CN103268602B - 一种光学遥感影像质量综合评价方法 - Google Patents
一种光学遥感影像质量综合评价方法 Download PDFInfo
- Publication number
- CN103268602B CN103268602B CN201310145880.7A CN201310145880A CN103268602B CN 103268602 B CN103268602 B CN 103268602B CN 201310145880 A CN201310145880 A CN 201310145880A CN 103268602 B CN103268602 B CN 103268602B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- gsd
- optical remote
- optical
- 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
Abstract
本发明涉及一种光学遥感影像质量综合评价方法,其包括以下步骤:1)根据理论地面分辨率和地物光谱反射率特性,估算实际地面分辨率GSDreal;2)根据不同空间频率(u,v)地物的辐射响应建立光学调制传递函数MTF;3)根据地物反射率特性R、平均信噪比SNRmean,求解基于连续空间频率的信噪比SNR(u,v);4)建立综合地面分辨率GSDreal、光学传递函数MTF、信噪比SNR于一体的光学遥感影像质量评价指标:5)根据设定的阈值,采用评价指标P对不同的光学遥感影像进行质量评价,具体过程为:在某一空间频率(u,v)同时计算不同的光学遥感影像的评价指标P,评价指标P大于设定的阈值,表明其所对应的光学遥感影像的质量好,则采用该质量好的光学遥感影像进行目标信息提取及几何纠正。本发明可以广泛应用于光学遥感影像质量评价中。
Description
技术领域
本发明涉及一种质量评价方法,特别是关于一种光学遥感影像质量综合评价方法。
背景技术
航空航天光学遥感影像以其信息量丰富、覆盖面积大等特点,已经广泛应用于农业、林业、环境、地质、海洋、气象、测绘等各个领域。光学遥感影像质量优劣直接关系到遥感影像信息获取的准确性,也是遥感影像信息提取与应用的关键。随着光学、微波、激光雷达等航空航天遥感成像技术的日益完善与发展,遥感影像数量飞速增长,遥感影像质量评价的重要性日益突出,如果全都依靠人工主观评价,不仅耗时耗力,而且不准确、不客观。现有技术中常用的MTF、SNR、GSD等指标都是从辐射和几何的某个方面对遥感影像质量进行评价,建立集几何辐射一体化的遥感影像质量综合评价模型是航空航天光学遥感成像系统设计、遥感影像处理与应用的重要依据与基础保障,对微波、激光雷达等遥感影像质量评价也具有一定借鉴意义。
光学遥感影像由于在成像过程中受到大气、光照、温度、传感器以及地物特性等多种因素影响,普遍存在几何误差与信息混淆。定量、客观、综合的评价遥感影像总体质量是一项复杂的系统工程。光学遥感影像质量至少包括几何质量和辐射质量两个方面:
1、在几何质量方面,主要表现为地面几何分辨率。地面几何分辨率作为评价光学系统成像质量的重要手段而被广泛使用,并形成了比较完善的测量标准,主要反应了遥感成像系统分辨地物细节的能力,单位为“线对/毫米”。遥感影像的理论地面分辨率GSDtheory是成像传感器一个像元所对应的地面尺寸,以单位长度所包含的像素个数(单位是“线对/毫米”)可表示为如公式(1)所示,当像元尺寸a、镜头焦距f和遥感器飞行高度H一定的情况下,GSDtheory为一固定数值,而遥感影像的实际地面分辨率GSDreal一般是采用人工判读的方式获得。GSDreal与地物的辐照度、反射率、对比度等因素有关,且GSDreal小于GSDtheory。一般地,GSD(以“线对/毫米”为单位)越大,说明遥感影像的分辨率越高,遥感影像的质量越优:
2、在辐射质量方面,主要表现为辐射响应和噪声水平。目前,普遍采用的遥感影像辐射质量评价指标是光学传递函数(OpticalTransferFunction,OTF)和信噪比(SignalNoiseRatio,SNR)。根据幅值和相位的不同,OTF又可分为调制传递函数(ModulationTransferFunction,MTF)和相位传递函数(PhaseTransferFunction,PTF)。在实际测量与应用中,主要采用MTF来代表OTF。MTF反应了遥感成像系统对不同空间分辨率地物的辐射响应能力,因此,MTF是空间频率u、v的函数。MTF(u,v)可以利用刃边法、线对法、点源法等方法测得,通过对遥感影像空间域内点扩散函数f(x,y)的傅立叶变换计算得到(如公式(2)所示),但是MTF无法反映遥感影像的另一个重要的辐射特性——噪声水平,且不能全面的衡量遥感影像真实的几何分辨率水平。一般地,MTF越大,说明遥感影像对地物的辐射响应能力越强,遥感影像的质量越优:
MTF(u,v)=FFT(f(x,y))(2)
式中,FFT表示傅立叶变换。
遥感影像的SNR是遥感影像信息与噪声之比,SNR具有多种表现形式,例如平均信噪比、峰值信噪比等。无论何种形式的SNR,其基本计算方法都是信号与噪声之比,例如遥感影像的平均信噪比(SNRmean),即整个成像传感器芯片的总信号功率Powersignal与总噪声功率Powernoise之比(如公式(3)所示)。SNR反应了在遥感影像的有效信息中的噪声水平,但是无法反应遥感影像的辐射响应特性。一般地,SNR越小,说明遥感影像的噪声水平越低,遥感影像的质量越优:
目前,常用的无论是地面分辨率GSD、调制传递函数MTF和平均信噪比SNRmean,分别从几何分辨率、基于连续空间频率的辐射响应能力和基于零空间频率的噪声水平三个方面,评价遥感器反映地物信息的能力和记录地物信息的准确性,都无法综合的衡量遥感影像的总体质量。
发明内容
针对上述问题,本发明的目的是提供一种光学遥感影像质量综合评价方法,其集地面分辨率、光学传递函数和信噪比于一体,能够省时省力、客观、准确、全面衡量光学遥感影像质量。
为实现上述目的,本发明采取以下技术方案:一种光学遥感影像质量综合评价方法,其包括以下步骤:1)根据理论地面分辨率和地物光谱反射率特性,估算实际地面分辨率GSDreal;2)根据不同空间频率(u,v)地物的辐射响应建立光学调制传递函数MTF;3)根据地物光谱反射率特性的函数、平均信噪比SNRmean,求解基于连续空间频率的信噪比SNR(u,v);4)建立综合地面分辨率GSDreal、光学传递函数MTF、信噪比SNR于一体的光学遥感影像质量评价指标:
P(u,v)=F(GSDreal(u,v),MTF(u,v),SNR(u,v))
=(a1·GSDreal(u,v)+b1)·(a2·MTF(u,v)+b2)·(a3·SNR(u,v)+b3)
式中,F表示P(u,v)与GSDreal(u,v)、MTF(u,v)、SNR(u,v)的映射函数关系,a1、b1、a2、b2、a3、b3分别为模型的线性调节因子;5)根据设定的阈值,采用评价指标P对不同的光学遥感影像进行质量评价,具体过程为:在某一空间频率(u,v)同时计算不同的光学遥感影像的评价指标P,评价指标P大于设定的阈值,表明其所对应的光学遥感影像的质量好,则采用该质量好的光学遥感影像进行目标信息提取及几何纠正。
本发明由于采取以上技术方案,其具有以下优点:1、本发明由于采用基于连续空间频谱的系统分析思路,将光学遥感成像系统的几何和辐射特征参量有机结合,提出了一种能够反映光学遥感成像系统综合性能的评价指标,因此能够弥补现有光学遥感成像系统质量评价指标不完整,不同性能指标参数之间相互孤立的缺陷。2、本发明将几何分辨率、基于连续空间频率的辐射响应能力和基于零空间频率的噪声水平三个方面于一体,准确评价遥感器反映地物信息和记录地物信息的能力,因此能够综合衡量遥感影像的总体质量,为实现光学遥感成像系统的全面、综合、定量评价提供了可行的方法。本发明可以广泛应用于光学遥感影像质量评价中。
附图说明
图1是本发明的方法流程示意图;
图2是本发明实施例一维连续归一化空间频率下遥感影像综合质量的评价指标P。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
本发明将光学遥感影像的实际地面分辨率GSDreal、调制传递函数MTF和信噪比SNR分别表示成为空间频率(u,v)的函数,并建立一种综合地面分辨率、调制传递函数以及信噪比于一体的光学遥感影像质量综合评价指标P:
P=F(GSDreal(u,v),MTF(u,v),SNR(u,v))(4)
式中,F表示综合评价指标P与GSD、MTF、SNR的映射关系函数。
如图1所示,基于上述光学遥感影像质量综合评价思想,综合地面分辨率、光学传递函数和信噪比于一体,本发明提出了一种光学遥感影像质量综合评价方法,包括以下步骤:
1、根据理论地面分辨率和地物光谱反射率参数,估算实际地面分辨率;
当成像传感器的像元尺寸a、镜头焦距f和遥感器飞行高度H一定的情况下,GSDtheory为一个固定的数值。而实际地面分辨率GSDreal不仅取决于理论地面分辨率GSDtheory,而且是地物反射率特性R随不同空间频率(u,v)变化作用的结果。因此,可以将GSDreal表示为理论地面分辨率和地物光谱反射率特性的函数,即:
GSDreal(u,v)=GSDtheory·R(u,v)(5)
式中,GSDtheory为遥感器的理论空间分辨率,R(u,v)表示在空间频率(u,v)处的归一化功率谱密度:
式中,Norm表示归一化处理,A表示遥感影像空间区域,r(x,y)表示(x,y)处地物的局部反射率,r*(x,y)是r(x,y)的共轭函数,表示空间相关处理,(x,y)表示遥感影像空间域位置。
2、根据不同空间频率(u,v)地物的辐射响应建立光学调制传递函数MTF。
MTF(u,v)=Norm[FFT(PSF(x,y))](7)
式中,FFT表示傅立叶变换,Norm表示归一化处理,PSF(x,y)表示遥感影像空间域(x,y)上的点扩散函数。
3、根据地物光谱反射率特性的函数、平均信噪比SNRmean,求解基于连续空间频率的信噪比SNR(u,v):
SNR(u,v)=R(u,v)·SNRmean(8)式中,R(u,v)表示在空间频率(u,v)处的归一化功率谱密度函数.
