一种实现遥感影像自动化快速校准的方法技术

本发明专利技术涉及影像校准分类技术领域，具体涉及一种实现遥感影像自动化快速校准的方法；本发明专利技术以历史遥感影像作为训练样本的来源，将其雾噪处理，使得影像更加平滑，得到增强，减少了对于训练模型训练的影响，在对训练模型训练后，又通过测试集对训练模型进行测试，使得所训练的训练模型能够在可接受的偏差率内，完成对训练模型的测试后，再将待校准的遥感影像进行雾噪处理，获取地面控制点的像素点坐标，输入训练模型，输出校准后的遥感影像，本发明专利技术所提供的方法，能够快速的实现对于遥感影像的校准。准。准。

【技术实现步骤摘要】
一种实现遥感影像自动化快速校准的方法


[0001]本专利技术涉及影像校准
，具体涉及一种实现遥感影像自动化快速校准的方法。

技术介绍

[0002]遥感影像(Remote Sensing Image)是指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片。
[0003]由于各种因素的影响，遥感影像会发生失真，因此，地面数据处理系统对原始图像数据进行归一化相对辐射校正，消除原始图像的失真，恢复真实的地物图像，只有经过相对辐射校正后的图像，其不同的有效载荷探测元生成的图像才有可比性、同一性，整景图像才是一致的，才是反映地物的真实图像。但是现有的方法，如专利申请号为CN202111557631.X的方法，其在对影像进行校准时，校准速度较慢，难以实现快速的校准效果。因此，研发一种实现遥感影像自动化快速校准的方法，仍是影像校准
中急需解决的关键问题。

技术实现思路

[0004]本专利技术为了解决上述问题，本专利技术提供了一种实现遥感影像自动化快速校准的方法，本专利技术以历史遥感影像作为训练样本的来源，将其雾噪处理，在对训练模型训练，然后通过测试集对训练模型进行测试，使得所训练的训练模型能够在可接受的偏差率内，再将待校准的遥感影像进行雾噪处理，获取地面控制点的像素点坐标，输入训练模型，输出校准后的遥感影像，能够快速的实现对于遥感影像的校准。
[0005]为实现上述目的，本专利技术提供了如下技术方案：
[0006]本专利技术提供了一种实现遥感影像自动化快速校准的方法，包括以下步骤：
[0007](1)获取历史失真遥感影像，对历史失真遥感影像进行雾噪处理；
[0008](2)从历史失真遥感影像中提取地面控制点；
[0009](3)将地面控制点的像素点坐标作为训练集，将训练集作为训练模型的输入数据，对训练模型进行训练，输出校准后的遥感影像；
[0010](4)取未失真的历史遥感影像，将其转为失真图像，然后进行雾噪处理，获取地面控制点的像素点坐标，将其作为测试集，输入训练模型，统计训练模型的输出结果的偏差率，并与设定阈值进行对比，测试训练模型；
[0011](5)取待校准的遥感影像，进行雾噪处理，获取地面控制点的像素点坐标，输入训练模型，输出校准后的遥感影像。
[0012]本专利技术进一步的设置为：在步骤(1)中，对历史失真遥感影像进行雾噪处理的方法为：
[0013]统计历史遥感影像每一灰度级的像元数和累计像元数；根据变换函数计算每一灰度级均衡化后对应的新灰度值；用新灰度值代替原灰度值，获得均衡化后的新影像，完成对历史遥感影像进行雾噪处理。
[0014]本专利技术进一步的设置为：所述的变换函数公式为：
[0015]式中，W、l分别为均衡化后影像的最大和最小灰度值，M为总像元数,为拉伸因子,为原图像j级灰度出现的概率。
[0016]本专利技术进一步的设置为：在步骤(2)中，所述的从历史遥感影像中提取地面控制点的方法为：
[0017]在历史影像中的目标区域周围勾画识别区域；将识别区域内标为未知区域T
a
、识别区域外标为背景区域T
b
,将T
a
内的像元值标为1、背景区域T
b
内的像元值标为0，同时设目标区域T
s
为空；根据目标区域T
s
和背景区域T
b
的像元点进行GMM图像分割；然后将目标区域二值化，再经过数学形态学腐蚀运算以及填充内部斑点得到比较平滑的二值区域；进行轮廓检测，将小轮廓背景化得到目标区域的轮廓，并在此基础上对目标区域进行椭圆拟合，完成提取地面控制点。
[0018]本专利技术进一步的设置为：在步骤(3)中，所述的训练模型为RBF神经网络模型。
[0019]本专利技术进一步的设置为：所述的训练集为测试集的5倍。
[0020]本专利技术进一步的设置为：在步骤(4)中，在偏差率不大于设定阈值时，完成训练模型的测试，否则，重复步骤(1)
‑
步骤(4)，至偏差率不大于设定阈值。
[0021]本专利技术进一步的设置为：在步骤(4)中，所述的偏差率是提取图像上的若干个随机点，对校正后的图像在这些点处进行检查，将这些点的坐标和实际坐标逐一比较得到各个点的误差，然后算出的均方误差。
[0022]有益效果
[0023]采用本专利技术提供的技术方案，与已知的公有技术相比，具有如下有益效果：
[0024]本专利技术以历史遥感影像作为训练样本的来源，将其雾噪处理，使得影像更加平滑，得到增强，减少了对于训练模型训练的影响，在对训练模型训练后，又通过测试集对训练模型进行测试，使得所训练的训练模型能够在可接受的偏差率内，完成对训练模型的测试后，再将待校准的遥感影像进行雾噪处理，获取地面控制点的像素点坐标，输入训练模型，输出校准后的遥感影像，本专利技术所提供的方法，能够快速的实现对于遥感影像的校准。
附图说明
[0025]图1为本专利技术用于隧道岩体的岩性快速识别方法的流程图。
具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0027]实施例：
[0028]本专利技术提供了一种实现遥感影像自动化快速校准的方法，包括以下步骤：
[0029](1)获取历史失真遥感影像，对历史失真遥感影像进行雾噪处理。
[0030]进一步的，对历史失真遥感影像进行雾噪处理的方法为：
[0031]统计历史遥感影像每一灰度级的像元数和累计像元数；根据变换函数计算每一灰度级均衡化后对应的新灰度值；用新灰度值代替原灰度值，获得均衡化后的新影像，完成对历史遥感影像进行雾噪处理。
[0032]进一步的，变换函数公式为：
[0033]式中，W、l分别为均衡化后影像的最大和最小灰度值，M为总像元数,为拉伸因子为原图像j级灰度出现的概率。
[0034]在本实施例中，以历史失真遥感影像作为训练模型进行训练的数据来源，以保证所训练的模型能够满足实际需求，此外，针对获取的遥感影像存在细节不清晰和有噪声的情况，会对影像的判读和识别工作造成一定的影响，因此对影像进行雾噪处理，使得影像更加平滑，得到增强，以减少对于训练模型训练的影响。
[0035](2)从历史失真遥感影像中提取地面控制点。
[0036]进一步的，从历史遥感影像中提取地面控制点的方法为：
[0037]在历史影像中的目标区域周围勾画识别区域；将识别区域内标为未知区域T
a
、识别区域外标为背景区域T
b
,将T
a
内的像元值标为1、背景区域T
b
内的像元值标为0，同时设目标区域T
...

