CN107230186A - 一种卫星遥感影像物理匀色方法 - Google Patents
一种卫星遥感影像物理匀色方法 Download PDFInfo
- Publication number
- CN107230186A CN107230186A CN201610166029.6A CN201610166029A CN107230186A CN 107230186 A CN107230186 A CN 107230186A CN 201610166029 A CN201610166029 A CN 201610166029A CN 107230186 A CN107230186 A CN 107230186A
- Authority
- CN
- China
- Prior art keywords
- image
- even color
- physics
- wfv
- satellite remote
- 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 63
- 230000005855 radiation Effects 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims abstract description 9
- 238000007619 statistical method Methods 0.000 claims abstract description 5
- 238000004088 simulation Methods 0.000 claims abstract description 4
- 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 5
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 10
- 230000004075 alteration Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000002310 reflectometry Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005316 response function Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- VAYOSLLFUXYJDT-RDTXWAMCSA-N Lysergic acid diethylamide Chemical compound C1=CC(C=2[C@H](N(C)C[C@@H](C=2)C(=O)N(CC)CC)C2)=C3C2=CNC3=C1 VAYOSLLFUXYJDT-RDTXWAMCSA-N 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000010438 granite Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Color Television Image Signal Generators (AREA)
Abstract
本发明公开了一种卫星遥感影像物理匀色方法,具体为:1)采用交叉定标方法,以敦煌辐射校正场为传递平台,将MODIS影像应为作为参考基准,获取GF‑1卫星WFV传感器某一台相机绝对辐射定标系数;2)利用统计分析的方法建立相邻相机影像DN值相关模型;3)利用仿真模拟方法建立相邻相机影像表观辐亮度相关模型;4)建立自交叉辐射定标模型实现其它相机绝对辐射定标;5)利用各相机定标系数将影像DN值转换为表观辐亮度,进而实现影像物理匀色。与传统匀色方法相比,本方法在不破坏原始影像辐射信息的同时,实现了相机间的物理匀色。
Description
技术领域
本发明涉及航天遥感卫星领域,尤指一种卫星遥感影像物理匀色方法。
背景技术
为了保证卫星传感器既能获取高空间分辨率卫星影像,同时能够具备宽覆盖对地观测能力,人们经常采用多相机拼接的方法实现该目的。例如,GF-1卫星搭载的宽幅盖WFV传感器采用4台相机拼接成像技术,如图1所示,实现了高分辨率与大视场相结合的研制总目标,其能够获取空间分辨率为16m,幅宽优于800km的卫星影像。然而,由于各相机相关参数(相机观测角度、相机光谱响应函数等)有所不同,导致不同相机获取的卫星影像重叠区域出现了较为明显的辐射不一致性问题,即存在色差现象。因此若要使同一传感器不同相机获取的影像进行拼接处理后不存在色差问题,需要对其结果进行影像匀色处理。
目前,已经有许多研究学者针对该问题提出了相应的解决方法。例如,王建忠提出将小波变换用于影像匀色处理。朱述龙等人在对小波变换匀色方法和基于重叠影像的匀色方法的优劣性进行分析后,提出了一种拼接缝消除的强制改正方法。易尧华等人在对常用的影像色调平衡方法进行总结后,提出了一种适用于大型影像数据库中影像匀色方法。周延刚提出了一种基于色度空间变换和动态宽度的遥感影像拼接缝消除方法,并利用航空影像验证了算法的可行性。李德仁等人利用Wallis滤波方法实现了对多幅影像的匀色处理。ZOMET等人通过对影像接边处的对比度进行平滑处理,消除了影像拼接缝处色差。葛仕明等人提出的基于梯度场的匀色方法,在消除接边处色差的同时,能够较好的处理影像几何错位问题。孙黎明等人利用直方图配准算法对CBERS-02B CCD影像拼接产生的色差进行匀色处理。周丽雅等人在对传统的Wallis匀光方法进行改进后,提出了一种反差一致性保持的影像匀光算法,该方法通过对影像的合理分块及自动统计标准均值和方差来实现影像的匀光处理。田金炎等人提出了一种基于Wallis与距离权重增强的航空影像匀色方法。
虽然采用上述匀色方法均可以实现拼接后影像接边处无明显色差的目视效果,但是这些方法都会破坏影像原有的辐射信息,且拼接结果不具备任何物理意义,这将无法开展进一步的遥感定量化产品生产及相关研究工作。因此,从GF-1卫星宽覆盖WFV传感器影像匀色过程中遇到的实际问题出发,本发明考虑利用WFV影像定标系数将原始DN值数据统一转换成具有辐射物理意义的表观辐亮度信息,从而完成影像匀色处理。但是由于官方采用的反射率基法获取各相机影像定标系数的过程是相互独立的,这将无法保证WFV影像重叠区域具有较好的辐射一致性。
发明内容
针对现有算法无法满足对卫星影像进行匀色处理时不破坏影像原始辐射信息的要求,本发明提出了一种基于交叉辐射定标的影像物理匀色方法,该方法在不改变原始影像辐射信息的同时,可以有效的降低相邻相机影像重叠区域辐射不一致性问题,实现影像物理匀色处理。
本发明提出了一种卫星遥感影像物理匀色方法,其特征在于,包括以下步骤:
1).利用互交叉辐射定标方法获取某一台WFV相机绝对辐射定标系数;
2).采用统计分析方法建立相邻相机影像的DN值相关模型;
3).采用仿真模拟的方法建立相邻相机影像的表观辐亮度相关模型
4).利用自交叉辐射定标方法获取其它WFV相机绝对辐射定标系数。
进一步,该方法还包括步骤5)利用WFV相机绝对辐射定标系数实现WFV影像物理匀色。
进一步,其特征在于,步骤1)具体为:采用目前常用的交叉定标方法,以辐射性能较高的MODIS影像为参考基准,将敦煌辐射校正场作为传递平台,获取某一台WFV相机绝对辐射定标系数。由于该过程是跨平台的辐射性能传递,因此也可称为互交叉定标。
进一步,其特征在于,步骤2)具体为:选取不同时相、不同区域、同一轨道的相邻相机影像,对影像重叠区域中光谱特性均一的地物影像DN值进行统计,建立相邻相机影像DN值之间的相关关系模型。
进一步,其特征在于,步骤3)具体为:利用多种典型地物光谱实测曲线,结合影像重叠区域观测几何特性,基于6S辐射传输模型进行仿真模拟,建立相邻相机影像表观辐亮度之间的相关关系模型。
进一步,其特征在于,步骤4)具体为:利用自交叉辐射定标方法将已完成互交叉辐射定标的相机辐射特性传递给其它相机,获取其它相机各自的绝对辐射定标系数。
进一步,其特征在于,步骤5)具体为:利用上述各相机绝对辐射定标系数,将原始WFV影像DN值信息转换为表观辐亮度信息,进而实现影像物理匀色处理。
本发明的基于交叉辐射定标的影像物理匀色方法可以有效的实现同一传感器不同相机间影像物理匀色处理,除了不破坏原始影像辐射信息外,还有许多优势,如匀色方法简单、处理速度快、不受季节影响、等等。
附图说明
图1 WFV传感器成像示意图;
图2卫星遥感物理匀色流程图;
图3 GF-1卫星WFV4相机互交叉辐射定标结果(a为第一波段结果;b为第二波段结果;c为第三波段结果;d为第四波段结果);
图4 WFV3与WFV4相机影像DN值相关模型图(a为第一波段结果;b为第二波段结果;c为第三波段结果;d为第四波段结果);
图5 WFV3与WFV4相机影像表观辐亮度相关模型图(a为第一波段结果;b为第二波段结果;c为第三波段结果;d为第四波段结果);
图6 WFV3与WFV4相机影像重叠区域表观辐亮度差异的绝对值图(a为第一波段结果;b为第二波段结果;c为第三波段结果;d为第四波段结果);
图7 WFV1与WFV2相机匀色前后对比图(a为原始影像;b为利用官方首次定标系数匀色结果;c为利用官方最新定标系数匀色结果;d为本发明物理匀色结果);
图8 WFV2与WFV3相机匀色前后对比图(a为原始影像;b为利用官方首次定标系数匀色结果;c为利用官方最新定标系数匀色结果;d为本发明物理匀色结果);
图9 WFV3与WFV4相机匀色前后对比图(a为原始影像;b为利用官方首次定标系数匀色结果;c为利用官方最新定标系数匀色结果;d为本发明物理匀色结果)。
具体实施方式
如图2所示本发明的一种卫星遥感影像物理匀色方法包括传统的交叉辐射定标、相邻相机影像DN相关性统计、相邻相机影像表观辐亮度相关性仿真、自交叉辐射定标以及物理匀色。本发明以WFV3和WFV4为例,阐述影像物理匀色方法过程。
1)基于MODIS影像的某一台WFV相机交叉辐射定标,以WFV4相机为例。首先收集敦煌地区同步或准同步的影像对数据,并利用数据筛选限制条件获取有效的影像对。其中数据筛选条件包括:a)MODIS与WFV影像在敦煌辐射校正场的过境时间差小于1h;b)卫星过境时,试验区上方不能有云的遮挡;c)WFV影像应该覆盖敦煌辐射校正场的中心附近的区域;d)敦煌辐射校正场不应该位于MODIS影像左右边缘处。本发明共得到了自卫星发射后一年左右时间内敦煌辐射校正场地区的7景有效影像对数据。然后利用传统的交叉辐射定标方法获取WFV4相机绝对辐射定标系数,如图3所示。其中WFV4相机定标公式如公式1所示。
Ll wfv4=ai dn4_to_L4·DNl wfv4+bl dn4_to_L4 (1)
式中,DNi wfv4和Li wfv4分别代表WFV4影像第i波段的DN值和表观辐亮度,ai dn4_to_L4和bi dn4_to_L4为第i波段的定标系数(i=1,2,3,4,下同)。
2)建立相邻相机影像DN值相关性模型,以WFV3和WFV4相机为例。通过对大量重叠区域WFV3和WFV4影像DN值进行统计,从图4中可以看出,其DN值之间存在很高的线性相关性。因此,WFV3和WFV4影像DN值之间的相关模型可用公式2表示。
DNi wfv3=ci dn4_to_dn3·DNi wfv4+di dn4_to_dn3 (2)
3)建立相邻相机影像表观辐亮度相关性模型,以WFV3和WFV4相机为例。对于影像重叠区域地物而言,6S辐射传输模型的输入参数大多数是相同的,仅地表反射率和观测角度有所差异。本发明统计多组影像XML文件中卫星角度信息并结合WFV传感器成像示意图,如图1所示,可以计算出重叠区域地物的各卫星观测角度。选取了8种典型地物实测反射率数据(人工黑/白靶标、塑胶场地、水泥地、草地、裸土、花岗岩、人工草坪),将其与WFV3和WFV4相机光谱响应函数进行卷积处理,获取各波段等效地表反射率。另外,设定太阳天顶角为30°、太阳方位角为160°、WFV3相机卫星天顶角为16.22°、WFV4相机卫星天顶角为17.78°、卫星方位角为280°、大气模式为中纬度夏季、气溶胶模型为大陆型、550nm AOD为0.15、地表高程为1500m。通过对WFV3和WFV4影像表观辐亮度统计发现,两者有很高的线性相关特征,如图4所示。因此两者表观辐亮度可用公式3表示。
Li wfv3=ei L4_to_L3·Li wfv4+fi L4_to_L3 (3)
式中,Li wfv3和Li wfv4代表WFV3和WFV4影像第i波段表观辐亮度,ei L4_to_L3和fi L4_to_L3为第i波段表观辐亮度线性拟合系数。
4)自交叉辐射定标。假设WFV3相机定标公式如公式4所示。在获取了WFV4相机在轨互交叉辐射定标系数以及WFV3和WFV4影像DN值、表观辐亮度的相关模型后,将公式1、2、3带入公式4中后得到公式5,利用公式5采用最小二乘方法获取WFV3相机绝对辐射定标系数。
Li wfv3=gi dn3_to_L3·DNi wfv3+hi dn3_to_L3 (4)
式中,DNi wfv3和Li wfv3代表WFV3影像第i波段的DN值和表观辐亮度,gi dn3_to_L3和hi dn3_to_L4为待求的WFV3影像第i波段的辐射定标系数。
在同一轨道、不同时相WFV3和WFV4影像重叠区中提取了多个光谱均一的地物作为检测点,分别利用官方首次/最新公布的定标系数和本发明获得定标结果计算其各自表观辐亮度,并统计两相机表观辐亮度差异的绝对值。从图6可以发现,与官方定标系数相比,利用本发明获得的定标结果可以大大降低相机间辐射不一致性。对于四个波段而言,与官方首次公布的定标系数相比,其辐射不一致性分别降低了81.5%、34.07%、72.34%和83.83%。与官方最新系数相比,其辐射不一致性分别降低了22.82%、81.37%、92.17%和15.95%。
利用相同的辐射传递方法获取WFV2和WFV1相机绝对辐射定标系数。
表1 GF-1卫星互/自交叉辐射定标系数
5)同轨4相机影像物理匀色。随机选取一组WFV传感器影像进行物理匀色,其成像日期为2014年11月18日。在利用平面平差方法消除原始影像几何错位信息后,采用官方首次/最新公布的定标系数和本发明获得的定标结果将其分别转换为表观辐亮度,选取局部区域进行展示如图6、7、8所示。
从结果中可以看出,官方首次/最新公布的定标系数相比,利用本发明得到的定标系数可以很好的消除原始影像辐射不一致性问题。与传统匀色方法相比,本发明的匀色过程并不破坏原始影像辐射信息,从而实现卫星遥感影像物理匀色处理。
Claims (8)
1.一种卫星遥感影像物理匀色方法,其特征在于,包括以下步骤:1)利用互交叉辐射定标方法获取某一台WFV相机绝对辐射定标系数;2)采用统计分析方法建立相邻相机影像的DN值相关模型;3)采用仿真模拟的方法建立相邻相机影像的表观辐亮度相关模型;4)利用自交叉辐射定标方法获取其它WFV相机绝对辐射定标系数。
如权利要求1所述的卫星影像物理匀色方法,其特征在于,该方法还包括步骤5)利用WFV相机绝对辐射定标系数实现WFV影像物理匀色。
2.如权利要求1所述的卫星遥感影像物理匀色方法,其特征在于,步骤1)将敦煌辐射校正场作为传递平台,以MODIS影像为参考基准,采用互交叉辐射定标方法获取某一台WFV相机绝对辐射定标系数。
3.如权利要求2所述的卫星遥感影像物理匀色方法,其特征在于,利用数据筛选条件获取敦煌辐射校正场地区有效的MODIS和WFV影像对。
4.如权利要求1所述的卫星遥感影像物理匀色方法,其特征在于,步骤2)对相邻相机重叠区域影像DN值进行统计分析,建立相邻相机影像DN值相关模型。
5.如权利要求4所述的卫星遥感影像物理匀色方法,其特征在于,应选取多组同一轨道内相邻相机影像进行统计分析,且影像重叠区域应具有一处或多处光谱均一的地物。
6.如权利要求1所述的卫星遥感影像物理匀色方法,其特征在于,步骤3)结合相邻相机重叠区域影像几何与辐射相关参数,利用6S辐射传输模型模拟相邻相机表观辐亮度,并建立相邻相机影像表观辐亮度相关模型。
7.如权利要求1所述的卫星遥感影像物理匀色方法,其特征在于,步骤4)利用自交叉辐射定标方法获取其它WFV相机绝对辐射定标系数。
8.如权利要求1所述的卫星遥感影像物理匀色方法,其特征在于,步骤5)利用互/自交叉辐射定标系数,将WFV影像DN值转换为表观辐亮度信息,进而实现卫星遥感影像物理匀色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610166029.6A CN107230186B (zh) | 2016-03-23 | 2016-03-23 | 一种卫星遥感影像物理匀色方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610166029.6A CN107230186B (zh) | 2016-03-23 | 2016-03-23 | 一种卫星遥感影像物理匀色方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107230186A true CN107230186A (zh) | 2017-10-03 |
CN107230186B CN107230186B (zh) | 2020-12-08 |
Family
ID=59931544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610166029.6A Active CN107230186B (zh) | 2016-03-23 | 2016-03-23 | 一种卫星遥感影像物理匀色方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107230186B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272465A (zh) * | 2018-09-15 | 2019-01-25 | 武汉智觉空间信息技术有限公司 | 一种航空影像色彩一致性处理算法 |
CN111754590A (zh) * | 2020-05-14 | 2020-10-09 | 北京吉威空间信息股份有限公司 | 基于全球色彩特征库遥感影像自动匀色的方法 |
CN112665829A (zh) * | 2020-12-16 | 2021-04-16 | 航天恒星科技有限公司 | 一种光学遥感卫星的波段间定标方法 |
CN113534203A (zh) * | 2021-07-12 | 2021-10-22 | 长光卫星技术有限公司 | 基于aeronet气溶胶数据的在轨交叉辐射定标方法 |
CN116503274A (zh) * | 2023-04-07 | 2023-07-28 | 中山大学 | 一种基于图像重叠区域的图像匀色方法及装置 |
CN116704306A (zh) * | 2023-06-29 | 2023-09-05 | 阳光农业相互保险公司 | 一种Planet卫星数据融合与匀色方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103575395A (zh) * | 2013-11-08 | 2014-02-12 | 中国科学院遥感与数字地球研究所 | 一种外场绝对辐射定标方法和系统 |
CN103728609A (zh) * | 2014-01-16 | 2014-04-16 | 中国科学院地理科学与资源研究所 | 星载多光谱红外传感器交叉辐射定标方法 |
CN104482939A (zh) * | 2014-11-06 | 2015-04-01 | 中国资源卫星应用中心 | 一种基于时间序列的星载相机辐射交叉定标方法 |
CN105004320A (zh) * | 2015-06-09 | 2015-10-28 | 北京师范大学 | 一种高分卫星数据陆表植被覆盖度反演方法及系统 |
-
2016
- 2016-03-23 CN CN201610166029.6A patent/CN107230186B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103575395A (zh) * | 2013-11-08 | 2014-02-12 | 中国科学院遥感与数字地球研究所 | 一种外场绝对辐射定标方法和系统 |
CN103728609A (zh) * | 2014-01-16 | 2014-04-16 | 中国科学院地理科学与资源研究所 | 星载多光谱红外传感器交叉辐射定标方法 |
CN104482939A (zh) * | 2014-11-06 | 2015-04-01 | 中国资源卫星应用中心 | 一种基于时间序列的星载相机辐射交叉定标方法 |
CN105004320A (zh) * | 2015-06-09 | 2015-10-28 | 北京师范大学 | 一种高分卫星数据陆表植被覆盖度反演方法及系统 |
Non-Patent Citations (4)
Title |
---|
ASSAF ZOMET ETC.: "Seamless Image Stitching by Minimizing False Edges", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
梁文秀等: "面向内陆水环境监测的GF_1卫星WFV数据特征评价", 《遥感技术与应用》 * |
段依妮等: "遥感影像相对辐射校正方法及适用性研究", 《遥感学报》 * |
韩启金等: "高分一号卫星宽视场成像仪的高频次辐射定标", 《光学精密工程》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272465A (zh) * | 2018-09-15 | 2019-01-25 | 武汉智觉空间信息技术有限公司 | 一种航空影像色彩一致性处理算法 |
CN111754590A (zh) * | 2020-05-14 | 2020-10-09 | 北京吉威空间信息股份有限公司 | 基于全球色彩特征库遥感影像自动匀色的方法 |
CN111754590B (zh) * | 2020-05-14 | 2024-04-02 | 北京吉威空间信息股份有限公司 | 基于全球色彩特征库遥感影像自动匀色的方法 |
CN112665829A (zh) * | 2020-12-16 | 2021-04-16 | 航天恒星科技有限公司 | 一种光学遥感卫星的波段间定标方法 |
CN112665829B (zh) * | 2020-12-16 | 2022-12-27 | 航天恒星科技有限公司 | 一种光学遥感卫星的波段间定标方法 |
CN113534203A (zh) * | 2021-07-12 | 2021-10-22 | 长光卫星技术有限公司 | 基于aeronet气溶胶数据的在轨交叉辐射定标方法 |
CN113534203B (zh) * | 2021-07-12 | 2022-08-23 | 长光卫星技术股份有限公司 | 基于aeronet气溶胶数据的在轨交叉辐射定标方法 |
CN116503274A (zh) * | 2023-04-07 | 2023-07-28 | 中山大学 | 一种基于图像重叠区域的图像匀色方法及装置 |
CN116503274B (zh) * | 2023-04-07 | 2023-12-22 | 中山大学 | 一种基于图像重叠区域的图像匀色方法及装置 |
CN116704306A (zh) * | 2023-06-29 | 2023-09-05 | 阳光农业相互保险公司 | 一种Planet卫星数据融合与匀色方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107230186B (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107230186A (zh) | 一种卫星遥感影像物理匀色方法 | |
Yang | A high-resolution airborne four-camera imaging system for agricultural remote sensing | |
CN107389036B (zh) | 一种结合无人机影像的大空间尺度植被覆盖度计算方法 | |
Dong et al. | Estimating winter wheat biomass by assimilating leaf area index derived from fusion of Landsat-8 and MODIS data | |
CN103914678B (zh) | 基于纹理与植被指数的撂荒地遥感识别方法 | |
Shang et al. | Mapping spatial variability of crop growth conditions using RapidEye data in Northern Ontario, Canada | |
Sun et al. | Retrieval of rapeseed leaf area index using the PROSAIL model with canopy coverage derived from UAV images as a correction parameter | |
CN109815916A (zh) | 一种基于卷积神经网络算法的植被种植区域识别方法及系统 | |
CN108346143A (zh) | 一种基于无人机多源图像融合的作物病害监测方法和系统 | |
CN109142359A (zh) | 一种基于时间序列遥感数据的农作物长势监测方法 | |
Wang et al. | Unmanned Aerial System multispectral mapping for low and variable solar irradiance conditions: Potential of tensor decomposition | |
CN106780321A (zh) | 一种cbers‑02卫星hr传感器影像整体严密定向与纠正拼接方法 | |
JP2012196167A (ja) | 植物種識別方法 | |
WO2020165671A1 (en) | Method for monitoring vegetation ground covers | |
CN109784300A (zh) | 一种农作物科学测产方法及系统 | |
CN109919250B (zh) | 考虑土壤水分的蒸散发时空特征融合方法及装置 | |
Ahamed et al. | Tower remote-sensing system for monitoring energy crops; image acquisition and geometric corrections | |
CN113888416A (zh) | 卫星遥感图像数据的处理方法 | |
CN103700110A (zh) | 全自动影像匹配方法 | |
CN114202698A (zh) | 联合主被动遥感数据的水体精准提取方法 | |
Yang et al. | Evaluating high-resolution QuickBird satellite imagery for estimating cotton yield | |
CN115410095B (zh) | 灾害信息获取方法、装置、电子设备和计算机可读介质 | |
Yang et al. | New method for cotton fractional vegetation cover extraction based on UAV RGB images | |
RU2705549C1 (ru) | Способ агрохимического обследования земель сельскохозяйственного назначения | |
Markelin et al. | Radiometric correction of multitemporal hyperspectral uas image mosaics of seedling stands |
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 |