4、建立综合地面分辨率GSDreal、光学传递函数MTF、信噪比SNR于一体的光学遥感影像质量评价指标P:
式中,F表示P(u,v)与GSDreal(u,v)、MTF(u,v)、SNR(u,v)的映射函数关系,a1、b1、a2、b2、a3、b3分别为模型的线性调节因子,可以根据不同的遥感器特性进行设定,评价指标P的单位为dB。
5、根据设定的阈值,采用评价指标P对不同的光学遥感影像进行质量评价,具体过程为:在某一空间频率(u,v)同时计算不同的光学遥感影像的评价指标P,评价指标P大于设定的阈值,表明其所对应的光学遥感影像的质量好(此光学遥感影像所包含的信息量就越丰富),则采用该质量好的光学遥感影像进行目标信息提取、几何纠正等,阈值可以根据实际实验需要进行确定,本发明实施例的阈值可以为0.8。同时,可根据评价指标P值,进行不同光学遥感影像质量优劣对比,光学遥感影像的P值越大,其质量越优。
下面以一景遥感影像为实施例对本发明光学遥感影像质量综合评价方法进行说明:首先由该景影像的归一化功率谱密度与理论地面分辨率,计算该景影像的实际地面分辨率,例如实际地面分辨率为2米;然后计算该景影像的光学调制传递函数MTF,例如归一化截止空间频率处的MTF为0.1211;其次由地物反射率特性R和该景影像的平均信噪比SNRmean,计算基于连续空间频率的信噪比SNR(u,v);最后设置模型线性调节因子,例如a1=1、b1=0、a2=1、b2=0、a3=1、b3=0,根据公式(9)计算得到光学遥感影像质量评价模型的评价指标P。如图2所示为一维空间频率情况下的遥感影像综合质量评价指标P结果,横坐标表示一维空间频率,纵坐标表示评价指标P,例如:在一维归一化空间频率为0.499时,其所对应的评价指标P为4.432,根据设定的阈值(例如0.8)对一景遥感影像的质量进行评价,当评价指标P大于0.8时表明此一景遥感影响的质量好,可以采用此一景遥感图像的信息进行目标信息提取、几何纠正等。
上述各实施例仅用于说明本发明,其中实施方法的各步骤等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (1)
1.一种光学遥感影像质量综合评价方法,其包括以下步骤:
1)根据理论地面分辨率和地物光谱反射率特性,估算实际地面分辨率GSDreal:
GSDreal(u,v)=GSDtheory·R(u,v)
式中,GSDtheory为遥感器的理论空间分辨率,R(u,v)表示在空间频率(u,v)处的归一化功率谱密度:
式中,Norm表示归一化处理,A表示遥感影像空间区域,r(x,y)表示(x,y)处地物的局部反射率,r*(x,y)是r(x,y)的共轭函数,表示空间相关处理,(x,y)表示遥感影像空间域位置;
2)根据不同空间频率(u,v)地物的辐射响应建立光学调制传递函数MTF;
3)根据地物光谱反射率特性的函数、平均信噪比SNRmean,求解基于连续空间频率的信噪比SNR(u,v);
4)建立综合地面分辨率GSDreal、光学传递函数MTF、信噪比SNR于一体的光学遥感影像质量评价指标:
P(u,v)=F(GSDreal(u,v),MTF(u,v),SNR(u,v))
=(a1·GSDreal(u,v)+b1)·(a2·MTF(u,v)+b2)·(a3·SNR(u,v)+b3)
式中,F表示P(u,v)与GSDreal(u,v)、MTF(u,v)、SNR(u,v)的映射函数关系,a1、b1、a2、b2、a3、b3分别为模型的线性调节因子;
5)根据设定的阈值,采用评价指标P对不同的光学遥感影像进行质量评价,具体过程为:在某一空间频率(u,v)同时计算不同的光学遥感影像的评价指标P,评价指标P大于设定的阈值,表明其所对应的光学遥感影像的质量好,则采用该质量好的光学遥感影像进行目标信息提取及几何纠正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310145880.7A CN103268602B (zh) | 2013-04-24 | 2013-04-24 | 一种光学遥感影像质量综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310145880.7A CN103268602B (zh) | 2013-04-24 | 2013-04-24 | 一种光学遥感影像质量综合评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103268602A CN103268602A (zh) | 2013-08-28 |
CN103268602B true CN103268602B (zh) | 2016-04-06 |
Family
