CN107945262A - 基于大气分层假设的航空光学图像退化模型及其建模方法 - Google Patents

基于大气分层假设的航空光学图像退化模型及其建模方法 Download PDF

Info

Publication number
CN107945262A
CN107945262A CN201710975133.4A CN201710975133A CN107945262A CN 107945262 A CN107945262 A CN 107945262A CN 201710975133 A CN201710975133 A CN 201710975133A CN 107945262 A CN107945262 A CN 107945262A
Authority
CN
China
Prior art keywords
mrow
msub
lambda
msup
sigma
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.)
Pending
Application number
CN201710975133.4A
Other languages
English (en)
Inventor
李红光
丁文锐
刘春蕾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201710975133.4A priority Critical patent/CN107945262A/zh
Publication of CN107945262A publication Critical patent/CN107945262A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G01C11/04—Interpretation of pictures
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开了一种基于大气分层假设的航空光学图像退化模型及其建模方法，属于航空遥感图像处理技术领域。本发明包括建立大气分层假设和推导光学图像退化模型两部分内容，假设大气是分层分布的，每一层厚度一致、内部均匀，且都平行于大地平面；在此基础上，基于McCartney大气散射模型，对入射光衰减模型和大气光成像模型重新推导，得到一种新的适用于航空遥感的基于大气分层假设的光学图像退化模型。本发明提供的光学图像退化模型，是对光学图像退化机理的探索和补充，这一图像退化模型描述了大气分层条件下原始图像到实际获取图像的退化过程，可以用于航空遥感光学图像的复原处理。

Description

基于大气分层假设的航空光学图像退化模型及其建模方法
技术领域
本发明属于航空遥感图像处理技术领域，具体涉及一种基于大气分层假设的航空光学图像退化模型及其建模方法。
背景技术
航空遥感是卫星遥感外的另一种重要的遥感手段，在常态观测、灾情监控等应用中发挥着不可替代的作用。受全天候执行任务要求，航空可见光成像经常遭遇雾霾、浮尘、烟雾等恶劣的天气条件，导致图像严重退化，航空遥感对地观测性能降低。雾霾、浮尘、烟雾等在本质上都是中低空大气悬浮颗粒，即气溶胶粒子。以去雾霾为例，由于航空遥感的特殊性，航空图像复原处理研究依然是学者们涉及较少的领域。
航空遥感成像距离远，大气散射影响较大，低能见度下图像像是“被蒙住了眼”，图像降质严重，现有的卫星和低空户外图像退化模型，因为针对的大气环境不同，不适用于航空遥感成像过程。基于物理模型的图像复原方法，需要根据退化后的图像信息估计大气散射模型中多个未知参数，是典型的病态问题，需要构建某些假设、约束条件或引入辅助信息才能完成求解，而现有方法大多基于均匀介质和单次散射的假设条件，不适用于航空遥感成像。
从上述对比分析可以看出，现有的图像复原方法，尤其是基于物理模型的假设条件过于简单，不适用于低能见度大气环境下图像清晰化处理应用，更加不适用于数千米远的航空遥感成像。因此，低能见度大气环境下航空遥感可见光图像复原处理既是一个特殊性问题，更是一个难点问题。
发明内容
本发明为解决航空遥感在低能见度非均匀大气环境下图像退化的问题，提出了一种基于大气分层假设的航空遥感光学图像退化模型。此模型可以为图像复原提供模型依据。
本方法的研究条件及适用范围为：(1)“低能见度”是对航空遥感可见光成像而言的，即使中低空雾霾等污染浓度较小，当污染层较厚时，由于成像距离远，也会形成低能见度成像条件；(2)在航空遥感可见光可以获取图像的条件下，本发明适用于不同程度的降质图像补偿；(3)当中低空出现重度雾霾等污染，能见度远小于成像距离时，航空遥感可见光传感器不能获取图像信息，此类问题不在本发明的适用范围内。
本发明提出的所述的图像退化模型的建模方法包括两部分，即建立大气分层假设和推导光学图像退化模型。
(1)建立大气分层假设；
在低能见度大气条件下，大气中气溶胶微粒一般分布在中低空。航空遥感成像的大气环境是指从地面场景到图像传感器，由雾霾、浮尘、烟雾等中低空混浊介质和中高空大气层构成的成像介质环境。传统的退化模型大多认为大气介质是均匀的。然而，对于航空遥感成像，在这一较远的成像路径上，大气中气溶胶微粒分布显然是非均匀。针对成像路径的非均匀性，本方法假设大气是分层分布的，每一层厚度一致、内部均匀，且都平行于大地平面。在此基础上，进行大气散射过程的推导，得到更加符合实际情况的光学图像退化模型。
(2)推导光学图像退化模型；
从图像退化机理分析，航空遥感光学图像退化主要是由于大气散射作用引起的。在低能见度大气条件下，由于大气粒子的散射作用，一方面部分物体表面的反射光因散射而损失，使得到达观测点的光强降低，并随着传播距离的增大而呈指数衰减；另一方面，大气粒子的散射作用还来自附加在目标图像上的大气光，以使大气表现出光源的特性，且环境光的强度随着传播距离的增大而逐渐增加。以上两方面的作用导致航空遥感图像的对比度、颜色等特征衰减明显。在大气散射模型中，最常用的是1975年McCartney根据Mie散射理论提出的大气散射模型，将上述两种作用定义为入射光衰减模型(Direct transmissionmodel)和大气光成像模型(Air light model)。在大气分层假设前提下，本方法基于McCartney大气散射模型，对入射光衰减模型和大气光成像模型重新推导，得到一种新的适用于航空遥感的基于大气分层假设的光学图像退化模型。
本发明具有以下优点：
(1)低能见度大气环境下航空可见光图像退化是航空遥感应用中发现的新问题，具有面向低能见度大气环境和中高空航空遥感应用两个特色：将雾霾、浮尘、烟雾等归为一类中低空混浊介质，建立从地面到图像传感器的大气环境模型；关注航空遥感成像特性及其对图像退化的影响。
(2)基于大气分层假设，中低空混浊介质和航空遥感成像条件下的光学图像退化模型，是对光学图像退化机理的探索和补充，相对于现有的航空遥感光学图像退化模型和低空户外光学图像退化模型具有一定的创新性。
附图说明
图1为本发明提供的建模方法的总体流程图；
图2为本发明中大气分层假设原理示意图；
图3为大气分层条件下航空遥感成像示意图；
图4为大气分层条件下入射光衰减示意图；
图5为大气分层条件下大气光成像示意图。
具体实施方式
下面结合附图，对本发明提供的基于大气分层假设的航空光学图像退化模型及其建模方法进行详细说明。
本发明提出了一种基于大气分层假设的航空光学图像退化模型及其建模方法，用于航空遥感光学图像复原。所述的建模方法，如图1所示，首先建立了大气分层假设，然后在此基础上，利用McCartney大气散射模型推导出基于大气分层假设的光学图像退化模型。
具体地，所述的建模方法包括以下步骤：
第一步：建立大气分层假设。
这里的大气指从地面场景到图像传感器，由雾霾、浮尘、烟雾等中低空混浊介质和中高空大气层构成的成像介质环境。虽然中低空混浊介质大气环境十分复杂，但是建立接近实际情况的大气环境假设非常重要，现有的大部分研究正是由于大气环境假设过于简单甚至严重偏离实际才导致不适用于航空遥感图像。
从地面到图像传感器的大气环境中，由于大气介质成分不同，本发明假设大气分为若干层，每一层厚度一致、内部均匀，且都平行于大地平面。通过气象观测、飞行数据分析、专家知识等技术手段，可以建立从地面场景到图像传感器的大气环境模型E，所述的大气环境模型包括三个基本参数：层数i(i＝1,2,3,…n)、第i层的消光系数σi和第i层的层高hi，如图2。其中，消光系数与大气中气溶胶粒子的浓度、直径以及光的波长有关。
大气分层假设是对真实大气环境的近似和简化，为进一步分析光学图像退化机理提供介质条件。具体分层参数需要根据实际情况设定。
第二步：基于大气分层假设的航空光学图像退化模型的建模。
在低能见度大气条件下，基于第一步建立的大气分层假设，不考虑多次散射作用，下面基于McCartney大气散射模型对入射光衰减模型和大气光成像模型进行了重新推导，建立了适用于航空遥感的光学图像退化模型。
在大气分层假设基础上，假设从图像传感器到地面分为n层，第i层对应的消光系数为σi、层高为hi、成像距离为di，总的成像距离为d，航空遥感成像如图3，光线从物体表面传输到航空遥感成像设备的过程中，满足入射光衰减模型和大气光成像模型。在入射光衰减模型中，入射光经过若干层大气介质的衰减到达成像设备，如图4。
考虑大气介质中的一束准直射光，如图4所示，令该光束通过一个极小的厚度为dx的薄片，则光束在dx处的微小辐照度改变量dEr,0(λ)可用下式表示为：
其中，σ(λ)为波长λ的光束消光系数，λ为波长。对其等号两边同时分区间取x在0～d 的积分，成像设备处x＝0，物体表面x＝d，可以得到物体表面辐照度：
其中，n为层数，i＝1,2,3,…n，σi(λ)表示波长为λ的入射光在第i层消光系数，di-di-1为入射光在第i层的传播距离，i＝1时d0＝0，i＝n时成像距离为d，Er,0(λ)为表示波长为λ的入射光在x＝0处的辐照度。
在多层大气介质下大气光成像示意图如图5，假设成像设备视线内的大气光是恒定一致的，但是方向、强度和光谱未知。将立体角为dω，且距离成像设备x处的一个实体截断的椎体看作是大气光源，则距离成像设备x处的无穷小体积微元dV可以表示为：
dV＝dωx2dx (3)
体积微元dV在成像方向上辐射的光强微元dIa(x,λ)为：
dIa(x,λ)＝dVkσ(λ)＝kx2σ(λ)dωdx (4)
其中，比例常数k表示散射函数形式和强度的特质，σ(λ)为波长λ的光束消光系数。
若将体积微元dV看作是亮度为dIa(x,λ)的光源，则可利用Allard提出的点光源入射光衰减法则得到此点光源经过大气衰减后在成像设备处产生的辐照度dEa(x,λ)和辐照亮度 dLa(x,λ)分别为：
把式(4)代入上式(6)，从而求得以下关系：
dLa(x,λ)＝kσ(λ)e-σ(λ)xdx (7)
式中的σ(λ)表示波长为λ的光束消光系数。
在成像距离内对公式(7)等号两边同时积分，积分区间0～d，可以得到：
当d＝∞时，成像距离为无穷远，大气光的贡献量最大，La(∞,λ)＝k＝L∞(λ)。因此，上式可写为：
然后，可以得到成像设备接收到的大气光辐照度为：
E∞(λ)表示无穷远处的大气光辐照度。
最后，综合目标入射光的衰减和大气光成像的过程，这两部分的辐照度组成了传感器接收的总辐照度，即：
σi(λ)表示波长λ的光束在第i层的消光系数。
式(11)即为大气分层条件下的航空遥感光学图像大气退化模型。若以图像来表示上式的退化过程，则可以变为：
其中，I表示航空遥感实际获取的图像，J表示待复原的清晰图像，A为大气光值。这一图像退化模型描述了大气分层条件下原始图像到实际获取图像的退化过程，可以用于航空遥感光学图像的复原处理。

Claims (3)

1.基于大气分层假设的航空光学图像退化模型的建模方法，其特征在于：
包括建立大气分层假设和推导光学图像退化模型两部分；
第一步：建立大气分层假设；
从地面到图像传感器的大气环境中，假设大气分为n层，每一层厚度一致、内部均匀，且都平行于大地平面；建立从地面场景到图像传感器的大气环境模型E，所述的大气环境模型包括三个基本参数：层数i、第i层的消光系数σi和第i层的层高hi，i＝1,2,3,…n；
第二步：基于大气分层假设的航空光学图像退化模型的建模；
基于McCartney大气散射模型对入射光衰减模型和大气光成像模型进行了重新推导，建立了适用于航空遥感的光学图像退化模型。
2.根据权利要求1所述的基于大气分层假设的航空光学图像退化模型的建模方法，其特征在于：第二步具体实现过程如下，
在大气分层假设基础上，假设从图像传感器到地面分为n层，第i层对应的消光系数为σi、层高为hi、成像距离为di，总的成像距离为d，光线从物体表面传输到航空遥感成像设备的过程中，满足入射光衰减模型和大气光成像模型；在入射光衰减模型中，入射光经过若干层大气介质的衰减到达成像设备；
考虑大气介质中的一束准直射光，令该光束通过一个极小的厚度为dx的薄片，则光束在dx处的微小辐照度改变量dEr,0(λ)用下式表示为：
<mrow> <mfrac> <mrow> <msub> <mi>dE</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>E</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>=</mo> <mo>-</mo> <mi>&amp;sigma;</mi> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>x</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
其中，σ(λ)为波长λ的光束消光系数，λ为波长；对其等号两边同时分区间取x在0～d的积分，成像设备处x＝0，物体表面x＝d，得到物体表面辐照度：
<mrow> <msub> <mi>E</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mi>d</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>E</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>0</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msubsup> <mo>&amp;Integral;</mo> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <msub> <mi>d</mi> <mi>i</mi> </msub> </msubsup> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>x</mi> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
其中，n为层数，i＝1,2,3,…n；σi(λ)表示波长为λ的入射光在第i层消光系数，di-di-1为入射光在第i层的传播距离，i＝1时d0＝0，i＝n时成像距离为d，Er,0(λ)为表示波长为λ的入射光在x＝0处的辐照度；
假设成像设备视线内的大气光是恒定一致的，但是方向、强度和光谱未知；将立体角为dω，且距离成像设备x处的一个实体截断的椎体看作是大气光源，则距离成像设备x处的无穷小体积微元dV表示为：
dV＝dωx2dx (3)
体积微元dV在成像方向上辐射的光强微元dIa(x,λ)为：
dIa(x,λ)＝dVkσ(λ)＝kx2σ(λ)dωdx (4)
其中，比例常数k表示散射函数形式和强度的特质，σ(λ)为波长λ的光束消光系数；
若将体积微元dV看作是亮度为dIa(x,λ)的光源，则利用Allard提出的点光源入射光衰减法则得到此点光源经过大气衰减后在成像设备处产生的辐照度dEa(x,λ)和辐照亮度dLa(x,λ)分别为：
<mrow> <msub> <mi>dE</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>dI</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>&amp;sigma;</mi> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mi>x</mi> </mrow> </msup> </mrow> <msup> <mi>x</mi> <mn>2</mn> </msup> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>dL</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>dE</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>d</mi> <mi>&amp;omega;</mi> </mrow> </mfrac> <mo>=</mo> <mfrac> <mrow> <msub> <mi>dI</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>&amp;sigma;</mi> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mi>x</mi> </mrow> </msup> </mrow> <mrow> <msup> <mi>x</mi> <mn>2</mn> </msup> <mi>d</mi> <mi>&amp;omega;</mi> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
把式(4)代入上式(6)，从而求得以下关系：
dLa(x,λ)＝kσ(λ)e-σ(λ)xdx (7)
在成像距离内对公式(7)等号两边同时积分，积分区间0～d，得到：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>L</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>d</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msubsup> <mo>&amp;Integral;</mo> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <msub> <mi>d</mi> <mi>i</mi> </msub> </msubsup> <msub> <mi>k&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mi>x</mi> </mrow> </msup> <mi>d</mi> <mi>x</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <mi>k</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mrow> </msup> <mo>-</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mi>i</mi> </msub> </mrow> </msup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
当d＝∞时，成像距离为无穷远，大气光的贡献量最大，La(∞,λ)＝k＝L∞(λ)，因此，上式(8)改写为：
<mrow> <msub> <mi>L</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>d</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>L</mi> <mi>&amp;infin;</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mrow> </msup> <mo>-</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mi>i</mi> </msub> </mrow> </msup> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>
然后，得到成像设备接收到的大气光辐照度为：
<mrow> <msub> <mi>E</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>d</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>E</mi> <mi>&amp;infin;</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mrow> </msup> <mo>-</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mi>i</mi> </msub> </mrow> </msup> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>
E∞(λ)表示无穷远处的大气光辐照度；
最后，综合目标入射光的衰减和大气光成像的过程，这两部分的辐照度组成了传感器接收的总辐照度，即：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>E</mi> <mrow> <mo>(</mo> <mi>d</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>E</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mi>d</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>E</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>d</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msub> <mi>E</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>0</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msubsup> <mo>&amp;Integral;</mo> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <msub> <mi>d</mi> <mi>i</mi> </msub> </msubsup> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>x</mi> </mrow> </msup> <mo>+</mo> <msub> <mi>E</mi> <mi>&amp;infin;</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mrow> </msup> <mo>-</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mi>i</mi> </msub> </mrow> </msup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> </mrow>
σi(λ)表示波长λ的光束在第i层的消光系数；
式(11)即为大气分层条件下的航空遥感光学图像大气退化模型。
3.基于大气分层假设的航空光学图像退化模型，其特征在于：所述退化模型的表达式为，
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>E</mi> <mrow> <mo>(</mo> <mi>d</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>E</mi> <mi>r</mi> </msub> <mrow> <mo>(</mo> <mi>d</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>E</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>d</mi> <mo>,</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msub> <mi>E</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>0</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msubsup> <mo>&amp;Integral;</mo> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <msub> <mi>d</mi> <mi>i</mi> </msub> </msubsup> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>x</mi> </mrow> </msup> <mo>+</mo> <msub> <mi>E</mi> <mi>&amp;infin;</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mrow> </msup> <mo>-</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mi>i</mi> </msub> </mrow> </msup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> </mrow>
其中，E(d,λ)表示传感器接收的总辐照度，Er(d,λ)表示物体表面辐照度，Ea(d,λ)表示成像设备接收到的大气光辐照度，Er,0(λ)为表示波长为λ的入射光在x＝0处的辐照度，E∞(λ)表示波长为λ的入射光在无穷远处的大气光辐照度，σi(λ)表示波长λ的光束在第i层的消光系数；
若以图像来表示上式的退化模型过程，则变为：
<mrow> <mi>I</mi> <mo>=</mo> <mi>J</mi> <mo>&amp;CenterDot;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msubsup> <mo>&amp;Integral;</mo> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <msub> <mi>d</mi> <mi>i</mi> </msub> </msubsup> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>x</mi> </mrow> </msup> <mo>+</mo> <mi>A</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mrow> </msup> <mo>-</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;sigma;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>d</mi> <mi>i</mi> </msub> </mrow> </msup> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>12</mn> <mo>)</mo> </mrow> </mrow>
其中，I表示航空遥感实际获取的图像，J表示待复原的清晰图像，A为大气光值。
CN201710975133.4A 2017-10-19 2017-10-19 基于大气分层假设的航空光学图像退化模型及其建模方法 Pending CN107945262A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710975133.4A CN107945262A (zh) 2017-10-19 2017-10-19 基于大气分层假设的航空光学图像退化模型及其建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710975133.4A CN107945262A (zh) 2017-10-19 2017-10-19 基于大气分层假设的航空光学图像退化模型及其建模方法

Publications (1)

Publication Number Publication Date
CN107945262A true CN107945262A (zh) 2018-04-20

Family

ID=61936239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710975133.4A Pending CN107945262A (zh) 2017-10-19 2017-10-19 基于大气分层假设的航空光学图像退化模型及其建模方法

Country Status (1)

Country Link
CN (1) CN107945262A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783973A (zh) * 2018-12-25 2019-05-21 北京航空航天大学 一种基于图像退化模型的大气能见度计算方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103236037A (zh) * 2013-04-03 2013-08-07 北京航空航天大学 基于分层退化模型的无人机实时图像模拟方法
CN103971337A (zh) * 2014-04-29 2014-08-06 杭州电子科技大学 一种利用大气传输特征的红外图像去雾霾方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103236037A (zh) * 2013-04-03 2013-08-07 北京航空航天大学 基于分层退化模型的无人机实时图像模拟方法
CN103971337A (zh) * 2014-04-29 2014-08-06 杭州电子科技大学 一种利用大气传输特征的红外图像去雾霾方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HUANG YUQING等: "Haze removal for UAV reconnaissance images using layered scattering model", 《CHINESE JOURNAL OF AERONAUTICS》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783973A (zh) * 2018-12-25 2019-05-21 北京航空航天大学 一种基于图像退化模型的大气能见度计算方法

Similar Documents

Publication Publication Date Title
US10929966B2 (en) System and method for imaging underwater environments using fluid lensing
Levy et al. Evaluation of the Moderate‐Resolution Imaging Spectroradiometer (MODIS) retrievals of dust aerosol over the ocean during PRIDE
Kim et al. Comparison of aerosol optical depth between CALIOP and MODIS‐Aqua for CALIOP aerosol subtypes over the ocean
Beier et al. Simulation of infrared detection range at fog conditions for enhanced vision systems in civil aviation
CN101281142B (zh) 一种测量大气能见度的方法
Egan et al. Terrestrial polarization imagery obtained from the Space Shuttle: characterization and interpretation
Wang et al. HJ-1 terrestrial aerosol data retrieval using deep blue algorithm
Wang et al. Geostationary satellite retrievals of aerosol optical thickness during ACE‐Asia
Burton et al. Using airborne high spectral resolution lidar data to evaluate combined active plus passive retrievals of aerosol extinction profiles
CN107505291B (zh) 一种通过单幅图像估计能见度的方法
KR101429260B1 (ko) 적외 채널을 이용한 화산재 탐지방법 및 화산재의 특성값 도출방법
Shang et al. Synergetic use of MODIS cloud parameters for distinguishing high aerosol loadings from clouds over the North China Plain
Aides et al. Distributed sky imaging radiometry and tomography
CN107741592A (zh) 一种气溶胶多光学特性遥感观测系统及其观测方法
KR101620951B1 (ko) 모의 위성 영상 생성 방법 및 시스템
Lee et al. ABI water vapor radiance assimilation in a regional NWP model by accounting for the surface impact
Jee et al. Development of GK-2A AMI aerosol detection algorithm in the East-Asia region using Himawari-8 AHI data
CN107945262A (zh) 基于大气分层假设的航空光学图像退化模型及其建模方法
Blanks UAS applications
CN103743488A (zh) 遥感卫星地球临边背景特性的红外成像仿真方法
CN117115683A (zh) 一种植被覆盖下危岩落石遥感提取方法及系统
Saito et al. A new method of measuring aerosol optical properties from digital twilight photographs
Zha et al. Aerosol Optical Properties Measurement using the Orbiting High Spectral Resolution Lidar onboard DQ-1 Satellite: Retrieval and Validation
Pokhrel et al. Algorithm development of a visibility monitoring technique using digital image analysis
Zhang et al. VNIR image simulation based on low-level flight image data

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180420

WD01 Invention patent application deemed withdrawn after publication