[发明专利]一种基于深度学习的遥感影像数据自动化几何纠正方法

说明书

本发明公开了一种基于深度学习的遥感影像数据自动化几何纠正方法，包括：步骤1，根据几何拓扑关系，从矢量道路数据中，筛选出道路交叉口作为控制点；步骤2，以矢量数据道路交叉口控制点为中心，以一定面积的窗口截取遥感影像，利用训练好的深度学习模型从截取遥感影像中提取影像道路交叉口，并通过几何距离匹配与矢量数据道路交叉口构成同名控制点；步骤3，利用基于密度的空间聚类算法，对同名控制点数据进行数据清洗，并用数据清洗后的同名控制点基于二元三次多项式纠正模型对遥感影像进行几何纠正。本发明中采用深度学习模型自动提取遥感影像道路交叉控制点，提高了遥感影像特征提取的准确率。

技术领域

本发明涉及一种遥感影像数据几何纠正技术领域，尤其涉及一种基于深度学习的遥感影像数据自动化几何纠正方法。

背景技术

目前，多波段遥感影像的空间分辨率达到米级，单波段影像的空间分辨率已经可以达到亚米以内。如此高分辨率的遥感影像能够清晰地表达一些地物景观的结构、纹理等细部信息，因而使我们不仅获得了丰富的地物光谱信息，同时还获得了更多的地物结构、形状和纹理信息，使得在较小的空间尺度上观察地表的细节变化、进行大比例尺遥感制图以及监测人为活动对环境的影响成为可能。

但是，原始遥感影像通常包含严重的几何变形，必须加以纠正，赋予影像像素正确的地理编码，才能在测绘生产等诸多方面得以应用。遥感影像的几何变形可以分为系统性几何变形和非系统性几何变形。系统性几何变形可以根据遥感平台位置、遥感传感器的扫描视野、使用的投影类型推算出并且可以进行系统改正。非系统性几何变形是不规律，它是由遥感器平台高度、姿态、速度、经纬度等因素的不稳定性以及地球曲率、大气折射等因素的变化引起的难以预料和不规律的几何形变。因此，需要对遥感影像进行几何纠正，以改正这些系统和非系统性的图像几何变形。通常，卫星影像的用户购买得到的都是已经经过根据卫星轨道公式、遥感传感器位置及姿态解算过的数据，但由于遥感传感器位置及姿态的测量参数精度不高，影像中仍然包含几何变形，需要加以纠正。

目前常用的遥感影像几何纠正处理方法是基于ERDAS等专业图像处理软件进行的。通常采用的操作流程都是人工目视判读，选取影像上的特征点，结合这些特征点的地面实际坐标，或者配准己有正射影像扫描地图或航片的上的同名特征点对，根据需要选择采用共线方程或多项式纠正等方法进行影像坐标的变换，使得影像纠正到正确的大地坐标，去除影像上的几何变形。然而地面控制点的选取是一个十分耗时和枯燥的工作，其工作量占整个过程的90％以上，同时人工选择特征点存在个人视觉误差以及其他个人习惯引起的误差。

本文提出一种基于深度学习的遥感影像数据自动化几何纠正方法，能够依据标准矢量数据自动化计算标准矢量数据与遥感影像的同名点，完成遥感影像的几何纠正。

发明内容

本发明通过提供一种基于深度学习的遥感影像数据自动化几何纠正方法，实现了遥感影像自动化几何纠正，解决了人工遥感图像几何纠正效率低下问题。

为了达到上述目的，本发明提供的技术方案是：一种基于深度学习的遥感影像数据自动化几何纠正方法，包括以下步骤：

步骤1，根据几何拓扑关系，从矢量道路数据中，筛选出道路交叉口作为控制点；

步骤2，以矢量数据道路交叉口控制点为中心，以一定面积的窗口截取遥感影像，利用训练好的深度学习模型从截取遥感影像中提取影像道路交叉口，并通过几何距离匹配与矢量数据道路交叉口构成同名控制点；

步骤3，利用基于密度的空间聚类算法，对同名控制点数据进行数据清洗，并用数据清洗后的同名控制点基于二元三次多项式纠正模型对遥感影像进行几何纠正，二元三次多项式纠正模型如下：