CN101777174A - 一种多时相遥感影像的相对辐射归一化方法 - Google Patents
一种多时相遥感影像的相对辐射归一化方法 Download PDFInfo
- Publication number
- CN101777174A CN101777174A CN200910251724A CN200910251724A CN101777174A CN 101777174 A CN101777174 A CN 101777174A CN 200910251724 A CN200910251724 A CN 200910251724A CN 200910251724 A CN200910251724 A CN 200910251724A CN 101777174 A CN101777174 A CN 101777174A
- Authority
- CN
- China
- Prior art keywords
- pixel
- remote sensing
- sensing image
- temporal remote
- image
- 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.)
- Pending
Links
Images
Landscapes
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明公开了一种多时相遥感影像的相对辐射归一化方法,该方法包括:A.首先在多时相遥感影像的近红外波段的波段-波段散点图中用粗剔除的方法去掉水体和受云影响的像元以及变化异常的像元;B.然后利用主成分分析的方法选取高质量的占主体信息量的“未变化”统计像元;C.最后利用最小二乘法确定回归线方程,并对多时相遥感影像进行归一化。本发明能有效控制和减少在利用多时相遥感影像进行变化检测或拼接时,由于太阳光照条件、大气的吸收和散射、传感器响应等差异造成的地表景观的一些“伪变化”,从而检测出真实的地表景观变化。
Description
技术领域
本发明涉及遥感图像处理技术,更具体地说,涉及一种多时相遥感影像的相对辐射归一化方法。
背景技术
常用的辐射归一化处理方法有两种,即绝对辐射归一化(ARN)和相对辐射归一化(RRN)。绝对辐射归一化是将每幅影像的灰度值都转换成地表的反射率,转化过程中为了进行精确的大气校正和传感器校正,需要用到大量的卫星同步观测数据,这些数据很难获得,而且即昂贵又不实用。相对辐射归一化是首先选定一幅参考影像,然后将多时相影像的灰度值逐波段地归一化到参考影像,使多时相影像具有相同的辐射尺度(或辐射分辨率),避免了将每幅影像的灰度值都转换成辐射度或反射率的复杂计算。
相对辐射归一化是基于同一区域多时相影像相同波段的灰度值存在线性关系的假设提出来的。常用的相对辐射归一化方法有阴霾纠正法(HC)、最大-最小(MM)归一化法、平均标准方差法(MS)、全景简单线性回归法(SR)、暗-亮(DB)归一化法、伪不变特征法(PIF)以及自动散点控制回归法(ASCR)。
阴霾纠正法(HC)、最大-最小(MM)归一化法、平均标准方差法(MS)、全景简单线性回归法(SR)、暗-亮(DB)归一化法、伪不变特征法(PIF)等方法不仅需要不同程度的人工干预,主观性强,而且不能很好地弥补云和阴影带来的不利影响。自动散点控制回归法(ASCR)虽然操作简单、执行效率高、能减少云和阴影等影响,其辐射归一化的效果也明显优于常用的各种统计方法。但由于它要求所研究的区域含有大面积的水体和陆地特征地物,所以当把该方法用于水体较少的区域或在多时相影像中的水体经历了较大变化时,其计算结果的精度将很难得到保证,无法体现其优势。
发明内容
为了解决上述技术问题,本发明提供了一种更加实用、计算结果精度更高的相对辐射归一化方法,即多时相遥感影像相对辐射归一化方法。
所述多时相遥感影像相对辐射归一化方法包括以下步骤:A.去掉水体和受云影响的像元以及变化异常的像元;B.选取占主体信息量的“未变化(NC)”像元作为统计样本;C.确定各波段的归一化回归方程;D.用回归方程对实验影像进行运算,生成归一化的新影像。
所述步骤A中去掉水体和受云影响的像元以及变化异常的像元的步骤包括:A1.首先用配准好的两幅多时相影像的近红外波段生成波段-波段的散点图,同时分析多时相影像的直方图,可大致确定陆地表面像元的数据集群中心;A2.然后以该集群中心为圆心、R为半径在散点图中圈定一个圆形区域,保证圆形区域内的像元数大于总像元数的85%,圆形区域外的像元将被剔除。
所述步骤B包括:B1.以散点图圆形区域内的像元为变量做主成分分析,得到一个主轴;B2.在与主轴正交的短轴方向上,取[-L,+L]范围内的像元作为“未变化(NC)”像元,L的取值要保证“未变化(NC)”像元的数目大于总像元数的50%。
所述步骤C包括:以步骤B中选取的“未变化(NC)”像元作为统计样本,利用最小二乘法确定各波段的回归方程。
所述步骤D包括:通过循环反复调整步骤A中的R和步骤B中的L的取值,以达到更好的归一化效果。
上述多时相遥感影像相对辐射归一化方法,通过使用高质量的“未变化”统计像元建立的回归方程不但能够减少和控制土地景观的“伪变化”,而且还能突出归一化的新影像的变化信息。该方法不需要处理最暗和最亮像元,人为干预少,得到的结果更加客观。它选用占主体信息量的“未变化”统计像元来建立回归方程能够使各种土地覆盖类型共同分摊归一化误差,使得到的处理结果更优。此外,该方法对被研究区域的土地景观特征没有特殊要求,适用范围广,且操作起来方便灵活,比现有的方法更具普遍性。
附图说明
图1是多时相遥感影像近红外波段生成的波段-波段散点图;
图2是原始影像和辐射归一化实验结果的对比图;
其中图像表示:
A为1997北京TM,543波段合成
B为2001北京TM,543波段合成
C为全景简单线性回归法(SR)
D为暗-亮归一化法(DB)
E为伪不变特征归一化法(PIF)
F为自动散点控制回归法(ASCR)
G为本发明提出的方法
图3是多时相遥感影像相对辐射归一化方法的技术流程图。
具体实施方式
本发明提供的多时相遥感影像相对辐射归一化方法,首先在多时相遥感影像的近红外波段的波段散点图中用粗剔除的方法去掉水体和受云影响的像元以及变化异常的像元;然后利用主成分分析的方法选取高质量的占主体信息量的“未变化”统计像元;最后利用最小二乘法确定回归线方程,并对多时相遥感影像进行归一化。
图1显示了多时相遥感影像的近红外波段所生成的波段-波段的散点图。从图上可以看到,存在一个范围较大的散点集中区,这是陆地表面像元的数据集群区;在靠近坐标原点的地方还有少量密集的像元,但因分布范围太小,无法构成集群,这些都是水体像元。通过该散点图即可去掉水体和受云影响的像元以及变化异常的像元。
图2显示了原始影像及经过实验验证的辐射归一化结果,一般来说,归一化的新影像与参考影像的颜色差异越小,辐射归一化的效果越好。因此,可以通过视觉上的定性比较对常用的几种相对辐射归一化方法和本发明提出的相对辐射归一化方法做出迅速直观的评价。从视觉效果可以看出:全景简单线性回归法(SR)、自动散点控制回归法(ASCR)的效果较差,归一化的新影像色调较暗,辐射分辨率也有较大损失,不利于变化检测,伪不变特征归一化法(PIF)、暗-亮(DB)归一化法的效果相对较好,它们得到的新影像色调有较大改善,而本发明提出的相对辐射归一化方法的效果与参考影像最接近、最匹配。
图3显示了本发明提出的多时相遥感影像相对辐射归一化方法的技术流程,具体过程如下:
(1)去掉水体和受云影响的像元以及变化异常的像元。首先用配准好的两幅多时相影像的近红外波段生成波段的散点图,同时分析多时相影像的直方图,可大致确定陆地表面像元的数据集群中心,然后以该集群中心为圆心、R为半径在散点图中圈定一个圆形区域,保证圆形区域内的像元数大于总像元数的85%,圆形区域外的像元将被剔除。
(2)优选占主体信息量的“未变化(NC)”像元作为统计样本。以散点图圆形区域内的像元为变量做主成分分析,得到一个主轴,在与主轴正交的短轴方向上,取[-L,+L]范围内的像元作为“未变化(NC)”像元,L的取值要保证“未变化(NC)”像元的数目大于总像元数的50%。
(3)确定各波段的归一化回归方程。以步骤(2)中选取的“未变化(NC)”像元作为统计样本,利用最小二乘法确定各波段的回归方程。
其中参数ak和bk由下式联合求解:
(4)用回归方程对实验影像进行运算,生成归一化的新影像。
在实际操作中,可通过循环反复调整R和L的取值,以达到更好的归一化效果。本发明不但能够完全弥补现有相对辐射归一化方法的不足,并且操作起来方便灵活,辐射归一化的效果也非常突出。
本发明采用北京地区的多时相TM遥感影像进行了相对辐射归一化实验,与自动散点控制回归法、全景简单线性回归法、暗-亮归一化法、伪不变特征归一化法进行了比较,同时对这五种方法的实验结果进行了分析和评价。首选通过视觉上的定性比较可对五种相对辐射归一化方法做出迅速直观的评价(如图2),从视觉效果可以看出本发明的归一化效果与参考影像最接近、最匹配。此外还定量地比较了各种方法的效果,本发明采用主成分分析的方法对辐射归一化的精度进行了评价。基本思路是:将归一化的新影像和参考影像的第k波段作为变量进行PCA分析,并计算出主轴的斜率S,斜率S越接近1,则表明归一化效果越好。
其中eigenvector[2,1]、eigenvector[1,1]为第一特征向量。
表1列出了由五种相对辐射归一化方法所得到的各波段回归方程的斜率和截距。
表1相对辐射归一化系数(斜率a和截距b)
Table1.Relative Radiometric Normalization Coefficients(gain-a and offset-b)
表2列出了由主成分分析法计算的斜率S。按照斜率S与1的接近程度对五种相对辐射归一化方法进行排序:本发明>PIF>DB>ASCR>SR。不难发现:与DB、SR、PIF这些常用的统计参数法相比,ASCR法已经体现不出它的优势,PIF法和DB法得到的斜率比ASCR法的斜率更接近1,IR法得到的斜率与ASCR法的斜率近似;而本发明的辐射效果则要明显优于其他方法,它的斜率与1最接近。
表2由主成分分析法计算的斜率S
Table2.slopes from the PCA
本发明通过使用高质量的“未变化”统计像元建立的回归方程不但能够减少和控制土地景观的“伪变化”,而且还能突出归一化的新影像的变化信息。该方法不需要处理最暗和最亮像元,人为干预少,得到的结果更加客观。它选用占主体信息量的“未变化”统计像元来建立回归方程能够使各种土地覆盖类型共同分摊归一化误差,使得到的处理结果更优。此外,该方法对被研究区域的土地景观特征没有特殊要求,适用范围广,且操作起来方便灵活,比现有的方法更具普遍性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种多时相遥感影像的相对辐射归一化方法,其特征在于将多时相影像的DN值逐波段地归一化到参考影像,使多时相影像具有相同的辐射尺度或辐射分辨率,所述方法包括以下步骤:
A.去掉水体和受云影响的像元以及变化异常的像元;
B.选取占主体信息量的“未变化(NC)”像元作为统计样本;
C.确定各波段的归一化回归方程;
D.用回归方程对实验影像进行运算,生成归一化的新影像。
2.根据权利要求1所述的多时相遥感影像的相对辐射归一化方法,其特征在于,所述步骤A中去掉水体和受云影响的像元以及变化异常的像元的步骤包括:
A1.首先用配准好的两幅多时相影像的近红外波段生成波段-波段的散点图,同时分析多时相影像的直方图,可大致确定陆地表面像元的数据集群中心;
A然后以该集群中心为圆心、R为半径在散点图中圈定一个圆形区域,保证圆形区域内的像元数大于总像元数的85%,圆形区域外的像元将被剔除。
3.根据权利要求1所述的多时相遥感影像的相对辐射归一化方法,其特征在于,所述步骤B包括:
B1.以散点图圆形区域内的像元为变量做主成分分析,得到一个主轴;
B2.在与主轴正交的短轴方向上,取[-L,+L]范围内的像元作为“未变化(NC)”像元,L的取值要保证“未变化(NC)”像元的数目大于总像元数的50%。
4.根据权利要求1所述的多时相遥感影像的相对辐射归一化方法,其特征在于,所述步骤C包括:
以步骤B中选取的“未变化(NC)”像元作为统计样本,利用最小二乘法确定各波段的回归方程。
5.根据权利要求1所述的多时相遥感影像的相对辐射归一化方法,其特征在于,所述步骤D包括:
通过循环反复调整步骤A中的R和步骤B中的L的取值,以达到更好的归一化效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910251724A CN101777174A (zh) | 2009-12-30 | 2009-12-30 | 一种多时相遥感影像的相对辐射归一化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910251724A CN101777174A (zh) | 2009-12-30 | 2009-12-30 | 一种多时相遥感影像的相对辐射归一化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101777174A true CN101777174A (zh) | 2010-07-14 |
Family
ID=42513630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910251724A Pending CN101777174A (zh) | 2009-12-30 | 2009-12-30 | 一种多时相遥感影像的相对辐射归一化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101777174A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306372A (zh) * | 2011-07-12 | 2012-01-04 | 浙江大学 | 一种基于缨帽变换的遥感影像处理方法 |
CN102401894A (zh) * | 2010-09-08 | 2012-04-04 | 杨存建 | 多源数据协同的精细森林植被类型信息遥感更新方法 |
CN102622345A (zh) * | 2011-01-26 | 2012-08-01 | 杨存建 | 多源时空数据协同的高精度土地利用遥感更新技术 |
CN106295696A (zh) * | 2016-08-09 | 2017-01-04 | 中国科学院遥感与数字地球研究所 | 一种多源遥感影像辐射归一化方法 |
CN108763782A (zh) * | 2018-05-31 | 2018-11-06 | 中南林业科技大学 | 应用于林火热点判别的modis传感器多时相红外辐射归一方法 |
CN109060134A (zh) * | 2018-05-31 | 2018-12-21 | 中南林业科技大学 | 应用于林火热点判别的virr传感器多时相红外辐射归一方法 |
CN112287885A (zh) * | 2020-11-20 | 2021-01-29 | 江苏省测绘研究所 | 一种辐射归一化方法及其系统 |
-
2009
- 2009-12-30 CN CN200910251724A patent/CN101777174A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102401894A (zh) * | 2010-09-08 | 2012-04-04 | 杨存建 | 多源数据协同的精细森林植被类型信息遥感更新方法 |
CN102401894B (zh) * | 2010-09-08 | 2013-10-02 | 杨存建 | 多源数据协同的精细森林植被类型信息遥感更新方法 |
CN102622345A (zh) * | 2011-01-26 | 2012-08-01 | 杨存建 | 多源时空数据协同的高精度土地利用遥感更新技术 |
CN102306372A (zh) * | 2011-07-12 | 2012-01-04 | 浙江大学 | 一种基于缨帽变换的遥感影像处理方法 |
CN106295696A (zh) * | 2016-08-09 | 2017-01-04 | 中国科学院遥感与数字地球研究所 | 一种多源遥感影像辐射归一化方法 |
CN108763782A (zh) * | 2018-05-31 | 2018-11-06 | 中南林业科技大学 | 应用于林火热点判别的modis传感器多时相红外辐射归一方法 |
CN109060134A (zh) * | 2018-05-31 | 2018-12-21 | 中南林业科技大学 | 应用于林火热点判别的virr传感器多时相红外辐射归一方法 |
CN112287885A (zh) * | 2020-11-20 | 2021-01-29 | 江苏省测绘研究所 | 一种辐射归一化方法及其系统 |
CN112287885B (zh) * | 2020-11-20 | 2021-10-01 | 江苏省测绘研究所 | 一种辐射归一化方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101777174A (zh) | 一种多时相遥感影像的相对辐射归一化方法 | |
Elvidge et al. | Relative radiometric normalization of Landsat Multispectral Scanner (MSS) data using an automatic scattergram-controlled regression | |
Wang et al. | Underwater image restoration via maximum attenuation identification | |
CN111161170B (zh) | 一种用于目标识别的水下图像综合增强方法 | |
DE112013002321B4 (de) | Bildverarbeitungsvorrichtung, Verfahren zum Steuern derselben, Programm und Prüfsystem | |
Crippen et al. | Unveiling the lithology of vegetated terrains in remotely sensed imagery | |
EP1091188A1 (de) | Verfahren zur Korrektur atmosphärischer Einflüsse in multispektralen optischen Fernerkundungsdaten | |
CN110400267A (zh) | 一种基于巡检图像的预处理方法 | |
CN112307901B (zh) | 一种面向滑坡检测的sar与光学影像融合方法及系统 | |
CN108765336A (zh) | 基于暗亮原色先验与自适应参数优化的图像去雾方法 | |
CN111275652B (zh) | 一种去除城市遥感图像中雾霾的方法 | |
DE102020203293B4 (de) | Eine Vorrichtung zum Erkennen von Wasser auf einer Oberfläche und ein Verfahren zum Erkennen von Wasser auf einer Oberfläche | |
CN110163807B (zh) | 一种基于期望亮通道的低照度图像增强方法 | |
CN108760658A (zh) | 一种遥感影像植被抑制及岩石土壤信息还原方法 | |
CN109859231A (zh) | 一种基于光学图像的叶面积指数提取阈值分割方法 | |
CN116563799B (zh) | 基于视频监控的粉尘在线监测方法 | |
Fu et al. | An anisotropic Gaussian filtering model for image de-hazing | |
KR102047255B1 (ko) | 전천 영상을 이용한 구름량 자동 관측 방법 | |
An et al. | Estimation of chlorophyll distribution in banana canopy based on RGB-NIR image correction for uneven illumination | |
DE102022119259A1 (de) | Weissabgleich und Farbkorrektur für Fahrzeuginnenkamera | |
Dhanya et al. | L-CLAHE intensification filter (L-CIF) algorithm for underwater image enhancement and colour restoration | |
CN105787896B (zh) | 一种顾及辐射二维分布的影像间的匀光匀色方法及系统 | |
Yadav et al. | Underwater Image Enhancement via Color Balance and Stationary Wavelet Based Fusion | |
CN111667432B (zh) | 一种基于物理模型的遥感影像阴影去除方法 | |
CN113052833A (zh) | 一种基于红外热辐射的非视域成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20100714 |