ID=49012229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310145880.7A Active CN103268602B (zh) | 2013-04-24 | 2013-04-24 | 一种光学遥感影像质量综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103268602B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793912B (zh) * | 2014-01-27 | 2016-08-17 | 武汉大学 | 一种基于解译能力等级的光学遥感影像图像质量评价方法 |
CN104157009A (zh) * | 2014-08-21 | 2014-11-19 | 铁道第三勘察设计院集团有限公司 | 一种多源遥感影像质量定量比选方法 |
CN105430378A (zh) * | 2015-11-26 | 2016-03-23 | 航天恒星科技有限公司 | 一种影像质量评价系统及方法 |
CN105444783B (zh) * | 2015-12-03 | 2018-02-13 | 中国科学院上海技术物理研究所 | 用于线阵探测器可靠性筛选的器件性能评估方法 |
CN109636727B (zh) * | 2018-12-17 | 2022-11-15 | 辽宁工程技术大学 | 一种超分辨率重建影像空间分辨率评价方法 |
CN110363758B (zh) * | 2019-07-22 | 2021-06-18 | 中国科学院合肥物质科学研究院 | 一种光学遥感卫星成像质量确定方法及系统 |
CN113612947A (zh) * | 2021-06-30 | 2021-11-05 | 北京空间机电研究所 | 一种面向大面阵小像元器件的加权采样方法及权重因子优化方法 |
CN113781342B (zh) * | 2021-07-06 | 2022-03-11 | 自然资源部国土卫星遥感应用中心 | 一种海量多源光学遥感影像快速正射纠正管理方法 |
CN114677275B (zh) * | 2022-03-11 | 2023-03-24 | 自然资源部国土卫星遥感应用中心 | 一种高频次重复凝视成像空基遥感载荷在轨测试方法 |
CN115797362B (zh) * | 2023-02-13 | 2023-05-05 | 航天宏图信息技术股份有限公司 | 高分遥感影像的质量评估方法、装置及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010157238A (ja) * | 2008-12-26 | 2010-07-15 | Huawei Device Co Ltd | 画像品質評価装置および方法 |
CN102567996A (zh) * | 2012-01-05 | 2012-07-11 | 中国地质大学(武汉) | 一种遥感卫星图像质量评价的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2347687T3 (es) * | 2006-04-26 | 2010-11-03 | Aware, Inc. | Calidad y segmentacion de la vista previa de una huella dactilar. |
-
2013
- 2013-04-24 CN CN201310145880.7A patent/CN103268602B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010157238A (ja) * | 2008-12-26 | 2010-07-15 | Huawei Device Co Ltd | 画像品質評価装置および方法 |
CN102567996A (zh) * | 2012-01-05 | 2012-07-11 | 中国地质大学(武汉) | 一种遥感卫星图像质量评价的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103268602A (zh) | 2013-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103268602B (zh) | 一种光学遥感影像质量综合评价方法 | |
Kirstetter et al. | Probabilistic precipitation rate estimates with ground‐based radar networks | |
Grimaldi et al. | Remote sensing-derived water extent and level to constrain hydraulic flood forecasting models: Opportunities and challenges | |
Hamilton et al. | Integrating lidar, GIS and hedonic price modeling to measure amenity values in urban beach residential property markets | |
Drew et al. | Observations of wind speed profiles over Greater London, UK, using a Doppler lidar | |
Hicks et al. | Hindcasting water clarity from Landsat satellite images of unmonitored shallow lakes in the Waikato region, New Zealand | |
AU2012211359B8 (en) | Reflection removal system | |
AU2012239932B2 (en) | Systems and methods for calibrating dual polarization radar systems | |
Wu et al. | Enhancement of lidar backscatters signal-to-noise ratio using empirical mode decomposition method | |
Nottrott et al. | Validation of the NSRDB–SUNY global horizontal irradiance in California | |
CN104820250A (zh) | 一种极轨气象卫星virr海洋上云检测的处理方法 | |
McCabe et al. | Calibration of a land surface model using multiple data sets | |
Teschl et al. | Improving weather radar estimates of rainfall using feed-forward neural networks | |
Malthus et al. | The case for a global inland water quality product | |
Gasch et al. | An LES-based airborne Doppler lidar simulator and its application to wind profiling in inhomogeneous flow conditions | |
Halilovic et al. | An analytical approach for estimating the global horizontal from the global tilted irradiance | |
Stuart et al. | Iceberg size and orientation estimation using SeaWinds | |
Salehi et al. | Spatial and temporal resolution improvement of actual evapotranspiration maps using Landsat and MODIS data fusion | |
Zhuang et al. | The evaluation and downscaling‐calibration of IMERG precipitation products at sub‐daily scales over a metropolitan region | |
Al-Dousari et al. | Site-specific precipitation estimate from TRMM data using bilinear weighted interpolation technique: an example from Kuwait | |
CN111308467A (zh) | 探测方法及探测设备 | |
Zhang et al. | Soil moisture estimation based on the distributed scatterers adaptive filter over the QTP permafrost region using sentinel-1 and high-resolution TerraSAR-X data | |
Ibrahim et al. | CLIMATE VARIABILITY IN RELATION TO LAND USE AND LAND COVER (LULC) CHANGES IN KOTA BHARU, KELANTAN, MALAYSIA | |
Lu et al. | Leaf area index estimation from the time-series SAR data using the AIEM-MWCM model | |
Zuraski et al. | Vertical profiles of turbulence measured with a Rayleigh beacon |
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 |