本發(fā)明涉及圖像復(fù)原，具體涉及一種面向多光譜遙感數(shù)據(jù)的幾何糾正方法及系統(tǒng)。

背景技術(shù)：

1、圖像幾何糾正是指修正由于相機視角、鏡頭畸變等因素造成的幾何變形，從而使圖像恢復(fù)到更自然、準確的幾何形態(tài)。通常這種變形會導(dǎo)致圖像中的直線看起來彎曲、物體比例失真等問題。幾何糾正的主要目的是消除或減少這些視覺誤差。徑向反畸變模型是解決鏡頭畸變最常見的模型之一，它用于描述從圖像中心向外的畸變現(xiàn)象。這種畸變現(xiàn)象使得圖像中的直線不再是直線，反而是彎曲的。

2、目前通過徑向畸變模型對遙感圖像數(shù)據(jù)進行幾何糾正時一般以固定的反畸變模型階數(shù)對圖像的像素點進行位置校正，但由于圖像畸變一般在圖像中心區(qū)域往往較小，而在圖像邊緣區(qū)域畸變較為嚴重，而針對整個圖像使用相同階數(shù)的反畸變模型，容易出現(xiàn)圖像中心的校正效果較好而邊緣部分可能出現(xiàn)校正不足或過度校正的不平衡問題，不利于精確地還原圖像所呈現(xiàn)的真實區(qū)域場景。

技術(shù)實現(xiàn)思路

1、為了解決采用固定反畸變模型階數(shù)對圖像校正容易導(dǎo)致畸變校正不平衡，校正效果較差的技術(shù)問題，本發(fā)明的目的在于提供一種面向多光譜遙感數(shù)據(jù)的幾何糾正方法及系統(tǒng)，所采用的技術(shù)方案具體如下：

2、本發(fā)明提供一種面向多光譜遙感數(shù)據(jù)的幾何糾正方法，所述方法包括：

3、獲取目標地區(qū)的遙感圖像，確定所述遙感圖像中的多個目標分區(qū)；

4、確定所述目標分區(qū)的畸變程度，基于畸變程度確定所述目標分區(qū)的模型階數(shù)權(quán)重；

5、根據(jù)所述模型階數(shù)權(quán)重，確定所述目標分區(qū)的反畸變模型階數(shù)；

6、利用所述反畸變模型階數(shù)對應(yīng)的反畸變模型，對所述目標分區(qū)進行畸變校正。

7、進一步地，確定所述遙感圖像中的多個目標分區(qū)的步驟，包括：

8、以所述遙感圖像對角線之間的交點為圓心，以對角線的一半長度為最大圓半徑，將所述遙感圖像劃分為預(yù)設(shè)數(shù)量同心圓式的目標分區(qū)。

9、進一步地，確定所述目標分區(qū)的畸變程度的步驟，包括：

10、確定所述目標分區(qū)中各個線條的線條曲率和任意兩線條的彎曲方向相似度；

11、利用所述線條曲率和所述彎曲方向相似度，計算得到所述目標分區(qū)的畸變程度。

12、進一步地，基于畸變程度確定所述目標分區(qū)的模型階數(shù)權(quán)重的步驟，包括：

13、確定所述目標分區(qū)相對所有分區(qū)中其他分區(qū)的畸變程度差異；

14、確定所有分區(qū)的分區(qū)數(shù)量和所述目標分區(qū)的目標半徑；

15、利用所述畸變程度差異、所述分區(qū)數(shù)量以及所述目標半徑，計算得到所述目標分區(qū)的模型階數(shù)權(quán)重。

16、進一步地，根據(jù)所述模型階數(shù)權(quán)重，確定所述目標分區(qū)的反畸變模型階數(shù)的步驟，包括：

17、按照目標分區(qū)由內(nèi)至外的排列順序，確定由各個所述模型階數(shù)權(quán)重組成的階數(shù)權(quán)重序列；

18、確定所述階數(shù)權(quán)重序列中任意兩相鄰模型階數(shù)權(quán)重的最大差值處；

19、以所述模型階數(shù)權(quán)重為區(qū)域，以所述最大差值處為劃分條件，利用函數(shù)劃分階數(shù)權(quán)重序列為多個子權(quán)重序列；

20、將對應(yīng)同一子權(quán)重序列的各目標分區(qū)設(shè)置為與所述排列順序?qū)?yīng)的同一反畸變模型階數(shù)；

21、其中，所述最大差值處包括第一階數(shù)權(quán)重和第二階數(shù)權(quán)重。

22、進一步地，以所述模型階數(shù)權(quán)重為區(qū)域，以所述最大差值處為劃分條件，利用函數(shù)劃分階數(shù)權(quán)重序列為多個子權(quán)重序列的步驟，包括：

23、按照所述排列順序，遍歷所述階數(shù)權(quán)重序列中作為區(qū)域的各個階數(shù)模型權(quán)重；

24、確定第一階數(shù)權(quán)重之前的各個前序模型階數(shù)權(quán)重和第一階數(shù)權(quán)重之后且包括第一階數(shù)權(quán)重的后序模型階數(shù)權(quán)重；

25、利用函數(shù)，將各個前序模型階數(shù)權(quán)重和各個后序模型階數(shù)權(quán)重劃分為兩個不同的子權(quán)重序列；

26、將子權(quán)重序列作為所述階數(shù)權(quán)重序列，按照迭代停止參數(shù)以迭代得到多個子權(quán)重序列。

27、進一步地，在所述按照迭代停止參數(shù)以迭代得到多個子權(quán)重序列的步驟中，確定迭代停止參數(shù)的步驟，包括：

28、獲取當(dāng)前迭代形成的各個子權(quán)重序列的模型階數(shù)權(quán)重集中度和任意兩個子權(quán)重序列的平均模型階數(shù)權(quán)重差異；

29、利用所述模型階數(shù)權(quán)重集中度和所述平均模型階數(shù)權(quán)重差異，計算得到當(dāng)前的迭代停止參數(shù)。

30、進一步地，所述方法還包括：

31、確定各個相鄰目標分區(qū)之間的過渡區(qū)；

32、在所述過渡區(qū)為同一子權(quán)重序列對應(yīng)的目標分區(qū)相鄰形成的情況下，將所述過渡區(qū)設(shè)置為與相鄰目標分區(qū)相同的反畸變模型階數(shù)。

33、進一步地，確定各個相鄰目標分區(qū)之間的過渡區(qū)的步驟之后，所述方法還包括：

34、在所述過渡區(qū)為不同子權(quán)重序列對應(yīng)的目標分區(qū)相鄰形成的情況下，確定所述過渡區(qū)對應(yīng)的內(nèi)部分區(qū)和外部分區(qū)；

35、確定所述內(nèi)部分區(qū)或外部分區(qū)的參考反畸變模型階數(shù)；

36、確定所述內(nèi)部分區(qū)的內(nèi)部模型階數(shù)權(quán)重和所述內(nèi)部分區(qū)所屬子權(quán)重序列的內(nèi)部分區(qū)數(shù)量；

37、確定所述外部分區(qū)的外部模型階數(shù)權(quán)重和所述外部分區(qū)所屬子權(quán)重序列的外部分區(qū)數(shù)量；

38、利用參考反畸變模型階數(shù)、內(nèi)部模型階數(shù)權(quán)重、內(nèi)部分區(qū)數(shù)量、外部模型階數(shù)權(quán)重以及外部分區(qū)數(shù)量，計算得到所述過渡區(qū)的反畸變模型階數(shù)。

39、本發(fā)明還提供一種面向多光譜遙感數(shù)據(jù)的幾何糾正系統(tǒng)，所述系統(tǒng)用于實現(xiàn)如上任一項所述的面向多光譜遙感數(shù)據(jù)的幾何糾正方法；所述系統(tǒng)包括：

40、區(qū)域劃分模塊，用于獲取目標地區(qū)的遙感圖像，確定所述遙感圖像中的多個目標分區(qū)；

41、權(quán)重計算模塊，用于確定所述目標分區(qū)的畸變程度，基于畸變程度確定所述目標分區(qū)的模型階數(shù)權(quán)重；

42、階數(shù)計算模塊，用于根據(jù)所述模型階數(shù)權(quán)重，確定所述目標分區(qū)的反畸變模型階數(shù)；

43、模型校正模塊，利用所述反畸變模型階數(shù)對應(yīng)的反畸變模型，對所述目標分區(qū)進行畸變校正。

44、本發(fā)明具有如下有益效果：

45、本發(fā)明基于在圖像的不同區(qū)域畸變程度各有不同的發(fā)現(xiàn)規(guī)律，克服了以固定階數(shù)的反畸變模型對整體圖像進行畸變校正時導(dǎo)致部分圖像區(qū)域校正不足或過度校正的問題，通過劃分圖像為多個分區(qū)域，為每個分區(qū)域單獨擬合畸變參數(shù)，從而針對圖像不同區(qū)域的畸變狀態(tài)確定更適配的反畸變模型階數(shù)，大幅度提升了圖像的畸變校正精度，使得圖像的每個區(qū)域都適應(yīng)性地得到更加合理準確的校正，從而更加精確地還原圖像所呈現(xiàn)的真實區(qū)域場景。

技術(shù)特征：

1.一種面向多光譜遙感數(shù)據(jù)的幾何糾正方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的面向多光譜遙感數(shù)據(jù)的幾何糾正方法，其特征在于，確定所述遙感圖像中的多個目標分區(qū)的步驟，包括：

3.根據(jù)權(quán)利要求1所述的面向多光譜遙感數(shù)據(jù)的幾何糾正方法，其特征在于，確定所述目標分區(qū)的畸變程度的步驟，包括：

4.根據(jù)權(quán)利要求1所述的面向多光譜遙感數(shù)據(jù)的幾何糾正方法，其特征在于，基于畸變程度確定所述目標分區(qū)的模型階數(shù)權(quán)重的步驟，包括：

5.根據(jù)權(quán)利要求1所述的面向多光譜遙感數(shù)據(jù)的幾何糾正方法，其特征在于，根據(jù)所述模型階數(shù)權(quán)重，確定所述目標分區(qū)的反畸變模型階數(shù)的步驟，包括：

6.根據(jù)權(quán)利要求5所述的面向多光譜遙感數(shù)據(jù)的幾何糾正方法，其特征在于，以所述模型階數(shù)權(quán)重為區(qū)域，以所述最大差值處為劃分條件，利用函數(shù)劃分階數(shù)權(quán)重序列為多個子權(quán)重序列的步驟，包括：

7.根據(jù)權(quán)利要求6所述的面向多光譜遙感數(shù)據(jù)的幾何糾正方法，其特征在于，在所述按照迭代停止參數(shù)以迭代得到多個子權(quán)重序列的步驟中，確定迭代停止參數(shù)的步驟，包括：

8.根據(jù)權(quán)利要求6所述的面向多光譜遙感數(shù)據(jù)的幾何糾正方法，其特征在于，所述方法還包括：

9.根據(jù)權(quán)利要求8所述的面向多光譜遙感數(shù)據(jù)的幾何糾正方法，其特征在于，確定各個相鄰目標分區(qū)之間的過渡區(qū)的步驟之后，所述方法還包括：

10.一種面向多光譜遙感數(shù)據(jù)的幾何糾正系統(tǒng)，其特征在于，所述系統(tǒng)用于實現(xiàn)如權(quán)利要求1~9任一項所述的面向多光譜遙感數(shù)據(jù)的幾何糾正方法；所述系統(tǒng)包括：

技術(shù)總結(jié)
本發(fā)明涉及圖像復(fù)原技術(shù)領(lǐng)域，具體涉及一種面向多光譜遙感數(shù)據(jù)的幾何糾正方法及系統(tǒng)，所述方法包括：獲取目標地區(qū)的遙感圖像，確定所述遙感圖像中的多個目標分區(qū)；確定目標分區(qū)的畸變程度，基于畸變程度確定目標分區(qū)的模型階數(shù)權(quán)重；根據(jù)模型階數(shù)權(quán)重，確定目標分區(qū)的反畸變模型階數(shù)；利用反畸變模型階數(shù)對應(yīng)的反畸變模型，對目標分區(qū)進行畸變校正。通過本發(fā)明的面向多光譜遙感數(shù)據(jù)的幾何糾正方法，針對圖像不同區(qū)域確定更匹配的反畸變模型階數(shù)，大幅度提升了圖像的畸變校正精度，使得圖像的每個區(qū)域都適應(yīng)性地得到更加合理準確的校正，從而更加精確地還原圖像所呈現(xiàn)的真實區(qū)域場景。

技術(shù)研發(fā)人員：劉同文,于廣婷,徐福強,薛立明,徐進達,何祖臣,宋冠涵,張志進,段越洋,趙相博,宋慧
受保護的技術(shù)使用者：山東省地質(zhì)測繪院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15