CN105487083B - 一种多光谱影像气溶胶像元气溶胶厚度的检测与提取方法 - Google Patents
一种多光谱影像气溶胶像元气溶胶厚度的检测与提取方法 Download PDFInfo
- Publication number
- CN105487083B CN105487083B CN201510868944.5A CN201510868944A CN105487083B CN 105487083 B CN105487083 B CN 105487083B CN 201510868944 A CN201510868944 A CN 201510868944A CN 105487083 B CN105487083 B CN 105487083B
- Authority
- CN
- China
- Prior art keywords
- image
- aerosol
- pixel
- multispectral
- wave band
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种多光谱影像气溶胶厚度的检测与提取方法,该方法的基本步骤为:(1)将待识别气溶胶厚度的多光谱图像与辅助影像进行配准;(2)对多光谱图像上的任意一个点在整副图像A上找到与其同类的像元,根据辅助影像筛选出类别不变的点;(3)建立每一个像点多光谱图像与辅助影像回归关系,用辅助影像拟合出多光谱图像;(4)拟合的亮度值除以真实亮度值,得到每一个像元的气溶胶含量;(5)对各个波段得到的气溶胶含量图像低通滤波,对各波段进行加权平均得到最终的气溶胶含量分布图。本发明可以得到国产测图卫星影像各个像点的气溶胶厚度,并为国产卫星激光高度计的大气校正提供关键参数。
Description
技术领域
本发明属于遥感对地观测技术领域,涉及一种新的辅助数据下的多光谱影像气溶胶厚度的检测与提取方法。
背景技术
高精度的距离测量对激光测距卫星得到的广义控制点具有决定性影响。对于影响激光距离测量的原因,需要考虑的因素较多也较为复杂,其中精确改正大气影响下的激光测距值是实现精确距离测量的前提条件。目前,国外传感器配套完全,其在数据处理时能够获取NCEP的准确大气数据,进而可对测距进行精确的改正。然而对于国产激光测高卫星而言,由于缺乏大气辅助数据,不进行精确大气改正无法获得准确的测距数据,最终导致国产立体测图卫星的整个工程任务的失败。通过各种国产数据获取大气气溶胶含量的分布成为测距精确修正的可行手段之一。
然而,我国新一代立体测图卫星所带载荷中没有实时气溶胶测量工具,利用其它辅助数据如MODIS或风云系列得到的气溶胶数据与国产立体测图卫星不同步,没法精确反映实时的气溶胶厚度。为精确修正激光测距值,需要一种实时的气溶胶厚度监测方法。新一代立体测图卫星含有双线阵和多光谱影像,与激光测距仪基本同时工作,这些影像上准确捕获了激光测距时的瞬时气溶胶分布情况。从这些影像上提取出的气溶胶数据,能够最准确反映出激光发射/反射路径上的真实气溶胶分布。
美国GLAS科研团队在这一领域曾开展过长期研究,但是无论是地基或空 基的传感器都无法搜集到激光在整个传输路径上的大气信息,由此无法进行成功建模,主要问题在于国产立体测图卫星没有气溶胶波段,从全色或多光谱图像上很难之间识别气溶胶含量。
通过提取的气溶胶厚度,与检校场得到的准确的测距值进行回归分析,既可以得到不同气溶胶厚度情况下的激光测距值改正数,以此为国产高分辨率立体测图卫星系统的激光器提供精确的测距值,最终获取高精度的控制点数据。这对于提升我国对地观测卫星数据几何处理精度和产品质量具有极为重要的意义。
发明内容
本发明所要解决的问题是:提供一种多光谱影像气溶胶厚度的检测与提取方法。
本发明提供的技术方案采用如下步骤:
(1)对多光谱影像与辅助影像进行配准;辅助影像配准方法步骤如下:
(1-1)获取与目标多光谱图像A同时相、同区域的参照影像,其中参照影像B的对应于目标图像上的像元位置气溶胶含量已知,并且气溶胶经过去除,参照影像可以为其他传感器的影像,也可以是与目标图像相同的传感器在其他时间获取的影像;
(1-2)使用同名点匹配方法,从A与B中选择加密控制点;
(1-3)使用加密控制点将图像B校正为与图像A相一致的配准图像C;
(2)对于任意一个像元,从多光谱影像上寻找与之相似像元,得到多光谱与辅助影像线性关系;寻找相似像元并得到线性关系方法如下:
(2-1)对图像A上的任意一个像元P,获取图像A上与之属同类的其他像元,标记这些位置P1---Pn;
(2-2)对于像元组P1---Pn,通过图像C筛选出与P点对应的点,标为S1--Sm;
(2-3)根据像元S1—Sm,建立影像A与C在各个波段之间的线性关系;
(3)将辅助影像拟合为多光谱图像的值,拟合方法步骤如下:
(3-1)用图像A的亮度值除以图像D的亮度值,得到各个波段的亮度值变化量;
(3-2)对各个波段计算得到的亮度值变化量图像,将变化量低于1的设为1,得到图像E;
