CN103063611B - 基于近红外成像技术的积雪参数测量系统及方法 - Google Patents
基于近红外成像技术的积雪参数测量系统及方法 Download PDFInfo
- Publication number
- CN103063611B CN103063611B CN201110324093.XA CN201110324093A CN103063611B CN 103063611 B CN103063611 B CN 103063611B CN 201110324093 A CN201110324093 A CN 201110324093A CN 103063611 B CN103063611 B CN 103063611B
- Authority
- CN
- China
- Prior art keywords
- reflectivity
- accumulated snow
- value
- infrared image
- standard component
- 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.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于近红外成像技术的积雪参数测量系统及方法,涉及积雪物理参数的地面测量领域。所述系统包括:互相连接的图像采集单元和图像处理单元;所述图像采集单元,用于采集同时包含积雪和标准反射率件的近红外图像,并将所述近红外图像发送给所述图像处理单元;所述图像处理单元用于对所述近红外图像进行处理,以得到积雪的反射率、SSA值或者粒径中的至少一种。所述积雪参数测量系统及方法,通过近红外相机采集积雪图像,并通过一系列图像处理和运算,能够快速准确的获取积雪的反射率、SSA值和粒径等参数,弥补了现有积雪物理参数地面测量技术的不足,对于积雪微波辐射和散射模型的研究提供了重要有效的数据支持。
Description
技术领域
本发明涉及积雪地面物理参数测量技术领域,特别涉及一种基于近红外成像技术的积雪参数测量系统及方法。
背景技术
多年来对积雪的测量研究一直引起地理学、气象气候学及水文学等学科科技工作者的广泛关注与重视,并取得了一批重大研究成果。遥感技术的应用,使积雪监测在广度上有了长足的发展,特别是积雪的微波遥感具有独特的优势,由于微波对积雪雪深的穿透能力,可以获得雪层内部的信息,从而使得雪水当量的微波遥感监测具有很强的物理意义,且可以业务运行。
为了更加方便了解积雪的微波辐射特性,从而发展出积雪微波辐射和散射模型的大量研究,其中著名的有DMRT(密质介质辐射传输理论模型)理论模型,HUT Snow Model(赫尔辛基大学积雪辐射模型)积雪辐射模型以及MEMLS(多层积雪微波辐射模型)多层模型等。在积雪微波辐射和散射模型计算和模拟过程中,积雪的参数信息如粒径、温度和密度等剖面分层信息的获取非常关键,目前这些工作基本是采用手持放大镜或可照相显微镜作为观测工具,采用标准的刻度板作为参照物来完成人工的读数(或微距照相机辅助记录等)获取,该种方法往往耗时、误差较大,且需要靠人工的对积雪层的分层采样后进入观测,增加了随机误差来源,如何更加快速定量地获取这些参数是野外积雪、雪坑积雪物理参数获取的瓶颈问题之一。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何提供一种基于近红外成像技术的积雪参数测量系统及方法,以便快速准确的获取积雪的反射率、SSA(比表面积)值或者粒径中的至少一种。
(二)技术方案
为解决上述技术问题,本发明提供一种基于近红外成像技术的积雪参数测量系统,其包括:互相连接的图像采集单元和图像处理单元;所述图像采集单元,用于采集同时包含积雪和标准件的近红外图像,并将所述近红外图像发送给所述图像处理单元;所述图像处理单元用于对所述近红外图像进行处理,以得到积雪的反射率、SSA值或者粒径中的至少一种。
优选地,所述图像采集单元为近红外相机;所述近红外相机的滤镜为波长为850nm的近红外滤镜。
优选地,所述图像处理单元包括:滤波模块;所述滤波模块连接所述图像采集单元,用于采用高斯滤波算法对所述近红外图像进行滤波处理。
优选地,所述图像处理单元还包括:匀光模块;所述匀光模块连接所述滤波模块,用于对滤波处理后的近红外图像进行匀光处理。
优选地,所述图像处理单元还包括:反射率初值模块;所述反射率初值模块连接所述匀光模块,用于采用下述反射率计算公式,计算匀光处理后的近红外图像中目标像素对应的积雪的反射率初值r:
m=(s1-s2)/(s1%标准件的平均灰度值-s2%标准件的平均灰度值);
b=s1-(m×s1%标准件的平均灰度值);
r=b+m×i;
其中,s1为常数,s1%标准件表示反射率为s1%的标准件;s2为常数,s2%标准件表示反射率为s2%的标准件;i表示目标像素经匀光处理后的亮度。
优选地,所述图像采集单元还包括:插值校正模块;所述插值校正模块连接所述反射率初值模块,用于根据所述s1%标准件的平均灰度值生成插值矩阵,并根据所述插值矩阵对所述反射率初值进行校正,得到反射率终值。
优选地,所述图像采集单元还包括:SSA模块;所述SSA模块连接所述插值校正模块,用于根据所述反射率终值r’,利用下述公式计算得到近红外图像中目标像素对应的积雪的SSA值s:
s=A×exp(r’/T);
其中,A和T均为经验参数。
优选地,所述图像采集单元还包括:粒径模块;所述粒径模块连接所述插值校正模块,用于根据所述反射率终值r’,利用下述公式计算得到近红外图像中目标像素对应的积雪的粒径d:
d=a×r’+b;
其中,a和b均表示经验参数。
本发明还提供一种基于近红外成像技术的积雪参数测量方法,其包括步骤:
A:采集同时包含积雪和标准件的近红外图像;
B:对所述近红外图像进行预处理;
C:计算预处理后的近红外图像中目标像素对应的积雪的反射率初值;
D:根据预处理后的近红外图像中的标准件的灰度平均值生成插值矩阵,使用所述插值矩阵对所述反射率初值进行校正,得到目标像素对应的积雪的反射率终值;
E:根据所述反射率终值计算得到目标像素对应的积雪的SSA值;
F:根据所述反射率终值计算得到目标像素对应的积雪的粒径。
优选地,所述步骤B具体包括步骤:
B1:对所述近红外图像进行高斯滤波处理;
B2:对滤波处理后的近红外图像进行匀光处理。
(三)有益效果
本发明所述的基于近红外成像技术的积雪参数测量系统及方法,通过近红外相机采集积雪图像,并通过一系列图像处理和运算,能够快速准确的获取积雪的反射率、SSA值和粒径等参数,弥补了现有积雪参数测量技术的不足,对于积雪研究提供了重要有效的数据支持。
附图说明
图1是本发明实施例所述基于近红外成像技术的积雪参数测量系统的模块结构示意图;
图2是本发明实施例所述插值矩阵的生成原理示意图;
图3是本发明实施例所述的基于近红外成像技术的积雪参数测量方法流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1是本发明实施例所述基于近红外成像技术的积雪参数测量系统的模块结构示意图。如图1所示,所述系统包括:互相连接的图像采集单元100和图像处理单元200。所述图像处理单元200进一步包括:滤波模块201、匀光模块202、反射率初值模块203、插值校正模块204、SSA模块205和粒径模块206。
所述图像采集单元100为近红外相机。所述近红外相机的滤镜为波长为850nm的近红外滤镜,并且所述近红外相机采用22.2×14.8mm的CMOS传感器,支持的文件格式包括JPG和CR2,分辨率为4272×2848像素,所拍摄图像约15.3MB。所述近红外相机可以通过将购买得到的佳能450D型相机的滤镜替换为波长为850nm的近红外滤镜得到。通过改装所述近红外滤镜,可以实现过滤可见光,捕捉近红外光线。近红外相机的成像原理已经是本领域熟知的现有技术,在此不再赘述。
所述滤波模块201连接所述图像采集单元100,用于采用高斯滤波算法对所述近红外图像进行滤波处理。所述滤波处理的操作原理是:首先,用一个模板扫描近红外图像中的每个像素,使用下面公式1计算得到所述模板确定的范围内每个像素对模板中心像素的灰度权值G(x,y);然后,利用下面公式2,用所述模板确定的范围内每个像素的加权平均灰度值替代所述模板中心像素的灰度值。
其中,(x,y)表示在以所述模板中心像素点为原点的坐标系中,所述模板确定的范围内每个像素的坐标;σ为常值,一般为1.0;H(x,y)表示坐标为(x,y)的像素点的初始灰度值;H’(0,0)表示滤波处理后模板中心像素点的灰度值;N为常值,表示模板确定的范围内所有像素的总数。
所述匀光模块202连接所述滤波模块201,用于对滤波处理后的近红外图像进行匀光处理。在近红外图像获取过程中,由于外部或者内部环境,以及相机镜头等因素干扰,使得图像存在不均匀光照现象。所述匀光模块202采用将待处理影像的原始反射率值和背景影像的反射率值相除的方法来去除不均匀性,背景影像主要在观测时期采用均匀的塑料背板作为目标进行同条件和距离下的拍摄获得。
所述反射率初值模块203连接所述匀光模块202,用于采用下述反射率计算公式3、4、5,计算匀光处理后的近红外图像中目标像素对应的积雪的反射率初值r。
m=(s1-s2)/(s1%标准件的平均灰度值-s2%标准件的平均灰度值); (3)
b=s1-(m×s1%标准件的平均灰度值); (4)
r=b+m×i (5)
其中,s1为常数99,s1%标准件表示反射率为99%的标准件;s2为常数50,s2%标准件表示反射率为50%的标准件;i表示目标像素的亮度。s1和s2的数值可以根据采用的标准件不同而改变。
所述插值校正模块204连接所述反射率初值模块203,用于根据所述99%标准件的平均灰度值生成插值矩阵,并根据所述插值矩阵对所述反射率初值r进行校正,得到反射率终值r’。
本发明实施例所述方法通过双线性插值方法获得所述插值矩阵,其核心思想是在x轴和y轴方向分别进行一次插值。图2是本发明实施例所述插值矩阵的生成原理示意图。如图2所示,假设函数f(P)用于计算所述插值矩阵中对应点P=(x,y)的值,并且根据所述99%标准件的平均灰度值,我们已知函数f在点Q11=(x1,y1)的值为f(Q11),在点Q12=(x1,y2)的值为f(Q12),在点Q21=(x2,y1)的值为f(Q21)以及在点Q22=(x2,y2)的值为f(Q22),则f(P)的计算过程如下:
第一步:计算f(R1)和f(R2);
第二步:计算f(P)。
其中,点R1的坐标为(x,y1),点R2的坐标为(x,y2)。
对所述反射率初值r进行校正的公式如下:
r’=r/f(P); (9)
其中,r为对应点P=(x,y)处像素的反射率初值,r’为该点像素的反射率终值。
所述SSA模块205连接所述插值校正模块204,用于根据所述反射率终值r’,利用下述公式计算得到近红外图像中目标像素对应的积雪的SSA值s:
s=A×exp(r’/T); (10)
其中,A和T均为经验参数,可以通过实验测量获取厘定。
所述粒径模块206连接所述插值校正模块204,用于根据所述反射率终值r’,利用下述公式计算得到近红外图像中目标像素对应的积雪的粒径d:
d=a×r’+b; (11)
其中,a和b均为经验参数,可以通过实验测量获取厘定。
图3是本发明实施例所述的基于近红外成像技术的积雪参数测量方法流程图。如图3所示,所述方法包括:
步骤A:采集同时包含积雪和标准件的近红外图像。图像采集时,应将多个所述99%标准件和50%标准件放置在积雪表面,以使得到的近红外图像中包含所述两种标准件,便于后续步骤C中计算反射率初值。采集得到的近红外图像为CR2格式。
步骤B:对所述近红外图像进行预处理。所述步骤B具体包括:
步骤B1:对所述近红外图像进行高斯滤波处理。
步骤B2:对滤波处理后的近红外图像进行匀光处理。
步骤C:计算预处理后的近红外图像中目标像素对应的积雪的反射率初值。
步骤D:根据预处理后的近红外图像中的标准件的灰度平均值生成插值矩阵,使用所述插值矩阵对所述反射率初值进行校正,得到目标像素对应的积雪的反射率终值。
步骤E:根据所述反射率终值计算得到目标像素对应的积雪的SSA值。
步骤F:根据所述反射率终值计算得到目标像素对应的积雪的粒径。
本发明实施例所述的基于近红外成像技术的积雪参数测量系统及方法,通过近红外相机采集积雪图像,并通过一系列图像处理和运算,能够快速准确的获取积雪的反射率、SSA值和粒径等参数,弥补了现有积雪参数测量技术的不足,对于积雪研究提供了重要有效的数据支持。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (4)
1.一种基于近红外成像技术的积雪参数测量系统,其特征在于,包括:互相连接的图像采集单元和图像处理单元;所述图像采集单元,用于采集同时包含积雪和标准件的近红外图像,并将所述近红外图像发送给所述图像处理单元;所述图像处理单元用于对所述近红外图像进行处理,以得到积雪的反射率、SSA值或者粒径中的至少一种;
其中,所述图像处理单元包括:滤波模块;所述滤波模块连接所述图像采集单元,用于采用高斯滤波算法对所述近红外图像进行滤波处理;
所述图像处理单元包括:匀光模块;所述匀光模块连接所述滤波模块,用于对滤波处理后的近红外图像进行匀光处理;
所述图像处理单元还包括:反射率初值模块;所述反射率初值模块连接所述匀光模块,用于采用下述反射率计算公式,计算匀光处理后的近红外图像中目标像素对应的积雪的反射率初值r:
m=(s1-s2)/(s1%标准件的平均灰度值-s2%标准件的平均灰度值);
b=s1-(m×s1%标准件的平均灰度值);
r=b+m×i;
其中,s1为常数,s1%标准件表示反射率为s1%的标准件;s2为常数,s2%标准件表示反射率为s2%的标准件;i表示目标像素经匀光处理后的亮度;
其中,所述图像采集单元包括:插值校正模块;所述插值校正模块连接所述反射率初值模块,用于根据所述s1%标准件的平均灰度值生成插值矩阵,并根据所述插值矩阵对所述反射率初值进行校正,得到反射率终值;
所述图像采集单元包括:SSA模块;所述SSA模块连接所述插值校正模块,用于根据所述反射率终值r’,利用下述公式计算得到近红外图像中目标像素对应的积雪的SSA值s:
s=A×exp(r’/T);
其中,A和T均为经验参数;
所述图像采集单元还包括:粒径模块;所述粒径模块连接所述插值校正模块,用于根据所述反射率终值r’,利用下述公式计算得到近红外图像中目标像素对应的积雪的粒径d:
d=a×r’+b;
其中,a和b均表示经验参数。
2.如权利要求1所述的系统,其特征在于,所述图像采集单元为近红外相机;所述近红外相机的滤镜为波长为850nm的近红外滤镜。
3.一种利用权利要求1所述的系统基于近红外成像技术的积雪参数测量方法,其特征在于,包括步骤:
A:采集同时包含积雪和标准件的近红外图像;
B:对所述近红外图像进行预处理;
C:计算预处理后的近红外图像中目标像素对应的积雪的反射率初值;
D:根据预处理后的近红外图像中的标准件的灰度平均值生成插值矩阵,使用所述插值矩阵对所述反射率初值进行校正,得到目标像素对应的积雪的反射率终值;
E:根据所述反射率终值计算得到目标像素对应的积雪的SSA值;
F:根据所述反射率终值计算得到目标像素对应的积雪的粒径。
4.如权利要求3所述的方法,其特征在于,所述步骤B具体包括步骤:
B1:对所述近红外图像进行高斯滤波处理;
B2:对滤波处理后的近红外图像进行匀光处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110324093.XA CN103063611B (zh) | 2011-10-21 | 2011-10-21 | 基于近红外成像技术的积雪参数测量系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110324093.XA CN103063611B (zh) | 2011-10-21 | 2011-10-21 | 基于近红外成像技术的积雪参数测量系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103063611A CN103063611A (zh) | 2013-04-24 |
CN103063611B true CN103063611B (zh) | 2014-10-15 |
Family
ID=48106324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110324093.XA Active CN103063611B (zh) | 2011-10-21 | 2011-10-21 | 基于近红外成像技术的积雪参数测量系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103063611B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109030517A (zh) * | 2018-09-17 | 2018-12-18 | 南京航空航天大学 | 微波加热过程中材料反射率/透射率实时测量装置与方法 |
CN110852976B (zh) * | 2019-11-22 | 2023-04-18 | 昆明物理研究所 | 一种红外图像明暗不均匀校正方法及计算机程序产品 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3584399B2 (ja) * | 2001-01-17 | 2004-11-04 | 光進電気工業株式会社 | 積雪計 |
JP4157078B2 (ja) * | 2004-07-30 | 2008-09-24 | シャープ株式会社 | 路面状態計測方法及び路面状態計測装置 |
US7211771B1 (en) * | 2005-11-18 | 2007-05-01 | Precision Solar Controls Inc. | De-icing system for traffic signals |
CN102034337B (zh) * | 2009-09-25 | 2014-04-30 | 中国农业科学院农业资源与农业区划研究所 | 草原雪灾遥感监测与灾情评估系统及方法 |
-
2011
- 2011-10-21 CN CN201110324093.XA patent/CN103063611B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103063611A (zh) | 2013-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410256B (zh) | 基于互信息的点云与影像自动高精度配准方法 | |
Hu et al. | Automatic non-destructive growth measurement of leafy vegetables based on kinect | |
CN104966308B (zh) | 一种计算激光光束光斑大小的方法 | |
Drap et al. | An exact formula for calculating inverse radial lens distortions | |
Ghosh et al. | Estimation of Mexico’s informal economy and remittances using nighttime imagery | |
Mahmoudzadeh et al. | Estimating pavement roughness by fusing color and depth data obtained from an inexpensive RGB-D sensor | |
Guidi et al. | Performance evaluation of triangulation based range sensors | |
Li et al. | Quantifying understory and overstory vegetation cover using UAV-based RGB imagery in forest plantation | |
Yin et al. | Regional leaf area index retrieval based on remote sensing: The role of radiative transfer model selection | |
Jia et al. | A hybrid deep learning-based spatiotemporal fusion method for combining satellite images with different resolutions | |
CN107798685A (zh) | 行人身高确定方法、装置及系统 | |
Zhang et al. | Evaluation and hydrologic validation of three satellite-based precipitation products in the upper catchment of the Red River Basin, China | |
Aguejdad | The influence of the calibration interval on simulating non-stationary urban growth dynamic using CA-Markov model | |
Zhou et al. | Capability of imerg v6 early, late, and final precipitation products for monitoring extreme precipitation events | |
Seo et al. | Spatio-temporal groundwater drought monitoring using multi-satellite data based on an artificial neural network | |
Lu et al. | A robust detection algorithm for infrared maritime small and dim targets | |
Li et al. | Advanced pavement distress recognition and 3D reconstruction by using GA-DenseNet and binocular stereo vision | |
Hu et al. | Accuracy improvement of binocular vision measurement system for slope deformation monitoring | |
Mirzazade et al. | Workflow for off-site bridge inspection using automatic damage detection-case study of the pahtajokk bridge | |
CN103063611B (zh) | 基于近红外成像技术的积雪参数测量系统及方法 | |
Hu et al. | Degenerate near-planar 3D reconstruction from two overlapped images for road defects detection | |
Chen et al. | Evaluation of the accuracy of the field quadrat survey of alpine grassland fractional vegetation cover based on the satellite remote sensing pixel scale | |
Ferenčík et al. | Measuring soil surface changes after traffic of various wheeled skidders with close-range photogrammetry | |
Engelmann et al. | Quantification of uncertainties from image processing and analysis in laboratory-scale DNAPL release studies evaluated by reflective optical imaging | |
Hua et al. | Kinect‐Based Real‐Time Acquisition Algorithm of Crop Growth Depth Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |