地面控制点，则第i个地面控制点的横向偏差平方与纵向偏差平方分别为：；
其中，和/>分别表示第i个地面控制点的实际坐标和图像坐标，得到N个地面控制点的横向与纵向偏差平方的定位误差如下：/>；
待分析图像的定位精度包括：。
在一些实施例中，所述内部图像质量评价包括长度变形精度评价和角度变形精度评价；
所述长度变形精度评价，用于待分析图像上不同地面控制点之间的距离差计算对应的长度变形精度
所述角度变形精度评价，用于计算地面控制点在由X轴和Y轴形成的轨道面上的平面长度差的方向，再统计所有角度变形的一致性。
其中，内部图像质量分析可以分为长度变形分析和角度变形分析，内部图像质量评价的内容包括变形的绝对量和整幅图像变形的一致性。长度变形指任意两个地面控制点在图像上的距离和地形图上的真实距离间的差异。具体是计算控制点在待分析图像上两个点的距离，求出控制点间的距离均方差及相对误差值。长度变形精度评价通过计算基准影像上两点间的距离从而统计待分析图像中所有控制点间距离差的均值作为变形误差距离差的均方差作为变形精度，并计算相对误差。
在一些实施例中，所述长度变形精度评价的具体操作步骤包括：
统计待分析图像中所有地面控制点之间的距离差的均值作为长度变形误差；
统计待分析图像中所有地面控制点之间的距离差的均方差作为长度变形精度；
根据所述长度变形误差和所述长度变形精度计算相对误差。
其中，记待分析图像上有n个地面控制点，则第i个地面控制点的长度变形为：；
统计所有地面控制点之间的距离差的均值作为长度变形误差：；
距离差的均方差作为长度变形精度：。
在一些实施例中，所述角度变形精度评价的具体操作步骤包括：
计算待分析图像上任意两个所述地面控制点在垂直方向上的长度差；
计算待分析图像上任意两个所述地面控制点在轨道方向的长度差；
计算待分析图像上任意两个所述地面控制点在轨道面上的平面长度差的方向；
统计待分析图像中所有所述地面控制点之间的夹角变形得到角度变形误差，根据所述角度变形误差计算出角度变形精度。
其中，记待分析图像上有n个地面控制点，则对每两对地面控制点i,j角度变形为：
其中，和/>分别表示第j个地面控制点的实际坐标和图像坐标；
统计所有地面控制点之间的角度差的均值作为角度变形误差：；
将所述角度变形误差的均方差作为角度变形精度：。
在一些实施例中，所述图像质量分析评价还包括波段配准精度评价，所述波段配准精度评价包括：
选取地面控制点：以任意一个波段为参考波段，在参考波段上选择若干个地面控制点；
像元级匹配：把地面控制点投影到待分析图像上，以任一地面控制点为中心的范围内进行卷积运算，分别计算每个位置上的相关系数，并提取相关系数最大的位置作为同名点位；
亚像元级匹配：根据相关系数及其所在位置拟合旋转抛物面，计算旋转抛物面的最大值，并计算亚像元匹配误差，然后利用最小二乘法计算模型参数；
波段配准误差计算：根据像元级匹配误差和亚像元级匹配误差计算每个地面控制点的配准误差，统计待分析图像上所有地面控制点的误差的均值作为待分析图像的配准误差。
第二方面本申请提出一种图像质量分析评价系统，如图2所示，包括图像获取单元、地面控制点匹配单元、待分析图像控制点获取单元和图像质量分析评价单元；
所述图像获取单元，用于获取遥感图像；
所述地面控制点匹配单元，用于对所述遥感图像进行裁剪从而获取对应的地面图像，构建地面图像数据库，同时引入地理参考数据，从所述遥感图像中获取与所述地理参考数据相匹配的地面控制点；
所述待分析图像控制点获取单元，用于基于相匹配的地面控制点从所述地面图像数据库中筛选出符合条件的地面图像作为配对图像，采用灰度互相关匹配算法从待分析图像中筛选出与所述配对图像相匹配的图像区域，根据所述图像区域从所述待分析图像中获取对应的地面控制点；
所述图像质量分析评价单元，用于当获取的待分析图像的地面控制点达到预设数量后，对所述待分析图像进行图像质量分析评价。
其中，通过分类归纳，形成以外部图像质量分析、内部图像质量分析以及波段配准精度评价为主体的图像质量评价要素。在图像质量评价中，需要引入参考数据，自动进行控制点匹配，同时进行少量人工交互；首先通过灰度互相关匹配算法确定大致范围，然后通过后续的精密匹配算法完成进一步匹配，采用了由粗到细的匹配方式，不用对图像进行分辨率一致等处理，提高了处理效率和准确性。
以上仅是本发明优选的实施方式，需指出的是，对于本领域技术人员在不脱离本技术方案的前提下，作出的若干变形和改进的技术方案应同样视为落入本权利要求书要求保护的范围。
Claims (8)
1.一种图像质量分析评价方法，其特征在于：包括以下步骤：
获取遥感图像；
对所述遥感图像进行裁剪从而获取对应的地面图像，构建地面图像数据库，同时引入地理参考数据，从所述遥感图像中获取与所述地理参考数据相匹配的地面控制点；
基于相匹配的地面控制点从所述地面图像数据库中筛选出符合条件的地面图像作为配对图像，采用灰度互相关匹配算法从待分析图像中筛选出与所述配对图像相匹配的图像区域，根据所述图像区域从所述待分析图像中获取对应的地面控制点，所述地面控制点的具体获取步骤包括：
对灰度互相关寻找的所述图像区域和所述配对图像分别进行图像边缘提取，得到边缘二值图像；
在所述边缘二值图像上计算归一化互相关系数，寻找互相关峰值出现的位置，完成图像初步匹配；
利用灰度归一化互相关获取灰度互相关峰值对应的位置，同时利用边缘归一化互相关获得一个或几个位置；
分别在所有位置的小邻域计算基于Renyi熵的互信息，选取最大互信息熵的位置作为精匹配的地面控制点；
当获取的待分析图像的地面控制点达到预设数量后，对所述待分析图像进行图像质量分析评价。
2.根据权利要求1所述的方法，其特征在于：所述图像质量分析评价包括外部图像质量评价和内部图像质量评价；
所述外部图像质量评价，用于基于系统几何分析得到的图像地理位置和真实地理位置之间的差异；
所述内部图像质量评价，用于基于精匹配的地面控制点得到图像内部畸变情况。
3.根据权利要求2所述的方法，其特征在于：所述外部图像质量评价的评价分析步骤包括：
计算精匹配的地面控制点的图像坐标以及实际坐标的差值；
计算精匹配的地面控制点的点位误差和方位角；
将所述点位误差沿卫星飞行方向和垂直于飞行方向分解，沿卫星飞行方向为X轴方向，X轴顺时针旋转90度为Y轴方向；
计算待分析图像中所有地面控制点的纵向偏差平方和横向偏差平方的算术平均值作为定位误差,计算所述定位误差的均值和均方根误差得到定位精度。
4.根据权利要求3所述的方法，其特征在于：所述内部图像质量评价包括长度变形精度评价和角度变形精度评价；
所述长度变形精度评价，用于待分析图像上不同地面控制点之间的距离差计算对应的长度变形精度；
所述角度变形精度评价，用于计算地面控制点在由X轴和Y轴形成的轨道面上的平面长度差的方向，再统计所有角度变形的一致性。
5.根据权利要求4所述的方法，其特征在于：所述长度变形精度评价的具体操作步骤包括：
统计待分析图像中所有地面控制点之间的距离差的均值作为长度变形误差；
统计待分析图像中所有地面控制点之间的距离差的均方差作为长度变形精度；
根据所述长度变形误差和所述长度变形精度计算相对误差。
6.根据权利要求5所述的方法，其特征在于：所述角度变形精度评价的具体操作步骤包括：
计算待分析图像上任意两个所述地面控制点在垂直方向上的长度差；
计算待分析图像上任意两个所述地面控制点在轨道方向的长度差；
计算待分析图像上任意两个所述地面控制点在轨道面上的平面长度差的方向；
统计待分析图像中所有所述地面控制点之间的夹角变形得到角度变形误差，根据所述角度变形误差计算出角度变形精度。
7.根据权利要求6所述的方法，其特征在于：所述图像质量分析评价还包括波段配准精度评价，所述波段配准精度评价包括：
选取地面控制点：以任意一个波段为参考波段，在参考波段上选择若干个地面控制点；
像元级匹配：把地面控制点投影到待分析图像上，以任一地面控制点为中心的范围内进行卷积运算，分别计算每个位置上的相关系数，并提取相关系数最大的位置作为同名点位；
亚像元级匹配：根据相关系数及其所在位置拟合旋转抛物面，计算旋转抛物面的最大值，并计算亚像元匹配误差，然后利用最小二乘法计算模型参数；
波段配准误差计算：根据像元级匹配误差和亚像元级匹配误差计算每个地面控制点的配准误差，统计待分析图像上所有地面控制点的误差的均值作为待分析图像的配准误差。
8.一种图像质量分析评价系统，其特征在于：包括图像获取单元、地面控制点匹配单元、待分析图像控制点获取单元和图像质量分析评价单元；
所述图像获取单元，用于获取遥感图像；
所述地面控制点匹配单元，用于对所述遥感图像进行裁剪从而获取对应的地面图像，构建地面图像数据库，同时引入地理参考数据，从所述遥感图像中获取与所述地理参考数据相匹配的地面控制点；
所述待分析图像控制点获取单元，用于基于相匹配的地面控制点从所述地面图像数据库中筛选出符合条件的地面图像作为配对图像，采用灰度互相关匹配算法从待分析图像中筛选出与所述配对图像相匹配的图像区域，根据所述图像区域从所述待分析图像中获取对应的地面控制点，所述地面控制点的具体获取步骤包括：
对灰度互相关寻找的所述图像区域和所述配对图像分别进行图像边缘提取，得到边缘二值图像；
在所述边缘二值图像上计算归一化互相关系数，寻找互相关峰值出现的位置，完成图像初步匹配；
利用灰度归一化互相关获取灰度互相关峰值对应的位置，同时利用边缘归一化互相关获得一个或几个位置；
分别在所有位置的小邻域计算基于Renyi熵的互信息，选取最大互信息熵的位置作为精匹配的地面控制点；
所述图像质量分析评价单元，用于当获取的待分析图像的地面控制点达到预设数量后，对所述待分析图像进行图像质量分析评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311336448.6A CN117076704B (zh) | 2023-10-16 | 2023-10-16 | 一种图像质量分析评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311336448.6A CN117076704B (zh) | 2023-10-16 | 2023-10-16 | 一种图像质量分析评价方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117076704A CN117076704A (zh) | 2023-11-17 |
| CN117076704B true CN117076704B (zh) | 2024-01-23 |
Family
ID=88717630
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311336448.6A Active CN117076704B (zh) | 2023-10-16 | 2023-10-16 | 一种图像质量分析评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117076704B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102194225A (zh) * | 2010-03-17 | 2011-09-21 | 中国科学院电子学研究所 | 一种由粗到精的星载合成孔径雷达图像自动配准方法 |
| CN102855628A (zh) * | 2012-08-20 | 2013-01-02 | 武汉大学 | 多源多时相高分辨率卫星遥感影像自动匹配方法 |
| CN105046251A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
| CN111028275A (zh) * | 2019-12-03 | 2020-04-17 | 扬州后潮科技有限公司 | 一种基于互相关的图像定位匹配的寻迹机器人pid方法 |
| CN116228521A (zh) * | 2022-12-20 | 2023-06-06 | 中国船舶集团有限公司系统工程研究院 | 一种异源图像配准与融合方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107563438B (zh) * | 2017-08-31 | 2019-08-30 | 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 |
-
2023
- 2023-10-16 CN CN202311336448.6A patent/CN117076704B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102194225A (zh) * | 2010-03-17 | 2011-09-21 | 中国科学院电子学研究所 | 一种由粗到精的星载合成孔径雷达图像自动配准方法 |
| CN102855628A (zh) * | 2012-08-20 | 2013-01-02 | 武汉大学 | 多源多时相高分辨率卫星遥感影像自动匹配方法 |
| CN105046251A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
| CN111028275A (zh) * | 2019-12-03 | 2020-04-17 | 扬州后潮科技有限公司 | 一种基于互相关的图像定位匹配的寻迹机器人pid方法 |
| CN116228521A (zh) * | 2022-12-20 | 2023-06-06 | 中国船舶集团有限公司系统工程研究院 | 一种异源图像配准与融合方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于ArcGIS与ERDAS相结合的遥感影像快速精确配准研究――以云南思茅市主城区QUICKBIRD影像精配准为例;肖提荣 等;云南地理环境研究;第19卷(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117076704A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110569878B (zh) | 一种基于卷积神经网络的照片背景相似度聚类方法及计算机 | |
| Zamir et al. | Accurate image localization based on google maps street view | |
| CN104574421B (zh) | 一种大幅面小重合区域高精度多光谱图像配准方法及装置 | |
| CN109544612B (zh) | 基于特征点几何表面描述的点云配准方法 | |
| CN111862037A (zh) | 基于机器视觉的精密孔类零件几何特征检测方法及系统 | |
| CN107230203A (zh) | 基于人眼视觉注意机制的铸件缺陷识别方法 | |
| CN111797744B (zh) | 一种基于共现滤波算法的多模态遥感图像匹配方法 | |
| CN107240130B (zh) | 遥感影像配准方法、装置及系统 | |
| CN107862319B (zh) | 一种基于邻域投票的异源高分光学影像匹配误差剔除方法 | |
| CN113470090A (zh) | 基于sift-shot特征的多固态激光雷达外参标定方法 | |
| CN110211178B (zh) | 一种利用投影计算的指针式仪表识别方法 | |
| CN112163588A (zh) | 基于智能进化的异源图像目标检测方法、存储介质及设备 | |
| CN113538501A (zh) | 低空图像dsm生成建筑物边缘精细化方法 | |
| CN111368573A (zh) | 一种基于几何特征约束的定位方法 | |
| CN116363520A (zh) | 一种城市绿地规划用景观生态检测系统 | |
| CN108205645B (zh) | 一种异源图像匹配系统的基准图质量评价方法 | |
| CN111028345B (zh) | 一种港口场景下圆形管道的自动识别与对接方法 | |
| CN114663373A (zh) | 一种用于零件表面质量检测的点云配准方法及装置 | |
| CN116051822A (zh) | 凹障碍的识别方法和装置、处理器及电子设备 | |
| CN111898494A (zh) | 一种采矿扰动地块边界识别方法 | |
| CN117076704B (zh) | 一种图像质量分析评价方法及系统 | |
| CN116385440B (zh) | 一种弧形刀片视觉检测方法 | |
| CN111292346B (zh) | 一种噪声环境下浇铸箱体轮廓的检测方法 | |
| CN106709501A (zh) | 一种图像匹配系统的景象匹配区域选择与基准图优化方法 | |
| CN115953604B (zh) | 一种不动产地理信息测绘数据采集方法 |
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 |