[發明專利]一種基于深度學習的遙感影像數據自動化幾何糾正方法

有效

• 申請號: 201911323845.3
• 申請日: 2019-12-20
• 公開（公告）號: CN111028178B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 王艷東;邵鑫;劉波;賀楷鍇;魏廣澤;李小雨
• 申請（專利權）人: 武漢大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06V10/762;G06K9/62
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

本發明公開了一種基于深度學習的遙感影像數據自動化幾何糾正方法，包括：步驟1，根據幾何拓撲關系，從矢量道路數據中，篩選出道路交叉口作為控制點；步驟2，以矢量數據道路交叉口控制點為中心，以一定面積的窗口截取遙感影像，利用訓練好的深度學習模型從截取遙感影像中提取影像道路交叉口，并通過幾何距離匹配與矢量數據道路交叉口構成同名控制點；步驟3，利用基于密度的空間聚類算法，對同名控制點數據進行數據清洗，并用數據清洗后的同名控制點基于二元三次多項式糾正模型對遙感影像進行幾何糾正。本發明中采用深度學習模型自動提取遙感影像道路交叉控制點，提高了遙感影像特征提取的準確率。

技術領域

本發明涉及一種遙感影像數據幾何糾正技術領域，尤其涉及一種基于深度學習的遙感影像數據自動化幾何糾正方法。

背景技術

目前，多波段遙感影像的空間分辨率達到米級，單波段影像的空間分辨率已經可以達到亞米以內。如此高分辨率的遙感影像能夠清晰地表達一些地物景觀的結構、紋理等細部信息，因而使我們不僅獲得了豐富的地物光譜信息，同時還獲得了更多的地物結構、形狀和紋理信息，使得在較小的空間尺度上觀察地表的細節變化、進行大比例尺遙感制圖以及監測人為活動對環境的影響成為可能。

但是，原始遙感影像通常包含嚴重的幾何變形，必須加以糾正，賦予影像像素正確的地理編碼，才能在測繪生產等諸多方面得以應用。遙感影像的幾何變形可以分為系統性幾何變形和非系統性幾何變形。系統性幾何變形可以根據遙感平臺位置、遙感傳感器的掃描視野、使用的投影類型推算出并且可以進行系統改正。非系統性幾何變形是不規律，它是由遙感器平臺高度、姿態、速度、經緯度等因素的不穩定性以及地球曲率、大氣折射等因素的變化引起的難以預料和不規律的幾何形變。因此，需要對遙感影像進行幾何糾正，以改正這些系統和非系統性的圖像幾何變形。通常，衛星影像的用戶購買得到的都是已經經過根據衛星軌道公式、遙感傳感器位置及姿態解算過的數據，但由于遙感傳感器位置及姿態的測量參數精度不高，影像中仍然包含幾何變形，需要加以糾正。

目前常用的遙感影像幾何糾正處理方法是基于ERDAS等專業圖像處理軟件進行的。通常采用的操作流程都是人工目視判讀，選取影像上的特征點，結合這些特征點的地面實際坐標，或者配準己有正射影像掃描地圖或航片的上的同名特征點對，根據需要選擇采用共線方程或多項式糾正等方法進行影像坐標的變換，使得影像糾正到正確的大地坐標，去除影像上的幾何變形。然而地面控制點的選取是一個十分耗時和枯燥的工作，其工作量占整個過程的90％以上，同時人工選擇特征點存在個人視覺誤差以及其他個人習慣引起的誤差。

本文提出一種基于深度學習的遙感影像數據自動化幾何糾正方法，能夠依據標準矢量數據自動化計算標準矢量數據與遙感影像的同名點，完成遙感影像的幾何糾正。

發明內容

本發明通過提供一種基于深度學習的遙感影像數據自動化幾何糾正方法，實現了遙感影像自動化幾何糾正，解決了人工遙感圖像幾何糾正效率低下問題。

為了達到上述目的，本發明提供的技術方案是：一種基于深度學習的遙感影像數據自動化幾何糾正方法，包括以下步驟：

步驟1，根據幾何拓撲關系，從矢量道路數據中，篩選出道路交叉口作為控制點；

步驟2，以矢量數據道路交叉口控制點為中心，以一定面積的窗口截取遙感影像，利用訓練好的深度學習模型從截取遙感影像中提取影像道路交叉口，并通過幾何距離匹配與矢量數據道路交叉口構成同名控制點；

步驟3，利用基于密度的空間聚類算法，對同名控制點數據進行數據清洗，并用數據清洗后的同名控制點基于二元三次多項式糾正模型對遙感影像進行幾何糾正，二元三次多項式糾正模型如下：