(4)计算多光谱影像各个波段每个像元的气溶胶厚度,对每一个波段得到的图像E,使用低通滤波法进行滤波,最后同一个像点各波段进行加权平均,得到最终的多光谱影像上的像元气溶胶厚度分布图;
(5)根据多波段气溶胶厚度综合得到最终的气溶胶像元气溶胶厚度。
本发明具有良好的可扩展性,可满足激光测距仪大气气溶胶厚度精确获取这一业务需求,并能够为激光测距仪的测距值进行精确改正提供依据。对于其他采用相关技术的激光测距卫星,也能够利用本发明的方法从其同时获取的多光谱影像上得到气溶胶厚度并改善测距值。
附图说明
图1为多光谱影像气溶胶厚度的检测与提取方法的流程图;
图2为待检测气溶胶含量的高分影像;
图3为与待检测图像同一区域的参照影像;
图4为使用参照影像拟合出的待检测模拟图像;
图5为待检测图像除以模拟图像的结果图;
图6为差值图低通滤波后的结果,即最终识别出的气溶胶含量。
具体实施方式
为更好地阐述本发明的技术方案和优点,下面将结合附图对本发明的实施过程做进一步的描述。
获取与目标图像同时相、同区域的其他多光谱影像。参照影像B可以为其他传感器的影像,也可以是立体测图卫星在其他时间获取的双线阵影像,且允许图像B与A的波段数不相同的情况。
附图2所示为一幅受气溶胶影响的图像,图像上存在厚薄不一的气溶胶,气溶胶对图像上的地物产生了不同程度的遮挡现象。
附图3为一幅参照的高分影像,该参照图像不存在气溶胶的遮挡,图像较为清晰。需要注意的是由于两幅图像的成像时间不同,参照影像与待检测影像的部分地物发生了改变。但是,地物的分块情况不存在变化,即地物类型可认为没发生改变。
使用同名点匹配方法,从A与B中选择控制点。考虑到卫星影像由于姿态误差与地形误差带来的不规则变化,在控制点选取时针对复杂区域如城区和山区适当加密这一区域的控制点数量。
根据选择的加密控制点,对参展影像进行几何校正,使其与目标图像完全配准以便下一步的利用。
对图像A上的任意一个像元Q,获取图像A上任意一个其它像元P与该点的相似度R,具体公式如下:
其中n表示图像的波段数,Qi表示点Q第i波段的像元值,Pi表示点P第i 波段的像元值。
根据计算得到的相似度R确定A与P点是否属于同一类像元,若R小于0.1,则认为A与P点属于同一类像元,将这个点标记下来。按照上述方法找到图像A上所有与点Q同类的像元位置,假设共找到n个,将这些像点标记为:P1---Pn。
然而由于图像C与图像A并不是同一时间成像的,其部分地物很可能已经发生了改变,因此在图像C上P1---Pn并不是所有的点都与P点的地物类别相同。因此,需要根据图像C对P1---Pn进行筛选。具体方法是根据图像C上像元光谱(各个波段的值),分别计算P点与P1---Pn的相关性,将相关性小于0.1的点标记为同类像元,假设共找到m(m≤n)个像元,记为:S1---Sm。
建立影像A与C像元P1---Pn在各个波段之间的线性关系,具体方法是对于图像A的任意一个波段,从图像C中找到与其波长最接近的波段,根据这两个波段上S1---Sm点的像元值,拟合出C到A的关系:
VA=a*VC+b
其中,VA表示图像A的像元值,VC表示图像C的像元值。
根据得到的拟合系数,使用图像C的像元拟合出P点对应于图像A的像元值。
图4所示为拟合出的待检测图像,该图像的色调与待检测的图像保持了一致性,而与参照图像的色调保持了差异性。表明本发明所使用的方法较好的实现了待处理图像的拟合,不会将不必要的参照图像纹理、色调信息引入模拟图像中,
用P点A图像上的值除以拟合得到的值,即可得到P点的气溶胶含量值。根据以上步骤,对于图像A上的每一个像点,分别找到与其最相似的像元并出 一个线性关系,拟合得到图像B上P点的各个波段的拟合值,然后计算气溶胶含量值,得到整个波段上的气溶胶含量分布图。对各个波段计算得到的气溶胶厚度图像,将值低于1的设为1。
图5为检测出的每一个像点的气溶胶含量分布图,对比图2和图5可看到,检测出的结果位置完全正确、气溶胶厚度的分布与原始图像的分布一致。图像中存在一些地物,主要是拟合的残差影响,下一步需要对此进行去除。
由于气溶胶的分布在空间上是渐变的,因此,其在计算得到的气溶胶图像上表现为低频分布的趋势。得到的各个波段的气溶胶厚度图像分别进行低通滤波;
对得到各个波段低通滤波后的图像,同一个像点各波段加权均值,得到最终的多光谱影像上气溶胶厚度分布图。
图6为最终检测出来的气溶胶厚度分布图,该图像气溶胶的分布在空间上平缓变化,与原始图像上表现出来的特征完全一致。
该无量纲的数值并不具有物理意义,只反映了像元中气溶胶含量的强弱。在实际使用该数据时,还需要通过这种反演数据与地面标定场的场地实测值之间建立联系,即标定出图像所表达的真实气溶胶厚度值。
Claims (1)
1.一种多光谱影像气溶胶像元气溶胶厚度的检测与提取方法,其特征在于,包括以下步骤:
(1)对多光谱影像与辅助影像进行配准;辅助影像配准方法步骤如下:
(1-1)获取与目标多光谱图像A同时相、同区域的参照影像,其中参照影像B的对应于目标图像上的像元位置气溶胶含量已知,并且气溶胶经过去除,参照影像为其他传感器的影像,或者为与目标图像相同的传感器在其他时间获取的影像;
(1-2)使用同名点匹配方法,从A与B中选择加密控制点;
(1-3)使用加密控制点将图像B校正为与图像A相一致的配准图像C;
(2)对于任意一个像元,从多光谱影像上寻找与之相似像元,得到多光谱与辅助影像线性关系;寻找相似像元并得到线性关系方法如下:
(2-1)对图像A上的任意一个像元P,获取图像A上与之属同类的其他像元,标记这些位置P1---Pn;
(2-2)对于像元组P1---Pn,通过图像C筛选出与P点对应的点,标为S1--Sm;
(2-3)根据像元S1—Sm,建立影像A与C在各个波段之间的线性关系;
(3)将辅助影像拟合为多光谱图像的值,拟合方法步骤如下:
(3-1)用图像A的亮度值除以辅助影像图像的亮度值,得到各个波段的亮度值变化量;
(3-2)对各个波段计算得到的亮度值变化量图像,将变化量低于1的设为1,得到图像E;
(4)计算多光谱影像各个波段每个像元的气溶胶厚度,对每一个波段得到的图像E,使用低通滤波法进行滤波,最后同一个像点各波段进行加权平均,得到最终的多光谱影像上的像元气溶胶厚度分布图;
(5)根据多波段气溶胶厚度综合得到最终的气溶胶像元气溶胶厚度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510868944.5A CN105487083B (zh) | 2015-12-01 | 2015-12-01 | 一种多光谱影像气溶胶像元气溶胶厚度的检测与提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510868944.5A CN105487083B (zh) | 2015-12-01 | 2015-12-01 | 一种多光谱影像气溶胶像元气溶胶厚度的检测与提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105487083A CN105487083A (zh) | 2016-04-13 |
CN105487083B true CN105487083B (zh) | 2017-11-21 |
Family
ID=55674190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510868944.5A Active CN105487083B (zh) | 2015-12-01 | 2015-12-01 | 一种多光谱影像气溶胶像元气溶胶厚度的检测与提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105487083B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110030934B (zh) * | 2019-04-30 | 2020-04-28 | 中南大学 | 基于modis卫星传感器的气溶胶光学厚度的获取方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004453B (zh) * | 2006-12-20 | 2010-05-12 | 西安理工大学 | 一种气象与大气环境参数的测定方法 |
KR101012279B1 (ko) * | 2009-02-26 | 2011-02-01 | 서울대학교산학협력단 | 라이다를 이용한 황사 판독방법 |
CN102288973B (zh) * | 2011-06-28 | 2013-03-20 | 华中科技大学 | 基于频谱特征信号的多气象参数同步测量方法及激光雷达 |
WO2014024508A1 (ja) * | 2012-08-08 | 2014-02-13 | 三菱電機株式会社 | レーダ装置 |
CN104483663B (zh) * | 2014-12-25 | 2017-01-04 | 武汉大学 | 一种高光谱遥感影像大气纠正方法及系统 |
-
2015
- 2015-12-01 CN CN201510868944.5A patent/CN105487083B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105487083A (zh) | 2016-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110570466B (zh) | 三维实景点云模型的生成方法和装置 | |
Du et al. | Radiometric normalization, compositing, and quality control for satellite high resolution image mosaics over large areas | |
