CN106644092A - 基于可见光信息的红外纹理温度场调制方法 - Google Patents
基于可见光信息的红外纹理温度场调制方法 Download PDFInfo
- Publication number
- CN106644092A CN106644092A CN201710006009.7A CN201710006009A CN106644092A CN 106644092 A CN106644092 A CN 106644092A CN 201710006009 A CN201710006009 A CN 201710006009A CN 106644092 A CN106644092 A CN 106644092A
- Authority
- CN
- China
- Prior art keywords
- temperature
- atural object
- coarse
- smooth
- texture
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000000463 material Substances 0.000 claims abstract description 298
- 230000005855 radiation Effects 0.000 claims abstract description 48
- 238000009826 distribution Methods 0.000 claims abstract description 28
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 96
- 230000011218 segmentation Effects 0.000 claims description 18
- 238000010521 absorption reaction Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 12
- 238000013459 approach Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 239000006244 Medium Thermal Substances 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 239000013256 coordination polymer Substances 0.000 claims description 2
- 239000011521 glass Substances 0.000 claims description 2
- 238000003709 image segmentation Methods 0.000 claims description 2
- 239000002689 soil Substances 0.000 claims description 2
- 230000036962 time dependent Effects 0.000 claims description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims 1
- 235000009508 confectionery Nutrition 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 claims 1
- -1 flat Sandy beach Substances 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 16
- 230000003993 interaction Effects 0.000 abstract 1
- 238000002310 reflectometry Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000004907 flux Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007670 refining Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于可见光信息的红外纹理温度场调制方法,主要解决现有调制方法物理可信性不强和对粗糙材质调制时出现错误的问题,其方案是,1.分割可见光遥感图像获取地物材质区域分布,利用地物热特征预测模型计算材质的宏观温度并生成二维温度分布图纹理;2.根据小尺度下地物材质表面与太阳辐射相互作用不同的特点,将地物材质分为光滑材质和粗糙材质两类;3.对这两类材质分别调制得到各自的温度,并这两类材质区域设置不同的调制温度,生成红外纹理温度场。本发明生成的红外纹理更具科学性和真实性,将其应用于三维地表仿真,生成的红外图像真实感强,实用性好,可用于大规模红外场景仿真中。
Description
技术领域
本发明属于红外技术领域,具体涉及纹理可见光信息的材质温度场调制方法,可用于大规模红外场景仿真中。
背景技术
红外成像系统具有精度高、抗干扰能力强、使用灵活等特点,越来越受到各国的关注和倡导。红外成像系统的研制往往要考虑各种性能指标,找到能够克服时间、环境、地域的限制,降低成本,缩短周期,同时生成各种环境下的高真实感目标仿真图像,成为一个迫切的要求。实现逼真的红外场景仿真其关键在于如何生成大规模、自然的地物背景红外纹理。而地物背景红外纹理的真实性既取决于其纹理细节的丰富性,也取决于其温度细节变化的合理性。因此生成高真实的地物红外纹理并将其运用到三维数字仿真中具有重要的研究意义。
对可见光波段而言,可见光纹理主要反映了物体表面对有限的自然或人工光源,如太阳、环境光、灯、火等所发出的可见光辐射进行反射、折射或透射的物理过程。通常表面对环境与强光的反射构成了可见光纹理的主要细节特征。而对红外波段而言,由于任何温度高于绝对零度的物体都向外界辐射能量,因此红外纹理所表现的红外辐射空间分布特征不但应反映出物体表面对其它辐射源的红外光谱反射、透射特征,还应反映物体表面自身辐射特征。根据这一要求,可以将红外纹理定义为:综合反映物体表面由热辐射、反射辐射与透射辐射构成的红外辐射能量场的空间分布特性,其图像形式表现为不同灰度的空间分布。
红外场景仿真生成红外纹理的方法主要有:基于实测红外图像生成红外纹理,基于温度理论预测模型来生成大范围的地物红外纹理,基于小幅无缝红外纹理生成大规模场景红外纹理和基于可见光信息生成红外纹理。其中:
基于实测红外图像生成地物红外纹理,由于国内红外遥感平台尚未成熟,使得实测图像较难获得;而即使具备了获取红外图像的硬件条件,仍存在采集过程工作量庞大、成本高昂,数据参数固化导致应用灵活性差等问题。
基于温度理论预测模型来生成大范围的地物红外纹理,是通过给定地物材料的光学和热物理参数、周围环境及大气等条件,采用三维热节点网络来计算大规模地物表面的温度分布,这种方法由于对决定物体热交换的许多热规律还没有充分的认识,因此无法建立能完整描述其复杂分布的、稳定的温度预测模型。即使基于各种理想假设建立了简化的温度预测模型,求解与场景规模成正比的、庞大的热平衡方程组时,其计算量非常巨大,极为耗时。
基于小幅无缝红外纹理生成大规模场景红外纹理,是比较成熟的方法,其方法首先依照仿真应用对地貌的需求、地貌类型的海拔高度特点等采用人工规划的方式来设计地貌分布,再针对地貌材质生成可无缝拼接的小幅红外纹理,基于循环纹理映射对相应地貌分布区域进行填充,实现大规模地物红外纹理的生成。这种方法流程简单,易于实现,因此也被许多成熟的红外场景仿真商业软件,如SE-WORKBENCH-IR、Vega/Vega Prime等支持,在大量的仿真开发中获得应用。虽然该方法可以仿真出较为真实的红外场景,但仍存在以下几个问题:a)对纹理的循环映射使得场景细节有明显的周期性重复;b)人工规划材质区域的工作量大,且材质区域边界平直、生硬;c)通常不能表现出不同地物间因热量传递而存在的温度平滑过渡。这些不足会导致仿真结果不够自然、逼真。
针对以上生成红外纹理方法的不足,国内外研究者们提出一种基于来源丰富、采集成本相对较低的可见光图像转化为红外图像的思路。在此思路的基础上,许多学者进行了基于可见光信息生成红外纹理的调制方法的研究,这种方法首先对可见光遥感图像进行地貌区域类型分割,并以相应的材质类型对地貌进行标志,生成地物材质区域分布图;然后根地物热特征预测模型计算材质的宏观温度;进一步运用可见光遥感图信息,对基本红外纹理中各材质的宏观温度进行调制,增强纹理细节,最终生成地物红外纹理。这类方法在温度细节调制过程中,都是对所有材质类型使用一种固定的调制模型,没有根据材质类型的不同来选择相适应的调制模型;且所公开的多种温度细节调制模型,分别存在调制算法无物理意义,或物理意义可信性不强,或对材质类型适用性不强等缺点。
例如,江照意在2007年的“典型目标场景的红外成像仿真研究”论文中,提出基于可见光纹理人工选定纯种材料颜色值,然后利用当前像素与纯种材料的高斯距离、发射、反射权重来调制红外纹理细节,但这一调制模型是基于经验提出的,未从理论角度论证和检验其可信性;且是对所有材质类型都采用此一调制方法,并不适用与表面粗糙、阴影区域较多的材质。
赵灿在2010年的“面向OGRE的红外纹理设计与生成方法研究”论文中,提出通过可见光纹理的平均灰度、灰度变化和红外纹理的平均温度、温度变化建立映射关系来调制红外纹理温度细节,但其方法中的灰度-温度映射是基于经验的,未从理论角度论证和检验其可信性;并且也存在多种纹理都是一种调制模型的适应性差的缺点。
郜龙浩在2013年的“地面背景红外纹理生成及在场景仿真中的应用”论文中,提出通过遥感图像中的高度、颜色参数等可见光信息与环境参数调制生成红外纹理,但未完整建立其调制方法的物理意义,且调制模型单一。
黄曦在2014年发表的博士论文“高真实感红外场景实时仿真技术研究”是利用遥感图像中材质的可见光光学属性变化、地物海拔变化、相邻区域热传递方面等可见光信息调制生成红外纹理,这种方法有一定的物理依据,但在调制过程中未区分材质种类,调制模式单一,不适用粗糙表面材质的调制。
发明内容
本发明的目的在于针对上述现有技术存在的缺陷,提出一种基于可见光信息的红外纹理温度场调制方法,根据不同材质的特点来选择合适的温度场调制方法,以提高调制过程的物理可信性。
本发明的目的是这样实现的:
一.技术原理
可见光遥感图像综合反映了在可见光波段下地物对太阳光和环境光的反射、吸收和透射作用。由于地物表面所接收的环境光通常差异不大,且与太阳光相比其能量要小得多,因此可以认为遥感图像中同一地物材质表面的像素颜色差异,主要反映了该地物材质的各局部区域与太阳辐射相互综合作用的不同。另外,对位置变化不大的同一地物而言,影响其表面温度的气温、湿度、风速等参数可视为是一致的,因此材质表面的温度细节变化也主要是由相应材质区域与太阳辐射相互综合作用的不同造成的。综上所述,以太阳辐射对材质表面的综合影响为桥梁,可以建立可见光遥感图像像素颜色差异与材质温度细节变化之间的物理关系。
本发明根据小尺度下地物材质表面与太阳辐射相互综合作用不同的特点,将地物材质划分为光滑地物材质和粗糙地物材质两类。
光滑材质例如道路,被太阳光匀照射到表面,但由于材质表面不同区域内的反射率存在差异,导致其反射的太阳光能量存在差异。这种反射能量差异是光滑材质的遥感图像像素颜色差异的主要原因。基于光滑材质的太阳可见光波段反射量与其表面短波反射率的正相关关系,可根据光滑材质红绿蓝各波段像素灰度值推算出材质的可见光反射率。又因为反射率和吸收率相加等于1,可进而由反射率推延到吸收率。再根据可见光波段吸收率与材质温度之间的相关性,推导出光滑材质温度场调制模型。
粗糙材质例如林冠,其材质表面的高低起伏或孔洞会形成大小不一的阴影。当粗糙材质的某小尺度区域内阴影很小时,该区域内绝大部分表面都直接被太阳照射;当区域内阴影很大时,该区域内绝大部分表面都没有接受太阳照射。与照射面积成正比的太阳照射能量差异是粗糙材质的遥感图像像素颜色差异与材质温度差异的主要原因。从可见光图像角度来看,材质小尺度区域内照射面积越大则受到的可见光辐射越多,所反射的可见光辐射也越多,对应的遥感图像像素灰度值越高。而从热物理角度来看,太阳照射下的材质比阴影下的材质吸收更多的短波辐射,表面温度更高,则材质小尺度区域内照射面积越大则高温面积占比越大,该小尺度区域的平均温度也越高。根据粗糙材质的可见光像素灰度与材质温度之间的上述正比关系,可推导出粗糙材质温度场调制模型。
二.技术方案
根据上述原理,本发明的技术方案包括如下:
(1)对可见光遥感图像的地物区域进行K均值图像分割,得到不同种类标签的二维局部区域块;
(2)根据二维局部区域块的形状和颜色特征,找出遥感图像中对应的区域,确定二维局部区域块所属的地物材质类型;
(3)将可见光遥感图像的每个像素灰度值逐一映射到二维局部区域块上,并为其所对应的材质类型依次编号,生成地物材质区域分布图;
(4)根据地物材质区域分布图,利用各地物材质区域的热物理特征预测模型,计算各地物材质区域的宏观温度,根据得到的各地物材质的温度对材质分布区域进行设置,生成综合各种地物材质于一体的温度二维分布图纹理;
(5)根据得到的地物材质区域分布图和小尺度下地物材质表面与太阳辐射相互综合作用不同的特点,得到光滑地物材质和粗糙地物材质;
(6)根据得到的光滑地物材质、粗糙地物材质和温度二维分布图纹理,用光滑材质调制模型调制光滑地物材质类型的温度分布,用粗糙材质调制模型调制粗糙地物材质类型的温度分布;
(7)将调制后的光滑地物材质温度分布与粗糙地物材质温度分布进行合成,得到一张具有各类地物材质的温度场纹理,即基于可见光信息的红外纹理温度场。
本发明与现有技术相比具有如下优点
1.本发明通过对各地物材质区域进行光滑材质和粗糙材质的判别,能够实现对材质进行分类,以利于实现对不同材质的红外纹理温度场的调制,提高物理可信性;
2.本发明通过用光滑材质调制模型调制光滑材质的各类地物类型的温度分布,用粗糙材质调制模型调制粗糙材质的各类地物类型的温度分布,与现有技术中调制方法只能调制光滑材质相比,更好地提高了调制方法的科学性,能提供更真实的红外纹理温度场。
附图说明
图1为本发明的实现框图;
图2为本发明使用的可见光遥感图;
图3为用本发明方法分割图2得到的道路和森林的TIFF图;
图4为用本发明方法调制图2生成的温度场纹理;
图5为用现有方法调制图2生成的温度场纹理。
具体实施方式
下面结合附图对本发明做进一步的详细描述:
参照附图1,本发明的具体步骤如下:
步骤1:读入可见光遥感图。
可见光遥感影像是对现实世界的直接反映,能真实直观、自然生动地表现各种自然地貌、景物的分布与细节变化,所以基于可见光遥感图像生成大规模地物红外纹理能有效地提高红外纹理的真实感。
可见光遥感图像可通过USGS软件、百度地图和google earth等软件下载得到。本发明的可见光遥感图像是从google earth上下载的西安某地的遥感图像。本发明实施的例子中,输入的遥感图像如图2所示。
步骤2:分割遥感图像。
分割遥感图像的算法有基于阈值的算法、基于边缘检测的算法、基于像素分类的算法及基于特定理论的算法等几类。由于基于像素分类的图像分割方法其分割结果较为稳定,本发明使用了该类算法中的K均值聚类分析方法对遥感图像进行地物分类,其分割步骤如下:
2a)利用图2的灰度直方图分布求出各波峰灰度值,将波峰对应的灰度级从大到小排序,选择前K个灰度级作为样本向量初值,选定K个聚类中心初始值{C1(l),C2(l),…,Ci(l),…,CK(l)},其中Ci(l)是经l次迭代后的第i个聚类中心值;
2b)根据与聚类中心的灰度大小的相似程度将所有的灰度进行总体分类,即按照如下归类公式将每个灰度划分到K聚类中心的一个:
||X(p)-Cj(l)||<||X(p)-Ci(l)||,条件为:X(p)∈Sj(l),
其中i,j=1,2,…,K,i≠j,Sj(l)代表第l次迭代时聚类j的样本,p为向量特征维数,X(p)为样本向量,||X(p)-Cj(l)||为每个样本向量与经l次迭代后的第j个聚类中心值的距离,||X(p)-Ci(l)||为每个样本向量与经l次迭代后的第i个聚类中心值的距离,当||X(p)-Cj(l)||小于||X(p)-Ci(l)||的欧氏距离时,表示每个样本向量与经l次迭代后第j个聚类中心值的距离是每个样本向量与这K个聚类中心值的距离的最小值,第l次迭代后,X(p)样本向量就归类到Sj(l)中;
2c)更新聚类中心值:
用步骤2b)中新划分的各聚类所包含的数据重新计算K个聚类中心,当新聚类中心到其类别中的各向量的距离加权和为最小时,生成新的聚类中心样本Cj(l+1):
其中j=1,2,…,K,Nj是归类为Sj的样本向量的数量。
2d)判定收敛条件:当新聚类中心满足|Cj(l+1)-Cj(l)|≤δ时,认为聚类收敛,否则,返回步骤2b)继续迭代,其中,δ是聚类中心变化判断系数;
2e)利用K均值聚类方法将所述图像分割为道路和森林两种材质类型,再运用计算机自动和人工交互相结合的处理方法对分割结果进行完善,最终完成对所述遥感图像中道路和森林的分割,并将分割后的图像存成TIFF格式,分割后的图像如图3所示,其中图3(a)为分割后的道路材质,图3(b)为分割后的森林材质。
步骤3:识别地物材质类型并生成地物材质区域分布图。
识别地物材质类型的方法有灰度共生纹理特征向量方法,基于纹理特征构建分类规则和模糊分类规则的方法,本发明是利用基于纹理特征分类的eCognition图像分析软件进行识别的,其识别步骤如下:
(3a)对分割后的每个TIFF图像中的每个像素点的第一个采样值进行判定,如果采样点数据是8位16进制数值OXff,则在该像素点对应的数组位置上赋值8位16进制数值OXff,反之,就在该像素点对应的数组位置上赋材质标号值;
(3b)如果读取的是道路的TIFF图像,则第一个采样点数组上赋道路材质的编号1,如果读取的植被的TIFF图像,则赋值编号数值2,对两种材质的TIFF图像依次读取、判定和赋值后,得到道路和森林的分布结果。
根据分割结果,将图2遥感图像的每个像素灰度值逐一映射为材质所对应的材质类型编号,即可生成地物材质区域分布图;
步骤4:计算各地物材质的宏观温度并生成温度二维分布图纹理:
不同地物材质的温度特征不仅与物体自身材料、结构、热特性参量有关,还与大气、物体周围环境及过去的热状态有关。针对不同地物材质建立相应的热预测模型,计算综合作用下地物材质随时间变化的宏观温度,可为地物红外纹理的生成提供关键数据,其生成温度二维分布图纹理的步骤如下:
4a)计算道路材质的宏观温度T0'(t)和森林材质的宏观温度T0"(t):
4a1)对大规模地物,为简化其热计算复杂度,可将其近似为长度、宽度无边界,厚度有限的一维导热材质来处理,使热传导仅在厚度方向发生,材质不同深度的温度随时间变化服从一维导热微分方程:
其中,T为绝对温度;t为时间;λg为介质导热率;C为介质热容量;ρm为材料密度;Z为深度坐标。
4a2)根据地物温度分布特点,确定一维导热方程的上边界条件地表服从热平衡方程,通过实测和经验值获得其下边界条件温度Th;
4a3)确定满足一维导热方程的上边界条件温度T0的热平衡方程:
上边界的热量交换主要是:物体自身热辐射、吸收的太阳与大气背景辐射、地表与大气间的显热交换和潜热交换、向下层传导的热量;
所述热量交换可用热平衡方程表述,该热平衡方程为:
αsEsun+εlEsky-Mg-Hg-LEg-Gh=0
其中αsEsun项是吸收的太阳短波辐射,εlEsky项是吸收的大气长波辐射,Mg是地表热辐射,Hg是地表与大气的显热交换通量,LEg是地表与大气的潜热交换通量,Gh是地表对下层的热传导项,αs是地表短波吸收率,εl是地表长波发射率。
所述地表热辐射Mg,可通过斯蒂芬-波尔兹曼公式Mg=εgσT0 4计算得到,其中,σ为斯蒂芬-玻尔兹曼常数;εg为物体表面全波段发射率,T0为满足一维导热方程上边界条件的温度。
所述显热交换通量Hg,可通过显热交换公式计算得到,其中,ρa为近地面空气密度,CP为空气定压比热,ra为空气动力学阻力;Ta为参考高度处大气温度。
所述地表与大气的潜热交换通量LEg,可通过潜热交换通量公式计算得到,其中,γ为干湿表常数;es(T0)为上边界条件温度为T0时的饱和水汽压;ea为近地面空气水汽压。
所述地表对下层的热传导项Gh,可通过地表的热传导公式计算得到。
4a4)计算道路材质的宏观温度T0'(t):
通过红外材质数据库找出道路材质短波吸收率、长波发射率、介质热容量、导热率、含水因子、水扩散率、介质结构等热物理特征参量,并通过测量和经验获取其材质的气温、太阳辐射、风速、相对湿度和大气辐射等环境因素,代入步骤4a3)确定的热平衡方程中,得到道路材质的上边界条件Ts,并通过实际测量得到道路材质的下边界条件温度Th'。
将道路材质的上边界条件Ts和下边界条件Th'代入步骤4a1)确定的一维导热方程中,得到道路地物材质的宏观温度T0'(t)。
4a5)计算森林地物材质的宏观温度T0"(t):
通过红外材质数据库找出森林材质短波吸收率、长波发射率、介质热容量、导热率、含水因子、水扩散率、介质结构等热物理特征参量,并通过测量和经验获取其材质的气温、太阳辐射、风速、相对湿度和大气辐射等环境因素,代入步骤4a3)确定的热平衡方程得到森林材质的上边界条件Ts';通过实际测量得到森林材质的下边界条件温度Th"。
将森林材质的上边界条件Ts'和下边界条件Th"代入步骤4a1)确定的一维导热方程中,得到森林地物材质的宏观温度T0"(t)。
4b)生成温度二维分布图纹理
在道路地物材质分布区域设置道路材质宏观温度T0'(t),在森林地物材质分布区域设置森林材质的宏观温度T0"(t),即可生成综合道路材质与森林材质为一体的温度二维分布图纹理。
步骤5:判读地物材质类型
根据小尺度下地物材质表面与太阳辐射相互综合作用的不同特点,得到光滑地物材质和粗糙地物材质对应关系表,再由识别出的地物材质类型,查询地物材质类型;其中光滑地物材质和粗糙地物材质对应关系如表1所示:
光滑材质 | 粗糙材质 |
道路 | 林冠 |
跑道 | 草地 |
硬实的土壤 | 农田 |
平坦的沙滩 | 崎岖的山体 |
玻璃 | 森林 |
由步骤3b)识别确定出的道路和森林材质,再通过表1查询得道路地物材质为光滑材质;森林地物材质为粗糙材质。
步骤6:计算道路材质调制后的温度T1(t)。
光滑材质遥感图像中的每个像素点中对应的材质区域受太阳均匀照射在表面,可见光波段表征出来的能量差异是材质区域的反射率不同造成的。材质像素点的灰度值越高,对应该材质区域的反射率越高,吸收率越低,温度越低。
根据光滑材质的灰度与温度的相关特性,按如下步骤计算道路材质调制后的温度T1(t):
6a)推导光滑材质的可见光吸收率αν:
由于光滑材质的反射量与其表面反射率呈正相关,故可根据光滑材质红绿蓝各波段像素灰度值推算出材质的可见光反射率,又因为反射率和吸收率相加等于1,进而由反射率推延到吸收率,具体方法如下:
根据可见光能量传输与传感器成像模型,将各波段传感器像素灰度值Gn表示为:
Gn=anRnρnEsun_n+bn
其中n=r,g,b,an是传感器增益,bn是传感器偏置,ρn是相应波段的反射率,Esun_n是相应波段的太阳辐射,ar≈ag≈ab=a,br≈bg≈bb=0;
根据反射率ρn=1时,灰度Gn=Gmax=255,得出光滑材质红绿蓝波段的反射率ρn为:
即
根据光滑材质的反射量与反射率成正比的特性,计算光滑材质可见光的反射率ρv为:
其中,系数cr,cg,cb分别是红、绿、蓝波段太阳辐射占可见光波段太阳辐射的比例,cr,cg,cb分别取为0.34、0.36、0.3;Esun_r为0.63~0.69μm波段对应的太阳辐射照度,Esun_g为0.52~0.60μm波段对应的太阳辐射照度,Esun_b为0.45~0.52μm波段对应的太阳辐射照度,Esun是太阳辐射总照度;
将代入ρv=crρr+cgρg+cbρb中,得光滑材质可见光的反射率ρv为:
根据基尔霍夫定律,利用得到的光滑材质的可见光反射率ρv,得到可见光波段吸收率:
6b)建立光滑材质调制模型公式
利用热预测模型对光滑材质的热属性参数敏感度进行的模拟与分析,结果表明,对各种自然的光滑材质地物材质而言,在有太阳辐射的时段,光滑材质地物的短波吸收率αs对温度的影响都较大,αs对温度的影响近似满足线性关系,它们的公式如下:
其中,是在t时刻平均短波吸收率为的光滑材质温度预测值;T(αs,t)是在t时刻短波吸收率为αs的光滑材质温度调制值;k1(t)是光滑材质温度随短波吸收率变化的梯度参数;αs为光滑材质短波吸收率;αν为光滑材质吸收率;为光滑材质平均吸收率;
所述的光滑材质短波吸收率αs可用αs=k2αν=k2(1-ρν)计算得到,其中,k2是将光滑材质可见光波段吸收率延拓为短波波段材质吸收率的比例因子,范围为(0,10]。
综上,光滑材质的调制模型公式为:
6c)根据光滑材质调制模型公式,计算道路材质调制后温度T1(t):
6c1)简化光滑材质调制模型公式:
由于可见光波段0.4~0.76μm范围内的太阳辐射能量约占太阳总能量的46%,因此可以通过可见光波段地物材质对太阳辐射来近似地物材质对太阳辐射。
为简化计算复杂度,将在t时刻平均短波吸收率为的光滑材质温度预测值近似为t时刻光滑材质的宏观温度T0'(t),将在t时刻短波吸收率为αs的光滑材质温度调制值T(αs,t)近似为t时刻光滑材质的调制温度T1(t),得到简化后的光滑材质调制模型公式:
6c2)利用简化后的光滑材质调制模型公式,得到道路材质调制后温度T1(t):
首先,读取可见光遥感图像的道路材质区域对应的像素点的红绿蓝颜色分量值Gr、Gg、Gb,并将其代入步骤6a)确定的可见光吸收率公式中,得到道路材质每一个像素点的可见光吸收率αν;
然后,对得到的道路材质每一个像素点的可见光吸收率αν求和并除以道路材质总像素个数M1,得到道路材质的平均可见光吸收率
最后,将得到的道路材质的可见光吸收率αν、平均可见光吸收率和通过步骤4a4)得到的道路材质宏观温度T0'(t)代入步骤6c1)确定的简化光滑材质温度场调制模型中,得到道路材质调制后温度T1(t)。
步骤7:计算森林材质调制后的温度T2(t)。
粗糙材质的某小尺度区域内阴影很小时,该区域内绝大部分表面都直接被太阳照射;当区域内阴影很大时,该区域内绝大部分表面都没有接受太阳照射。与照射面积成正比的太阳照射能量差异是粗糙材质的遥感图像像素颜色差异与材质温度差异的主要原因。从可见光图像角度来看,材质小尺度区域内照射面积越大则受到的可见光辐射越多,所反射的可见光辐射也越多,对应的遥感图像像素灰度值越高。而从热物理角度来看,太阳照射下的材质比阴影下的材质吸收更多的短波辐射,表面温度更高,则材质小尺度区域内照射面积越大则高温面积占比越大,该小尺度区域的平均温度也越高。根据粗糙材质的可见光像素灰度与材质温度之间的上述正比关系,可推导出粗糙材质温度场调制模型。
根据粗糙材质的特性,按如下步骤计算森林材质调制后的温度T2(t):
7a)推算直射比例hν与像素点灰度值的关系公式:
根据热平衡方程,可以认为可见光图像上的像素值G与粗糙材质的直射比例hν呈线性关系;用表示粗糙材质的平均直射比例,hν为某一像素点处的实际直射比例,Δhν为hν偏离的量,称为直射比例的扰动量。则灰度值与直射比例之间的关系可表示为:
其中,灰度值Gc为分割后的遥感图像中的粗糙材质区域进行灰度化得到粗糙材质地物类型每一个像素点灰度值;hν为每个像素点接收太阳辐射能量与太阳完全直射像素点的太阳辐射能量的直射比例;Gtotal_in为太阳完全直射像素点时hν为1时像素点的灰度值,它是所调制的粗糙材质的最大灰度值;Gtotal_out为像素点全部处于阴影时hν为0时像素点的灰度值,它是该粗糙材质的最小灰度值;式中是将粗糙材质的像素点的值压缩到0~1,式中的范围将在[-1/2,1/2]内,则粗糙材质地物类型的直射比例的扰动值在之间,可以通过调节kg来改变直射比例的扰动细节,kg为调制比例系数,kg的范围为[-10,10];
7b)建立粗糙材质调制模型公式
利用热预测模型对有粗糙材质的热属性参数敏感度进行的模拟与分析,结果表明,对各种自然的有自阴影的地物材质而言,在有太阳辐射的时段,粗糙材质地物类型的直射比例hv对温度的影响都较大,hv对温度的影响近似满足线性关系,它们的公式如下:
其中,T0"(t)为t时刻粗糙材质的宏观温度,T2(t)为t时刻粗糙材质的调制后的温度,k3(t)为材质温度随直射比例变化的梯度参数;表示粗糙材质的平均直射比例,当粗糙材质地物类型的直射比例为时,调制后的温度仍旧等于宏观温度;
代入步骤7a)确定的直射比例与灰度值的公式,得到的粗糙材质调制模型公式为:
7c)利用粗糙材质调制模型公式,得到森林材质调制后温度T2(t):
首先,对可见光遥感图像森林材质区域进行灰度化和模糊处理,使其变成灰度图像,得到森林粗糙材质区域每一个像素点灰度值Gc,并找出材质区域的最大灰度值Gtotal_in和最小灰度值Gtotal_out;
然后,通过步骤4a5)得到的森林材质宏观温度T0"(t)代入步骤7b)确定的粗糙材质温度场调制模型中,得到森林材质调制后温度T2(t)。
步骤8:根据得到的道路材质调制后的温度T1(t)和得到的森林材质调制后的温度T2(t),显示生成的红外纹理温度场。
在道路材质区域设置道路材质调制后的温度T1(t),在森林材质区域设置森林材质调制后的温度T2(t),生成一张综合道路材质与森林材质为一体的调制后的温度场T3(t),即生成一张红外纹理温度场;
将红外纹理温度场映射为0~255个灰度级的灰度图像进行显示的,计算温度场T3(t)的各像素点的灰度值公式为:
其中,T3(t)x为第x个像素点对应的调制后的温度值,T3(t)max、T3(t)min分别为整个温度场的最大、最小温度值;
将得到的红外纹理温度场按照计算出的各像素点的灰度值进行显示,结果如图4所示。
以下结合仿真实验,对本发明的效果作进一步的说明。
1.仿真条件:
本发明实施实例采用处理器为Inter Core i5-3210M,主频为2.5GHz,内存4GB的硬件测试平台,32位Windows 7操作系统的Matlab R2013a的软件平台,采用527*786的可见光遥感图像如图2所示。
2.仿真内容
仿真1,用本发明方法对图2可见光遥感图像进行分割,得到的道路和森林的TIFF图,如图3所示,其中图3(a)为分割后的道路材质,图3(b)为分割后的森林材质;通过本发明计算出的道路材质宏观温度和森林材质的宏观温度,再通过识别判读材质类型,得到道路材质为光滑材质,森林材质为粗糙材质;再利用光滑材质调制公式,得到道路材质的调制温度,利用粗糙材质调制公式,得到森林材质的调制温度;然后,对分割后的道路材质区域设置本发明计算出的道路材质的调制温度,再对分割后的森林材质区域设置本发明计算出的森林材质的调制温度,生成红外纹理温度场如图4所示。
仿真2,用黄曦在2014年发表的博士论文“高真实感红外场景实时仿真技术研究”中的调制模型公式对图2可见光遥感图像进行分割,并生成红外纹理温度场如图5所示;
从图4可见,利用本发明生成的温度场纹理,森林材质灰度值越低的区域,调制出来的温度值越小,亮度越低温度越低,亮度越高温度越高;道路材质灰度值越低的区域,调制出来的温度值越大,亮度越低温度越高,亮度越高温度越低;
从图5可见,利用现有的调制模型利用吸收率与温度呈正相关进行对宏观温度调制,经过调制后道路材质温度与本发明调制后的温度一致,经过调制后的森林材质灰度值越低的区域,温度反而越高,与实际不符。
仿真结果表明,相对于现有的调制方法,本发明通过分类出光滑材质和粗糙材质,再分类调制出的温度场更具科学性和真实性。
Claims (5)
1.基于可见光信息的红外纹理温度场调制方法,其特征在于,包括以下步骤:
(1)对可见光遥感图像的地物区域进行K均值图像分割,得到不同种类标签的二维局部区域块;
(2)根据二维局部区域块的形状和颜色特征,找出遥感图像中对应的区域,确定二维局部区域块所属的地物材质类型;
(3)将可见光遥感图像的每个像素灰度值逐一映射到二维局部区域块上,并为其所对应的材质类型依次编号,生成地物材质区域分布图;
(4)根据地物材质区域分布图,利用各地物材质区域的热物理特征预测模型,计算各地物材质区域的宏观温度,根据得到的各地物材质的温度对材质分布区域进行设置,生成综合各种地物材质于一体的温度二维分布图纹理;
(5)根据得到的地物材质区域分布图和小尺度下地物材质表面与太阳辐射相互综合作用不同的特点,得到光滑地物材质和粗糙地物材质;
(6)根据得到的光滑地物材质、粗糙地物材质和温度二维分布图纹理,用光滑材质调制模型调制光滑地物材质类型的温度分布,用粗糙材质调制模型调制粗糙地物材质类型的温度分布;
(7)将调制后的光滑地物材质温度分布与粗糙地物材质温度分布进行合成,得到一张具有各类地物材质的温度场纹理,即基于可见光信息的红外纹理温度场。
2.根据权利要求1所述的方法,其中步骤(4)中计算各地物材质区域的宏观温度,按如步骤进行:
4a)利用能量热平衡方程求出满足热传导方程上边界条件地表平均温度T0:
其中,αsEsun项为吸收的太阳短波辐射,Mg为地表热辐射,αs为地表短波吸收率,σ为斯蒂芬-玻尔兹曼常数,εg为物体表面全波段发射率,λg为介质导热率,εlEsky项是吸收的大气长波辐射,εl是地表长波发射率,ρa为近地面空气密度,CP为空气定压比热,ra为空气动力学阻力;Ta为大气温度,γ为干湿表常数,es(T0)为地表温度为T0时的饱和水汽压,ea为近地面空气水汽压;
4b)通过测量得到满足热传导方程的下边界条件温度Th;
4c)利用上边界条件地表平均温度T0和下边界温度Th,求解热传导方程得到各地物材质区域随时间变化的宏观温度T(t),热传导方程的公式为:
其中,T为绝对温度,t为时间,C为介质热容量,ρm为材料密度;Z为深度坐标。
3.根据权利要求1所述的方法,其中步骤(5)中根据小尺度下地物材质表面与太阳辐射相互综合作用不同的特点,得到光滑地物材质和粗糙地物材质,按如下步骤进行:
首先,根据小尺度下地物材质表面与太阳辐射相互综合作用的不同特点,得到光滑地物材质和粗糙地物材质对应关系表,表中的光滑材质包括道路、跑道、殷实的土壤、平坦的沙滩、玻璃;粗糙材质有林冠,草地,农田,崎岖的山体,森林;
然后,通过关系表中光滑地物材质和粗糙地物材质的对应关系,得到光滑材质和粗糙材质。
4.根据权利要求1所述方法,其中步骤(6)中用光滑材质调制模型调制光滑地物材质类型,利用如下公式进行:
其中,T0'(t)为光滑材质宏观温度值;T1(t)为调制后光滑材质温度值;k1(t)是光滑材质温度随短波吸收率变化的梯度参数;αν是光滑材质可见光波段的吸收率;是光滑材质可见光波段的平均吸收率;k2为将光滑材质可见光波段吸收率延拓为短波波段材质吸收率的比例因子,范围为[-10,10]。
5.根据权利要求1所述的方法,其中步骤(6)中用粗糙材质调制模型调制粗糙地物材质类型,按如下公式进行:
其中,T0"(t)为粗糙材质宏观温度值;T2(t)为调制后粗糙材质温度值;k3(t)为材质温度随直射比例变化的梯度参数;灰度值Gc为分割后的遥感图像中的粗糙材质区域进行灰度化和模糊处理,得到粗糙地物类型每一个像素点灰度值;hν为每个像素点接收太阳辐射能量与太阳完全直射像素点的太阳辐射能量的直射比例;Gtotal_in为太阳完全直射像素点时hν为1时像素点的灰度值,它是某一种粗糙材质的最大灰度值;Gtotal_out为像素点全部处于阴影时hν为0时像素点的灰度值,它是某一种粗糙材质的最小灰度值;式中是将粗糙材质的像素点的值压缩到0~1,式中的范围将在[-1/2,1/2]内,则粗糙材质地物类型的直射比例的扰动值在之间,可以通过调节kg来改变直射比例的扰动细节,kg为调制比例系数,范围为[-10,10]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710006009.7A CN106644092B (zh) | 2017-01-05 | 2017-01-05 | 基于可见光信息的红外纹理温度场调制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710006009.7A CN106644092B (zh) | 2017-01-05 | 2017-01-05 | 基于可见光信息的红外纹理温度场调制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106644092A true CN106644092A (zh) | 2017-05-10 |
CN106644092B CN106644092B (zh) | 2019-01-15 |
Family
ID=58843067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710006009.7A Active CN106644092B (zh) | 2017-01-05 | 2017-01-05 | 基于可见光信息的红外纹理温度场调制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106644092B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109658496A (zh) * | 2018-11-05 | 2019-04-19 | 西安电子科技大学 | 一种飞机红外纹理图像生成方法 |
CN109671111A (zh) * | 2018-11-09 | 2019-04-23 | 西安电子科技大学 | 基于可见光遥感图像的温度场调制方法 |
CN112461829A (zh) * | 2019-09-06 | 2021-03-09 | 科沃斯机器人股份有限公司 | 一种光流传感模块、自移动机器人以及材质检测的方法 |
CN112785553A (zh) * | 2020-12-30 | 2021-05-11 | 深兰人工智能芯片研究院(江苏)有限公司 | 密度估计方法、装置、电子设备及计算机可读存储介质 |
CN117541626A (zh) * | 2024-01-08 | 2024-02-09 | 广东泰一高新技术发展有限公司 | 基于深度学习的遥感影像变化检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609962A (zh) * | 2012-01-18 | 2012-07-25 | 中国人民解放军61517部队 | 热红外图像模拟方法 |
CN103439525A (zh) * | 2013-08-24 | 2013-12-11 | 西安电子科技大学 | 基于可见光遥感图像的舰船速度检测方法 |
CN103942831A (zh) * | 2014-04-11 | 2014-07-23 | 北京理工大学 | 一种新的基于景物空间频率的红外图像纹理仿真方法 |
JP2015019346A (ja) * | 2013-06-12 | 2015-01-29 | 日本放送協会 | 視差画像生成装置 |
CN104835203A (zh) * | 2015-04-17 | 2015-08-12 | 北京理工大学 | 一种基于OptiX的自然场景温度场计算方法及系统 |
-
2017
- 2017-01-05 CN CN201710006009.7A patent/CN106644092B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609962A (zh) * | 2012-01-18 | 2012-07-25 | 中国人民解放军61517部队 | 热红外图像模拟方法 |
JP2015019346A (ja) * | 2013-06-12 | 2015-01-29 | 日本放送協会 | 視差画像生成装置 |
CN103439525A (zh) * | 2013-08-24 | 2013-12-11 | 西安电子科技大学 | 基于可见光遥感图像的舰船速度检测方法 |
CN103942831A (zh) * | 2014-04-11 | 2014-07-23 | 北京理工大学 | 一种新的基于景物空间频率的红外图像纹理仿真方法 |
CN104835203A (zh) * | 2015-04-17 | 2015-08-12 | 北京理工大学 | 一种基于OptiX的自然场景温度场计算方法及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109658496A (zh) * | 2018-11-05 | 2019-04-19 | 西安电子科技大学 | 一种飞机红外纹理图像生成方法 |
CN109658496B (zh) * | 2018-11-05 | 2021-04-13 | 西安电子科技大学 | 一种飞机红外纹理图像生成方法 |
CN109671111A (zh) * | 2018-11-09 | 2019-04-23 | 西安电子科技大学 | 基于可见光遥感图像的温度场调制方法 |
CN112461829A (zh) * | 2019-09-06 | 2021-03-09 | 科沃斯机器人股份有限公司 | 一种光流传感模块、自移动机器人以及材质检测的方法 |
CN112461829B (zh) * | 2019-09-06 | 2022-11-18 | 科沃斯机器人股份有限公司 | 一种光流传感模块、自移动机器人以及材质检测的方法 |
CN112785553A (zh) * | 2020-12-30 | 2021-05-11 | 深兰人工智能芯片研究院(江苏)有限公司 | 密度估计方法、装置、电子设备及计算机可读存储介质 |
CN117541626A (zh) * | 2024-01-08 | 2024-02-09 | 广东泰一高新技术发展有限公司 | 基于深度学习的遥感影像变化检测方法 |
CN117541626B (zh) * | 2024-01-08 | 2024-05-07 | 广东泰一高新技术发展有限公司 | 基于深度学习的遥感影像变化检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106644092B (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Classification of local climate zones using ASTER and Landsat data for high-density cities | |
CN106644092B (zh) | 基于可见光信息的红外纹理温度场调制方法 | |
CN102902956B (zh) | 一种地基可见光云图识别处理方法 | |
Asadi et al. | Simulation of green roofs and their potential mitigating effects on the urban heat island using an artificial neural network: A case study in Austin, Texas | |
CN100595782C (zh) | 一种融合光谱信息和多点模拟空间信息的分类方法 | |
CN110264484A (zh) | 一种面向遥感数据的改进海岛岸线分割系统及分割方法 | |
Zhou et al. | Individual tree parameters estimation for plantation forests based on UAV oblique photography | |
CN110309780A (zh) | 基于bfd-iga-svm模型的高分辨率影像房屋信息快速监督识别 | |
CN103942420A (zh) | 一种建筑物尺度的太阳能快速估算方法 | |
CN106228130B (zh) | 基于模糊自编码网络的遥感影像云检测方法 | |
CN107491758A (zh) | 长江流域水体信息提取及其空间编码方法 | |
CN102270355A (zh) | 一种基于景物分类的红外场景图像生成方法 | |
CN108932742A (zh) | 一种基于遥感图像分类的大规模红外地形场景实时渲染方法 | |
CN103699543A (zh) | 基于遥感图像地物分类的信息可视化方法 | |
CN111582575B (zh) | 一种多时空尺度下城市热环境形成发展主导因素识别方法 | |
CN109671111B (zh) | 基于可见光遥感图像的温度场调制方法 | |
WO2006135376A2 (en) | System and method for infrared sensor simulation | |
CN107423537A (zh) | 一种基于自适应阈值的地表温度降尺度的方法 | |
Qi et al. | Development and application of 3D spatial metrics using point clouds for landscape visual quality assessment | |
CN106780586B (zh) | 一种基于地面激光点云的太阳能潜力评估方法 | |
CN109919250A (zh) | 考虑土壤水分的蒸散发时空特征融合方法及装置 | |
Han et al. | How do 2D/3D urban landscapes impact diurnal land surface temperature: Insights from block scale and machine learning algorithms | |
WO2006098750A2 (en) | System and method for adding spatial frequency into an image | |
CN104573662B (zh) | 一种云判方法和系统 | |
CN109242810A (zh) | 一种城镇扩展遥感监测及城镇质量评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |