CN118212428A - 基于比特位相关的地标提取方法、终端设备以及存储介质 - Google Patents

Abstract

一种基于比特位相关的地标提取方法、终端设备以及存储介质，涉及卫星成像系统图像处理技术领域，地标提取方法，包括：获取待进行地标提取的遥感图像以及对应的地标特征模板；对遥感图像的第一灰度图与地标特征模板的第二灰度图分别进行二值化处理；将二值化处理后的第一灰度图与第二灰度图转化为比特位存储；对比特位存储的第一灰度图与第二灰度图进行匹配；若匹配结果满足预设条件时，对遥感图像进行地标信息提取。本申请将遥感图像中的灰度值进行二值化处理并转换为比特位数组进行储存，可以在保证地标提取计算结果精度的前提下，极大地提高了计算效率，能够满足实时图像处理的要求，本发明的方法能在资源有限的星载嵌入式平台上运行。

Description

基于比特位相关的地标提取方法、终端设备以及存储介质

技术领域

本发明涉及卫星成像系统图像处理技术领域，具体涉及一种基于比特位相关的地标提取方法、终端设备以及存储介质。

背景技术

在卫星成像系统中，由于卫星平台位置和姿态测量误差、相机光轴指向误差和光学系统畸变等因素影响，卫星图像中地物特征存在畸变、偏移等现象，从而影响对地物特征的有效探测和精准定位。因此，卫星成像系统中的图像需要通过位置已知的空间基准点实现精准几何校正。而地标是一种常见的空间基准点，因此地标提取成为了遥感图像几何校正的重要一环。

地标一般为具有高识别性海岸轮廓地形的区域，如河口和群岛，地标图像容易受到噪声、日照、气候等因素的干扰，提取可靠性并不稳定。灰度相关法是一种强鲁棒性的地标提取方法，能够满足高可靠性地标提取的需求。该方法将遥感图像与地标特征模板进行面对面的对比匹配，这样能够提高地标计算的精度，但该方法计算量大，特别是应用于大尺寸遥感图像时，耗时过长；此外，该方法消耗的计算资源多，难以在资源有限的星载嵌入式平台上运行。

发明内容

本发明主要解决的技术问题是传统灰度相关法在进行地标提取时，计算资源消耗多，计算速度慢。

根据第一方面，一种实施例中提供一种基于比特位相关的地标提取方法，包括：

获取待进行地标提取的遥感图像以及对应的地标特征模板；

对遥感图像的第一灰度图与地标特征模板的第二灰度图分别进行二值化处理；

将二值化处理后的第一灰度图与第二灰度图转化为比特位存储；

对比特位存储的第一灰度图与第二灰度图进行匹配；

若匹配结果满足预设条件时，对遥感图像进行地标信息提取。

根据第二方面，一种实施例中提供一种终端设备，包括：

存储器，用于存储程序；

处理器，用于通过执行所述存储器存储的程序以实现如第一方面所描述的方法。

根据第三方面，一种实施例中提供一种计算机可读存储介质，介质上存储有程序，程序能够被处理器执行以实现如第一方面所描述的方法。

依据上述实施例的基于比特位相关的地标提取方法、终端设备以及存储介质，将遥感图像中的灰度值进行二值化处理并转换为比特位数组进行储存，随后与地标特征模块进行匹配计算，需要计算的数据量和计算总次数都显著减少，在保证地标提取计算结果精度的前提下，极大地提高了计算效率，能够满足实时图像处理的要求，本申请的方法能在资源有限的星载嵌入式平台上运行。