【技术保护点】

【技术特征摘要】
1.一种实现遥感影像自动化快速校准的方法，其特征在于，包括以下步骤：(1)获取历史失真遥感影像，对历史失真遥感影像进行雾噪处理；(2)从历史失真遥感影像中提取地面控制点；(3)将地面控制点的像素点坐标作为训练集，将训练集作为训练模型的输入数据，对训练模型进行训练，输出校准后的遥感影像；(4)取未失真的历史遥感影像，将其转为失真图像，然后进行雾噪处理，获取地面控制点的像素点坐标，将其作为测试集，输入训练模型，统计训练模型的输出结果的偏差率，并与设定阈值进行对比，测试训练模型；(5)取待校准的遥感影像，进行雾噪处理，获取地面控制点的像素点坐标，输入训练模型，输出校准后的遥感影像。2.根据权利要求1所述的一种实现遥感影像自动化快速校准的方法，其特征在于，在步骤(1)中，对历史失真遥感影像进行雾噪处理的方法为：统计历史遥感影像每一灰度级的像元数和累计像元数；根据变换函数计算每一灰度级均衡化后对应的新灰度值；用新灰度值代替原灰度值，获得均衡化后的新影像，完成对历史遥感影像进行雾噪处理。3.根据权利要求2所述的一种实现遥感影像自动化快速校准的方法，其特征在于，所述的变换函数公式为：式中，W、l分别为均衡化后影像的最大和最小灰度值，M为总像元数,为拉伸因子,为原图像j级灰度出现的概率。4.根据权利要求1所述的一种实现遥感影像自动化快速校准的方法，其特征在于，在步骤(2)中，所述的从历史遥感影像中提取地面控制点的方法为：在历史影像中的目标区域周围勾画识别区域；将识别...

【专利技术属性】
技术研发人员：房传悦，裴亮，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：