一种遥感影像编目数据相似重复清洗方法与流程

1.本发明属于影像编目数据处理领域，尤其涉及一种遥感影像编目数据相似重复清洗方法。


背景技术：

2.对于当前的遥感影像编目数据而言，存在由于原始数据重复接收、处理或生产等情况所导致的对段编目、景编目数据的重复生产，造成景影像数据的低质量存储问题，进而对编目数据记录的查询和数据产品的生产下达造成了低效、不能准确获取的现象。因此，需要对编目数据进行重复校验，标记重复数据、保留原始数据，实现对相似重复数据的清洗。
3.国内外学者针对编目数据相似重复清洗做了大量研究，目前的数据相似重复清洗方法，主要包括如下几类：(1)通过对数据库表进行分析，确定相似重复数据检测，例如dbscan等聚类算法，其通过对数据进行相似重复检测来实现。该类方法操作简单，高效，但当数据库表记录冗余，而记录对应的实体影像并不是相似重复时，该类方法不具备直接删除的条件。例如，由于生产处理的原因，前后生产的图像中含有不同的感兴趣区域，或者前后生产的图像缺块现象不同等，在上述情况下直接删除相似重复记录，会造成有用数据丢失等情况。(2)通过图像匹配算法对图像进行相似重复检测。图像匹配是数字摄影测量与计算机视觉的一个基本问题，目前图像匹配算法主要分为三类：1)特征空间选取；2)相似度衡量；3)搜索方法等。其中，基于特征匹配算法在图像匹配上的应用较广泛。但是遥感影像编目数据库的数据量较为庞大，直接对库中的实体影像数据进行特征匹配检测时，存在处理速度慢和效率低的问题。


技术实现要素：

4.针对现有影像编目数据相似重复清洗方法所存在的相似重复检测准确率受限、处理速度慢和效率低的问题，本发明公开了一种遥感影像编目数据相似重复清洗方法，采用改进的dbscan相似重复记录检测与图像匹配相结合的方式对编目数据库表中的数据进行相似重复清洗，既可以缩小数据清洗的范围，同时可以对实体影像数据准确地进行相似重复检测。最后，通过影像质量评价确定最终的清洗策略，从而进行高效准确的清洗。
5.本发明公开了一种遥感影像编目数据相似重复清洗方法，包括：
6.s1，获取遥感影像编目数据库信息；所述遥感影像编目数据库信息，包括遥感影像的属性信息；所述属性信息，包括序列信息、时间信息、轨道圈号、星型信息、载荷信息、经纬度信息和存放位置信息；
7.s2，利用所述遥感影像编目数据库信息中的时间信息和轨道圈号，对所述遥感影像编目数据库信息进行筛选操作，得到第一相似影像数据集；
8.s3，对所述第一相似影像数据集进行聚类和特征匹配操作，得到匹配影像数据集；
9.s4，对所述匹配影像数据集进行质量评价和清洗操作，得到遥感影像编目数据相似重复清洗结果；所述遥感影像编目数据相似重复清洗结果，包括遥感影像信息和评分信
息。
10.所述利用所述遥感影像编目数据库信息中的时间信息和轨道圈号，对所述遥感影像编目数据库信息进行筛选操作，得到第一相似影像数据集，包括：
11.s21，利用所述遥感影像编目数据库信息中的时间信息和轨道圈号，对所述遥感影像编目数据库信息进行筛选操作，得到相同的时间信息和轨道圈号所对应的序列信息；利用所述相同的时间信息和轨道圈号，生成时空标签；
12.s22，根据步骤s21所得到的序列信息，确定相关的存放位置信息；
13.s23，根据所述的相关的存放位置信息，获取对应的遥感影像信息；
14.s24，利用所述时空标签，对所述对应的遥感影像信息进行标注，得到时空标注影像数据；
15.s25，利用所有时空标注影像数据，构建得到第一相似影像数据集。
16.所述对所述第一相似影像数据集进行聚类和特征匹配操作，得到匹配影像数据集，包括：
17.s31，对所述第一相似影像数据集进行聚类操作，得到第二相似影像数据集；
18.s32，对所述第二相似影像数据集，进行特征匹配操作，得到匹配影像数据集。
19.所述对所述第一相似影像数据集进行聚类操作，得到第二相似影像数据集，包括：
20.s311，获取所述第一相似影像数据集中具有相同时空标签的遥感影像的属性信息；
21.s312，剔除所述属性信息中的时间信息和轨道圈号，利用所得到的属性信息，构建得到聚类属性信息；
22.s313，对所述聚类属性信息，进行量化处理，得到遥感影像的聚类属性向量；
23.s314，对每一组具有相同时空标签的遥感影像，利用其聚类属性向量，进行聚类处理，得到聚类信息；
24.s315，利用所述聚类信息，生成聚类标签；
25.s316，利用具有相同聚类标签的遥感影像的聚类属性向量，进行加权相似度计算处理，得到分类标签；
26.s317，对具有相同分类标签的遥感影像进行聚合处理，得到第二相似影像数据集；
27.所述利用具有相同聚类标签的遥感影像的聚类属性向量，进行加权相似度计算处理，得到分类标签，包括：
28.s3161，对具有相同聚类标签的两个遥感影像的组合，对其聚类属性向量进行相似度计算，得到相似度值；
29.s3162，若所述相似度值小于等于预设的第一相似度判别门限，不对所述两个遥感影像的组合进行处理；
30.若所述相似度值大于预设的第一相似度判别门限，执行s3163；
31.s3163，对具有相同聚类标签的两个遥感影像的组合，对其聚类属性向量进行加权相似度计算，得到加权相似度值；
32.s3164，若所述加权相似度值小于等于预设的第二相似度判别门限，不对所述两个遥感影像的组合进行处理；
33.若所述加权相似度值大于预设的第二相似度判别门限，对所述两个遥感影像的组
合中的遥感影像，分配相同的分类标签。
34.所述对所述第二相似影像数据集，进行特征匹配操作，得到匹配影像数据集，包括：
35.s321，对所述第二相似影像数据集的所有遥感影像，进行特征点检测操作，得到第一特征点信息；
36.s322，利用第一特征点的位置信息和预设的第一检测区域尺度信息，确定第一检测范围信息；
37.s323，对所述第一检测范围，进行特征点提取操作，得到第二特征点信息；
38.s324，对具有相同分类标签的遥感影像的第二特征点，进行特征匹配操作，得到匹配特征点对信息；
39.s325，利用匹配特征点对信息，生成匹配标签；
40.s326，对具有相同匹配标签的遥感影像进行投影匹配检测处理，得到匹配图像对；
41.s327，对所有匹配图像对进行聚合处理，得到匹配影像数据集。
42.所述对所述第二相似影像数据集的所有遥感影像，进行特征点检测操作，得到第一特征点信息，包括：
43.s3211，对所述第二相似影像数据集的每个遥感影像，对其图像位置坐标为(x,y)的像素点，计算得到其滤波矩阵m；所述滤波矩阵的计算表达式为：
[0044][0045]
其中，i
x
为对遥感影像在图像位置坐标为(x,y)的像素点，沿图像x轴方向进行求导得到的导数值，iy为对遥感影像在图像位置坐标为(x,y)的像素点，沿图像y轴方向进行求导得到的导数值，ω(x,y)是图像位置坐标为(x,y)的像素点的滤波函数，l是图像位置坐标为(x,y)的像素点的邻近区域；
[0046]
s3212，利用所述滤波矩阵m，计算得到所述像素点的响应函数f(x,y)；所述响应函数f(x,y)的计算表达式为：
[0047]
f(x,y)＝det(m)-ktrace2(m)，
[0048]
其中，det(m)和trace(m)分别是所述滤波矩阵m的行列式值和迹值，k为预设参数；
[0049]
s3213，对所述遥感影像的所有像素点的响应函数，判断是否大于预设响应阈值，得到响应函数判断结果；
[0050]
对所述响应函数判断结果为否的响应函数，不进行处理；
[0051]
确定所述响应函数判断结果为是的响应函数所对应的像素点，为所述遥感影像的第一特征点，得到第一特征点信息。
[0052]
所述对所述第一检测范围，进行特征点提取操作，得到第二特征点信息，包括：
[0053]
s3231，利用尺度不变特征描述子，对所述第一检测范围的像素点进行特征点提取操作，得到第二特征点和对应的特征描述子信息；
[0054]
s3232，对所述第二特征点和对应的特征描述子信息进行融合操作，得到第二特征点信息；
[0055]
所述对具有相同分类标签的遥感影像的第二特征点，进行特征匹配操作，得到匹
配特征点对信息，包括：
[0056]
s3241，对具有相同分类标签的任意两个遥感影像的组合，对其中的第一个遥感影像的每一个第二特征点，依次计算得到所述第二特征点与第二个遥感影像的所有第二特征点的欧式距离，从所有欧式距离中搜索得到数值第一小的欧式距离和数值第二小的欧式距离；
[0057]
s3242，计算得到所述数值第一小的欧式距离和数值第二小的欧式距离的比值，若所述比值小于设定比值门限，判定所述第一个遥感影像的所述第二特征点，与所述第二个遥感影像的与其欧式距离最小的第二特征点，为匹配特征点对；若所述比值不小于设定比值门限，不进行操作；
[0058]
s3243，对具有相同分类标签的两个遥感影像的所有组合，进行s3241和s3242的操作，得到所有具有相同分类标签的遥感影像的匹配特征点对信息。所述匹配特征点对信息，包括匹配特征点对所包含的第二特征点信息。
[0059]
所述对具有相同匹配标签的遥感影像进行投影匹配检测处理，得到匹配图像对，包括：
[0060]
s3261，将具有相同匹配标签的每两个遥感影像，分别作为第一遥感影像和第二遥感影像；
[0061]
s3262，采用最小匹配误差模型，对所述第一遥感影像和第二遥感影像所共同包含的匹配特征点对的第二特征点进行处理，得到投影变换矩阵；
[0062]
s3263，利用所述投影变换矩阵，对所述第一遥感影像进行投影变换处理，得到投影变换特征点；
[0063]
s3264，计算得到所述匹配特征点对在第二遥感影像中的第二特征点与投影变换特征点的匹配相似度值；
[0064]
s3265，判别所述匹配相似度值是否小于预设匹配相似度门限值，若所述匹配相似度值小于预设匹配相似度门限值，判定所述第一遥感影像和第二遥感影像为匹配图像对；若所述匹配相似度值不小于预设匹配相似度门限值，判定所述第一遥感影像和第二遥感影像不是匹配图像对。
[0065]
所述对所述匹配影像数据集进行质量评价和清洗操作，得到遥感影像编目数据相似重复清洗结果，包括：
[0066]
s401，对所述匹配影像数据集的每个遥感影像，获取其每个像素的中误差信息；所述像素的中误差，是所述遥感影像的像素的经纬度信息与所述遥感影像的像素对应真实地物的经纬度信息的差值；
[0067]
s402，对所述遥感影像的所有像素的中误差进行均值计算，得到所述遥感影像的中误差均值；
[0068]
s403，判断所述遥感影像的中误差均值是否小于等于预设中误差门限，得到所述遥感影像的中误差判别结果；
[0069]
若所述中误差判别结果为是，确定所述遥感影像满足位置精度合格条件；
[0070]
若所述中误差判别结果为否，确定所述遥感影像不满足位置精度合格条件；
[0071]
s404，根据所述遥感影像的中误差均值，计算得到所述遥感影像的位置精度质量分数，所述计算表达式为：
[0072]
位置精度质量分数＝60+40
×
(预设中误差门限-中误差均值)/0.7
×
预设中误差门限；
[0073]
s405，获取所述匹配影像数据集的每个遥感影像的色彩模型信息，若所述遥感影像的色彩模式信息为全光谱模式，确定所述遥感影像满足色彩模式合格条件；
[0074]
若所述遥感影像的色彩模式信息不是全光谱模式，确定所述遥感影像不满足色彩模式合格条件；
[0075]
对满足色彩模式合格条件的遥感影像，确定所述遥感影像的色彩模式质量分数为100；
[0076]
对不满足色彩模式合格条件的遥感影像，确定所述遥感影像的色彩模式质量分数为0；
[0077]
所述遥感影像的色彩模式信息，包括全光谱模式、全色模式和红外模式。
[0078]
s406，获取所述匹配影像数据集的每个遥感影像的色彩误差像素数目值，若所述色彩误差像素数目值小于等于预设允许色彩误差总像素数目值，确定所述遥感影像满足色彩误差合格条件；若所述色彩误差像素数目值大于预设允许色彩误差总像素数目值，确定所述遥感影像不满足色彩误差合格条件；
[0079]
s407，利用所述遥感影像的色彩误差像素数目值，计算得到所述遥感影像的色彩误差质量分数；所述计算表达式为：
[0080]
色彩误差质量分数＝60+40
×
(预设允许色彩误差总像素数目值-色彩误差像素数目值)/预设允许色彩误差总像素数目值；
[0081]
s408，获取所述匹配影像数据集的每个遥感影像的影像噪音像素数目值，若所述影像噪音像素数目值小于等于预设允许影像噪音总像素数目值，确定所述遥感影像满足影像噪音合格条件；若所述影像噪音像素数目值大于预设允许影像噪音总像素数目值，确定所述遥感影像不满足影像噪音合格条件；
[0082]
s409，利用所述遥感影像的影像噪音像素数目值，计算得到所述遥感影像的影像噪音质量分数；所述计算表达式为：
[0083]
影像噪音质量分数＝60+40
×
(预设允许影像噪音总像素数目值-影像噪音像素数目值)/预设允许影像噪音总像素数目值；
[0084]
s410，获取所述匹配影像数据集的每个遥感影像的信息丢失像素数目值，若所述信息丢失像素数目值小于等于预设允许信息丢失总像素数目值，确定所述遥感影像满足信息丢失合格条件；若所述信息丢失像素数目值大于预设允许信息丢失总像素数目值，确定所述遥感影像不满足信息丢失合格条件；
[0085]
s411，利用所述遥感影像的信息丢失像素数目值，计算得到所述遥感影像的信息丢失质量分数；所述计算表达式为：
[0086]
信息丢失质量分数＝60+40
×
(预设允许信息丢失总像素数目值-信息丢失像素数目值)/预设允许信息丢失总像素数目值；
[0087]
s412，对所述匹配影像数据集的每个遥感影像，确定所述遥感影像的所有类型质量分数的最小值，为所述遥感影像的总质量分数；
[0088]
s413，对所述匹配影像数据集的每个遥感影像，进行总质量分数判别，若所述遥感影像的总质量分数为大于等于90分，判断所述遥感影像的质量等级为优；
[0089]
若所述遥感影像的总质量分数为大于等于75分且小于90分，判断所述遥感影像的质量等级为良；
[0090]
若所述遥感影像的总质量分数为大于等于60分且小于75分，判断所述遥感影像的质量等级为合格；
[0091]
若所述遥感影像不满足任意一项质量元素合格条件，或所述遥感影像的总质量分数为小于60分，判断所述遥感影像的质量等级为不合格；所述质量元素合格条件，包括位置精度合格条件、色彩模式合格条件、色彩误差合格条件、影像噪音合格条件和信息丢失合格条件。
[0092]
s414，对所述匹配影像数据集进行清洗处理，若所述匹配影像数据集的匹配图像对的所有的遥感影像的质量等级相同，保留所述匹配图像对中的一张遥感影像；若所述匹配影像数据集的遥感影像的质量等级为不合格，删除所述遥感影像；若所述匹配影像数据集的匹配图像对的所有的遥感影像的质量等级不相同且不是不合格，根据所述遥感影像的总质量分数，对所述遥感影像进行保留和标注，得到所述遥感影像的评分信息；
[0093]
s415，利用所述匹配影像数据集所保留的遥感影像和遥感影像的评分信息，构建得到遥感影像编目数据相似重复清洗结果。
[0094]
本发明的有益效果为：
[0095]
本发明设计了一种遥感影像编目数据相似重复清洗方法，采用相似重复记录检测与图像匹配相结合的方式进行编目数据相似重复检测以确保检测的精确性，最后通过质量评价确定最终的清洗策略，解决由于影像产品生产问题、重复接收处理原始数据等情况导致的对段编目、景编目数据的影像重复生产的问题，同时提高检测的准确性。
附图说明
[0096]
图1示出了本发明实施例中一种遥感影像编目数据相似重复清洗方法的流程示意图；
[0097]
图2示出了本发明实施例中相似重复的编目数据库表记录；
[0098]
图3示出了本发明实施例中相似重复的编目影像图。
具体实施方式
[0099]
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0100]
图1示出了本发明实施例中一种遥感影像编目数据相似重复清洗方法的流程示意图；图2示出了本发明实施例中相似重复的编目数据库表记录；图3示出了本发明实施例中相似重复的编目影像图。
[0101]
目前基于数据库表的编目数据相似重复清洗会导致影像信息丢失、误删等。而基于影像实体相似重复检测会导致处理速度慢、低效等问题。
[0102]
本实施例公开了一种遥感影像编目数据相似重复清洗方法，包括：
[0103]
s1，获取遥感影像编目数据库信息；所述遥感影像编目数据库信息，包括遥感影像
的属性信息；所述属性信息，包括序列信息、时间信息、轨道圈号、星型信息、载荷信息、经纬度信息和存放位置信息；
[0104]
s2，利用所述遥感影像编目数据库信息中的时间信息和轨道圈号，对所述遥感影像编目数据库信息进行筛选操作，得到第一相似影像数据集；
[0105]
s3，对所述第一相似影像数据集进行聚类和特征匹配操作，得到匹配影像数据集；
[0106]
s4，对所述匹配影像数据集进行质量评价和清洗操作，得到遥感影像编目数据相似重复清洗结果；所述遥感影像编目数据相似重复清洗结果，包括遥感影像信息和评分信息。
[0107]
所述利用所述遥感影像编目数据库信息中的时间信息和轨道圈号，对所述遥感影像编目数据库信息进行筛选操作，得到第一相似影像数据集，包括：
[0108]
s21，利用所述遥感影像编目数据库信息中的时间信息和轨道圈号，对所述遥感影像编目数据库信息进行筛选操作，得到相同的时间信息和轨道圈号所对应的序列信息；利用所述相同的时间信息和轨道圈号，生成时空标签；
[0109]
s22，根据步骤s21所得到的序列信息，确定相关的存放位置信息；
[0110]
s23，根据所述的相关的存放位置信息，获取对应的遥感影像信息；
[0111]
s24，利用所述时空标签，对所述对应的遥感影像信息进行标注，得到时空标注影像数据；
[0112]
s25，利用所有时空标注影像数据，构建得到第一相似影像数据集。
[0113]
所述对所述第一相似影像数据集进行聚类和特征匹配操作，得到匹配影像数据集，包括：
[0114]
s31，对所述第一相似影像数据集进行聚类操作，得到第二相似影像数据集；
[0115]
s32，对所述第二相似影像数据集，进行特征匹配操作，得到匹配影像数据集。
[0116]
所述对所述第一相似影像数据集进行聚类操作，得到第二相似影像数据集，包括：
[0117]
s311，获取所述第一相似影像数据集中具有相同时空标签的遥感影像的属性信息；
[0118]
s312，剔除所述属性信息中的时间信息和轨道圈号，利用所得到的属性信息，构建得到聚类属性信息；
[0119]
s313，对所述聚类属性信息，进行量化处理，得到遥感影像的聚类属性向量；
[0120]
所述s313，是对所述序列信息、星型信息、载荷信息、经纬度信息和存放位置信息，分别转化为相应的量化数据，利用所述的量化数据，构建得到聚类属性向量；
[0121]
s314，对每一组具有相同时空标签的遥感影像，利用其聚类属性向量，进行聚类处理，得到聚类信息；
[0122]
所述s314，包括：
[0123]
s3141，对所述每一组具有相同时空标签的遥感影像的所有聚类属性向量，计算任意两个向量之间的相对距离；选择所述相对距离最小的两个向量，作为一类向量；
[0124]
所述相对距离，可采用欧式距离、曼哈顿距离、切比雪夫距离、卡方距离等。
[0125]
s3142，利用所述一类向量中的两个向量的中心点，作为表征所述向量类别的向量；
[0126]
s3143，计算其他所有聚类属性向量，与所述向量类别的向量的距离，若所述距离
小于等于预设距离门限，将所述向量归入所述向量类别中；
[0127]
s3144，对所述距离大于等于预设距离门限的向量，重新进行s3141至s3143的判断，直到所有向量均归入向量类别；
[0128]
s3145，利用所有聚类属性向量的向量类别信息，构建得到聚类信息；
[0129]
s315，利用所述聚类信息，生成聚类标签；
[0130]
s316，利用具有相同聚类标签的遥感影像的聚类属性向量，进行加权相似度计算处理，得到分类标签；
[0131]
s317，对具有相同分类标签的遥感影像进行聚合处理，得到第二相似影像数据集；
[0132]
所述利用具有相同聚类标签的遥感影像的聚类属性向量，进行加权相似度计算处理，得到分类标签，包括：
[0133]
s3161，对具有相同聚类标签的两个遥感影像的组合，对其聚类属性向量进行相似度计算，得到相似度值；
[0134]
s3161所述的对其聚类属性向量进行相似度计算，可以采用余弦相似度，或者距离相似度；
[0135]
对于两个遥感影像的聚类属性向量a和b，a＝(a1,a2,
…
,a5)和b＝(b1,b2,
…
,b5)，其余弦相似度的计算公式为：
[0136][0137]
其中，cos(a,b)表示a和b的余弦相似度值；
[0138]
相应的，距离相似度的计算公式为：
[0139][0140]
其中，d(a,b)表示a和b的距离相似度值；
[0141]
s3162，若所述相似度值小于等于预设的第一相似度判别门限，不对所述两个遥感影像的组合进行处理；
[0142]
若所述相似度值大于预设的第一相似度判别门限，执行s3163；
[0143]
所述预设的第一相似度判别门限，可以是所有相似度的平均值的5％或者10％。
[0144]
s3163，对具有相同聚类标签的两个遥感影像的组合，对其聚类属性向量进行加权相似度计算，得到加权相似度值；
[0145]
所述s3163，所述对其聚类属性向量进行加权相似度计算，可以采用余弦加权相似度，或者距离加权相似度；
[0146]
对于两个遥感影像的聚类属性向量a和b，a＝(a1,a2,
…
,a5)和b＝(b1,b2,
…
,b5)，其余弦加权相似度的计算公式为：
[0147]
[0148]
其中，cos(a,b)表示a和b的余弦加权相似度值，ci为聚类属性向量的第i个分量的加权值；相应的，距离加权相似度的计算公式为：
[0149][0150]
其中，d(a,b)表示a和b的距离加权相似度值；所述加权值，根据聚类属性向量的每个分量的重要性程度确定，其取值可以是c＝[c1,c2,c3,c4,c5]＝[0.05,0.25,0.25,0.4,0.05]；
[0151]
s3164，若所述加权相似度值小于等于预设的第二相似度判别门限，不对所述两个遥感影像的组合进行处理；
[0152]
若所述加权相似度值大于预设的第二相似度判别门限，对所述两个遥感影像的组合中的遥感影像，分配相同的分类标签。
[0153]
所述预设的第二相似度判别门限，可以是所有加权相似度的平均值的5％或者10％。
[0154]
所有遥感影像的分类标签，即为s316所得到的分类标签。
[0155]
所述步骤s316，是对具有相同聚类标签的两个遥感影像的所有组合，均进行s3161至s3164的处理。若一个遥感影像被分配了两个及以上的分类标签，可以选择其中一个分类标签，并将与所述遥感影像相关的其他遥感影像，均分配所述分类标签。
[0156]
所述对所述第二相似影像数据集，进行特征匹配操作，得到匹配影像数据集，包括：
[0157]
s321，对所述第二相似影像数据集的所有遥感影像，进行特征点检测操作，得到第一特征点信息；
[0158]
s322，利用第一特征点的位置信息和预设的第一检测区域尺度信息，确定第一检测范围信息；所述第一检测范围，可以是以第一特征点为中心，以第一检测区域尺度信息为边长或直径，建立矩形或圆形区域。所述第一检测区域尺度信息，可以是对遥感影像的分辨率乘以系数k得到，系数k的取值范围为[5,10]。
[0159]
s323，对所述第一检测范围，进行特征点提取操作，得到第二特征点信息；
[0160]
s324，对具有相同分类标签的遥感影像的第二特征点，进行特征匹配操作，得到匹配特征点对信息；
[0161]
s325，利用匹配特征点对信息，生成匹配标签；对每个匹配特征点对中的第二特征点，分别生成对应的匹配标签；每个匹配特征点对中的第二特征点的匹配标签，是相同的；不同的匹配特征点对中的第二特征点的匹配标签，是不同的。
[0162]
s326，对具有相同匹配标签的遥感影像进行投影匹配检测处理，得到匹配图像对；所述匹配图像对，包括若干个相互匹配的遥感影像；所述遥感影像的匹配标签，即是遥感影像所包含的匹配特征点对中的第二特征点的匹配标签。
[0163]
s327，对所有匹配图像对进行聚合处理，得到匹配影像数据集。
[0164]
所述s327，是利用所有匹配图像对，构建得到匹配影像数据集。
[0165]
所述对所述第二相似影像数据集的所有遥感影像，进行特征点检测操作，得到第
一特征点信息，包括：
[0166]
s3211，对所述第二相似影像数据集的每个遥感影像，对其图像位置坐标为(x,y)的像素点，计算得到其滤波矩阵m；所述滤波矩阵的计算表达式为：
[0167][0168]
其中，i
x
为对遥感影像在图像位置坐标为(x,y)的像素点，沿图像x轴方向进行求导得到的导数值，iy为对遥感影像在图像位置坐标为(x,y)的像素点，沿图像y轴方向进行求导得到的导数值，ω(x,y)是图像位置坐标为(x,y)的像素点的滤波函数，l是图像位置坐标为(x,y)的像素点的邻近区域；
[0169]
所述图像位置坐标为(x,y)的像素点的邻近区域，可以是以所述像素点为中心，沿着x轴和y轴分别进行左右和上下延伸，所得到的矩形区域。所述矩形区域，在x轴方向，可以是10个像素点，在y轴方向，可以是8个像素点。所述滤波函数，可以是二维高斯函数。
[0170]
s3212，利用所述滤波矩阵m，计算得到所述像素点的响应函数f(x,y)；所述响应函数f(x,y)的计算表达式为：
[0171]
f(x,y)＝det(m)-ktrace2(m)，
[0172]
其中，det(m)和trace(m)分别是所述滤波矩阵m的行列式值和迹值，k为预设参数；
[0173]
s3213，对所述遥感影像的所有像素点的响应函数，判断是否大于预设响应阈值，得到响应函数判断结果；
[0174]
对所述响应函数判断结果为否的响应函数，不进行处理；
[0175]
确定所述响应函数判断结果为是的响应函数所对应的像素点，为所述遥感影像的第一特征点，得到第一特征点信息。
[0176]
所述对所述第一检测范围，进行特征点提取操作，得到第二特征点信息，包括：
[0177]
s3231，利用尺度不变特征描述子，对所述第一检测范围的像素点进行特征点提取操作，得到第二特征点和对应的特征描述子信息；
[0178]
s3232，对所述第二特征点和对应的特征描述子信息进行融合操作，得到第二特征点信息；
[0179]
所述第二特征点信息，包括第二特征点和对应的特征描述子信息；所述对所述第一检测范围的像素点进行特征点提取操作，可以采用surf算法、orb算法或fast算法来实现。
[0180]
所述第二特征点对应的特征描述子，由所采用的特征点提取算法来决定，可以是surf特征描述子、orb特征描述子或fast特征描述子。
[0181]
所述对具有相同分类标签的遥感影像的第二特征点，进行特征匹配操作，得到匹配特征点对信息，包括：
[0182]
s3241，对具有相同分类标签的任意两个遥感影像的组合，对其中的第一个遥感影像的每一个第二特征点，依次计算得到所述第二特征点与第二个遥感影像的所有第二特征点的欧式距离，从所有欧式距离中搜索得到数值第一小的欧式距离和数值第二小的欧式距离；所述两个遥感影像的组合，包括第一个遥感影像和第二个遥感影像。
[0183]
s3242，计算得到所述数值第一小的欧式距离和数值第二小的欧式距离的比值，若
所述比值小于设定比值门限，判定所述第一个遥感影像的所述第二特征点，与所述第二个遥感影像的与其欧式距离最小的第二特征点，为匹配特征点对；若所述比值不小于设定比值门限，不进行操作；所述设定比值门限，可以是0.5；
[0184]
s3243，对具有相同分类标签的两个遥感影像的所有组合，进行s3241和s3242的操作，得到所有具有相同分类标签的遥感影像的匹配特征点对信息。所述匹配特征点对信息，包括匹配特征点对所包含的第二特征点信息。
[0185]
所述对具有相同匹配标签的遥感影像进行投影匹配检测处理，得到匹配图像对，包括：
[0186]
s3261，将具有相同匹配标签的每两个遥感影像，分别作为第一遥感影像和第二遥感影像；
[0187]
s3262，采用最小匹配误差模型，对所述第一遥感影像和第二遥感影像所共同包含的匹配特征点对的第二特征点进行处理，得到投影变换矩阵；
[0188]
所述s3262，包括：
[0189]
建立最小匹配误差模型，其表达式为：
[0190][0191]
其中，n为第一遥感影像和第二遥感影像所共同包含的匹配特征点对的数量，(xi,yi)为所述匹配特征点对在第一遥感影像中的第i个第一特征点的图像位置坐标，为所述匹配特征点对在第二遥感影像中的第i个第二特征点的图像位置坐标，λ为最小匹配误差模型的附加系数，a、b、c和d均为最小匹配误差模型的求解变量，j为最小匹配误差函数；
[0192]
求取使得j取最小值时，a、b、c和d四个变量的对应值分别为a0、b0、c0和d0，建立投影变换矩阵t，其表达式为：
[0193][0194]
从而得到投影变换矩阵。
[0195]
所述的共同包含，是指匹配特征点对所包含的两个第二特征点，分别属于第一遥感影像和第二遥感影像。
[0196]
s3263，利用所述投影变换矩阵，对所述第一遥感影像进行投影变换处理，得到投影变换特征点；
[0197]
所述s3263，包括:
[0198]
利用投影变换矩阵，分别与所述匹配特征点对在第一遥感影像中的第i个第一特征点的图像位置坐标(xi,yi)相乘，得到第i个投影变换特征点，其图像位置坐标为(a0xi+c0yi,b0xi+d0yi)。
[0199]
s3264，计算得到所述匹配特征点对在第二遥感影像中的第二特征点与投影变换特征点的匹配相似度值；
[0200]
所述s3264的计算过程，其表达式为：
[0201][0202]
其中，d1为所述匹配相似度值；
[0203]
s3265，判别所述匹配相似度值是否小于预设匹配相似度门限值，若所述匹配相似度值小于预设匹配相似度门限值，判定所述第一遥感影像和第二遥感影像为匹配图像对；若所述匹配相似度值不小于预设匹配相似度门限值，判定所述第一遥感影像和第二遥感影像不是匹配图像对。
[0204]
所述预设匹配相似度门限值，可以是所述匹配特征点对的所有第二特征点的位置坐标绝对值的平均值的5％或者10％。
[0205]
所述对所述匹配影像数据集进行质量评价和清洗操作，得到遥感影像编目数据相似重复清洗结果，包括：
[0206]
s401，对所述匹配影像数据集的每个遥感影像，获取其每个像素的中误差信息；所述像素的中误差，是所述遥感影像的像素的经纬度信息与所述遥感影像的像素对应真实地物的经纬度信息的差值；
[0207]
s402，对所述遥感影像的所有像素的中误差进行均值计算，得到所述遥感影像的中误差均值；
[0208]
s403，判断所述遥感影像的中误差均值是否小于等于预设中误差门限，得到所述遥感影像的中误差判别结果；
[0209]
若所述中误差判别结果为是，确定所述遥感影像满足位置精度合格条件；
[0210]
若所述中误差判别结果为否，确定所述遥感影像不满足位置精度合格条件；
[0211]
s404，根据所述遥感影像的中误差均值，计算得到所述遥感影像的位置精度质量分数，所述计算表达式为：
[0212]
位置精度质量分数＝60+40
×
(预设中误差门限-中误差均值)/0.7
×
预设中误差门限；
[0213]
s405，获取所述匹配影像数据集的每个遥感影像的色彩模型信息，若所述遥感影像的色彩模式信息为全光谱模式，确定所述遥感影像满足色彩模式合格条件；
[0214]
若所述遥感影像的色彩模式信息不是全光谱模式，确定所述遥感影像不满足色彩模式合格条件；
[0215]
对满足色彩模式合格条件的遥感影像，确定所述遥感影像的色彩模式质量分数为100；
[0216]
对不满足色彩模式合格条件的遥感影像，确定所述遥感影像的色彩模式质量分数为0；
[0217]
所述遥感影像的色彩模式信息，包括全光谱模式、全色模式和红外模式。
[0218]
s406，获取所述匹配影像数据集的每个遥感影像的色彩误差像素数目值，若所述色彩误差像素数目值小于等于预设允许色彩误差总像素数目值，确定所述遥感影像满足色彩误差合格条件；若所述色彩误差像素数目值大于预设允许色彩误差总像素数目值，确定所述遥感影像不满足色彩误差合格条件；
[0219]
s407，利用所述遥感影像的色彩误差像素数目值，计算得到所述遥感影像的色彩误差质量分数；所述计算表达式为：
[0220]
色彩误差质量分数＝60+40
×
(预设允许色彩误差总像素数目值-色彩误差像素数目值)/预设允许色彩误差总像素数目值；
[0221]
s408，获取所述匹配影像数据集的每个遥感影像的影像噪音像素数目值，若所述影像噪音像素数目值小于等于预设允许影像噪音总像素数目值，确定所述遥感影像满足影像噪音合格条件；若所述影像噪音像素数目值大于预设允许影像噪音总像素数目值，确定所述遥感影像不满足影像噪音合格条件；
[0222]
s409，利用所述遥感影像的影像噪音像素数目值，计算得到所述遥感影像的影像噪音质量分数；所述计算表达式为：
[0223]
影像噪音质量分数＝60+40
×
(预设允许影像噪音总像素数目值-影像噪音像素数目值)/预设允许影像噪音总像素数目值；
[0224]
s410，获取所述匹配影像数据集的每个遥感影像的信息丢失像素数目值，若所述信息丢失像素数目值小于等于预设允许信息丢失总像素数目值，确定所述遥感影像满足信息丢失合格条件；若所述信息丢失像素数目值大于预设允许信息丢失总像素数目值，确定所述遥感影像不满足信息丢失合格条件；
[0225]
s411，利用所述遥感影像的信息丢失像素数目值，计算得到所述遥感影像的信息丢失质量分数；所述计算表达式为：
[0226]
信息丢失质量分数＝60+40
×
(预设允许信息丢失总像素数目值-信息丢失像素数目值)/预设允许信息丢失总像素数目值；
[0227]
s412，对所述匹配影像数据集的每个遥感影像，确定所述遥感影像的所有类型质量分数的最小值，为所述遥感影像的总质量分数；
[0228]
s413，对所述匹配影像数据集的每个遥感影像，进行总质量分数判别，若所述遥感影像的总质量分数为大于等于90分，判断所述遥感影像的质量等级为优；
[0229]
若所述遥感影像的总质量分数为大于等于75分且小于90分，判断所述遥感影像的质量等级为良；
[0230]
若所述遥感影像的总质量分数为大于等于60分且小于75分，判断所述遥感影像的质量等级为合格；
[0231]
若所述遥感影像不满足任意一项质量元素合格条件，或所述遥感影像的总质量分数为小于60分，判断所述遥感影像的质量等级为不合格；所述质量元素合格条件，包括位置精度合格条件、色彩模式合格条件、色彩误差合格条件、影像噪音合格条件和信息丢失合格条件。
[0232]
s414，对所述匹配影像数据集进行清洗处理，若所述匹配影像数据集的匹配图像对的所有的遥感影像的质量等级相同，保留所述匹配图像对中的一张遥感影像；若所述匹配影像数据集的遥感影像的质量等级为不合格，删除所述遥感影像；若所述匹配影像数据集的匹配图像对的所有的遥感影像的质量等级不相同且不是不合格，根据所述遥感影像的总质量分数，对所述遥感影像进行保留和标注，得到所述遥感影像的评分信息；所述遥感影像的评分信息，即是所述遥感影像的总质量分数。
[0233]
s415，利用所述匹配影像数据集所保留的遥感影像和遥感影像的评分信息，构建得到遥感影像编目数据相似重复清洗结果。
[0234]
所述s406、s408、s410中预设允许的总像素数目值，可以是所述遥感影像的总像素
数目的1％。
[0235]
所述预设中误差门限，可以是2.2m至2.6m。
[0236]
本发明设计了一种遥感影像编目数据相似重复清洗方法和系统，采用相似重复记录检测与图像匹配相结合的方式进行编目数据相似重复检测以确保检测的精确性，最后通过质量评价确定最终的清洗策略，解决由于影像产品生产问题、重复接收处理原始数据等情况导致的对段编目、景编目数据的影像重复生产的问题，同时提高检测的准确性。
[0237]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种遥感影像编目数据相似重复清洗方法，其特征在于，包括：s1，获取遥感影像编目数据库信息；所述遥感影像编目数据库信息，包括遥感影像的属性信息；所述属性信息，包括序列信息、时间信息、轨道圈号、星型信息、载荷信息、经纬度信息和存放位置信息；s2，利用所述遥感影像编目数据库信息中的时间信息和轨道圈号，对所述遥感影像编目数据库信息进行筛选操作，得到第一相似影像数据集；s3，对所述第一相似影像数据集进行聚类和特征匹配操作，得到匹配影像数据集；s4，对所述匹配影像数据集进行质量评价和清洗操作，得到遥感影像编目数据相似重复清洗结果；所述遥感影像编目数据相似重复清洗结果，包括遥感影像信息和评分信息。2.如权利要求1所述的遥感影像编目数据相似重复清洗方法，其特征在于，所述利用所述遥感影像编目数据库信息中的时间信息和轨道圈号，对所述遥感影像编目数据库信息进行筛选操作，得到第一相似影像数据集，包括：s21，利用所述遥感影像编目数据库信息中的时间信息和轨道圈号，对所述遥感影像编目数据库信息进行筛选操作，得到相同的时间信息和轨道圈号所对应的序列信息；利用所述相同的时间信息和轨道圈号，生成时空标签；s22，根据步骤s21所得到的序列信息，确定相关的存放位置信息；s23，根据所述的相关的存放位置信息，获取对应的遥感影像信息；s24，利用所述时空标签，对所述对应的遥感影像信息进行标注，得到时空标注影像数据；s25，利用所有时空标注影像数据，构建得到第一相似影像数据集。3.如权利要求1所述的遥感影像编目数据相似重复清洗方法，其特征在于，所述对所述第一相似影像数据集进行聚类和特征匹配操作，得到匹配影像数据集，包括：s31，对所述第一相似影像数据集进行聚类操作，得到第二相似影像数据集；s32，对所述第二相似影像数据集，进行特征匹配操作，得到匹配影像数据集。4.如权利要求3所述的遥感影像编目数据相似重复清洗方法，其特征在于，所述对所述第一相似影像数据集进行聚类操作，得到第二相似影像数据集，包括：s311，获取所述第一相似影像数据集中具有相同时空标签的遥感影像的属性信息；s312，剔除所述属性信息中的时间信息和轨道圈号，利用所得到的属性信息，构建得到聚类属性信息；s313，对所述聚类属性信息，进行量化处理，得到遥感影像的聚类属性向量；s314，对每一组具有相同时空标签的遥感影像，利用其聚类属性向量，进行聚类处理，得到聚类信息；s315，利用所述聚类信息，生成聚类标签；s316，利用具有相同聚类标签的遥感影像的聚类属性向量，进行加权相似度计算处理，得到分类标签；s317，对具有相同分类标签的遥感影像进行聚合处理，得到第二相似影像数据集。5.如权利要求4所述的遥感影像编目数据相似重复清洗方法，其特征在于，所述利用具有相同聚类标签的遥感影像的聚类属性向量，进行加权相似度计算处理，得到分类标签，包括：
s3161，对具有相同聚类标签的两个遥感影像的组合，对其聚类属性向量进行相似度计算，得到相似度值；s3162，若所述相似度值小于等于预设的第一相似度判别门限，不对所述两个遥感影像的组合进行处理；若所述相似度值大于预设的第一相似度判别门限，执行s3163；s3163，对具有相同聚类标签的两个遥感影像的组合，对其聚类属性向量进行加权相似度计算，得到加权相似度值；s3164，若所述加权相似度值小于等于预设的第二相似度判别门限，不对所述两个遥感影像的组合进行处理；若所述加权相似度值大于预设的第二相似度判别门限，对所述两个遥感影像的组合中的遥感影像，分配相同的分类标签。6.如权利要求3所述的遥感影像编目数据相似重复清洗方法，其特征在于，所述对所述第二相似影像数据集，进行特征匹配操作，得到匹配影像数据集，包括：s321，对所述第二相似影像数据集的所有遥感影像，进行特征点检测操作，得到第一特征点信息；s322，利用第一特征点的位置信息和预设的第一检测区域尺度信息，确定第一检测范围信息；s323，对所述第一检测范围，进行特征点提取操作，得到第二特征点信息；s324，对具有相同分类标签的遥感影像的第二特征点，进行特征匹配操作，得到匹配特征点对信息；s325，利用匹配特征点对信息，生成匹配标签；s326，对具有相同匹配标签的遥感影像进行投影匹配检测处理，得到匹配图像对；s327，对所有匹配图像对进行聚合处理，得到匹配影像数据集。7.如权利要求6所述的遥感影像编目数据相似重复清洗方法，其特征在于，所述对所述第二相似影像数据集的所有遥感影像，进行特征点检测操作，得到第一特征点信息，包括：s3211，对所述第二相似影像数据集的每个遥感影像，对其图像位置坐标为(x,y)的像素点，计算得到其滤波矩阵m；所述滤波矩阵的计算表达式为：其中，i
x
为对遥感影像在图像位置坐标为(x,y)的像素点，沿图像x轴方向进行求导得到的导数值，i
y
为对遥感影像在图像位置坐标为(x,y)的像素点，沿图像y轴方向进行求导得到的导数值，ω(x,y)是图像位置坐标为(x,y)的像素点的滤波函数，l是图像位置坐标为(x,y)的像素点的邻近区域；s3212，利用所述滤波矩阵m，计算得到所述像素点的响应函数f(x,y)；所述响应函数f(x,y)的计算表达式为：f(x,y)＝det(m)-ktrace2(m)，其中，det(m)和trace(m)分别是所述滤波矩阵m的行列式值和迹值，k为预设参数；s3213，对所述遥感影像的所有像素点的响应函数，判断是否大于预设响应阈值，得到
响应函数判断结果；对所述响应函数判断结果为否的响应函数，不进行处理；确定所述响应函数判断结果为是的响应函数所对应的像素点，为所述遥感影像的第一特征点，得到第一特征点信息。8.如权利要求6所述的遥感影像编目数据相似重复清洗方法，其特征在于，所述对所述第一检测范围，进行特征点提取操作，得到第二特征点信息，包括：s3231，利用尺度不变特征描述子，对所述第一检测范围的像素点进行特征点提取操作，得到第二特征点和对应的特征描述子信息；s3232，对所述第二特征点和对应的特征描述子信息进行融合操作，得到第二特征点信息。9.如权利要求6所述的遥感影像编目数据相似重复清洗方法，其特征在于，所述对具有相同匹配标签的遥感影像进行投影匹配检测处理，得到匹配图像对，包括：s3261，将具有相同匹配标签的每两个遥感影像，分别作为第一遥感影像和第二遥感影像；s3262，采用最小匹配误差模型，对所述第一遥感影像和第二遥感影像所共同包含的匹配特征点对的第二特征点进行处理，得到投影变换矩阵；s3263，利用所述投影变换矩阵，对所述第一遥感影像进行投影变换处理，得到投影变换特征点；s3264，计算得到所述匹配特征点对在第二遥感影像中的第二特征点与投影变换特征点的匹配相似度值；s3265，判别所述匹配相似度值是否小于预设匹配相似度门限值，若所述匹配相似度值小于预设匹配相似度门限值，判定所述第一遥感影像和第二遥感影像为匹配图像对；若所述匹配相似度值不小于预设匹配相似度门限值，判定所述第一遥感影像和第二遥感影像不是匹配图像对。10.如权利要求1所述的遥感影像编目数据相似重复清洗方法，其特征在于，所述对所述匹配影像数据集进行质量评价和清洗操作，得到遥感影像编目数据相似重复清洗结果，包括：s401，对所述匹配影像数据集的每个遥感影像，获取其每个像素的中误差信息；所述像素的中误差，是所述遥感影像的像素的经纬度信息与所述遥感影像的像素对应真实地物的经纬度信息的差值；s402，对所述遥感影像的所有像素的中误差进行均值计算，得到所述遥感影像的中误差均值；s403，判断所述遥感影像的中误差均值是否小于等于预设中误差门限，得到所述遥感影像的中误差判别结果；若所述中误差判别结果为是，确定所述遥感影像满足位置精度合格条件；若所述中误差判别结果为否，确定所述遥感影像不满足位置精度合格条件；s404，根据所述遥感影像的中误差均值，计算得到所述遥感影像的位置精度质量分数，所述计算表达式为：位置精度质量分数＝60+40
×
(预设中误差门限-中误差均值)/0.7
×
预设中误差门限；
s405，获取所述匹配影像数据集的每个遥感影像的色彩模型信息，若所述遥感影像的色彩模式信息为全光谱模式，确定所述遥感影像满足色彩模式合格条件；若所述遥感影像的色彩模式信息不是全光谱模式，确定所述遥感影像不满足色彩模式合格条件；对满足色彩模式合格条件的遥感影像，确定所述遥感影像的色彩模式质量分数为100；对不满足色彩模式合格条件的遥感影像，确定所述遥感影像的色彩模式质量分数为0；所述遥感影像的色彩模式信息，包括全光谱模式、全色模式和红外模式；s406，获取所述匹配影像数据集的每个遥感影像的色彩误差像素数目值，若所述色彩误差像素数目值小于等于预设允许色彩误差总像素数目值，确定所述遥感影像满足色彩误差合格条件；若所述色彩误差像素数目值大于预设允许色彩误差总像素数目值，确定所述遥感影像不满足色彩误差合格条件；s407，利用所述遥感影像的色彩误差像素数目值，计算得到所述遥感影像的色彩误差质量分数；所述计算表达式为：色彩误差质量分数＝60+40
×
(预设允许色彩误差总像素数目值-色彩误差像素数目值)/预设允许色彩误差总像素数目值；s408，获取所述匹配影像数据集的每个遥感影像的影像噪音像素数目值，若所述影像噪音像素数目值小于等于预设允许影像噪音总像素数目值，确定所述遥感影像满足影像噪音合格条件；若所述影像噪音像素数目值大于预设允许影像噪音总像素数目值，确定所述遥感影像不满足影像噪音合格条件；s409，利用所述遥感影像的影像噪音像素数目值，计算得到所述遥感影像的影像噪音质量分数；所述计算表达式为：影像噪音质量分数＝60+40
×
(预设允许影像噪音总像素数目值-影像噪音像素数目值)/预设允许影像噪音总像素数目值；s410，获取所述匹配影像数据集的每个遥感影像的信息丢失像素数目值，若所述信息丢失像素数目值小于等于预设允许信息丢失总像素数目值，确定所述遥感影像满足信息丢失合格条件；若所述信息丢失像素数目值大于预设允许信息丢失总像素数目值，确定所述遥感影像不满足信息丢失合格条件；s411，利用所述遥感影像的信息丢失像素数目值，计算得到所述遥感影像的信息丢失质量分数；所述计算表达式为：信息丢失质量分数＝60+40
×
(预设允许信息丢失总像素数目值-信息丢失像素数目值)/预设允许信息丢失总像素数目值；s412，对所述匹配影像数据集的每个遥感影像，确定所述遥感影像的所有类型质量分数的最小值，为所述遥感影像的总质量分数；s413，对所述匹配影像数据集的每个遥感影像，进行总质量分数判别，若所述遥感影像的总质量分数为大于等于90分，判断所述遥感影像的质量等级为优；若所述遥感影像的总质量分数为大于等于75分且小于90分，判断所述遥感影像的质量等级为良；若所述遥感影像的总质量分数为大于等于60分且小于75分，判断所述遥感影像的质量等级为合格；
若所述遥感影像不满足任意一项质量元素合格条件，或所述遥感影像的总质量分数为小于60分，判断所述遥感影像的质量等级为不合格；所述质量元素合格条件，包括位置精度合格条件、色彩模式合格条件、色彩误差合格条件、影像噪音合格条件和信息丢失合格条件；s414，对所述匹配影像数据集进行清洗处理，若所述匹配影像数据集的匹配图像对的所有的遥感影像的质量等级相同，保留所述匹配图像对中的一张遥感影像；若所述匹配影像数据集的遥感影像的质量等级为不合格，删除所述遥感影像；若所述匹配影像数据集的匹配图像对的所有的遥感影像的质量等级不相同且不是不合格，根据所述遥感影像的总质量分数，对所述遥感影像进行保留和标注，得到所述遥感影像的评分信息；s415，利用所述匹配影像数据集所保留的遥感影像和遥感影像的评分信息，构建得到遥感影像编目数据相似重复清洗结果。

技术总结
本发明公开了一种遥感影像编目数据相似重复清洗方法，包括：获取遥感影像编目数据库信息；所述遥感影像编目数据库信息，包括遥感影像的属性信息；利用遥感影像编目数据库信息中的时间信息和轨道圈号，进行筛选操作，得到第一相似影像数据集；对第一相似影像数据集进行聚类和特征匹配操作，得到匹配影像数据集；对匹配影像数据集进行质量评价和清洗操作，得到遥感影像编目数据相似重复清洗结果；所述遥感影像编目数据相似重复清洗结果，包括遥感影像信息和评分信息。本发明方法解决了由于影像产品生产问题、重复接收处理原始数据等情况导致的对段编目、景编目数据的影像重复生产的问题，同时提高了检测的准确性。同时提高了检测的准确性。同时提高了检测的准确性。


技术研发人员：吕守业 陈雪华 王永刚 刘圆圆 孟祥铭
受保护的技术使用者：北京市遥感信息研究所
技术研发日：2023.05.19
技术公布日：2023/8/24