附图说明

图1为本申请实施例的地标提取方法的流程示意图（一）；

图2为本申请实施例的地标提取方法的流程示意图（二）；

图3为本申请实施例对选取的遥感图像进行预处理的示意图；

图4为本申请实施例中遥感图像中矩形区域划分示意图；

图5为本申请实施例图像二值化后二进制存储的示意图；

图6为本申请实施例中图像二值化的阈值获取示意图；

图7为本申请实施例中二值化处理的过程示意图；

图8为本申请实施例中无云层的遥感图像的灰度直方图的示意图；

图9为本申请实施例中有云层的遥感图像的灰度直方图的示意图；

图10为本申请实施例中转换比特位储存的过程示意图；

图11为现有相关法的匹配计算的过程示意图；

图12为本申请实施例中匹配计算的过程示意图；

图13为本申请实施例比特位存储之后的示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接（联接）。

地标是指有明显形状或纹理信息，准确空间位置信息是已知的地标区域。其是进行遥感图像几何校正的重要的空间基准。相对于其它地标提取方法，相关法的鲁棒性强，可以在图像质量较差，云层干扰等复杂情况下稳定提取地标。适用于全自动化、无人参与的地标提取。但传统相关法存在占用计算资源多、计算速度过慢的问题。难以应用在计算资源少，和计算时效性要求高的场景。而在卫星成像领域中，卫星搭载的终端设备，为了保证运行稳定，要求处理器的可靠性强，一般计算处理能力较低，传统相关法占用资源较多，在卫星成像领域中难以应用。

本申请实施例提供的基于比特位相关的地标提取方法，将遥感图像和地标特征模块进行二值化处理后转换为比特位储存，将比特位存储的遥感图像与地标特征模板进行匹配计算，在遥感图像上提取符合地标特征模板的地标区域。本申请在保证地标提取精度的前提下，通过比特位这种占用内存小，计算更简便的计量单位对地标进行匹配计算，显著提高了计算速率，极大地减少了需占用的计算资源，同时保留了相关法鲁棒性好的优点。

在本申请实施例中，遥感图像是通过卫星拍摄获取的图像，一些图像具有海洋信息与陆地信息，这些图像需要进行地标提取。其中，遥感图像的矩形区域为对遥感图像裁剪出来的图像，大小对应地标特征模板，因此矩形区域也可以是直接视为遥感图像。

在本申请实施例中，地标特征模板（简称地标模板）可以是标准的地标图像，可以是存储为彩色或灰度图；可以是采用常规存储，也可以是采用本申请提供的地标提取方法中的相关步骤，预先转化为比特位存储。

如图1所示，本申请实施例提供的一种基于比特位相关的地标提取方法，可以包括：

步骤1、获取待进行地标提取的遥感图像以及对应的地标特征模板。

步骤2、对遥感图像的第一灰度图与地标特征模板的第二灰度图分别进行二值化处理。一些实施例中，地标特征模板可以是已经经过二值化处理的，此时在步骤2中不需要对地标特征模板进行处理。

步骤3、将二值化处理后的第一灰度图与第二灰度图转化为比特位存储，具体是采用二进制存储。一些实施例中，地标特征模板可以是已经转化为比特位存储，此时在步骤3中不需要对地标特征模板/第二灰度图进行转化处理。

步骤4、对比特位存储的第一灰度图与第二灰度图进行匹配。

步骤5、若匹配结果满足预设条件时，对遥感图像进行地标信息提取。

一些实施例中，如图2所示，在步骤1中，获取待进行地标提取的遥感图像以及对应的地标特征模板，可以包括：

步骤110、从卫星观测的遥感图像中获取待进行地标提取的遥感图像。

步骤120、获取遥感图像记录的成像信息，根据成像信息获取对应的地标特征模板。

根据遥感图像携带的成像参数或成像信息，可以确定遥感图像的对应的地标经纬度的大致范围，从地标库中选取分布在遥感图像经纬度范围内地标特征模板，用以支撑后续的地标提取。地标库是预设的图像库，存储有各个地标范围内对应的地标特征模板。

根据成像信息对于遥感图像对应的地标区域进行初步判断，并根据这些成像信息提取对应的地标特征模板数据。通常情况下，基于遥感图像的成像时刻的位置，姿态和相机指向等参数，可以大致确定图像所对应的地标经纬度范围，再从已知的地标库中提取出符合经纬度要求的地标特征模板。同时，由于地标特征模板经纬度已知，通常可以大致确定地标在遥感图像中的位置区域。需要说明的是，地标特征模板的地面分辨率应用遥感图像一致，否则需通过插值的方式，将二者的分辨率调整到一致。本申请实施例中，地标库中的地标特征模板可以是8*8网格（或称为像素点）的矩形块，可以确认其位于遥感图像一个256*256图像块内，后续将以此为条件进行讨论。

需要说明的是，本申请实施例方法对于地标特征模板大小、几何误差大小以及待提取地标的遥感图像大小均无要求，均可适应。以上参数仅为示例说明。

一些实施例中，如图2所示，在对遥感图像的第一灰度图与地标特征模板的第二灰度图分别进行二值化处理之前，还可以包括：

步骤200、对遥感图像进行预处理，转化成标准的正射影像。

其中，预处理可以包括非均匀修正、盲元剔除、旋转修正与比例缩放中的至少一项。

本申请实施例可以对遥感图像进行图像预处理，便于后期储存和计算，同时确保本申请的方法可以抵御噪声的干扰，确保地标提取精度。

如图3所示，对选取的遥感图像进行图像预处理，图像预处理可以包括非均匀修正、盲元剔除、旋转修正、比例缩放等。将其转化成标准的正射影像。卫星观测成像的遥感图像会受到成像几何以及相机本身辐射响应误差的影响，导致遥感图像出现拉伸变形、亮暗斑、灰度异常起伏等，对于后续地标提取造成不利影响，故需要对遥感图像进行图像预处理，便于后续处理。

一些实施例中，遥感图像可以包括海洋图像以及陆地图像；由于地标一般为具有高识别性海岸轮廓地形的区域，如河口和群岛，因此遥感图像记录的内容对应包括有海洋图像以及陆地图像。

其中，在步骤2中，对遥感图像的第一灰度图与地标特征模板的第二灰度图分别进行二值化处理，可以包括：

步骤210、获取遥感图像的第一灰度图与地标特征模板的第二灰度图。若遥感图像与地标特征模板被存储为灰度图，那么可以直接执行步骤220。

步骤220、根据第一灰度图与第二灰度图中属于海洋图像的灰度值，确定灰度阈值。

一些实施例中，在步骤220中，根据第一灰度图与第二灰度图中属于海洋图像的灰度值，确定灰度阈值，可以包括：

步骤221、获取第一灰度图与第二灰度图对应的直方图，获取灰度图中属于海洋图像的灰度值的峰值，将该峰值对应的灰度值作为灰度阈值。

步骤230、根据灰度阈值将第一灰度图与第二灰度图进行二值化处理，将高于灰度阈值的网格标记为第一数值，其余网格标记为第二数值。

对图像进行二值化处理，以便进行后续比特位存储和相关处理；可以是获取遥感图像和地标特征模板中每个网格的灰度值，根据遥感图像每个矩形区域中属于海洋位置网格灰度值的灰度分布来设定灰度阈值，将灰度值高于灰度阈值的网格改为第一数值，不高于阈值的网格改为第二数值，地标特征模板的二值化处理过程类似。

一些实施例中，地标特征模板可以是已经经过二值化处理的图像，因此在上述步骤2或步骤210-步骤230中，只需要对遥感图像/第一灰度图进行二值化处理。在后续步骤3中，地标特征模板可以是已经经过二值化以及转换比特位存储的图像。

一些实施例中，原始的遥感图像数据常以灰度值数组形式保存，此时遥感图像就是对应为第一灰度图，当为彩图时，则需要获取对应的灰度图，灰度值可以为0~255之间的整数，计算机是以十六位二进制形式来存储来这些灰度值。每个网格灰度值占用2字节（byte）内存，因此8*8大小的图像模板占用内存128字节。但地标提取过程只需要利用图像内的海岸线轮廓及周边信息，可以通过二值化处理，将复杂的灰度信息简化为只有两种类别的海陆信息。图5是对图4所示的遥感图像中矩形区域Ai,j二值化处理过程示意图。图5中的a表示的矩形区域Ai,j灰度信息，左下区域是陆地位置区域，右上区域是海洋位置区域，每个网格的数字是当前的灰度值；图5中的b表示的是计算机以二进制形式储存的灰度信息；完成二值化处理后，图5中的c表示的矩形区域Ai,j海陆信息，海洋位置区域的网格替换成-1表示，陆地位置区域的网格替换成1表示；图5中的（d）表示的是计算机以二进制形式存储的海陆信息。可见，一个8*8的图像，需要存储64个网格对应的数据。

二值化处理是本申请实施例提供的方法的关键步骤，该处理步骤可以将降低光照、噪声等因素的影响，仅保留图像的基本形状信息，同时也可以方便后续的比特位压缩。该步骤的处理关键是选取好图像二值化的阈值，当图像灰度值大于或等于阈值时，对应图像数值被置为1；小于阈值的，对应图像数值被置为-1。该步骤的关键是对于二值化阈值进行选取，以实现对于图像区域的有效分割，在二值化后能有效保存图像的形状信息。

如图6所示，在选取二值化的阈值时，通常是对待二值化的图像进行直方图统计，分析其灰度变化的分割点，将其作为图像二值化的阈值。如图7所示，预处理后的遥感图像（第一灰度图）经过二值化处理，得到二值化后的图像。

一些实施例中，遥感图像可以包括海洋图像、陆地图像以及云层图像。

其中，在步骤2中，在对遥感图像的第一灰度图与地标特征模板的第二灰度图分别进行二值化处理之前，还可以包括：

步骤201、获取遥感图像中各个矩形区域对应的第一灰度图的灰度直方图。

步骤202、根据该灰度直方图确定在第一灰度图中具有云层无效的矩形区域，将该矩形区域从第一灰度图中剔除。

卫星拍摄的遥感图像中存在云层，云层会覆盖在海陆信息之上，云层的边缘会给后续的匹配产生很大的影响，因此本申请实施例中会在遥感图像二值化处理之前将含有云层的矩形区域进行剔除。通常是根据阈值排除云层灰度，这是因为无云遥感图像的灰度直方图较为特殊，存在两个明显的峰值。图8是无云遥感图像灰度直方图，横坐标是灰度值，竖坐标是网格数量（像素数量），左侧峰值是海洋区域，右边的峰值是陆地区域。从图9是有云遥感图像灰度直方图，除了陆地和海洋两个峰值，还有若干个灰度值较大的云层柱形条，说明遥感图像中存在云层，云层的灰度值远高于海洋和陆地。故可以设置对应云层阈值将具有云层的矩形区域进行剔除。

例如，如图8与图9所示，没有云层的遥感图像，最大灰度值在300左右，而存在云层的遥感图像，最大灰度值在450左右，通过检测遥感图像中的每个矩形区域，当存在灰度值大于云层阈值（如350）和/或云层对应的网格数量（大于或等于350灰度值的网格数量）超过阈值时，判定为当前矩形区域具有云层干扰的问题。

一些实施例中，在步骤3中，将二值化处理后的第一灰度图与第二灰度图转化为比特位存储，可以包括：

步骤310、将第一灰度图与第二灰度图中的第一数值替换为第一比特位数值，如1，第二数值替换为第二比特位数值，如0，得到转换为比特位的灰度图。

步骤320、对应比特位的灰度图的每一行，合并每行中所有比特位数值，以二进制形式存储每一行网格等效的一个二进制数值。因此，比特位存储，也是理解为转换为比特位合并每行数值后进行二进制存储。

如图10中的b中的第一行，每行8个网格的数值为“1”、“1”、“0” 、“0” 、“0” 、“0” 、“0” 、“0”，合并后以二进制存储为“11000000”，等效于存储192。如图10中a所示的二值化图像，原本每一个网格都需要采用二进制存储，需要存储64个数值，合并后如图10的c所示，只需要存储8行合并后的8个数值。也就是说，本申请实施例可见将图像储存量进行了缩减。

将完成二值化处理后遥感图像和地标特征模块转换为比特位储存，即利用单位二进制数字1和0代替网格的第一数值（如数字1）和第二数值（如数字-1），如图10所示，图10中的a是矩形区域Ai,j海陆信息；图10中的b是用二进制数字1和0代替了原本的1和-1，得到比特位转换后的矩形区域Asi,j；图10中的c是计算机以二进制对矩形区域Asi,j进行储存。由此每个网格点的海陆信息占用的内存从2字节/16bit压缩到了1bit，在不删减存储信息的情况下，比特位储存将图像数据量压缩到了15倍，显著减小了计算资源消耗。

一些实施例中，地标特征模板可以是已经经过二值化以及转换比特位存储的图像。

在本申请实施例中，遥感图像每个像素灰度值可以用1-3个字节进行表示，特殊情况下，使用的字节可能更多。但图像在经过二值化以后，由于只有1和-1两种值，每个像素可以仅用一个bit位进行表示，有效降低所需的图像存储空间，并简化后续处理。

在本申请实施例中，利用单位二进制数字1和0代替所述1和-1，得到转换为比特位存储的遥感图像/地标特征模板。通过该方法，可以将所需存储空间压缩到原来的1/8~1/24,显著减小了资源消耗。该方法适用于星载嵌入式平台。

一些实施例中，如图12所示，在步骤4中，对比特位存储的第一灰度图与第二灰度图进行匹配，可以包括：

步骤410、根据地标特征模板的图像大小，对比特位存储的遥感图像的第一灰度图进行截图/裁剪，得到多个待匹配的矩阵区域；其中，遥感图像的图像大小大于地标特征模板的图像大小。

步骤420、将比特位存储的地标特征模板的第二灰度图与矩阵区域的对应每行网格进行同或计算。

步骤430、根据计算结果确定第二灰度图与第一灰度图的矩阵区域的相识度。

步骤440、计算所有矩阵区域对应的相识度作为匹配结果。

将比特位存储的遥感图像中所有的矩形区域逐一与同一个地标特征模板比对匹配。将遥感图像中的矩阵区域与地标特征模板进行同行网格的同或计算（或者是异或运算和取反运算）。

传统的相关法，如图11所示，需要对矩形区域与地标模板对应的每个网格进行一次同或计算，一共为64次，结果矩阵Ki,j同样为64个网格，需要存储64个数值。

如图12所示，图11中的a所示的矩阵区域Ai,j在经过比特位转换后，第一行的“1”、“1”、“-1”、“-1”、“-1”、“-1”、“-1”、“-1”转换为图12中的a所示的第一行的1100 0000（等效于存储192）和图11中的b所示的地标特征模板第一行转换为图12中的b所示的第一行的1110 0000（等效于存储224）；两者的相似比较通过同或计算（或者是异或运算和取反运算）：（11000000 XNOR 11100000）= 11011111（等效于存储223），只要1次同或运算并比较了一行8个网格点的海陆信息。对余下7行信息也进行相似比较后得到图12中的c所示的结果矩阵Ki,j，结果矩阵也可以是采用同样的存储方式进行存储，第一行11011111等效于存储223，较于图11所示的结果矩阵，存储量为8个数值，储存量更小。

采用转换比特位存储后的矩形区域与地标模板均为8个数字，相当于一次性进行一行网格同时匹配，仅进行8次同或计算即可。本申请实施例不仅仅是将储存量进行了缩减，同时还减少了匹配运算的总次数。

该处理步骤是整个方法的核心，是提升算法处理速度的关键。在将遥感图像转换为比特位存储后，可以通过位操作进行数据相关。而位操作是底层操作，其计算速度非常迅速，可以有效提高地标提取的速度。

利用比特位计算符“同或”，就可以实现位相关。举例而言，常规的数组相关为：

。

其比特位化之后的相关计算为：

。

二者在识别数组构型时，其效果是完全一致的。比特位相关不是采用常规的乘法，而是采用同或的位运算。由于采用底层操作，其计算速度很快。而且在64位处理器上，一次可以计算64个像素。

一些实施例中，在步骤5中，若匹配结果满足预设条件时，对遥感图像进行地标信息提取，可以包括：

步骤510、若存在相识度大于预设阈值的矩阵区域，则判定当前的地标特征模板与遥感图像匹配，将相识度最高的矩阵区域作为该地标特征模板对应的地标位置信息进行提取。

选择相似度出现最大值的行列位置，即地标所在的位置。如果最大值小于预设阈值（如地标模板像素数量的90%），则认为提取失败。假设地标行数为m，列数为n，则相关峰值小于m*n*0.9，则认为该图像质量过差，提取失败。若所述遥感图像中无矩形区域满足相识度要求，则判定遥感图像中不存在与地标特征模板对应的地标区域。

一些实施例中，如图2所示，地标提取方法还可以包括：

步骤6、若匹配结果不满足预设条件时，更换新的地标特征模板重新进行匹配，重复步骤1-步骤5中一个或多个步骤。直到步骤1中所有被提取的地标特征模板都完成匹配计算。

对比特位存储的遥感图像和地标特征模板进行匹配，在遥感图像上提取符合地标特征模板的地标区域的具体实现过程包括：

A）选取地标特征模板。

B）将比特位化之后的图像裁剪一块，保证切取的图像块和地标特征模板的大小完全一致。

C）将裁剪的图像块与地标模板进行同或计算，并统计为1的值。

D）返回步骤B，平移切取图像块的位置，重新切取一个图像块。继续步骤C与D，直到遍历所有待匹配的图像区域。

在所有结果矩阵中，将运算结果为1的网格数大于90%，和/或像平面误差小于20像元对应的矩阵区域作为地标备选集，再从地标备选集中选择相似度（结果矩阵中数值1在总网格中的占比值）最大的矩形区域作为该地标特征模板对应的地标位置信息进行提取。需要说明的是相似度最大，依旧是从运算结果为1的网格数以及像平面误差这两个方面再次进行比较。当所有结果矩阵中结果为1的网格数占比均小于90%，即地标备选集没有矩形区域入选，则说明遥感图像中没有匹配地标特征模板的矩形区域。

本发明实施例中，像平面误差可以采用以下方式计算，地标特征模板左上角真实经纬度通过视线换算到像平面得到理论坐标(x ₁ ，y ₁)，地标特征模板在遥感图像中的匹配结果为实际坐标(x ₀ ，y ₀)，实际坐标与理论坐标的距离即为像平面误差Diserr，1像元为像平面网格坐标系的长度单位。

例如，。

比特位存储之后的示意图如图13所示，若采用原图像的存储形式，存储一行需要8*2字节=16字节，而采用比特位图像存储一行仅需1字节，将连续8位进行合并，11000000等效为192进行存储。

一些实施例中，可以采用两组测试对象在C语言程序平台上对本申请实施例的方法进行检测。

测试1是对扫描相机图像提取地标10次，测试对象是256*256遥感图像，64*64地标特征模板，通过现有的二进制计算以及本实施例的比特位相关进行处理，可以得到单次提取时间需要1.94s，而本实施例的单次提取时间只需0.19s。

测试2是对凝视相机图像提取地标10次，测试对象是512*512遥感图像，64*64地标特征模板，通过现有的二进制计算以及本实施例的比特位相关进行处理，可确定单次提取时间需要9.31s，而本实施例的单次提取只需0.82s。两次测试结果说明，本申请实施例提供的地标提取方法在计算速率上具有显著的优势。

综上所述，本申请提供的方法，至少具有以下技术效果：

1、相比于传统基于特征点或者基于轮廓的地标提取方法，本申请实施例通过地标特征模板对遥感图像进行面与面的匹配，能够满足高可靠性地标提取的需求，确保了地标提取的精度。

2、本申请实施例将遥感图像中的灰度值进行二值化处理转换为比特位数组进行储存和匹配计算，需要计算的数据量和计算总次数都显著减少，在保证地标提取计算结果精度的前提下，极大地提高了计算效率，能够满足实时图像处理的要求，本发明的方法能在资源有限的星载嵌入式平台上运行。

本申请提供的地标提取方法，通过终端设备来实现，终端设备为应用于卫星成像系统的星载端终端设备，终端设备可包括存储器与处理器。例如，终端设备可以是计算机、服务器等具有运算、数据处理能力的设备。

存储器，用于存储程序。处理器，用于通过执行所述存储器存储的程序以实现如上述实施例所描述的地标提取方法。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

本文参照了各种示范实施例进行说明。然而，本领域的技术人员将认识到，在不脱离本文范围的情况下，可以对示范性实施例做出改变和修正。例如，各种操作步骤以及用于执行操作步骤的组件，可以根据特定的应用或考虑与系统的操作相关联的任何数量的成本函数以不同的方式实现（例如一个或多个步骤可以被删除、修改或结合到其他步骤中）。

虽然在各种实施例中已经示出了本文的原理，但是许多特别适用于特定环境和操作要求的结构、布置、比例、元件、材料和部件的修改可以在不脱离本披露的原则和范围内使用。以上修改和其他改变或修正将被包含在本文的范围之内。

前述具体说明已参照各种实施例进行了描述。然而，本领域技术人员将认识到，可以在不脱离本披露的范围的情况下进行各种修正和改变。因此，对于本披露的考虑将是说明性的而非限制性的意义上的，并且所有这些修改都将被包含在其范围内。同样，有关于各种实施例的优点、其他优点和问题的解决方案已如上所述。然而，益处、优点、问题的解决方案以及任何能产生这些的要素，或使其变得更明确的解决方案都不应被解释为关键的、必需的或必要的。本文中所用的术语“包括”和其任何其他变体，皆属于非排他性包含，这样包括要素列表的过程、方法、文章或设备不仅包括这些要素，还包括未明确列出的或不属于该过程、方法、系统、文章或设备的其他要素。此外，本文中所使用的术语“耦合”和其任何其他变体都是指物理连接、电连接、磁连接、光连接、通信连接、功能连接和/或任何其他连接。

具有本领域技术的人将认识到，在不脱离本发明的基本原理的情况下，可以对上述实施例的细节进行许多改变。因此，本发明的范围应仅由权利要求确定。

Claims (10)

1.一种基于比特位相关的地标提取方法，其特征在于，包括：

获取待进行地标提取的遥感图像以及对应的地标特征模板；

对所述遥感图像的第一灰度图与所述地标特征模板的第二灰度图分别进行二值化处理；

将二值化处理后的所述第一灰度图与所述第二灰度图转化为比特位存储；

对比特位存储的所述第一灰度图与所述第二灰度图进行匹配；

若匹配结果满足预设条件时，对所述遥感图像进行地标信息提取。

2.如权利要求1所述的地标提取方法，其特征在于，在对所述遥感图像的第一灰度图与所述地标特征模板的第二灰度图分别进行二值化处理之前，还包括：

对所述遥感图像进行预处理，转化成标准的正射影像；

其中，所述预处理包括非均匀修正、盲元剔除、旋转修正与比例缩放中的至少一项。

3.如权利要求1所述的地标提取方法，其特征在于，所述遥感图像包括海洋图像以及陆地图像；

其中，对所述遥感图像的第一灰度图与所述地标特征模板的第二灰度图分别进行二值化处理，包括：

获取所述遥感图像的第一灰度图与所述地标特征模板的第二灰度图；

根据所述第一灰度图与所述第二灰度图中属于海洋图像的灰度值，确定灰度阈值；

根据所述灰度阈值将所述第一灰度图与所述第二灰度图进行二值化处理，将高于所述灰度阈值的网格标记为第一数值，其余网格标记为第二数值。

4.如权利要求3所述的地标提取方法，其特征在于，根据所述第一灰度图与所述第二灰度图中属于海洋图像的灰度值，确定灰度阈值，包括：

获取所述第一灰度图与所述第二灰度图对应的直方图，获取所述灰度图中属于海洋图像的灰度值的峰值，将该峰值对应的灰度值作为所述灰度阈值。

5.如权利要求3所述的地标提取方法，其特征在于，将二值化处理后的所述第一灰度图与所述第二灰度图转化为比特位存储，包括：

将所述第一灰度图与所述第二灰度图中的第一数值替换为1，第二数值替换为0，得到转换为比特位存储的灰度图。

6.如权利要求1所述的地标提取方法，其特征在于，对比特位存储的所述第一灰度图与所述第二灰度图进行匹配，包括：

根据所述地标特征模板的图像大小，对比特位存储的所述遥感图像的第一灰度图进行截图，得到多个待匹配的矩阵区域；其中，所述遥感图像的图像大小大于所述地标特征模板的图像大小；

将比特位存储的所述地标特征模板的第二灰度图与所述矩阵区域的对应网格进行同或计算；

根据计算结果确定所述第二灰度图与所述第一灰度图的矩阵区域的相识度；

计算所有矩阵区域对应的相识度作为匹配结果。

7.如权利要求6所述的地标提取方法，其特征在于，若匹配结果满足预设条件时，对所述遥感图像进行地标信息提取，包括：

若存在相识度大于预设阈值的矩阵区域，则判定当前的所述地标特征模板与所述遥感图像匹配，将相识度最高的矩阵区域作为该地标特征模板对应的地标位置信息进行提取；

和/或，地标提取方法还包括：

若匹配结果不满足预设条件时，更换新的地标特征模板重新进行匹配。

8.如权利要求1所述的地标提取方法，其特征在于，所述遥感图像存在至少一个矩形区域包括海洋图像、陆地图像以及云层图像；

其中，在对所述遥感图像的第一灰度图与所述地标特征模板的第二灰度图分别进行二值化处理之前，还包括：

获取遥感图像中各个矩形区域对应的第一灰度图的灰度直方图；

根据该灰度直方图确定在所述第一灰度图中具有云层无效的矩形区域，将该矩形区域从所述第一灰度图中剔除。

9.一种终端设备，其特征在于，包括：

存储器，用于存储程序；

处理器，用于通过执行所述存储器存储的程序以实现如权利要求1-8中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述介质上存储有程序，所述程序能够被处理器执行以实现如权利要求1-8中任一项所述的方法。