CN112559786A - 一种光学遥感影像成像时间的确定方法及装置 - Google Patents
一种光学遥感影像成像时间的确定方法及装置 Download PDFInfo
- Publication number
- CN112559786A CN112559786A CN202011444195.0A CN202011444195A CN112559786A CN 112559786 A CN112559786 A CN 112559786A CN 202011444195 A CN202011444195 A CN 202011444195A CN 112559786 A CN112559786 A CN 112559786A
- Authority
- CN
- China
- Prior art keywords
- shadow
- remote sensing
- sensing image
- determining
- optical remote
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 101
- 238000003384 imaging method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 9
- 230000010365 information processing Effects 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本公开实施例提供了一种光学遥感影像成像时间的确定方法及装置,涉及光学遥感影像信息处理技术领域,通过本公开实施例能够估算出光学遥感影像的成像时间,且计算方式简便、快速。具体方案包括:获取光学遥感影像中每个阴影区域的像元位置和像元数量,每个阴影对应的地物区域的像元位置和像元数量,以及与光学遥感影像对应的经纬度信息,其中,一个阴影区域和一个地物区域一一对应;根据获取到的阴影区域的像元位置和像元数量,以及地物区域的像元位置和像元数量,确定阴影方位角和太阳方位角;将太阳方位角和经纬度信息输入位置关系模型,得到太阳时角;基于太阳时角,确定光学遥感影像的成像时间。
Description
技术领域
本公开涉及图像处理领域,具体而言,涉及一种光学遥感影像成像时间的确定方法及装置。
背景技术
遥感图像是由卫星或者航空器利用传感器对某个时间某个地点的地物拍摄而成的。由于传感器类型的不同,遥感影像可分为两类,光学影像以及合成孔径雷达(SAR)影像。其中,光学影像是指灰度和颜色连续变化的图像,通常采用光学摄影系统以感光胶片为介质进行获取。例如,航空遥感获取的可见光黑白全色像片、彩色红外像片、多波段摄影像片和热红外摄影像片,都属于光学遥感影像。
通常来说光学遥感影像的大部分属性信息都可通过光学遥感影像的元数据来获取,包括成像时间。但是,当发生影像传感器损坏或者传播过程中影像元数据丢失情况时,则将无法获取成像时间。
发明内容
本公开提供了一种光学遥感影像成像时间的确定方法及装置,以至少解决相关技术中当发生影像传感器损坏或者传播过程中影像元数据丢失时,无法获取成像时间的问题。
为达到上述目的,本公开采用如下技术方案:
第一方面,本公开提供了一种光学遥感影像成像时间的确定方法,该方法包括以下步骤:光学遥感影像成像装置获取光学遥感影像中每个阴影区域的像元位置和像元数量,每个阴影对应的地物区域的像元位置和像元数量,以及与光学遥感影像对应的经纬度信息,其中,一个阴影区域和一个地物区域一一对应;根据获取到的阴影区域的像元位置和像元数量,以及地物区域的像元位置和像元数量,确定目标阴影方位角和太阳方位角;将太阳方位角和经纬度信息输入位置关系模型,得到太阳时角;基于太阳时角,确定光学遥感影像的成像时间。
本公开提供一种遥感影像成像时间的估算方法,基于遥感图像分类,获取遥感影像中每个阴影区域的像元位置和像元数量,每个阴影对应地物区域的像元位置和像元数量,以及与遥感影像对应的经纬度信息,其中,一个阴影区域和一个地物区域一一对应;根据获取到的阴影区域的像元位置和像元数量,以及阴影对应地物区域的像元位置和像元数量,计算阴影方位角和太阳方位角;将太阳方位角和经纬度信息输入位置关系模型,计算太阳时角;根据得到的太阳时角,估算遥感影像的成像时间。运用方便、快速的计算方式得出成像时间;这样,灵活性更高并且具有较高的准确性。
第二方面,本公开提供了一种光学遥感影像成像时间的确定装置,该装置包括获取模块和处理模块;具体的,获取模块,基于遥感图像分类,获取遥感影像中每个阴影区域的像元位置和像元数量,每个阴影对应地物区域的像元位置和像元数量,以及与遥感影像对应的经纬度信息,其中,一个阴影区域和一个地物区域一一对应;处理模块,用于根据获取到的阴影区域的像元位置和像元数量,以及地物区域的像元位置和像元数量,确定目标阴影方位角和太阳方位角;处理模块,还用于将太阳方位角和经纬度信息输入位置关系模型,得到太阳时角;处理模块,还用于基于太阳时角,确定光学遥感影像的成像时间。
第三方面,本公开提供了一种计算机可读的存储介质,存储介质中存储有计算机程序,其中,计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
第四方面,本公开提供了一种电子装置,包括存储器和处理器,其特征在于,存储器中存储有计算机程序,处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
本公开中第二方面到第四方面及其各种实现方式的具体描述,可以参考第一方面的实现方式中的详细描述;并且,第二方面到第四方面及其各种实现方式的有益效果,可以参考第一方面的实现方式中的有益效果分析,此处不再赘述。
本公开的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本公开实施例中一种光学遥感影像成像时间的确定方法的流程图;
图2是根据本公开实施例中像元的示意图;
图3是根据本公开实施例中一种光学遥感影像成像时间的确定方法的流程图;
图4是根据本公开实施例中一种光学遥感影像成像时间的确定方法的流程图;
图5是根据本公开实施例中一种光学遥感影像成像时间的确定系统的结构框图;
图6是根据本公开实施例中一种光学遥感影像成像时间的确定系统的结构框图;
图7是根据本公开实施例的一种可选的电子装置结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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,都属于本公开保护的范围。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中,除非另有说明,“多个”的含义是两个或两个以上。
随着卫星遥感技术的不断发展,光学遥感影像的空间分辨率越来越高。由于光学遥感影像的获取成本逐步降低,越来越多被应用于国土资源调查、环境变化监测、地图测绘更新等多个领域,并提供大量的数据支持。
遥感影像是由卫星或者航空器利用传感器对某个时间某个地点的地物拍摄而成的。在使用中,遥感影像处理人员更多关注遥感影像的空间信息,而极少关注遥感影像的时间信息;光学遥感影像的成像时间信息通常只能基于影像元数据获取。很多遥感影像在传播过程中由于各种因素可能会损失影像元数据信息,因而便无法获知成像时间,给后续的空间数据处理分析工作带来不便。
为了解决现有技术的问题,本公开实施例提供的一种光学遥感影像成像时间的确定方法及装置。本公开实施例提供的光学遥感影像成像时间的确定方法的执行主体可以为本公开实施例提供的光学遥感影像成像时间的确定装置,也可以为包括该光学遥感影像成像时间的确定装置的电子设备,具体的可以根据实际使用需求确定,本公开实施例不作限定。
需要说明的是,本公开实施例提供的光学遥感影像成像时间的确定方法可以应用于遥感、计算机视觉、无人驾驶、机器人等多行业领域,具有较高的应用价值。
当然,实际实现时,本公开实施例提供的光学遥感影像成像时间的确定方法还可以应用于其它任意可能的领域中,具体可以根据实际使用需求确定,本公开实施例不作限定。
下面以光学遥感影像成像时间的确定装置为例,结合各个附图,对本公开实施例提供的光学遥感影像成像时间的确定方法进行示例性说明。
图1是根据一示例性实施例示出的一种光学遥感影像成像时间的确定方法的流程图。如图1所示,光学遥感影像成像时间的确定方法用于光学遥感影像成像时间的确定装置中,该方法可以包括S110-S140。
S110、获取光学遥感影像中每个阴影区域的像元位置和像元数量,每个阴影对应的地物区域的像元位置和像元数量,以及与光学遥感影像对应的经纬度信息。
其中,一个阴影区域和一个地物区域一一对应。
可选的,本公开实施例中,上述光学遥感影像包括至少一张图像。图像来源于不同的应用场景。可能包括建筑物、路边的树木、道路和车辆等等。图像包含视觉信息和属性信息,其中,视觉信息体现在一张图像可以包括多个阴影区域以及多个阴影对应的地物区域。
图像的属性信息为图像拍摄时的记录信息。具体的,可通过卫星传感器记录下的影像元数据查看,从而获得图像的拍摄日期、经纬度、传感器波段等相关信息。
可选的,本公开实施例中,当获取光学遥感影像时,可通过已训练和优化的模型进行图像分类,区分出阴影区域像元和阴影对应的地物区域像元。
S120、根据获取到的阴影区域的像元位置和像元数量,以及地物区域的像元位置和像元数量,确定目标阴影方位角和太阳方位角;
像元是指在由一个数字序列表示的图像中的一个最小单位。如图2所示,一个方块即为一个像元单元。像元数量是指本公开中的阴影区域和阴影对应的地物区域所占的像元块的数量。
像元坐标是指以图像边界交点作为坐标起点,对每个像元块进行位置标记。用r表示栅格像元的行,用c表示栅格像元的列。
本公开实施例中,可通过光学遥感影像成像时间的确定装置获取到若干个阴影区域的像元数量和坐标以及若干个阴影对应地物区域的像元数量和像元坐标;
示例性的,结合图1、图2,如图3所示,上述S120具体可通过下述的S121、S122和S123实现。
在S121中,确定至少一个偏移度,偏移度为一个阴影区域相对于与一个阴影对应的地物区域的偏移度;
偏移程度通过图像上的阴影区域的像元数量与阴影对应地物区域的像元数量的比值来表征;
d=Ps/Pn
上式中,Ps用于表示区域内阴影的像元数量,Pn用于表示对应区域内阴影对应地物的像元数量;d用于表示偏移度。当d数值越大时,代表区域内形成阴影比例越多。
在S122中,在每个偏移度均大于阈值的情况下,根据每个阴影区域的中心位置和每个地物区域的中心位置,确定目标阴影方位角。
可选的,本公开实施例中,一种可能的实现方式,预设偏移程度的阈值为0,当偏移度大于0的时候,证明光学遥感影像中存在阴影,当存在阴影时,通过阴影区域的中心位置来计算阴影方位角。
示例性的,如图3所示,上述S122具体可通过下述的S1221、S1222和S1223实现。
在S1221中,确定至少一个阴影方向向量,阴影方向向量为一个阴影的中心位置相对于与一个阴影相对应的地物区域的阴影方向向量。
可选的,本公开实施例中,一种可能的实现方式,如图2所示,用r表示栅格像元的行数,用c表示栅格像元的列数。N用于标识为阴影对应的地物,S用于标识为阴影。(Nr,Nc)用于表示阴影区域的像元坐标,(Sr、Sc)用于表示阴影对应的地物区域的像元坐标,Pn用于表示阴影对应的地物区域的像元数量,Ps用于表示阴影区域的像元数量;
具体的,阴影方向向量需要分别计算出每个阴影区域和阴影对应地物区域的中心坐标来获得,因此:
阴影对应地物区域的中心坐标为:
阴影区域中心坐标为:
上述公式中,Ncenter为地物区域的中心,Scenter为阴影区域的中心。rn为地物区域的中心像元行坐标,rs为阴影区域的中心像元行坐标,cn为地物区域的中心像元列坐标,cs为阴影区域的中心像元列坐标。
在S1222中,将至少一个阴影方向向量分别输入反三角函数中,得出至少一个阴影方位角;
可选的,本公开实施例中,将计算出的每个阴影方向向量分别输入到反三角函数中,从而可得出每个阴影对应的方位角。
在S1223中,对至少一个阴影方位角进行排序,取中位数作为目标阴影方位角。
可选的,本公开实施例中,由于上述光学遥感影像,可对应若干个阴影区域,通过对阴影区域内的阴影位置和阴影对应地物区域的位置计算,从而得出若干个阴影方位角。
在实际使用中,对于计算出来的多个不同区域的阴影方位角进行顺序排列,取排列后的中位数,作为目标阴影方位角。
在S123中,根据目标阴影方位角,确定太阳方位角。
示例性的,由于本公开选用的为太阳地球位置关系模型进行计算,须计算出模型中的相关的参数以获得最终计算结果。目标阴影方位角A,则太阳方位角为360°-A。
S130、将方位角和经纬度信息输入位置关系模型,得到太阳时角。
示例性的,上述位置关系模型为基于现有的地理学模型其中的太阳地球位置关系模型。在实际使用中,可采用高精度算法或低精度算法。本公开采用低精度算法为例。
中得出。
由上述公式可知,需计算出太阳赤纬δ,具体的,太阳赤纬δ的计算方式为:
δ=0.3723+23.2567sinw+0.1149sin2w-0.1712sin3w-0.7580cosw+0.3656cos2w+0.0201cos3w
其中,w参数的计算公式为:
式中,n0代表春分时间,即一年的起始,n0的计算公式为:
n0=78.801+0.2422(YEAR-1969)-INT(0.25(YEAR-1969))
上述公式中,n为光学遥感影像的拍摄日期,INT为取整数。
将计算出的太阳赤纬δ输入到太阳地球模型中,从而计算出太阳时角的具体数值。
可选的,位置关系模型还可以使用高精度算法计算出最终的成像时间即可。本公开对此不作限定。
S140、基于太阳时角,确定光学遥感影像的成像时间。
可选的,本公开实施例中,通过上述S130得出太阳时角的具体数值ω,而ω=15×(ST-12),其中ST为真太阳时,以24小时计。因此将太阳时角的数值代入公式中,即可得出光学遥感影像的成像时间。
可选的,本公开实施例中,如图4所示,在S110之前还包括S101-S102。
S101、获取光学遥感影像;
可选的,本公开实施例中,上述获取到的遥感数据来源于人工采集到的若干原始光学遥感影像图像,光学遥感影像成像时间的确定装置对获取到的原始光学遥感影像图像进行随机分类,生成训练集数据。
S102、将光学遥感影像输入到预先训练好的模型中,基于图像分类得出光学遥感影像中的阴影区域和地物区域。
具体的,将光学遥感影像的训练集数据进行特征标记,用于训练机器学习模型进行图像分类,经过处理后,生成分类结果;对于分类结果,模型训练人员判断分类结果的正确率,根据正确率,判断是否再次对光学遥感影像进行标记;直到处理结果满足对于光学遥感影像对于分类的要求,确定该版为最终训练好的模型,从而进行后续的图像分类,区分出光学遥感影像的阴影区域和地物区域。通过该步骤确定出能精确区分阴影区域和地物区域,从而提高后续计算的准确性。
上述实施例提供的技术方案至少带来以下有益效果:光学遥感影像成像装置获取到光学遥感影像中的每个阴影区域的数据,具体包括阴影区域中的像元位置和像元数量、阴影对应地物区域的像元位置和像元数量、以及与光学遥感影像对应的经纬度信息。光学遥感影像成像装置根据获取到的上述信息,计算出目标阴影方位角和太阳方位角;将太阳方位角和经纬度信息输入位置关系模型,得到太阳时角;根据得出的太阳时角,估算出光学遥感影像的成像时间。本公开的计算方法简单便捷,将地理模型与计算机图像处理技术相结合,易于实现计算自动化,且准确性更高。
上述主要从方法的角度对本公开实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本公开能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
图5是根据一示例性实施例示出的一种光学遥感影像成像时间的确定装置的框图,该光学遥感影像成像时间的确定装置可以用于执行图1所示的光学遥感影像成像时间的确定方法。作为一种可实现方式,该装置可以包括获取模块510和处理模块520。
获取模块,用于获取光学遥感影像中每个阴影区域的像元位置和像元数量,每个阴影对应的地物区域的像元位置和像元数量,以及与光学遥感影像对应的经纬度信息,其中,一个阴影区域和一个地物区域一一对应;例如,结合图1,接收模块可以用于执行S110。
处理模块,用于根据获取到的阴影区域的像元位置和像元数量,以及地物区域的像元位置和像元数量,确定目标阴影方位角和太阳方位角;例如,结合图1,接收模块可以用于执行S120。
处理模块,还用于将太阳方位角和经纬度信息输入位置关系模型,得到太阳时角;例如,结合图1,接收模块可以用于执行S130。
处理模块,还用于基于太阳时角,确定光学遥感影像的成像时间。例如,结合图1,接收模块可以用于执行S140。
进一步地,还包括:获取模块510和确定模块530。
获取模块510,还用于获取光学遥感影像;例如,结合图4,接收模块可以用于执行S101。
确定模块530,用于将光学遥感影像输入到预先训练好的模型中,基于图像分类得出光学遥感影像中的阴影区域和地物区域。例如,结合图4,接收模块可以用于执行S102。
进一步地,如图6所示处理模块520还包括计算单元610和判断单元620:
计算单元610,用于确定至少一个偏移度,偏移度为一个阴影区域相对于与一个阴影对应的地物区域的偏移度;例如,结合图3,接收模块可以用于执行S121。
判断单元620,用于在每个偏移度均大于阈值的情况下,根据每个阴影区域的中心位置和每个地物区域的中心位置,确定目标阴影方位角;例如,结合图3,接收模块可以用于执行S122。
计算单元610,还用于根据目标阴影方位角,确定太阳方位角。例如,结合图3,接收模块可以用于执行S123。
进一步地,判断单元620还包括判定子单元621和得出子单元622;
判定子单元621,用于确定至少一个阴影方向向量,阴影方向向量为一个阴影的中心位置相对于与一个阴影相对应的地物区域的阴影方向向量;例如,结合图3,接收模块可以用于执行S1221。
得出子单元622,用于将至少一个阴影方向向量分别输入反三角函数中,得出至少一个阴影方位角;例如,结合图3,接收模块可以用于执行S1222。
得出子单元622,还用于对至少一个阴影方位角进行排序,取中位数作为目标阴影方位角。例如,结合图3,接收模块可以用于执行S1223。
当然,本公开实施例提供的光学遥感影像成像时间的确定装置包括但不限于上述模块,例如还可以包括存储模块。存储模块可以用于存储该光学遥感影像成像时间的确定装置的程序代码,还可以用于存储光学遥感影像成像时间的确定装置在运行过程中生成、接收到的数据等。
根据本公开实施例的又一个方面,还提供了一种用于实施上述光学遥感影像成像时间的确定方法的电子设备,上述电子设备可以但不限于应用于服务器中。如图7所示,该电子设备包括存储器710和处理器720,该存储器710中存储有计算机程序,该处理器720被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
进一步地,在本实施例中,上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
进一步地,在本实施例中,上述处理器720可以被设置为通过计算机程序执行如图4的步骤。
可选地,本领域普通技术人员可以理解,图7所示的结构仅为示意,电子设备也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图7其并不对上述电子设备的结构造成限定。例如,电子设备还可包括比图7中所示更多或者更少的组件(如网络接口等),或者具有与图7所示不同的配置。
其中,存储器710可用于存储软件程序以及模块,如本公开实施例中的光学遥感影像成像时间的确定方法和装置对应的程序指令/模块,处理器720通过运行存储在存储器710内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的光学遥感影像成像时间的确定方法。存储器710可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器710可进一步包括相对于处理器720远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中,存储器710具体可以但不限于用于储存光学遥感影像成像时间的确定方法的程序步骤。此外,还可以包括但不限于上述光学遥感影像成像时间的确定装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置730用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置730包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置730为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述电子设备还包括:显示器740,用于显示可疑帐号的告警推送;和连接总线750,用于连接上述电子设备中的各个模块部件。
可选地,本公开另一实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当指令在计算机上运行时,使得计算机执行上述方法实施例所示的方法流程中光学遥感影像成像时间的确定装置执行的各个步骤。
可选地,在本公开另一实施例中,还提供一种计算机程序产品,该计算机程序产品包括指令,当指令在计算机上运行时,使得计算机执行上述方法实施例所示的方法流程中光学遥感影像成像时间的确定装置执行的各个步骤。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本公开实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本公开各个实施例方法的全部或部分步骤。
在本公开的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本公开所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上仅是本公开的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本公开原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本公开的保护范围。
Claims (10)
1.一种光学遥感影像成像时间的确定方法,其特征在于,包括:
获取光学遥感影像中每个阴影区域的像元位置和像元数量,每个阴影对应的地物区域的像元位置和像元数量,以及与所述光学遥感影像对应的经纬度信息,其中,一个所述阴影区域和一个所述地物区域一一对应;
根据获取到的所述阴影区域的像元位置和像元数量,以及所述地物区域的像元位置和像元数量,确定目标阴影方位角和太阳方位角;
将所述太阳方位角和所述经纬度信息输入位置关系模型,得到太阳时角;
基于所述太阳时角,确定所述光学遥感影像的成像时间。
2.根据权利要求1所述的方法,其特征在于,还包括:
获取所述光学遥感影像;
将所述光学遥感影像输入到预先训练好的模型中,基于图像分类得出所述光学遥感影像中的所述阴影区域和所述地物区域。
3.根据权利要求1所述的方法,其特征在于,所述根据获取到的所述阴影的区域的像元位置和像元数量,以及所述地物区域的像元位置和像元数量,确定目标阴影方位角和太阳方位角,包括:
确定至少一个偏移度,所述偏移度为一个阴影区域相对于与一个所述阴影对应的地物区域的偏移度;
在每个偏移度均大于阈值的情况下,根据每个阴影区域的中心位置和每个地物区域的中心位置,确定目标阴影方位角;
根据所述目标阴影方位角,确定太阳方位角。
4.根据权利要求3所述的方法,其特征在于,所述在每个偏移度均大于阈值的情况下,根据每个阴影区域的中心位置和每个地物区域的中心位置,确定目标阴影方位角,包括:
确定至少一个阴影方向向量,所述阴影方向向量为一个阴影的中心位置相对于与一个所述阴影相对应的地物区域的阴影方向向量;
将所述至少一个阴影方向向量分别输入反三角函数中,得出至少一个阴影方位角;
对所述至少一个阴影方位角进行排序,取中位数作为所述目标阴影方位角。
5.一种光学遥感影像成像时间的确定装置,其特征在于,包括:
获取模块,用于获取光学遥感影像中每个阴影区域的像元位置和像元数量,每个阴影对应的地物区域的像元位置和像元数量,以及与所述光学遥感影像对应的经纬度信息,其中,一个所述阴影区域和一个所述地物区域一一对应;
处理模块,用于根据获取到的所述阴影区域的像元位置和像元数量,以及所述地物区域的像元位置和像元数量,确定目标阴影方位角和太阳方位角;
处理模块,还用于将所述太阳方位角和所述经纬度信息输入位置关系模型,得到太阳时角;
处理模块,还用于基于所述太阳时角,确定所述光学遥感影像的成像时间。
6.根据权利要求5所述的装置,其特征在于,还包括:
获取模块,还用于获取所述光学遥感影像;
确定模块,用于将所述光学遥感影像输入到预先训练好的模型中,基于图像分类得定出光学遥感影像中的所述阴影区域和所述地物区域。
7.根据权利要求5所述的装置,其特征在于,所述处理模块包括计算单元和判断单元;
所述计算单元,用于确定至少一个偏移度,所述偏移度为一个阴影区域相对于与一个所述阴影对应的地物区域的偏移度;
所述判断单元,用于在每个偏移度均大于阈值的情况下,根据每个阴影区域的中心位置和每个地物区域的中心位置,确定目标阴影方位角;
所述计算单元,还用于根据所述目标阴影方位角,确定太阳方位角。
8.根据权利要求7所述的装置,其特征在于,所述判断单元包括判定子单元和得出子单元;
所述判定子单元,用于确定至少一个阴影方向向量,所述阴影方向向量为一个阴影的中心位置相对于与一个所述阴影相对应的地物区域的阴影方向向量;
所述得出子单元,用于将所述至少一个阴影方向向量分别输入反三角函数中,得出至少一个阴影方位角;
所述得出子单元,还用于对所述至少一个阴影方位角进行排序,取中位数作为所述目标阴影方位角。
9.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至4任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011444195.0A CN112559786B (zh) | 2020-12-08 | 2020-12-08 | 一种光学遥感影像成像时间的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011444195.0A CN112559786B (zh) | 2020-12-08 | 2020-12-08 | 一种光学遥感影像成像时间的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112559786A true CN112559786A (zh) | 2021-03-26 |
CN112559786B CN112559786B (zh) | 2024-03-15 |
Family
ID=75061248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011444195.0A Active CN112559786B (zh) | 2020-12-08 | 2020-12-08 | 一种光学遥感影像成像时间的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559786B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH117045A (ja) * | 1997-06-16 | 1999-01-12 | Nec Corp | アクティブマトリクス液晶表示装置 |
JPH1196339A (ja) * | 1997-09-22 | 1999-04-09 | Olympus Optical Co Ltd | 画像中の腫瘤影の検出装置及び方法並びに腫瘤影検出プログラムを記録した記録媒体 |
CN101464515A (zh) * | 2009-01-04 | 2009-06-24 | 上海大学 | 利用邻坡反射进行月球遥感图像阴影消除和信息恢复方法 |
CN102622738A (zh) * | 2012-03-08 | 2012-08-01 | 北京师范大学 | 一种Landsat TM/ETM+图像中山体阴影区的光谱信息恢复方法 |
CN103426944A (zh) * | 2012-05-17 | 2013-12-04 | 杜邦太阳能有限公司 | 一种太阳能电池板支架系统 |
CN107766810A (zh) * | 2017-10-10 | 2018-03-06 | 湖南省测绘科技研究所 | 一种云、影检测方法 |
CN107862667A (zh) * | 2017-11-23 | 2018-03-30 | 武汉大学 | 一种基于高分辨率遥感影像的城市阴影检测与去除方法 |
CN107960120A (zh) * | 2015-05-08 | 2018-04-24 | 佳能株式会社 | 图像处理设备、摄像设备、图像处理方法、程序和存储介质 |
CN108765488A (zh) * | 2018-03-29 | 2018-11-06 | 武汉大学 | 一种基于阴影的高分辨率遥感影像建筑物高度估测方法 |
CN110400291A (zh) * | 2019-07-02 | 2019-11-01 | 北京师范大学 | 基于rbg颜色模型法提取阿德利企鹅数量的方法 |
US20200242388A1 (en) * | 2019-01-29 | 2020-07-30 | Adobe Inc. | Image shadow detection using multiple images |
-
2020
- 2020-12-08 CN CN202011444195.0A patent/CN112559786B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH117045A (ja) * | 1997-06-16 | 1999-01-12 | Nec Corp | アクティブマトリクス液晶表示装置 |
JPH1196339A (ja) * | 1997-09-22 | 1999-04-09 | Olympus Optical Co Ltd | 画像中の腫瘤影の検出装置及び方法並びに腫瘤影検出プログラムを記録した記録媒体 |
CN101464515A (zh) * | 2009-01-04 | 2009-06-24 | 上海大学 | 利用邻坡反射进行月球遥感图像阴影消除和信息恢复方法 |
CN102622738A (zh) * | 2012-03-08 | 2012-08-01 | 北京师范大学 | 一种Landsat TM/ETM+图像中山体阴影区的光谱信息恢复方法 |
CN103426944A (zh) * | 2012-05-17 | 2013-12-04 | 杜邦太阳能有限公司 | 一种太阳能电池板支架系统 |
CN107960120A (zh) * | 2015-05-08 | 2018-04-24 | 佳能株式会社 | 图像处理设备、摄像设备、图像处理方法、程序和存储介质 |
CN107766810A (zh) * | 2017-10-10 | 2018-03-06 | 湖南省测绘科技研究所 | 一种云、影检测方法 |
CN107862667A (zh) * | 2017-11-23 | 2018-03-30 | 武汉大学 | 一种基于高分辨率遥感影像的城市阴影检测与去除方法 |
CN108765488A (zh) * | 2018-03-29 | 2018-11-06 | 武汉大学 | 一种基于阴影的高分辨率遥感影像建筑物高度估测方法 |
US20200242388A1 (en) * | 2019-01-29 | 2020-07-30 | Adobe Inc. | Image shadow detection using multiple images |
CN110400291A (zh) * | 2019-07-02 | 2019-11-01 | 北京师范大学 | 基于rbg颜色模型法提取阿德利企鹅数量的方法 |
Non-Patent Citations (3)
Title |
---|
MOHAMED I. ELBAKARY等: "Shadow Detection of Man-Made Buildings in High-Resolution Panchromatic Satellite Images", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》, vol. 52, no. 9, 5 December 2013 (2013-12-05), pages 5374 - 5386, XP011541921, DOI: 10.1109/TGRS.2013.2288500 * |
TSUNG-HUNG TSAI等: "Photo sundial: Estimating the time of capture in consumer photos", 《NEUROCOMPUTING》, vol. 177, pages 529 - 542, XP029388230, DOI: 10.1016/j.neucom.2015.11.050 * |
郭洪义: "东昆仑纳赤台地区高光谱遥感岩矿填图研究", 《中国优秀硕士学位论文全文数据库基础科学辑》, no. 2, 15 February 2010 (2010-02-15), pages 011 - 216 * |
Also Published As
Publication number | Publication date |
---|---|
CN112559786B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163064B (zh) | 一种道路标志物的识别方法、装置及存储介质 | |
CN113592989B (zh) | 一种三维场景的重建系统、方法、设备及存储介质 | |
CN109520500B (zh) | 一种基于终端拍摄图像匹配的精确定位及街景库采集方法 | |
US11468654B2 (en) | Determining compass orientation of imagery | |
US8855439B2 (en) | Method for determining a localization error in a georeferenced image and related device | |
CN110806198A (zh) | 基于遥感图像的目标定位方法、装置以及控制器和介质 | |
EP2015277A2 (en) | Systems and methods for side angle radar training and simulation | |
CN115457408A (zh) | 一种土地监测方法、装置、电子设备及介质 | |
CN115205382A (zh) | 目标物定位方法以及装置 | |
Yoo et al. | True orthoimage generation by mutual recovery of occlusion areas | |
Vos | Remote sensing of the nearshore zone using a rotary-wing UAV | |
CN112559786B (zh) | 一种光学遥感影像成像时间的确定方法及装置 | |
CN115272129A (zh) | 遥感图像处理方法、装置、设备及存储介质 | |
CN114943809A (zh) | 一种地图模型的生成方法、装置及存储介质 | |
CN115112100A (zh) | 遥感控制系统及方法 | |
CN109919998B (zh) | 卫星姿态确定方法、装置和终端设备 | |
CN113650783A (zh) | 固定翼倾斜摄影地籍测图方法、系统及设备 | |
CN113390386A (zh) | 基于人工智能的天线方位角测量方法、装置及系统 | |
CN112767477A (zh) | 一种定位方法、装置、存储介质及电子设备 | |
CN110617800A (zh) | 基于民航客机的应急遥感监测方法、系统及存储介质 | |
CN114390270B (zh) | 实时智能站点全景查勘方法、装置和电子设备 | |
WO2024084925A1 (en) | Information processing apparatus, program, and information processing method | |
Ping et al. | A Rapid Method of Monocular Image Measurement Based on Rectangle Information | |
CN114821371A (zh) | 地膜残留量的预测方法、装置、设备及存储介质 | |
CN116465422A (zh) | 地图信息的生成方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |