CN103226819A - 一种基于分段统计的相对辐射校正方法 - Google Patents

Abstract

一种基于分段统计的相对辐射校正方法，包括获取原始的影像数据；确定分段点，将影像分为三个亮度区域，包括低亮度区、中等亮度区以及高亮度区；分别对低亮度区、中等亮度区以及高亮度区进行直方图匹配处理，得到每个探元的相应亮度区域查找表；合并获取各个探元的整体查找表，对卫星影像进行相对辐射校正处理。该方法针对实验室积分球无效的情况，提供了一种有效的影像系统条带噪声和系统色差的去除方法，依据探元在不同光电响应区具有不同响应模型的特点，分段统计获取不同了亮度区的查找表，降低了统计过程中的误差传播，提高了查找表的精度，能够很好的提高影像的成像质量，同时该算法效率也很高，能够及时保证图像生产的准实时要求。

Description

一种基于分段统计的相对辐射校正方法

技术领域

本发明属于遥感影像处理领域，涉及一种基于分段统计的相对辐射校正方法。

背景技术

星载TDI-CCD(Time Delay and Integration Charge-coupled Device)成像数据辐射处理方法，即星载TDI-CCD相对辐射校正，是指为了校正各个探元响应度差异而对卫星遥感器测量的原始数字计数值进行“再”量化的一种处理过程。由于载荷探元的光电响应函数之间存在一定差异，使得对同一亮度区域成像时，不同探元会输出不同DN值（Digital Number遥感影像像元亮度值，即记录的地物的灰度值），从而造成遥感影像上出现贯穿推扫方向的条带现象或者片间色差现象。相对辐射校正的目的就是通过对载荷探元光电响应函数进行分析，拟合出不同探元的光电响应模式并求取相应的辐射校正系数或查找表，用于消除由于探元的响应不一致引起的条带效应，使这些条带的影响降低到最小程度或彻底去除。相对辐射校正的前提和基础是精确的定标校正系数，目前获取校正系数的方法主要包括两种：定标法和统计法，由于定标法是依据实验室测量的积分球数据获得的辐射校正参数，而实验室的运行状态和星上的状态是存在差异的，且这种差异是一种非线性关系，因此基于定标法获取的辐射校正系数稳定性不高，往往会出现实验室积分球数据无效的情况，影响卫星的成像质量和后续的判读，因此有必要研究卫星在轨统计的方式来获取稳定的辐射校正参数。

发明内容

本发明所要解决的问题是，针对卫星影像中存在的系统条带噪声和片间色差现象，提供一种有效的基于分段统计的相对辐射校正方法。

本发明的技术方案为一种基于分段统计的相对辐射校正方法，包括以下步骤：

步骤1，获取原始的影像数据；

步骤2，确定分段点，将影像分为三个亮度区域，包括低亮度区、中等亮度区以及高亮度区；

步骤3，分别对低亮度区、中等亮度区以及高亮度区进行直方图匹配处理，得到每个探元的相应亮度区域查找表；

步骤4，对不同亮度区域的查找表合并获取各个探元的整体查找表，根据各个探元的整体查找表对卫星影像进行相对辐射校正处理。

而且，步骤1中所获原始的影像数据是从多轨影像中选取的多幅影像，从多轨影像中选取的多幅影像包含的地物应该至少涵盖低亮度区域、中等亮度区域和高亮度区域的成像地物；

从多轨影像中选取的多幅影像必须是相同拍摄模式下的影像。

而且，步骤2中确定分段点的实现方式如下，

基于实验室积分球数据，拟合直线y＝ax+b，x表示实测的单一探元的成像列灰度均值；y表示经过相对辐射校正后获取的灰度值；a表示拟合直线的斜率；b表示拟合直线的截距；

令式

的值为最小，

为与x在同一辐射亮度级下实际观测得到的所有探元的成像列灰度均值；

当

最小时，用函数

对a和b分别求偏导数，并令这两个偏导数等于零，得到两个关于a和b为未知数的方程组，解求这个方程组得：

$a=(\mathrm{n\Σx}\tilde{y}-\mathrm{\Σx\Σ}\tilde{y})/(\mathrm{n\Σ}{x}^2-\mathrm{\Σ}{x}^2)$

$b=\frac{\mathrm{\Σ}\tilde{y}}{n}-a\frac{\mathrm{\Σx}}{n}$

求取实测点与解求的直线方程之间的正交差，将差值超过阈值的点作为分段点，假设直线方程为ax+by+c＝0，实测点与解求直线方程的正交差为：

$d=\frac{|\mathrm{ax}+b\tilde{y}+c|}{\sqrt{a^2+b^2}}$

若低亮度区的分段点的个数为0，取实验室积分球数据的最小亮度值为低亮度区的分段点，若低亮度区的分段点个数大于1，则取低亮度区的各分段点的均值作为低亮度区的分段点；若高亮度区的分段点的个数为0，取实验室积分球数据的最大亮度值为高亮度区的分段点，若高亮度区的分段点个数大于1，则取高亮度区的各分段点的均值作为高亮度区的分段点；根据低亮度区的分段点和高亮度区的分段点，将影像分为低亮度区、中等亮度区以及高亮度区。

而且，步骤3中直方图匹配处理实现方式为，以任一亮度区域为待匹配原始影像，统计各个探元所拍摄地物的DN值，从而获取各个探元的直方图，之后将所有探元的直方图合并求均值获取综合直方图；

令期望直方图灰度级为l的累积概率密度函数为V_l，某探元直方图灰度级为k的累积概率密度函数为S_k，如果满足以下关系，

V_l≤S_k≤V_l+1

当|V_l-S_k-V_l+1-S_k|≤0时，用灰度级l代替灰度级k，否则，就用灰度级l+1代替灰度级k.

本发明对现有技术问题提出了基于分段统计模型的星载TDI-CCD成像数据相对辐射校正方法。由于探元在低亮度区和高亮度区的光电响应模式与其它区域的光电响应模式存在差异，因此，基于上述论断，本发明在原有统计法的基础上，采用分类的方法分别对探元的低亮度感光区、中等亮度感光区、高亮度感光区进行拟合以获取精度更高的辐射校正系数，并且该类方法能够根据时间的累积不断自动积累样本，提高一段时间内的统计精度，使得校正效果达到最佳，同时，在探元的光电响应函数变化较大的情况下，可以根据不同时间统计不同的校正系数，让系统根据在轨影像的成像时间来调用对应的校正参数，确保系统在任何时候都能依据正确的辐射校正模型来对影像进行校正处理。本发明只通过在轨影像本身的信息来抑制影像中的系统条带噪声和片间差异，能够有效地改善影像质量，同时运行效率也很高。

附图说明

图1为本发明实施例的流程示意图。

图2为本发明实施例的直方图匹配示意图。

具体实施方式

本发明技术方案可采用计算机软件技术实现自动运行流程，以下结合附图和实施例详细说明本发明技术方案。参见图1，实施例的流程可以分为4个步骤：

步骤1，获取原始影像数据。

具体实施时，建议原始影像的选取按以下原则进行：

（1）从多轨影像中选取的多幅影像所包含的地物应该至少涵盖低亮度区域、中等亮度区域和高亮度区域的成像地物，其对应的代表地物分别是海洋、城市和云；

（2）从多轨影像中选取的多幅影像必须是相同拍摄模式下的影像，即卫星成像时应该具有相同的增益和级数。

步骤2，分段点的确定，将影像分为三个亮度区域，包括低亮度区、中等亮度区以及高亮度区。

实施例需要进行分段点的确定，这一步要依赖地面实验室中实测获取的积分球数据，其实现方式为：

基于实验室积分球数据，以单一探元为处理单位，首先提取出单一探元在不同辐亮度级下的响应亮度值，即实验室积分球数据中探元的成像列灰度均值，和不同辐射亮度级下所有探元的成像列灰度均值，将这些数据描绘在直角坐标系中，假设这些点在一条直线附近，可以令这条直线方程为：

y＝ax+b

上式中，x表示实测的单一探元的成像列灰度均值；y表示经过相对辐射校正后获取的灰度值；a表示拟合直线的斜率；b表示拟合直线的截距。为建立这直线方程就要确定a和b的大小，可应用最小二乘法原理，将与x在同一辐射亮度级下实际观测得到的所有探元的成像列灰度均值与利用上式计算得到的值y的差的平方和最小作为优化判据，即令，下式的值为最小。

当

最小时，可用函数

对a和b分别求偏导数，并令这两个偏导数等于零，于是得到两个关于a和b为未知数的方程组，解求这个方程组得：

$a=(\mathrm{n\Σx}\tilde{y}-\mathrm{\Σx\Σ}\tilde{y})/(\mathrm{n\Σ}{x}^2-\mathrm{\Σ}{x}^2)$

$b=\frac{\mathrm{\Σ}\tilde{y}}{n}-a\frac{\mathrm{\Σx}}{n}$

求取实测点与解求的直线方程之间的正交差，将差值超过预设阈值的点作为分段点，假设直线方程为：ax+by+c＝0，那么实测点与解求直线方程的正交差为：

$d=\frac{|\mathrm{ax}+b\tilde{y}+c|}{\sqrt{a^2+b^2}}$

若低亮度区的分段点的个数为0，那么取实验室积分球数据的最小亮度值为低亮度区分段点，若分段点个数大于1，则取多个分段点的均值作为低亮度区的分段点，等于1时直接采用该点；用相同的方法同样处理高亮度区的分段点，即若高亮度区的分段点的个数为0，取实验室积分球数据的最大亮度值为高亮度区的分段点，若分段点个数大于1，则取多个分段点的均值作为高亮度区的分段点，等于1时直接采用该点；这样在获取了两个分段点之后，即将影像分为了低亮度区、中等亮度区以及高亮度区3个部分。

步骤3，分别对三个亮度区域进行直方图匹配处理。由于三个区域的直方图匹配处理的方法相同，为了不赘述，此处以任一亮度区域为待匹配原始影像，针对直方图匹配的方法进行说明。

实施例在选取待匹配原始影像后，统计各个探元所拍摄地物的DN值，从而获取各个探元的直方图，之后将所有探元的直方图合并求均值获取综合直方图，具体步骤如下：

首先对单个探元建立笛卡儿直角坐标系，其中横坐标对应于卫星的辐射量化大小，若8位量化，则横坐标的最大值为255；纵坐标为单个探元拍摄的地物中所对应灰度值出现的次数；

然后对所有探元的直方图取平均值，求取综合直方图，其计算公式如下：

$I_i=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{M}_{\mathrm{ji}}/N$

其中I_i表示灰度值i出现的次数，M_ji表示第j个探元的直方图中，横坐标等于i时，对应的纵坐标值，N表示探元的个数。

在获取各个探元的直方图以及综合直方图后，以单个探元为处理单位，逐个进行直方图匹配获取不同亮度区域的查找表，其中直方图匹配的实现方式参见图2，以各个探元的原始直方图平均所得综合直方图为参考直方图，其中，R_k指原始灰度值，Z_k指直方图匹配后相应的灰度值：

对于直方图匹配算法来说，所有探元的综合直方图就是期望直方图，建立查找表的原理是使匹配处理后每个探元直方图的概率密度函数和期望直方图的概率密度函数相同。因此首先统计每个探元直方图的概率密度函数和期望直方图的概率密度函数。由于概率密度函数的计算方法相同，下面将主要说明概率密度函数的计算方法：令直方图中当灰度级为k时对应的概率密度函数为：

P_k＝m_k/M

上式中m_k为灰度级等于k的影像像素数目，M为影像的大小。则直方图k对应的累积概率密度函数为:

$S_k=\underset{j=0}{\overset{k-1}{\mathrm{\Σ}}}{P}_k\left(j\right)$

令期望直方图灰度级为l的累积概率密度函数为V_l，某探元直方图灰度级为k的累积概率密度函数为S_k，那么如果满足以下关系：

V_l≤S_k≤V_l+1

当|V_l-S_k-V_l+1-S_k|≤0时，用灰度级l代替灰度级k，否则，就用灰度级l+1代替灰度级k。针对待匹配原始影像，用这种方法处理所有探元就可以得到每个探元的亮度区域查找表。

步骤4，由于地物的灰度分布是连续的，但是分段点的划分确实离散的，因此不同亮度区域求取的查找表存在重叠区域，这部分重叠区域被称为过度区，需要进行处理，即对重叠区域取平均值处理，从而实现不同亮度区域的查找表合并获取各个探元的整体查找表，即可对卫星影像进行相对辐射校正处理。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (4)

1.一种基于分段统计的相对辐射校正方法，其特征在于，包括以下步骤：

步骤1，获取原始的影像数据；

步骤2，确定分段点，将影像分为三个亮度区域，包括低亮度区、中等亮度区以及高亮度区；

步骤3，分别对低亮度区、中等亮度区以及高亮度区进行直方图匹配处理，得到每个探元的相应亮度区域查找表；

步骤4，对不同亮度区域的查找表合并获取各个探元的整体查找表，根据各个探元的整体查找表对卫星影像进行相对辐射校正处理。

2.如权利要求1所述基于分段统计的相对辐射校正方法，其特征在于：步骤1中所获原始的影像数据是从多轨影像中选取的多幅影像，

从多轨影像中选取的多幅影像包含的地物应该至少涵盖低亮度区域、中等亮度区域和高亮度区域的成像地物；

从多轨影像中选取的多幅影像必须是相同拍摄模式下的影像。

3.如权利要求1或2所述基于分段统计的相对辐射校正方法，其特征在于：步骤2中确定分段点的实现方式如下，

基于实验室积分球数据，拟合直线y＝ax+b，x表示实测的单一探元的成像列灰度均值；y表示经过相对辐射校正后获取的灰度值；a表示拟合直线的斜率；b表示拟合直线的截距；

令式

的值为最小，

为与x在同一辐射亮度级下实际观测得到的所有探元的成像列灰度均值；

当

最小时，用函数对a和b分别求偏导数，并令这两个偏导数等于零，得到两个关于a和b为未知数的方程组，解求这个方程组得：

$a=(\mathrm{n\Σx}\tilde{y}-\mathrm{\Σx\Σ}\tilde{y})/(\mathrm{n\Σ}{x}^2-\mathrm{\Σ}{x}^2)$

$b=\frac{\mathrm{\Σ}\tilde{y}}{n}-a\frac{\mathrm{\Σx}}{n}$

求取实测点与解求的直线方程之间的正交差，将差值超过阈值的点作为分段点，假设直线方程为ax+by+c＝0，实测点与解求直线方程的正交差为：

$d=\frac{|\mathrm{ax}+b\tilde{y}+c|}{\sqrt{a^2+b^2}}$

若低亮度区的分段点的个数为0，取实验室积分球数据的最小亮度值为低亮度区的分段点，若低亮度区的分段点个数大于1，则取低亮度区的各分段点的均值作为低亮度区的分段点；若高亮度区的分段点的个数为0，取实验室积分球数据的最大亮度值为高亮度区的分段点，若高亮度区的分段点个数大于1，则取高亮度区的各分段点的均值作为高亮度区的分段点；根据低亮度区的分段点和高亮度区的分段点，将影像分为低亮度区、中等亮度区以及高亮度区。

4.如权利要求3所述基于分段统计的相对辐射校正方法，其特征在于：步骤3中直方图匹配处理实现方式为，以任一亮度区域为待匹配原始影像，统计各个探元所拍摄地物的DN值，从而获取各个探元的直方图，之后将所有探元的直方图合并求均值获取综合直方图；

令期望直方图灰度级为l的累积概率密度函数为V_l，某探元直方图灰度级为k的累积概率密度函数为S_k，如果满足以下关系，

V_l≤S_k≤V_l+1

当|V_l-S_k-V_l+1-S_k|≤0时，用灰度级l代替灰度级k，否则，就用灰度级l+1代替灰度级k。

Images