CN105550681A - 一种基于稳定映射点夜间灯光影像间相互辐射校正方法 - Google Patents

Abstract

本发明涉及一种基于稳定映射点夜间灯光影像间相互辐射校正方法，其特征在于包括以下步骤：1)读取待相互辐射校正的夜间灯光影像；2)根据读入的夜间灯光影像确定参考地区；3)确定校正参考影像；4)提取影像中的稳定映射点作为相互校正中模型参数的回归解算点；5)将回归解算点中的参考影像DN值与各待校正影像映射的DN值之间建立有理函数校正模型，计算得出校正参数；6)采用步骤5)得出的校正参数对各待校正影像进行校正。本发明可以广泛应用于未进行辐射定标的夜间稳定灯光强度影像数据搭载的业务型线扫描传感器获取的夜间灯光数据的多卫星传感器、多年际之间的相互辐射校正中。

Description

一种基于稳定映射点夜间灯光影像间相互辐射校正方法

技术领域

本发明涉及一种基于稳定映射点夜间灯光影像间相互辐射校正方法，属于遥感影像处理技术领域。

背景技术

夜间灯光影像是指在夜间探测到地表微弱的近红外辐射，从而可以获取不受日光影响的来自城市、乡镇等含有持久光源的夜间灯光数据，夜间灯光影像将城镇表征为块状或片状亮斑区域(即灯光区)，使之明显区别于黑暗的乡村背景(即无灯光区)，有效避免了传统遥感影像产生的城镇区域与非城镇区域的混淆问题，为监测人类经济活动提供了一种独特的数据获取手段。夜光遥感数据相对于白天遥感数据来说，具有不受日光、阴影、植被及其他地物影响的特征，并且可以探测低强度灯光，更加利于进行城市化强度及其时空分异分析与空间扩展分析的相关研究。相对于高分辨率数据，夜光遥感影像数据量小、易于获取且获取成本低，在长时间序列上客观、快速、准确的从整体把握区域的扩展过程研究上具有重要意义，同时也更适合在区域大尺度上的研究。随着技术不断发展，灯光数据产品的精度不断提高，因而可以充分利用现有数据进行多年度时间序列制图，使得对城市发展研究的探测提供更多依据。目前，该数据已被广泛应用于大尺度城镇空间扩展研究、经济与人口估算、城市用电量、能源消耗分析、碳排放和光污染等环境问题评估。

美国国防气象卫星搭载的业务型线扫描传感器(DMSP/OLS)获取的夜间灯光影像作为一种主要的夜间灯光影像在长时间序列上的人类活动监测、城镇进程研究方面得到了广泛的应用。然而，DMSP/OLS夜间灯光影像本身存在缺陷。基于飞行前的辐射标定，DMSP不同传感器具有不同的辐射探测性能(包括辐射探测限值和辐射饱和值)，且探测光谱波段也存在细微差别。另外，随着时间的推移，各传感器的辐射探测能力也逐渐衰退。而不同DMSP卫星搭载的OLS传感器未对影像数据进行星上标定和相互校正，导致不同年份不同传感器间的长时间序列数据不具有连续性和可比性。

针对上述问题，往往在利用夜光卫星数据进行分析前，都需要进行多卫星传感器、多年际之间的相互辐射校正。现有常用的DMSP/OLS非辐射定标夜间灯光数据的相互校正方法通常为不变目标区域法：即选择某些稳定发展且影像亮度值(DN值)范围分布广泛的地区作为不变区域，选取某一年作为参考年，将参考年中夜光影像所有像元的DN值与其他的夜光影像进行二次回归分析，得到相应的校正系数，从而对其它年进行校正，并将不同卫星相同年的数据取平均值作为该年的最终校正结果。在影像校正点的选取上，已有通过选取长时间序列影像上稳定的亮像元作为校正点进行校正，但是由于影像的DN值只有64个等级而使得灯光亮度大地区的像元DN值极易饱和，该方法并未剔除饱和点使得校正点仍具有一定的不确定性；另外不变目标区域法往往假定了该区域灯光亮度值在年际之间没有变化，而这种区域在长时间序列中是不可能存在的，也使得引入了一些由于实际灯光亮度变化带来的校正点的不准确性；在模型的选择上，二次多项式是比较常用的拟合模型，但是该拟合结果并不能很好的拟合所有点，尤其是DN值分布在0与63附近的点在拟合结果上有一定的差距。综上所述，针对夜光遥感影像数据相互间辐射校正问题，始终没有准确校正的方法。

发明内容

针对上述问题，本发明的目的是提供一种能够使得校正更为准确的基于稳定映射点夜间灯光影像间相互辐射校正方法。

为实现上述目的，本发明采取以下技术方案：一种基于稳定映射点夜间灯光影像间相互辐射校正方法，其特征在于包括以下步骤：

1)读取待相互辐射校正的夜间灯光影像；

2)根据读入的夜间灯光影像确定参考地区；

3)确定校正参考影像；

4)提取影像中的稳定映射点作为相互校正中模型参数的回归解算点；

5)将回归解算点中的参考影像DN值与各待校正影像映射的DN值之间建立有理函数校正模型，计算得出校正参数；

6)采用步骤5)得出的校正参数对各待校正影像进行校正。

进一步，步骤4)提取影像中的稳定映射点作为相互校正中模型参数的回归解算点，具体过程为：

4.1)统计每幅待校正影像与参考影像对应像元DN值的映射数目；

4.2)选取每一幅待校正影像与参考影像间的稳定映射点作为该待校正影像校正参数的回归解算点，具体选取步骤如下：

4.21)从参考影像DN值映射到待校正影像的映射函数表示为：

DN_C＝F_(n，C)(DN_n)+δ_(n，C)，

式中，DN_C为待校正影像中的DN值数据，DN_n为待校正影像第n年影像对应的DN值数据，F_(n，C)为待校正影像对应参考影像的映射关系函数，δ_(n，C)为该映射关系下的噪声及误差，分别选取参考影像DN值从1～62中映射数目最多的点作为稳定映射点的候选点；

4.22)从校正影像DN值映射到参考影像的映射函数表示为：

DN_n＝F_(C，n)(DN_C)+δ_(C，n)，

式中，F_(C，n)为参考影像对应待校正影像的映射关系函数，δ_(C，n)为该映射关系下的噪声及误差，分别选取校正影像DN值从1～62中映射数目最多的点作为稳定映射点的候选点。

4.23)将上述两个映射候选点中映射关系一致的点作为最终的稳定映射点，并将最终的稳定映射点作为回归解算点。

进一步，

${\mathrm{DN}}_{(C,i)}=\frac{p1\×{\mathrm{DN}}_{(n,i)}^2+p2\×{\mathrm{DN}}_{(n,i)}+p3}{{\mathrm{DN}}_{(n,i)}^2+q1\×{\mathrm{DN}}_{(n,i)}+q2}$

式中，DN_(C，i)为稳定映射点的参考影像DN值数据，DN_(n，i)为待校正第n年影像稳定映射点对应的DN值数据，p1、p2、p3、q1、q2为待计算的校正参数。

进一步，6)采用步骤5)得出的校正参数对各待校正影像进行校正具体为：

6.1)根据有理函数模型对不同传感器不同时间的待校正影像进行校正：

${\mathrm{DN}}_{(n,i)}^{\′}=\frac{p1\×{\mathrm{DN}}_{(n,i)}^2+p2\×{\mathrm{DN}}_{(n,i)}+p3}{{\mathrm{DN}}_{(n,i)}^2+q1\×{\mathrm{DN}}_{(n,i)}+q2}$

式中，DN′_(n，i)为校正后的第n年第i像元的DN值结果，DN_(n，i)为待校正得第n年影像中第i像元的DN值。

6.2)对不同传感器获取的同一年影像进行连续性校正：

将校正后的不同传感器获取的同一年影像对应像元取平均值得到最终校正后的结果：

${\mathrm{DN}}_{(n,i)}^{\′\′}=\left\{\begin{array}{c}{\mathrm{DH}}_{(n,i)}^{\′}\\ \frac{{\mathrm{DN}}_{(n,i)}^{a^{\′}}+{\mathrm{DN}}_{(n,i)}^{b^{\′}}}{2}\end{array}\right.$

式中，DN″_(n，i)为DMSP/OLS非辐射定标第n年影像中第i个像元的最终校正结果，和分别为模型校正后的第n年两个不同传感器第i像元的DN值。

本发明由于采取以上技术方案，其具有以下优点：1、本发明提出了一种利用夜间灯光影像数据间的稳定映射点作为相互校正中模型回归解算的解算点，该回归解算点有效消除了使用所有对应点下影像各种噪声及少量变化区域引起的干扰，使得校正更加地准确。2、本发明利用有理函数作为校正线性回归模型，该模型能够有效表征具有城区亮度饱和区域等特殊情况下夜间灯光影像的辐射对应关系，使得校正精度更高。综上所述，本发明可以广泛应用于未进行辐射定标的夜间稳定灯光强度影像数据，例如美国国防气象卫星(DefenseMeteorologicalSatelliteProgram,DMSP)搭载的业务型线扫描传感器(OperationalLinescanSystem,OLS)获取的夜间灯光影像的多卫星传感器、多年际之间的相互辐射校正中。

附图说明

图1是本发明的辐射校正方法流程示意图；

图2是本发明的夜光卫星亮度映射统计及有理函数模型拟合示意图。

具体实施方式

以下结合附图来对本发明进行详细的描绘。然而应当理解，附图的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。

如图1所示，本发明提供的基于稳定映射点夜间灯光影像间相互辐射校正方法，包括以下步骤：

1、读取待相互辐射校正的夜间灯光影像。

本发明以DMSP/OLS数据为例进行说明，但是不限于此，DMSP/OLS数据可以通过美国国家海洋和大气管理局网站下载获得。DMSP/OLS数据为年度栅格影像数据，参考系为WGS_84坐标系，影像的获取幅宽为3000km，空间分辨率为30″(″为弧秒，在赤道附近约为1km，在40°N处约为0.8km)，光谱分辨率为6bit。

夜间灯光影像为灰度影像，像元的灰度值(DN值)代表了平均灯光强度，是滤除了多时相不同增益下云、火光和油气燃烧等偶然噪声的影响后对全年可见光/近红外通道数据中各像元无云观测次数及其对应灰度值进行平均化处理得到的，灰度值范围为0～63，饱和灰度值为63，黑暗的无灯光区域以及非稳定灯光区域的灰度值为0。该DMSP/OLS数据的读取可以采用Matlab等软件或自行编程的方式，将夜间灯光影像上每个像元的DN值读出。

2、根据读入的夜间灯光影像确定参考地区。

根据步骤1中读入的夜间灯光影像，在夜间灯光影像覆盖范围内选择国内生产总值低于全国平均水平并且年平均增长率低于20％的发展稳定的城市，且该城市范围内夜间灯光影像DN值范围分布大于70％，将该区域确定为参考地区。

3、确定校正参考影像。

分别计算步骤1中读取的所有夜间灯光影像在步骤2参考地区每年的年平均DN值和亮像元总数，从第二年开始，计算每年的年平均DN值和亮像元总数与其前后两年的年平均DN值和亮像元总数的差值(所有年的年平均DN值和亮像元总数中最大值减去最小值得到差值)，然后计算该差值分别与所有年的年平均DN值和亮像元总数的比值，如果这两个比值均在设定范围以内，例如设定范围取值为0.05，但是不限于此，可以根据实际需要进行确定，则将该夜间灯光影像作为校正参考影像。

其中，年平均DN值为每幅夜间灯光影像中所有像元DN值的平均值，可以通过读取夜间灯光影像所有点DN值求和，除以夜间灯光影像像素总数得到；

亮像元总数为每幅夜间灯光影像中DN值大于0小于64的像元点的总数，可以通过读取影像每个像素值大小，判读其是否大于0且小于64，如果大于0且小于64则计入总数，最后求得。

4、提取影像中的稳定映射点作为相互校正中模型参数的回归解算点，具体过程为：

1)统计每幅待校正影像与参考影像对应像元DN值的映射数目。

从步骤1读入的待校正夜间灯光影像与参考影像的参考地区左上角点像元开始，逐个像元点遍历所有参考地区的像元点，读取每个对应位置上待校正影像上的像元DN值与参考影像的DN值，并将相同DN值映射数目进行统计计数。每幅待校正影像均进行步骤1)的操作，如图2所示灰度图可以表示参考影像与其中某一幅待校正影像的统计计数结果，横坐标值为参考影像DN值，纵坐标值为待校正影像DN值，图中的灰度即可量化统计计数的大小。

2)选取每一幅待校正影像与参考影像间的稳定映射点作为该待校正影像校正参数回归解算点，稳定映射点为参考影像与待校正影像中对应相同DN值映射数目最多的值，具体选取步骤如下：

2.1)从参考影像DN值映射到待校正影像的映射函数可以表示为：

DN_C＝F_(n，C)(DN_n)+δ_(n，C)，

式中，DN_C为待校正影像中的DN值数据，DN_n为待校正影像第n年影像对应的DN值数据，F_(n，C)为待校正影像对应参考影像的映射关系函数，δ_(n，C)为该映射关系下的噪声及误差，上面的等式建立待校正影像与参考影像之间的映射关系，根据1)中的统计计数结果，分别选取参考影像DN值从1～62中映射数目最多的点作为稳定映射点的候选点。

2.2)从校正影像DN值映射到参考影像的映射函数简单表示为：

DN_n＝F_(C，n)(DN_C)+δ_(C，n)，

式中，F_(C，n)为参考影像对应待校正影像的映射关系函数，δ_(C，n)为该映射关系下的噪声及误差，上面等式建立参考影像与待校正影像之间的映射关系，分别选取校正影像DN值从1～62中映射数目最多的点作为稳定映射点的候选点。

2.3)将上述两个映射候选点中映射关系一致的点作为最终的稳定映射点，这些点将作为回归解算点。

5、将回归解算点(稳定映射点)中的参考影像DN值与各待校正影像映射的DN值之间建立有理函数校正模型，计算得出校正参数，有理函数模型的表达式如下：

${\mathrm{DN}}_{(C,i)}=\frac{p1\×{\mathrm{DN}}_{(n,i)}^2+p2\×{\mathrm{DN}}_{(n,i)}+p3}{{\mathrm{DN}}_{(n,i)}^2+q1\×{\mathrm{DN}}_{(n,i)}+q2}$

式中，DN_(C，i)为稳定映射点的参考影像DN值数据，DN_(n，i)为待校正第n年影像稳定映射点对应的DN值数据，p1、p2、p3、q1、q2为待计算的校正参数，如图2所示曲线为拟合出的有理函数模型曲线。

6、采用步骤5得出的校正参数对DMSP/OLS各待校正影像进行校正，具体为：

6.1)根据有理函数模型对不同传感器不同时间的待校正影像进行校正：

${\mathrm{DN}}_{(n,i)}^{\′}=\frac{p1\×{\mathrm{DN}}_{(n,i)}^2+p2\×{\mathrm{DN}}_{(n,i)}+p3}{{\mathrm{DN}}_{(n,i)}^2+q1\×{\mathrm{DN}}_{(n,i)}+q2}$

式中，DN′_(n，i)为校正后的第n年第i像元的DN值结果，DN_(n，i)为待校正得第n年影像中第i像元的DN值，p1、p2、p3、q1、q2为步骤5中计算得出的校正参数。

6.2)对不同传感器获取的同一年影像进行连续性校正：

将校正后的不同传感器获取的同一年影像对应像元取平均值得到最终校正后的结果：

${\mathrm{DN}}_{(n,i)}^{\′\′}=\left\{\begin{array}{c}{\mathrm{DN}}_{(n,i)}^{\′}\\ \frac{{\mathrm{DN}}_{(n,i)}^{a^{\′}}+{\mathrm{DN}}_{(n,i)}^{b^{\′}}}{2}\end{array}\right.$

式中，DN″_(n，i)为DMSP/OLS非辐射定标第n年影像中第i个像元的最终校正结果，和分别为模型校正后的第n年两个不同传感器第i像元的DN值。

6.3)获得校正后的夜间灯光影像可以用于进行区域在长时间序列上的扩展过程研究，同时也更适合在区域大尺度上的研究，即通过进行多年度时间序列制图，应用于大尺度城镇空间扩展研究、经济与人口估算、城市用电量、能源消耗分析、碳排放和光污染等环境问题的评估。

上述各实施例仅用于说明本发明，其中方法的各实施步骤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 (4)

1.一种基于稳定映射点夜间灯光影像间相互辐射校正方法，其特征在于包括以下步骤：

1)读取待相互辐射校正的夜间灯光影像；

2)根据读入的夜间灯光影像确定参考地区；

3)确定校正参考影像；

4)提取影像中的稳定映射点作为相互校正中模型参数的回归解算点；

5)将回归解算点中的参考影像DN值与各待校正影像映射的DN值之间建立有理函数校正模型，计算得出校正参数；

6)采用步骤5)得出的校正参数对各待校正影像进行校正。

2.如权利要求1所述的一种基于稳定映射点夜间灯光影像间相互辐射校正方法，其特征在于，步骤4)提取影像中的稳定映射点作为相互校正中模型参数的回归解算点，具体过程为：

4.1)统计每幅待校正影像与参考影像对应像元DN值的映射数目；

4.2)选取每一幅待校正影像与参考影像间的稳定映射点作为该待校正影像校正参数的回归解算点，具体选取步骤如下：

4.21)从参考影像DN值映射到待校正影像的映射函数表示为：

DN_C＝F_(n,C)(DN_n)+δ_(n,C)，

式中，DN_C为待校正影像中的DN值数据，DN_n为待校正影像第n年影像对应的DN值数据，F_(n,C)为待校正影像对应参考影像的映射关系函数，δ_(n,C)为该映射关系下的噪声及误差，分别选取参考影像DN值从1～62中映射数目最多的点作为稳定映射点的候选点；

4.22)从校正影像DN值映射到参考影像的映射函数表示为：

DN_n＝F_(C,n)(DN_C)+δ_(C,n)，

式中，F_(C,n)为参考影像对应待校正影像的映射关系函数，δ_(C,n)为该映射关系下的噪声及误差，分别选取校正影像DN值从1～62中映射数目最多的点作为稳定映射点的候选点。

4.23)将上述两个映射候选点中映射关系一致的点作为最终的稳定映射点，并将最终的稳定映射点作为回归解算点。

3.如权利要求1或2所述的一种基于稳定映射点夜间灯光影像间相互辐射校正方法，其特征在于，

${\mathrm{DN}}_{(C,i)}=\frac{p1\×{\mathrm{DN}}_{(n,i)}^2+p2\×{\mathrm{DN}}_{(n,i)}+p3}{{\mathrm{DN}}_{(n,i)}^2+q1\×{\mathrm{DN}}_{(n,i)}+q2}$

式中，DN_(C,i)为稳定映射点的参考影像DN值数据，DN_(n,i)为待校正第n年影像稳定映射点对应的DN值数据，p1、p2、p3、q1、q2为待计算的校正参数。

4.如权利要求3所述的一种基于稳定映射点夜间灯光影像间相互辐射校正方法，其特征在于，6)采用步骤5)得出的校正参数对各待校正影像进行校正具体为：

6.1)根据有理函数模型对不同传感器不同时间的待校正影像进行校正：

${\mathrm{DN}}_{\left(n,i\right)}^{\′}=\frac{p1\×{\mathrm{DN}}_{\left(n,i\right)}^2+p2\×{\mathrm{DN}}_{\left(n,i\right)}+p3}{{\mathrm{DN}}_{\left(n,i\right)}^2+q1\×{\mathrm{DN}}_{\left(n,i\right)}+q2}$

式中，DN′_(n,i)为校正后的第n年第i像元的DN值结果，DN_(n,i)为待校正得第n年影像中第i像元的DN值。

6.2)对不同传感器获取的同一年影像进行连续性校正：

将校正后的不同传感器获取的同一年影像对应像元取平均值得到最终校正后的结果：

${\mathrm{DN}}_{\left(n,i\right)}^{\′\′}=\left\{\begin{array}{c}{\mathrm{DN}}_{\left(n,i\right)}^{\′}\\ \frac{{\mathrm{DN}}_{\left(n,i\right)}^{a^{\′}}+{\mathrm{DN}}_{\left(n,i\right)}^{b^{\′}}}{2}\end{array}\right.$

式中，DN″_(n,i)为DMSP/OLS非辐射定标第n年影像中第i个像元的最终校正结果，和分别为模型校正后的第n年两个不同传感器第i像元的DN值。