Turner et al. | Development of an Unmanned Aerial Vehicle (UAV) for hyper resolution vineyard mapping based on visible, multispectral, and thermal imagery | |
Salum et al. | Improving mangrove above-ground biomass estimates using LiDAR | |
CN110379113A (zh) | 一种基于卫星遥感数据森林火灾预警的方法 | |
CN106960174A (zh) | 高分影像激光雷达高程控制点提取及其辅助定位方法 | |
CN107688777B (zh) | 一种协同多源遥感影像的城市绿地提取方法 | |
CN105527620B (zh) | 一种气溶胶厚度与激光雷达测距延迟的自动标定方法 | |
Chander et al. | Radiometric and geometric assessment of data from the RapidEye constellation of satellites | |
Smets et al. | Gas piston activity of the Nyiragongo lava lake: first insights from a stereographic time-lapse camera system | |
Luo et al. | Detection of alpine tree line change with high spatial resolution remotely sensed data | |
Papworth et al. | Assessing 3D metric data of digital surface models for extracting archaeological data from archive stereo-aerial photographs | |
Esquerdo et al. | An automatic system for AVHRR land surface product generation | |
Belfiore et al. | Orthorectification and pan-sharpening of worldview-2 satellite imagery to produce high resolution coloured ortho-photos | |
CN105487083B (zh) | 一种多光谱影像气溶胶像元气溶胶厚度的检测与提取方法 | |
Yoo et al. | True orthoimage generation by mutual recovery of occlusion areas | |
KR101711575B1 (ko) | 위성영상의 rpc 보정을 위한 통합기준점 탐지 방법 | |
CN105512678A (zh) | 一种卫星激光高度计足印相机影像精确分类的方法 | |
Kruse et al. | Characterizing urban light sources using imaging spectrometry | |
Liew et al. | Integration of tree database derived from satellite imagery and lidar point cloud data | |
Elaksher | Co-registering satellite images and LIDAR DEMs through straight lines | |
Reder et al. | UAV-based tree height estimation in dense tropical rainforest areas in Ecuador and Brazil | |
Barazzetti et al. | Change detection from very high resolution satellite time series with variable off-nadir angle | |
Bitelli et al. | A land in its setting: remote sensing satellite imagery for the characterization of the Eblaite Chora | |
Malinverni | DEM automatic extraction on Rio de Janeiro from WV2 stereo pair 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |