System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像处理,尤其涉及一种基于深度学习的遥感影像自动配准方法及装置。
技术介绍
1、遥感影像实际应用中,由于多源遥感影像地理位置不一致,导致无法进行多源遥感影像的高效集成使用,因此在很多实际应用中,需要通过影像自动配准使多源遥感影像具有一致的地理位置。
2、然而目前的遥感影像自动配准方法还存在配准精度不足的问题,无法生成高精度的配准影像,降低了遥感影像的有效利用率。
技术实现思路
1、本申请提供一种基于深度学习的遥感影像自动配准方法及装置,用以解决现有技术中遥感影像的有效利用率较低的缺陷。
2、第一方面,本申请实施例提供一种基于深度学习的遥感影像自动配准方法,包括:
3、基于目标遥感影像与基准遥感影像,确定第一控制点;所述第一控制点是所述目标遥感影像与所述基准遥感影像进行特征匹配确定的;
4、基于所述第一控制点,对所述基准遥感影像进行分块,得到所述基准遥感影像的分块结果;
5、基于所述目标遥感影像的分块结果与所述基准遥感影像的分块结果,进行所述目标遥感影像与所述基准遥感影像的自动配准。
6、在一个实施例中,所述基于所述第一控制点,对所述基准遥感影像进行分块,包括:
7、根据所述第一控制点构建单应矩阵,确定几何约束模型;
8、基于所述几何约束模型,对所述基准遥感影像进行分块。
9、在一个实施例中,所述基于所述目标遥感影像的分块结果与所述基准遥感影像的分块结果,进行所述目标
10、基于深度学习算法,提取所述目标遥感影像的分块结果与所述基准遥感影像的分块结果对应的特征点;
11、基于深度神经网络,对所述目标遥感影像的分块结果与所述基准遥感影像的分块结果对应的特征点,进行第二特征匹配,得到第二控制点;
12、剔除所述第二控制点中的错误控制点,得到第三控制点;
13、基于所述第三控制点,进行所述目标遥感影像与所述基准遥感影像的自动配准。
14、在一个实施例中,所述基于所述第三控制点,进行所述目标遥感影像与所述基准遥感影像的自动配准,包括:
15、基于所述第三控制点,确定几何变换模型;
16、基于所述几何变换模型,对所述目标遥感影像进行几何校正,得到所述目标遥感影像与所述基准遥感影像的自动配准结果。
17、在一个实施例中,所述基于目标遥感影像与基准遥感影像,确定第一控制点,包括:
18、基于orb算法,提取所述目标遥感影像的降采样图像与所述基准遥感影像的降采样图像对应的特征点;
19、基于orb算法,对所述目标遥感影像的降采样图像与所述基准遥感影像的降采样图像对应的特征点,在相同地理坐标范围内进行第一特征匹配,得到初始控制点;
20、剔除所述初始控制点中的错误控制点,得到所述第一控制点。
21、在一个实施例中,所述方法还包括:
22、将初始遥感影像的位数进行转换,得到所述目标遥感影像。
23、在一个实施例中,所述方法还包括:
24、将第一遥感影像的位数进行转换,得到第二遥感影像;
25、对所述第二遥感影像进行重投影操作,得到所述基准遥感影像。
26、第二方面,本申请实施例提供一种基于深度学习的遥感影像自动配准装置,包括:
27、确定模块,用于基于目标遥感影像与基准遥感影像,确定第一控制点;所述第一控制点是所述目标遥感影像与所述基准遥感影像进行特征匹配确定的;
28、分块模块,用于基于所述第一控制点,对所述基准遥感影像进行分块,得到所述基准遥感影像的分块结果;
29、配准模块,用于基于所述目标遥感影像的分块结果与所述基准遥感影像的分块结果,进行所述目标遥感影像与所述基准遥感影像的自动配准。
30、第三方面,本申请还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面所述的方法。
31、第四方面,本申请还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述的方法。
32、第五方面,本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现第一方面所述的方法。
33、本申请实施例提供的基于深度学习的遥感影像自动配准方法及装置,通过目标遥感影像与基准遥感影像,确定第一控制点,并基于第一控制点对基准遥感影像的进行分块,基于基准遥感影像的分块结果,进行目标遥感影像与基准遥感影像的自动配准,可以完成遥感影像的自动配准,生成高精度几何校正影像,尤其是针对特征点不明显、拍摄角度差异较大,以及内部几何变形较大的遥感影像,可以获得更高的自动配准精度,从而提高遥感影像的有效利用率。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的遥感影像自动配准方法,其特征在于,包括:
2.根据权利要求1所述的基于深度学习的遥感影像自动配准方法,其特征在于,所述基于所述第一控制点,对所述基准遥感影像进行分块,包括:
3.根据权利要求1所述的基于深度学习的遥感影像自动配准方法,其特征在于,所述基于所述目标遥感影像的分块结果与所述基准遥感影像的分块结果,进行所述目标遥感影像与所述基准遥感影像的自动配准,包括:
4.根据权利要求3所述的基于深度学习的遥感影像自动配准方法,其特征在于,所述基于所述第三控制点,进行所述目标遥感影像与所述基准遥感影像的自动配准,包括:
5.根据权利要求1所述的基于深度学习的遥感影像自动配准方法,其特征在于,所述基于目标遥感影像与基准遥感影像,确定第一控制点,包括:
6.根据权利要求1所述的基于深度学习的遥感影像自动配准方法,其特征在于,所述方法还包括:
7.根据权利要求1所述的基于深度学习的遥感影像自动配准方法,其特征在于,所述方法还包括:
8.一种基于深度学习的遥感影像自动配准装置,其特征在于
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述基于深度学习的遥感影像自动配准方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于深度学习的遥感影像自动配准方法。
...【技术特征摘要】
1.一种基于深度学习的遥感影像自动配准方法,其特征在于,包括:
2.根据权利要求1所述的基于深度学习的遥感影像自动配准方法,其特征在于,所述基于所述第一控制点,对所述基准遥感影像进行分块,包括:
3.根据权利要求1所述的基于深度学习的遥感影像自动配准方法,其特征在于,所述基于所述目标遥感影像的分块结果与所述基准遥感影像的分块结果,进行所述目标遥感影像与所述基准遥感影像的自动配准,包括:
4.根据权利要求3所述的基于深度学习的遥感影像自动配准方法,其特征在于,所述基于所述第三控制点,进行所述目标遥感影像与所述基准遥感影像的自动配准,包括:
5.根据权利要求1所述的基于深度学习的遥感影像自动配准方法,其特征在于,所述基于目标遥感影像与基准遥感...
【专利技术属性】
技术研发人员:单小军,李宏益,张正,胡昌苗,
申请(专利权)人:中国科学院空天信息创新研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。