CN104820970A - 基于在轨分类统计的红外影像相对辐射矫正方法 - Google Patents

Abstract

本发明提供一种基于在轨分类统计的红外影像相对辐射矫正方法，包括以下步骤：步骤1：使用K均值算法，对卫星在轨影像获取的地物依据灰度差异进行分类，分为低亮度区间、中间亮度区间和高亮度区间，并获取分段校正的转折点；步骤2：对低亮度区间，进行直方图匹配处理，得到低亮度区间的辐射校正查找表；步骤3：对中间亮度区间，进行最小二乘拟合处理，得到中间亮度区间的辐射校正查找表；步骤4：对高亮度区间，使用斜率为1截距为0的线性模型计算得到高亮度区间的辐射校正查找表；步骤5：以处理后得到的辐射校正查找表进行转折点的过渡区域处理。本发明可有效解决星上定标数据不足，定标装置设置与实际侦察目标特性的匹配存在偏差的问题。

Description

基于在轨分类统计的红外影像相对辐射矫正方法

技术领域

本发明涉及卫星图像处理领域，特别是涉及一种基于在轨分类统计的红外影像相对辐射矫正方法。

背景技术

红外成像侦察能够感知目标的红外波谱信息，大气穿透力强，可用于夜间侦察，在目标状态判断和伪装揭露等方面具有优势。由于现有制造工艺水平和材料的限制，红外传感器中各探测单元的响应特性不完全一致，导致像元之间存在了一定的非均匀性，使红外图像中出现了深浅相间的条纹状噪声，当图像被增强后，这种噪声会更加突出，呈百叶窗状，严重影响了红外图像的质量和解析度。红外影像相对辐射校正,就是专门为了校正红外载荷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。

目前红外影像相对辐射校正的方法是使用红外相机星上定标数据，但是目前红外相机星上定标装置的设置与实际侦察目标特性的匹配存在偏差，未能更好地描述复杂场景下目标温度特性，导致星上定标数据满足不了高精度相对辐射定标的需求。在使用星上定标数据进行相对辐射校正后的某些复杂区域的影像仍存在均匀性不佳的现象，主要表现为条纹噪声，这种非均匀性降低了最终输出图像的清晰度，影响了目视判读和温度反演精度，已经成为进一步提高图像质量的瓶颈，并在一定程度上限制了红外图像的应用。

发明内容

本发明提供一种基于在轨分类统计的红外影像相对辐射矫正方法，用于解决现有技术中使用红外相机星上定标数据进行红外影像相对辐射校正，导致星上定标数据满足不了高精度相对辐射定标的需求，仍存在均匀性不佳的问题，实现红外影像的高精度相对辐射校正。

本发明的技术解决方案是：一种基于在轨分类统计的红外影像相对辐射校正方法，包括以下步骤：步骤1：使用K均值算法，对卫星在轨影像获取的地物依据灰度差异进行分类，分为低亮度区间、中间亮度区间和高亮度区间，并获取分段校正的转折点；步骤2：对经过步骤1计算得到的低亮度区间，进行直方图匹配处理，得到低亮度区间的辐射校正查找表；步骤3：对经过步骤1计算得到的中间亮度区间，进行最小二乘拟合处理，得到中间亮度区间的辐射校正查找表；步骤4：对经过步骤1计算得到的高亮度区间，使用斜率为1截距为0的线性模型计算得到高亮度区间的辐射校正查找表；步骤5：以经过步骤2、步骤3或步骤4处理后得到的辐射校正查找表进行转折点的过渡区域处理。

进一步地：步骤1中所述的使用K均值算法，对卫星在轨影像获取的地物依据灰度差异进行分类，从而获取分段校正的转折点，包括：步骤11：聚类样本中心值m₁,m₂,m₃初始化；步骤12：对每个样本进行K均值算法聚类分配；步骤13：重新计算每个聚类的中心值；步骤14：重复步骤12和步骤13直到每个聚类的中心值不再变化，此时便可得到低亮、中亮、高亮分段区间：[0,D_l]，[D_l,D_h]，[D_h,D_max]。

进一步地：步骤2中所述的对低亮度区间[0,D_l]进行直方图匹配处理，得到低亮度区间的辐射校正查找表，包括：步骤21：计算低亮度区间的每个探元的直方图的概率密度函数；步骤22：计算低亮度区间的期望直方图的概率密度函数；步骤23：通过建立每个探元的直方图的概率密度函数和期望直方图的概率密度函数之间的对应关系，得到低亮度区间的辐射校正查找表。

进一步地：步骤3中所述的对中间亮度区间[D_l,D_h]进行最小二乘拟合处理得到中间亮度区间的辐射校正查找表，包括：步骤31：计算中间亮度区间不同辐亮度下影像的整体灰度均值及每个探元的灰度均值；步骤32：将单一探元在不同辐亮度下的灰度均值与不同辐亮度下整幅影像的灰度均值通过最小二乘法进行线性拟合,得到每个探元的增益和偏置；步骤32：由上步系数计算得到中间亮度区间的辐射校正查找表。

进一步地：步骤5中所述对处理后得到的辐射校正查找表进行转折点的过渡区域处理，包括：步骤51：低亮度转折点过渡区域处理，选择低亮度过渡区间[D_l-5,D_l+5]，采用直线拟合的方式求取过渡区间的增益和偏置，然后建立过渡区间的辐射查找表；步骤52：高亮度转折点过渡区域处理，选择高端过渡区间[D_h-5,D_h+5]，采用直线拟合的方式求取增益和偏置，然后建立过渡区间的辐射查找表。

本发明与现有技术相比具有如下优点：

(1)本发明可以有效解决星上定标数据不足，星上定标装置设置与实际侦察目标特性的匹配存在偏差的问题；

(2)本发明利用红外影像对地物进行分类处理，可以有效地模拟红外相机在低亮度、中等亮度、高亮度区域响应不一致的现象；

(3)本发明通过采用直方图拟合的方式，可以有效模拟红外相机在低亮度区高度非线性响应特性；

(4)本发明可以有效提高红外影像的相对辐射校正精度。

附图说明

图1为本发明中K均值分类算法处理示意图；

图2为本发明的基于在轨分类统计的红外影像相对辐射矫正方法算法流程图。

具体实施方式

本发明提出了一种基于在轨分类统计的红外影像相对辐射校正方法，该方法利用卫星影像地物类型丰富的特点，采用在轨获取的原始影像作为样本数据来获取相对辐射校正系数，弥补了星上定标数据不足的问题。同时考虑到红外成像探元在不同辐射能量下具有不同的光电响应状态，该方法引入了分类的思想，对不同辐射能量情况下的定标参数分别以不同方法进行统计计算，从而进一步提高了相对辐射校正精度。

本发明的具体步骤如下：

步骤1：使用K均值算法，对卫星在轨影像获取的地物依据灰度差异进行分类，获取分段校正的转折点；

以影像的灰度量化信息作为样本集，考虑到红外成像探元主要是对低亮、中亮、高亮三个区间段的响应存在较大差异，因此本发明中取K值等于3，分别用X₁,X₂,X₃表示低亮、中亮、高亮地物样聚类样本集，N_i是第i个地物聚类X_i中的样本数目，N为参与统计的样本总数目，m_i是这些样本的均值，i＝1,2,3。使用欧几里德距离函数d(V_i,V_j)＝||V_i-V_j||为距离函数。

i.样本聚类中心初始化。

假设红外遥感影像采用BN位量化，那么使用下式取3个样本聚类中心值m₁,m₂,m₃。

       $m_1=\frac{2^{\mathrm{BN}}}{10}---\left(1\right)$

m₂＝2^BN-1  (2)

       $m_3=2^{\mathrm{BN}}-\frac{2^{\mathrm{BN}}}{10}---\left(3\right)$

ii.K均值算法聚类。

计算每个样本数据x_j，j＝1,2,3...,N到3个样本聚类中心m₁,m₂,m₃的距离dt_i＝d(x_j,m_i)，i＝1,2,3，则分配x_j到第P类(P等于dt_i中的最小值所对应的i值)。

iii.重新计算每个聚类的中心。

       $m_i=\frac{\underset{x\∈X_i}{\mathrm{\Σ}}x}{N_i},i=\mathrm{1,2,3}---\left(4\right)$

iv.重复步骤ii，步骤iii直到m_i不再变化，i＝1,2,3，此时便可得到低亮、中亮、高亮分段区间：[0,D_l]，[D_l,D_h]，[D_h,D_max]。

步骤2：对低亮度区间[0,D_l]进行直方图匹配处理，得到低端的校正系数：

i.计算低亮度区间的每个探元的综合直方图的概率密度函数p_k。

       $p_k=\frac{\underset{j=0}{\overset{j=k}{\mathrm{\Σ}}}{n}_j}{M},k=\mathrm{0,1,2},...,D_l---\left(5\right)$

       $M=\underset{j=0}{\overset{D_l}{\mathrm{\Σ}}}{n}_{j---\left(6\right)}$

式中，n_j表示此探元的灰度值为j的像素个数。

ii.计算低亮度区间的期望直方图的概率密度函数S_k。

       $S_k-\frac{\underset{j=0}{\overset{j=k}{\mathrm{\Σ}}}{r}_j}{M^{\′}},k=\mathrm{0,1,2},...,D_l,j=\mathrm{0,1,2},...,D_l---\left(7\right)$

       $M^{\′}=\underset{j=0}{\overset{m_1}{\mathrm{\Σ}}}{r}_j---\left(8\right)$

式中，r_j表示所有探元中灰度值为j的像元个数。

iii.计算低亮度区间的辐射校正查找表，计算方法如下：

在标准累计概率密度函数上找一个灰度值l，使得：S_l≤p_k≤S_l+1。

如果|p_k-S_l|-|p_k-S_l+1|≤0，则用灰度值l代替灰度值k；

如果|p_k-S_l|-|p_k-S_l+1|>0，则用灰度值l+1代替灰度值k。

步骤3：对中间亮度区间[D_l,D_h]进行最小二乘拟合处理得到中间亮度区间的辐射校正系数，从而最终得到此区间的辐射校正查找表。

i.计算中间亮度区间不同辐亮度下影像的整体灰度均值Z_k及每个探元的灰度均值z_i,k，k＝1,2,3…，其中k对应的最大值为中间区间的不同辐亮度级数的个数，i＝1,2,3…，i最大值为探元的个数。

ii.将单一探元在不同辐亮度下的灰度均值与不同辐亮度下整幅影像的灰度均值通过最小二乘进行线性拟合,得到每个探元的增益K_i和偏置C_i，

Z_k＝z_i,k·K_i+C_i  (9)

iii.由上步得到的定标方程计算得到中间亮度区间的辐射校正查找表。

步骤4：高亮度区间，使用斜率为1截距为0的线性模型计算高亮度区间的辐射校正查找表。

步骤5：对处理后得到的辐射校正查找表进行转折点的过渡区域处理。

i.低亮度过渡区域处理，选择低端过渡区间[D_l-5,D_l+5]，采用直线拟合的方式求取增益K′₁和偏置C′₁，然后建立低亮度过渡区间的辐射查找表。

       $K_1^{\′}=\frac{{\mathrm{DN}}_{D_l+5}-{\mathrm{DN}}_{D_l-5}}{10}---\left(10\right)$

       $C_1^{\′}={\mathrm{DN}}_{D_l+5}-K_1^{\′}\·(D_l+5)---\left(11\right)$

      为低端区间在灰度值D_l+5校正后所对应的灰度值；

      为低端区间在灰度值D_l-5校正后所对应的灰度值。

ii.高端过渡区域处理，选择高端过渡区间[D_h-5,D_h+5]，采用直线拟合的方式求取增益K′₂和偏置C′₂，然后建立过渡区间的辐射查找表。

       $K_2^{\′}=\frac{{\mathrm{DN}}_{D_h+5}-{\mathrm{DN}}_{D_h-5}}{10}---\left(12\right)$

       $C_2^{\′}={\mathrm{DN}}_{D_h+5}-K_1^{\′}\·(D_h+5)---\left(13\right)$

      为低端区间在灰度值D_h+5校正后所对应的灰度值；

      为低端区间在灰度值D_h-5校正后所对应的灰度值。

本发明未详细说明部分属本领域技术人员公知常识。

Claims (5)

1.一种基于在轨分类统计的红外影像相对辐射校正方法，其特征在于，包括以下步骤：

步骤1：使用K均值算法，对卫星在轨影像获取的地物依据灰度差异进行分类，分为低亮度区间、中间亮度区间和高亮度区间，并获取分段校正的转折点；

步骤2：对经过步骤1计算得到的低亮度区间，进行直方图匹配处理，得到低亮度区间的辐射校正查找表；

步骤3：对经过步骤1计算得到的中间亮度区间，进行最小二乘拟合处理，得到中间亮度区间的辐射校正查找表；

步骤4：对经过步骤1计算得到的高亮度区间，使用斜率为1截距为0的线性模型计算得到高亮度区间的辐射校正查找表；

步骤5：以经过步骤2、步骤3或步骤4处理后得到的辐射校正查找表进行转折点的过渡区域处理。

2.如权利要求1所述的基于在轨分类统计的红外影像相对辐射校正方法，其特征在于：步骤1的使用K均值算法，对卫星在轨影像获取的地物依据灰度差异进行分类，从而获取分段校正的转折点，包括：

步骤11：聚类样本中心值m₁,m₂,m₃初始化；

步骤12：对每个样本进行K均值算法聚类分配；

步骤13：重新计算每个聚类的中心值；

步骤14：重复步骤12和步骤13直到每个聚类的中心值不再变化，此时便可得到低亮、中亮、高亮分段区间：[0,D_l]，[D_l,D_h]，[D_h,D_max]。

3.如权利要求1所述的基于在轨分类统计的红外影像相对辐射校正方法，其特征在于：步骤2中所述的对低亮度区间[0,D_l]进行直方图匹配处理，得到低亮度区间的辐射校正查找表，包括：

步骤21：计算低亮度区间的每个探元的直方图的概率密度函数；

步骤22：计算低亮度区间的期望直方图的概率密度函数；

步骤23：通过建立每个探元的直方图的概率密度函数和期望直方图的概率密度函数之间的对应关系，得到低亮度区间的辐射校正查找表。

4.如权利要求1所述的基于在轨分类统计的红外影像相对辐射校正方法，其特征在于：步骤3中所述的对中间亮度区间[D_l,D_h]进行最小二乘拟合处理得到中间亮度区间的辐射校正查找表，包括：

步骤31：计算中间亮度区间不同辐亮度下影像的整体灰度均值及每个探元的灰度均值；

步骤32：将单一探元在不同辐亮度下的灰度均值与不同辐亮度下整幅影像的灰度均值通过最小二乘法进行线性拟合,得到每个探元的增益和偏置；

步骤32：由上步系数计算得到中间亮度区间的辐射校正查找表。

5.如权利要求1所述的基于在轨分类统计的红外影像相对辐射校正方法，其特征在于：步骤5中所述对处理后得到的辐射校正查找表进行转折点的过渡区域处理，包括：

步骤51：低亮度转折点过渡区域处理，选择低亮度过渡区间[D_l-5,D_l+5]，采用直线拟合的方式求取过渡区间的增益和偏置，然后建立过渡区间的辐射查找表；

步骤52：高亮度转折点过渡区域处理，选择高端过渡区间[D_h-5,D_h+5]，采用直线拟合的方式求取增益和偏置，然后建立过渡区间的辐射查找表。