一种功能和性能可扩展的遥感数据质量监测系统
- 国知局
- 2024-10-21 15:07:01
本发明涉及遥感数据质量监测,具体为一种功能和性能可扩展的遥感数据质量监测系统。
背景技术:
1、随着遥感技术在农业、环境监测、城市规划、自然资源管理等领域的广泛应用,对遥感数据质量的要求日益提高,高质量的遥感数据对于精确的地物识别、变化检测、环境监测等具有重要意义,卫星数据和无人机数据获取成本的降低,这两种数据的获取与应用变得更加普及和频繁,然而,由于其空间分辨率等方面的差异,如何综合利用两者的优势并保证数据质量成为了一个需要解决的问题,同时随着遥感数据获取能力的不断提升,对数据处理和分析的需求也在不断增加,尤其是在大数据背景下,如何有效处理和管理海量的遥感数据,确保数据质量成为了一个新的挑战,所以,在此提出了一种功能和性能可扩展的遥感数据质量监测系统。
2、目前,功能和性能可扩展的遥感数据质量监测系统在处理数据时,由于卫星数据通常具有较大的覆盖范围和较低的空间分辨率,而无人机数据则可能具有较小的覆盖范围和较高的空间分辨率这种差异会导致数据集成时的规模和分辨率不匹配,会导致部分信息丢失或无法充分利用,从而影响到对地物特征的准确描述,并且由于两类数据的差异,集成后可能出现数据不连续的情况,使得数据在空间上不具备良好的连续性,难以进行统一的分析和应用,所以,在此提出了一种功能和性能可扩展的遥感数据质量监测系统,通过对卫星数据和无人机数据进行统一的规模和分辨率处理,卫星数据通常具有较低的空间分辨率,而无人机数据具有较高的空间分辨率,通过将两者集成,可以消除空间分辨率差异,对于一些小尺度或细节部分的地物,无人机数据能够提供更为清晰的观测结果可以消除数据之间的差异,使得整个数据集在空间上保持一致,提高数据的准确性和精度。
技术实现思路
1、针对现有技术中数据集成时的规模和分辨率不匹配的不足,本发明提供了一种功能和性能可扩展的遥感数据质量监测系统,具备消除规模和分辨率不匹配提高数据的准确性和精度的优点。
2、为实现上述目的,本发明提供如下技术方案:一种功能和性能可扩展的遥感数据质量监测系统,遥感数据质量监测系统的模块包括:
3、对卫星数据和无人机数据进行收集的数据获取模块;
4、将数据获取模块收集到的卫星数据和无人机数据进行匹配,找到相应的像素点或区域的数据匹配模块;
5、用于将卫星数据和无人机数据进行融合,生成一张整合后的图像的数据融合模块;
6、用于使用分辨率适应性处理方法对于卫星数据和无人机数据的分辨率进行匹配处理的分辨率适应性处理模块;
7、用于对卫星数据、无人机数据以及大气数据进行矫正的传感器误差进行校正的数据矫正模块;
8、用于对卫星数据和无人机数据进行统一标定的数据标定模块;
9、用于存储以及管理卫星数据的数据管理模块;
10、用于对卫星数据未覆盖的区域,使用插值方法推断无人机数据的数值的数据插值模块;
11、所述数据获取模块中设置有数据预处理模块,所述数据融合模块中设置有数据插值模块,所述数据矫正模块中设置有大气矫正模块以及几何矫正模块,所述数据管理模块中设置有数据库模块。
12、所述数据获取模块使用文件传输协议ftp以及安全文件传输协议sftp来进行遥感卫星数据获取,所述数据预处理模块使用图像处理库opencv对遥感卫星数据进行格式转换、去噪、校正、辐射定标、几何校正。
13、所述数据匹配模块对卫星数据和无人机数据分别应用sift算法,提取关键点和对应的维特征描述子,对于每个卫星数据的特征描述子,计算其与无人机数据中所有特征描述子的相似度,基于欧氏距离公式:
14、dist=sqrt(sum((desc1[i]-desc2[i])2))
15、余弦相似度:
16、similarity=dot(desc1,desc2)/(norm(desc1)*norm(desc2))
17、得到两个特征描述子之间的相似度,设置阈值选择最近邻距离比小于一个阈值的匹配点排除错误匹配,使用筛选后的匹配点,采用ransac算法来估计卫星数据和无人机数据之间的几何变换关系,利用求解得到的几何变换矩阵,将卫星数据中的像素点或区域映射到无人机数据中的对应位置。
18、数据融合模块基于数据预处理模块预处理将两幅图像具有相同的尺寸和坐标系,然后为每个数据源分配一个权重,使用公式:
19、融合后像素值=权重×卫星像素值+权重×无人机像素值得到计算整合后的像素值,其中,权重和权重分别表示卫星数据和无人机数据的权重,卫星像素值和无人机像素值分别表示对应位置的像素值,基于公式逐像素计算整合后的图像的像素值,并将其赋给新生成的图像,然后通过数据插值模块将卫星数据和无人机数据进行叠加,得到一个整合后的图像,根据卫星数据和无人机数据的覆盖范围,确定需要进行插值推断的区域,对于需要进行插值推断的每一个像素,使用公式:
20、像素值=无人机像素值×(-插值权重)+卫星像素值×插值权重进行线性插值,其中,无人机像素值和卫星像素值分别表示对应位置的像素值,插值权重是一个介于和之间的值,表示无人机像素值和卫星像素值在推断像素值中所占的比例,逐像素计算推断后的像素值,并将其赋给新生成的图像,最后对整合后的图像进行对比度调整、颜色校正后处理,得到最终的整合图像。
21、所述分辨率适应性处理模块对于无人机数据的分辨率高于卫星数据,对无人机数据进行下采样,将其降低到与卫星数据相匹配的分辨率,对于卫星数据的分辨率高于无人机数据,对卫星数据进行上采样,将其提高到与无人机数据相匹配的分辨率,根据上采样的比例因子,对卫星数据中的每个像素进行复制或插值操作,使其分辨率提高到与无人机数据相匹配,基于公式:
22、[f(x,y)=a·x+b·y+c·x·y+d]
23、其中,a、b、c和d是根据已知点计算得出的系数,x和y是要进行插值的位置坐标,f(x,y)是通过双线性插值得出的推断数值。
24、所述数据矫正模块中大气矫正模块获取卫星遥感数据,包括可见光、红外波段的辐射亮度或数字计数值,然后通过气象站、气象模型获取测站或卫星所在位置的大气参数,气温、湿度、气压、气溶胶光学厚度,将卫星数据和大气参数输入大气校正模型modtran,模拟大气对辐射的吸收、散射过程基于辐射传输方程公式:
25、lt(λ)=la(λ)·t(λ)+ld(λ)·(1-t(λ))
26、lt(λ)是地表反射辐射亮度,la(λ)是大气散射辐射亮度,ld(λ)是地表直射辐射亮度,t(λ)是大气透过率,得到大气传输、散射和吸收信息,根据模型计算得出的大气传输、散射和吸收信息,利用大气校正系数,对卫星数据进行校正,消除大气散射和吸收引起的误差,得到地表反射率或辐射亮度,所述几何矫正模块选择具有已知地理坐标的地面控制点,从卫星数据或无人机数据中提取与控制点相对应的特征点,通过控制点和特征点的对应关系,建立仿射变换模型,仿射变换模型可表示为:
27、x'=ax+by+c y'=dx+ey+f
28、其中x,y是原始数据中的像素坐标,x',y'是校正后的像素坐标,a,b,c,d,e,f是仿射变换的参数,然后通过最小二乘法估计仿射变换的参数a,b,c,d,e,f,最后利用计算得到的仿射变换参数,对整个数据集进行几何校正,将每个像素的原始坐标x,y通过仿射变换公式转换为校正后的坐标x',y'。
29、所述数据标定模块在卫星数据和无人机数据的拍摄区域内安放标定板,并分别用相机拍摄标定板的图像,对标定板图像进行特征点的提取,使用计算机视觉算法特征点检测算法sift提取标定板图像中的特征点,然后选择相机模型针孔相机模型描述相机成像的原理,将三维空间中的点映射到图像平面上的二维坐标,使用径向畸变方法对相机镜头的畸变进行畸变校正,最后利用标定板图像中的特征点和已知的标定板实际尺寸,通过相机标定算法zhang's得到相机的内参焦距、主点偏移和外参相机的姿态和位置,得到卫星数据和无人机数据的统一标定。
30、所述数据管理模块基于数据库系统使用关系型数据库mysql来存储数据,根据系统需求,定义不同的数据表,包括遥感数据信息表、质量评估结果表、传感器参数表,每个表对应着特定的数据类型和属性,将遥感数据通过数据导入工具导入到相应的数据表中,利用数据库系统提供的查询语言sql进行数据查询和检索,根据时间、地理位置、传感器类型条件进行查询,以获取特定范围内的遥感数据和质量评估结果,同时定期进行数据备份。
31、有益效果:
32、1、该功能和性能可扩展的遥感数据质量监测系统,通过对卫星数据和无人机数据进行统一的规模和分辨率处理,卫星数据通常具有较低的空间分辨率,而无人机数据具有较高的空间分辨率,通过将两者集成,可以消除空间分辨率差异,对于一些小尺度或细节部分的地物,无人机数据能够提供更为清晰的观测结果可以消除数据之间的差异,使得整个数据集在空间上保持一致,提高数据的准确性和精度。
33、2、该功能和性能可扩展的遥感数据质量监测系统,通过将卫星数据和无人机数据集成消除空间分辨率差异后,提高目标检测和识别的能力,无人机数据的高分辨率可以帮助更准确地发现和定位目标物体,补充卫星数据在目标检测方面的不足,提高目标检测能力。
本文地址:https://www.jishuxx.com/zhuanli/20241021/320584.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表