CN101515987A - 一种用于旋转扫描多元并扫红外相机的遥感图像辐射校正方法 - Google Patents

Abstract

本发明公开了一套适用于双面镜旋转多元并扫红外相机遥感图像辐射校正的地面数据处理方法。该方法基于HJ－1B红外相机双面镜旋转多元并扫的成像机理，解决了卫星地面系统中数据处理的实际工程问题，采用基于DN值映射-能级统计法自动检测坏线位置，通过线性插值进行图像恢复；针对多元并扫引起的扫描条带内部非均匀性和双面镜扫描引起的条带间的非均匀性，采用多点分段线性插值拟合算法和两点线性算法进行校正；针对双面镜扫描引起的相邻扫描条带间的图像错位，通过相邻像素差值最小化的算法得以校正；针对卫星发射后红外相机B2波段出现的竖条纹，采用一阶导数梯度值法进行自动检测与恢复，有效去除条纹，明显改善了图像质量。

Description

一种用于旋转扫描多元并扫红外相机的遥感图像辐射校正方法

技术领域

本发明属于航天领域地面系统处理算法技术，主要涉及双面镜旋转多元并扫成像方式红外相机的遥感图像辐射校正处理算法。

背景技术

2008年9月8日发射入轨运行的HJ-1B红外相机，采用的是双面镜旋转多元并扫成像方式，这种成像方式目前在国内是第一次用于卫星遥感器。根据其成像机理和相机入轨后遇到的特有问题，要求在地面系统的图像辐射校正中需要考虑多个方面的特殊性，如探元间的品字型校正、扫描镜AB面响应差异的校正、双面镜扫描长轴方向错位校正、扫描条带内非均匀性校正、扫描条带间的非均匀性校正、2波段竖条纹去除等诸多因素，以便形成可供地面处理系统业务运行的一套行之有效的红外图像辐射校正算法与技术流程。由于双面镜旋转多元并扫成像方式的第一次使用，目前，国内尚无可供直接参考的辐射校正处理流程与算法，需要自主研发解决。

发明内容

本发明目的在于，针对现有技术不足，立足于解决上述实际卫星工程问题，提供一套适用于双面镜旋转多元并扫红外图像，可业务化运行行之有效的辐射校正算法与处理技术流程。

本发明的方法包括如下主要步骤：

1.红外图像坏线的自动检测与修复

HJ-1B红外相机采用多元并扫，红外焦平面器件入轨长期运行后，受真空环境、空间高能粒子轰击等因素影响，其响应随时间的漂移不容忽视，某些探元的响应特性会衰减较厉害，出现哑像元或死像元，在图像上表现为响应异常的坏线，需要在地面的图像处理中进行坏线的自动检测与修复。坏线的自动检测采用能级统计法，其修复采用线性插值法。

2.扫描条带内非均匀性校正与扫描条带间非均匀性校正

针对HJ-1B红外相机遥感图像非均匀性产生的两方面主要机理来进行：一是多元并扫引起的扫描条带内部非均匀性，二是双面镜扫描引起的条带间的非均匀性。图像的非均匀性校正采用多点分段线性插值拟合算法。

3.扫描条带间错位的自动统计与校正

HJ-1B红外相机的双面镜扫描方式，在卫星入轨后，会使图像上扫描条带之间出现错位，条带间的错位大小不固定，且与成像区域的纬度相关，需要进行自动统计与校正。

4.探元间的品字型校正

HJ-1B红外相机近、短、中红外20元并扫、热红外10元并扫，为提高填充比，各波段的探测器线列呈品字型结构排布，致使输出图像的轮廓边缘产生锯齿，需要进行校正以消除锯齿效应。

5.波段2竖直斜条纹去除

HJ-1B红外相机发射入轨后，由于在星上环境中受到某种电磁环境的干扰，B2波段图像在竖直方向出现较明显的竖直斜条纹，且条纹斜率不固定、规律性不强，严重影响该波段图像的目视质量与清晰度。本发明采用一阶导数梯度值法进行B2波段竖条纹的判断与校正。

针对HJ-1B红外相机的工作特性，本发明采用能级统计法进行图像坏线的自动检测，通过线性插值法进行坏线的修复；采用多点分段线性插值拟合算法进行扫描条带内非均匀性校正以及扫描条带间的非均匀性校正；根据四个波段各探元的品字型排布特点，进行品字型校正，消除图像边缘锯齿效应；通过一阶导数梯度值法进行B2波段竖条纹的判断与校正。

附图说明

图1为HJ-1B红外相机遥感图像辐射校正方法流程示意图；

图2为能级统计法判定坏线算法流程图；

图3为多点分段线性拟合原理图；

图4为多点分段线性拟合非均匀性校正系数计算流程图；

图5为HJ-1B红外相机探测器品字型结构示意图；

图6为B2波段竖条纹去除流程示意图。

具体实施方式

参见图1、图2、图3、图4、图5、图6。

以下结合附图及具体的实施例对本发明的技术方案作进一步描述。

本发明采用图1所示的HJ-1B红外相机遥感图像辐射校正方法流程图，具体实现步骤如下：

1.基于“DN值映射-能级统计”算法的死像元与哑像元自动检测与修复

死像元在HJ-1B红外图像上表现为等间隔的扫描带坏像元，像素灰度值几乎为零，哑像元在图像上表现为等间隔的扫描带奇异像元，像素灰度值异常，或偏高或偏低。

采用能级统计法进行死像元与哑像元的检测，其算法原理是：同一扫描线中，正常像元的DN值由于目标地物信息丰富，量化能级数较多；而坏像元或哑像元的DN值与扫描线均值差异较小，集中在几个特有量化能级。通过采用直方图统计，将DN值映射到0-255能级，统计后的能级数＜THRESHHOLDH则为坏线。THRESHHOLDH可取9(经验值)。能级统计法具体算法流程如图2所示，首先读取数据文件每行扫描数据，并根据直方图法统计其能级数。如能级数小于阈值则此行为坏线，否则，为正常扫描数据。

对检测到的死像元或哑像元分以下两种情况，分别进行线性插值算法：

对于孤立坏线，采用相邻上下两行均值进行插值。

对于连续坏线，采用[起始行-1]与[终止行+1]两行按照权重进行线性插值的算法进行插值，公式：DN_new＝DN₀*W₀+DN₁*W₁，W₀与W₁分别代表权重，其计算公式为

W₀＝(BegLine-i)/(EndLine-BegLine+1)，W₁＝1-W₀

2.基于“多点分段线性插值+两点线性插值”组合算法的扫描条带内非均匀性校正与扫描条带间非均匀性校正

HJ-1B红外相机由于红外焦平面列阵(IRFPA)各探元响应度的非一致性，使红外图像叠加上一层固定图案噪声，严重影响图像质量，需要进行校正。红外图像非均匀性产生的原因是由于各探元的加工工艺、材料、温度的不一致所致，如碲镉汞(HgCdTe)红外焦平面探测器半导体的禁带宽度E_g与组份x和温度T的关系为：

当0.23≤x≤0.60，100＜T＜300K时：

E_g(x，T)(eV)＝-0.303+1.73x+5.6×10^-4(1-2x)T+0.25x³

当0.17≤x≤0.23，20＜T＜100K时：

E_g(x，T)(eV)＝-0.25+1.59x+5.23×10^-4(1-2.08x)T+0.327x³

这里仅从材料组份和温度方面分析了红外焦平面探测器响应非均匀性产生的原因。另外，由于工艺、温度、压力等多个因素的综合影响，红外探测器的响应与入射辐射量呈现复杂的非线性关系。红外探测器不仅各像元之间存在非均匀性，而且每个像元的光谱响应曲线也不是严格一致的，意识到红外探测器响应的非线性，对于建立合理有效的非均匀性校正算法非常必要。

2.1多元并扫引起的条带内部非均匀性校正

本发明采用多点分段线性插值拟合算法，来实现HJ-1B红外图像多元并扫引起的条带内部非均匀性校正。其算法基本思路是，充分考虑到红外探测器响应的非线性，根据红外成像系统的工作动态范围，选择M个不同的入射辐射能级Φ₁，Φ₂，…Φ_M，分别对N个探元进行辐射定标。目的是找到任意辐射能级下，探测器的响应输出与其入射辐射之间的函数映射关系，具体示意图如图3所示。从图3的多点分段线性插值拟合原理图可以看到，分段越多校正精度会越高。

假设任一个探测元在m个能级，获取m个定标点，即任一探测元接受的红外辐照度为(φ₁，φ₂，…，φ_m)，输出的响应值为(X₁(φ₁)，X₂(φ₂)，…，X_n(φ_m))，假设有n个探测元，这样我们可以得到m×n个定标点，对任一个能级φ_i(i＝1，2，…m)，我们可以得到该能级的期望响应值。

$X_{s1}\left({\mathrm{\φ}}_1\right)=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{X}_{i1}\left({\mathrm{\φ}}_1\right)}{n}---\left(1\right)$

$X_{s2}\left({\mathrm{\φ}}_2\right)=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{X}_{i2}\left({\mathrm{\φ}}_2\right)}{n}---\left(2\right)$

…

$X_{\mathrm{sm}}\left({\mathrm{\φ}}_m\right)=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{X}_{\mathrm{im}}\left({\mathrm{\φ}}_m\right)}{n}---\left(3\right)$

基于m个能级，以及0能级和全饱和能级，这样每一个探测元就对应有m+2个响应值，可以将任一个探测元的响应曲线分成m+1段，在相邻两个能级之间构成一个线性段，每一段内进行线性拟合插值。

为了获取每个探测元在每一段内的增益和偏移量的校正参数，建立如下方程：

X_s(φ_i)＝a′_j，i·X_j(φ_i)+b′_j，i         (4)

X_s(φ_i+1)＝a′_j，i·X_j(φ_i+1)+b′_j，i    (5)

其中，a′_j，i和b′_j，i(i＝1，2…，m+1)(j＝1，2…，n)分别为第j个探测元在i段增益和偏移量的校正参数。

由公式(4)、(5)我们可以得到：

$a_{j,i}^{\′}=\frac{X_s\left({\mathrm{\φ}}_{i+1}\right)-X_s\left({\mathrm{\φ}}_i\right)}{X_j\left({\mathrm{\φ}}_{i+1}\right)-X_j\left({\mathrm{\φ}}_i\right)}---\left(6\right)$

$b_{j,i}^{\′}=\frac{X_s\left({\mathrm{\φ}}_{i+1}\right)X_j\left({\mathrm{\φ}}_i\right)-X_s\left({\mathrm{\φ}}_i\right)X_i\left({\mathrm{\φ}}_{i+1}\right)}{X_j\left({\mathrm{\φ}}_i\right)-X_j\left({\mathrm{\φ}}_{i+1}\right)}---\left(7\right)$

式中，(i＝1，2…，m+1)，(j＝1，2…，n)

对某个探测元的响应值进行校正时，首先需要判断该响应值在哪

一段中，然后选用这一段对应的校正系数，实现校正。校正表达式如

式(8)

X_校正后＝a′_j，i·X_校正前+b′_j，i                (8)

2.2双面镜扫描引起的条带间非均匀性校正

针对双面镜扫描引起的条带间非均匀性，由于在整个处理流程设计中，该步骤是在作过条带内校正基础上的二次校正，考虑到满足校正精度要求的同时，需要兼顾处理速度，本发明采用两点线性法进行校正，具体算法如下：

选取特定波段(NIR，SIR，MIR，LIR)辐射特性具有显著差异的定标图像(如近红外波段积分球开2盏灯或取定标图像与积分球开4盏灯获取的定标图像数据)，从定标图像的中间区域选取整数扫描带定标数据块BlockL，BlockH。以两种能级下的奇偶扫描带均值作为参考可分别建立如下公式：

DN_l＝DN_lo*A_o+B_o

DN_l＝DN_le*A_e+B_e                (9)

DN_h＝DN_ho*A_o+B_o

DN_h＝DN_he*A_e+B_e                (10)

DN_l为低能级数据均值(奇偶扫描带)，DN_h为高能级数据均值(奇偶扫描带)，DN_lo为奇数扫描带低能级均值，DN_le为偶数扫描带低能级均值，DN_ho为奇数扫描带高能级均值，DN_he为偶数扫描带高能级均值。A_o，为奇数扫描带非均匀校正系数，B_o，为奇数扫描带非均匀校正系数(偏置)；A_e，为偶数扫描带非均匀校正系数，B_e，为偶数扫描带非均匀校正系数(偏置)。通过联立方程求解，可得：

$A_0=\frac{D{\stackrel{\‾}{N}}_h-D{\stackrel{\‾}{N}}_l}{D{\stackrel{\‾}{N}}_{\mathrm{ho}}-D{\stackrel{\‾}{N}}_{\mathrm{lo}}},B_o=\frac{D{\stackrel{\‾}{N}}_l*D{\stackrel{\‾}{N}}_{\mathrm{ho}}-D{\stackrel{\‾}{N}}_h*D{\stackrel{\‾}{N}}_{\mathrm{lo}}}{D{\stackrel{\‾}{N}}_{\mathrm{ho}}-D{\stackrel{\‾}{N}}_{\mathrm{lo}}}$

$A_e=\frac{D{\stackrel{\‾}{N}}_h-D{\stackrel{\‾}{N}}_l}{D{\stackrel{\‾}{N}}_{\mathrm{he}}-D{\stackrel{\‾}{N}}_{\mathrm{le}}},B_e=\frac{D{\stackrel{\‾}{N}}_l*D{\stackrel{\‾}{N}}_{\mathrm{he}}-D{\stackrel{\‾}{N}}_h*D{\stackrel{\‾}{N}}_{\mathrm{le}}}{D{\stackrel{\‾}{N}}_{\mathrm{he}}-D{\stackrel{\‾}{N}}_{\mathrm{le}}}---\left(11\right)$

在求出奇数扫描条带校正系数A_o，B_o，偶数扫描条带校正系数A_e，B_e，后，校正表达式如(12)式

DN_o校正后＝DN_o校正前*A_o+B_o

DN_e校正后＝DN_e校正前*A_e+B_e

                                        (12)

3.基于“相邻条带间像素差值最小化”算法的扫描条带间错位的自动统计与校正

HJ-1B红外图像由于采用双面镜扫描，使相邻两个扫描条带之间的图像存在错位，即图像帧与帧之间的错位(近、短、中红外图像每帧20行，长波红外图像每帧10行)，这种错位一般在10个像元以内。本发明采用使相邻条带间的像素值差值最小化的算法来判断，从总体上来讲，当两个条带拼接良好时，其相邻像素值之差应该是最小的。具体算法是，偶数条带的像元位置保持不变，移动奇数条带的像素，计算出相邻条带间差值最小时的移动像素值。分别计算成对奇数条带与偶数条带之间的像素移动量(如1与2条带、3与4条带、5与6条带…)，然后取这些移动量的大数(即出现频率最高的移动值)作为整幅图像的移动值，根据此值移动图像的奇数条带，即可完成图像扫描长轴方向的错位校正。

4.探元间的品字型校正

HJ-1B红外相机四个波段探测器均采用品字型结构如图3所示，其中近、短、中波红外三个波段探测器为20元并扫，长波红外波段为10元并扫。

根据探测元的几何排列情况，奇数像元与偶数像元之间相差2IFOV。以奇数像元先扫描为例，奇数像元将先于偶数像元2个地面采样周期获得同一地物目标的图像信号，这样品字型效应在图像上表现为奇偶像元间的图像存在错位，致使图像扩散不清晰。要消除探测器品字型效应的影响，在地面数据处理中，具体校正算法是：对同一扫描条带中图像的奇数像元的位置向右移一位，偶数像元的位置向左移一位。即：奇数元O_i＝O_i-1，偶数元E_i＝E_i+1的方法进行校正。移动后的图像为保持列数不变，图像边缘用0补足。

5.基于“一阶导数梯度值”算法的波段2竖直斜条纹去除

HJ-1B红外相机入轨后，由于在星上环境中受到某种电磁环境的干扰，B2波段图像出现竖直斜条纹，该条纹斜率不固定、规律性不强，严重影响该波段图像的目视质量与清晰度。通过对具有竖条纹的大量图像进行统计发现：竖条纹在图像的扫描方向具有一定的边缘效应，通过一阶导数的幅度值可以进行竖条纹的检测，在竖条纹位置会有两个连续的梯度值超过阈值，通过微分算子生成梯度图，对图像中的每一行根据梯度幅度值进行统计判断，若幅度值＞THRESHHOLDG，则为竖条纹。THRESHHOLDG为经验值可取10。检测到竖条纹后，通过线性加权插值恢复图像，计算方法为：DN_new＝DN₀*W₀+DN₁*W₁，其中，W₀与W₁分别代表不同权重，其计算公式为 $W_0=\frac{(\mathrm{BegLine}-i)}{(\mathrm{EndLine}-\mathrm{BegLine}+1)},$ W₁＝1-W₀。

Claims (5)

1.一套适用于HJ-1B红外相机双面镜旋转多元并扫成像方式的遥感图像辐射校正方法，其特征在于包括以下主要步骤：

1)、针对HJ-1B红外相机四个谱段多元并扫图像，采用基于DN值映射-能级统计算法，进行死像元与哑像元自动检测，通过线性插值方法对检测到的坏线进行自动修复；

2)、采用多点分段线性插值和两点线性插值组合算法，实现HJ-1B红外相机多元并扫引起的扫描条带内非均匀性校正和扫描条带间非均匀性校正；

3)、针对红外图像由于双面镜扫描，引起的相邻扫描条带之间图像的错位，通过使相邻像素值差值最小化的算法，实现扫描条带间错位的自动统计与校正；

4)、根据红外相机各波段探元阵列的品字型排布，进行图像的品字型校正，消除图像轮廓边缘锯齿效应；

5)、针对HJ-1B红外相机发射入轨后，B2波段图像上出现的竖直斜条纹，通过一阶导数梯度值法进行自动检测，检测到竖条纹后，通过线性加权插值算法恢复图像。

2.根据权利要求1所述的双面镜旋转多元并扫成像方式的遥感图像辐射校正算法，其特征在于：所述的扫描条带内的非均匀性校正算法，采用多点分段线性插值拟合算法，算法基本思路为充分考虑到红外探测器响应的非线性，根据红外成像系统的工作动态范围，选择M个不同的入射辐射能级Φ₁，Φ₂，…Φ_M，分别对N个探元进行辐射定标，目的是找到任意辐射能级下，探测器的响应输出与其入射辐射之间的函数映射关系。

3.根据权利要求1或2所述的双面镜旋转多元并扫成像方式的遥感图像辐射校正算法，其特征在于：所述的扫描条带间非均匀校正算法，采用了两点线性校正算法。

4.根据权利要求1所述的双面镜旋转多元并扫成像方式的遥感图像辐射校正算法，其特征在于：所述的扫描条带间错位的自动统计与校正，具体算法为偶数条带的像元位置保持不变，移动奇数条带的像素，计算出相邻条带间差值最小时的移动像素值，分别计算成对奇数条带与偶数条带之间的像素移动量，然后取这些移动量的大数，也就是出现频率最高的移动值，作为整幅图像的移动值，根据此值移动图像的奇数条带，即可完成图像扫描长轴方向的错位校正。

5.根据权利要求1所述的双面镜旋转多元并扫成像方式的遥感图像辐射校正算法，其特征在于：所述的B2波段发射后出现的竖条纹，B2波段条纹规律性不强但严重影响图像质量，但竖条纹在图像的扫描方向具有一定的边缘效应，通过一阶导数梯度值法检测条纹位置，然后采用线性加权插值法可以有效去除条纹，明显改善图像质量。

Images