CN109241554A - 一种临边全波段超光谱图像仿真方法 - Google Patents
一种临边全波段超光谱图像仿真方法 Download PDFInfo
- Publication number
- CN109241554A CN109241554A CN201810805467.1A CN201810805467A CN109241554A CN 109241554 A CN109241554 A CN 109241554A CN 201810805467 A CN201810805467 A CN 201810805467A CN 109241554 A CN109241554 A CN 109241554A
- Authority
- CN
- China
- Prior art keywords
- image
- band
- value
- pixel
- atmospheric
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10036—Multispectral image; Hyperspectral image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种临边全波段超光谱图像仿真方法,包括如下步骤:首先进行图像预处理,通过Anteworld建模软件在可见光波段对临边图像进行模拟,并采用图像阈值分割的方式将图像分为大气部分与地面部分;针对大气部分确定图像中每个点的几何参数值,并通过建立的大气数据库确定每个点的光谱辐射亮度值;针对地面部分,将图像进行聚类与解混,借由建立的地物反射率数据库确定地物的组成,通过转换相机坐标系将图像坐标系进行转换并确定每个像素点的几何参数,计算出最终图像的光谱辐射亮度值。
Description
技术领域
本发明涉及图像处理技术领域,尤其是一种临边全波段超光谱图像仿真方法。
背景技术
随着航天技术的日益发展,红外预警系统已经成为导弹与战机预警系统中重要的探测跟踪 手段,对地球及其周边环境的红外辐射特性的研究与仿真,能更好的的评估不同类型目标在不 同运动方式情况下,预警系统的探测识别能力。其中地球的临边大气辐射则是预警场景中主要 的背景。
但是实测的临边图像与相关数据较难获取,特别是对于高校与小型科研机构,临边数据更 是因极高的涉密级别而成为难以触及的资料,所以一种能够根据少量图像信息,对不同的观测 角度,不同的观测波段的临边背景进行仿真的方法成为现如今迫切的需求。
发明内容
本发明所要解决的技术问题在于,提供一种临边全波段超光谱图像仿真方法,能够在仅有 少量图像信息的基础上,实现对临边全波段超光谱图像的仿真。
为解决上述技术问题,本发明提供一种临边全波段超光谱图像仿真方法,包括如下步骤:
(1)进行图像预处理,通过Anteworld软件在可见光波段对临边图像进行模拟;
(2)通过图像阈值分割的方式将图像分为大气部分与地面部分;
(3)建立大气与地面临边光谱反射率与光谱辐射亮度值数据库;
(4)对大气与地面图像中各像素点光谱辐射亮度值进行仿真;
(5)输出仿真图像。
优选的,步骤(2)中,图像阈值分割包括以下步骤:
(1)选择一个T的初始估计值。
(2)利用阈值T把图像分为两个区域R1,和R2
(3)对区域R1和R2中的所有像素计算平均灰度值u1和u2
(4)计算新的阈值:
(5)重复步骤2-4,直到逐次迭代所得的T值小于事先定义的参数T。
优选的,步骤(3)中,建立大气与地面数据库;具体为:使用MODTRAN或LIBTRAN 软件,针对观测方位角在90°到180°,建立不同波段对应的光谱反射率与光谱辐射亮度值数据库。
优选的,步骤(4)中,对大气部分进行仿真步骤如下:
(1)通过Anteworld可确定图像中心点的观测方位角;
(2)根据探测镜头的角分辨率,计算出图像中每一个点的观测方位角;
(3)针对不同的观测方位角,读取大气数据库中仿真波段的光谱辐射亮度值;
(4)输出大气部分仿真图像。
优选的,步骤(4)中,对地面部分进行仿真步骤如下:
(1)利用端元提取的方式确定纯净像元与混合像元,通过像元解混的方式确定每一个 混合像元的地物组成成分;
(2)根据标准反射率数据库的地物光谱反射率数据,计算每种物质在仿真波段的光谱 反射率;
(3)通过改变相机坐标系的相关参数,实现图像由正视向斜视的投影变换;
(4)根据相机的角分辨率确定图像中每个点的观测方位角;
(5)针对不同的观测方位角,读取数据库中仿真波段的大气反射率,借由全链路物理 模型,计算出每个点的光谱辐射亮度值;
(6)输出地面部分仿真图像。
本发明的有益效果为:本发明可在仅有少量图像信息的基础上,针对斜程视线,实现对临 边全波段超光谱图像的仿真。
附图说明
图1为本发明的方法流程示意图;
图2为四个坐标系关系图;
图3为图像坐标系与实际坐标系关系图。
具体实施方式
如图1所示,一种临边全波段超光谱图像仿真方法,包括如下步骤:
(1)进行图像预处理,通过Anteworld软件在可见光波段对临边图像进行模拟,并通过 图像阈值分割的方式将图像分为大气部分与地面部分;
(2)针对大气部分确定图像中每个点的几何参数值,并通过建立的大气数据库确定每个 点的光谱辐射亮度值;
(3)针对地面部分,将图像进行聚类与解混,通过建立的地物反射率数据库确定地物的 组成,并将图像进行坐标系转换确定每个像素点的几何参数,计算出最终图像的光谱辐射亮度 值;
(4)仿真图像输出。1.图像预处理1.1.模拟图像的生成
通过运行Anteworld(uses real world data to create a virtual replica ofplanet Earth,Outerra, 2008),在可见光波段对临边图像进行模拟。1.2.图像分割
采用阈值分割的方法,针对于图像中大气与地面在特定阈值上有较大幅度的区别,将图像 初步分为大气与地面两部分,分别进行后期计算。本次试验中采用了迭代选择阈值法,其基本 思想是开始选择一个阈值作为初始估计值,然后按照某种规则不断地更新这一估计值,直到满 足给定的条件为止。这个过程的关键在于选择怎么样的迭代规则。一个好的迭代规则必须既能 够快速收敛,又能够在每一个迭代过程中产生优于上次迭代的结果。算法如下:
(1)选择一个T的初始估计值。
(2)利用阈值T把图像分为两个区域R1,和R2
(3)对区域R1和R2中的所有像素计算平均灰度值u1和u2
(4)计算新的阈值:
(5)重复步骤2-4,直到逐次迭代所得的T值小于事先定义的参数T。2.1大气数据库建立
采用MODTRAN或LIBTRAN在全波段对大气进行仿真。对于定义在90°与180°之间 的观测方位角分别进行计算,得到在不同的波段情况下不同方位角所对应的大气部分的光谱辐 射亮度值,以此建立所需数据库。相关参数如表1所示
表1:大气部分相关参数
2.2.光谱辐射亮度值的计算
通过Anteworld软件可确定图像中心点的观测方位角,由相机的固有参数—角分辨率, 可计算出图像中每一个点的观测方位角。通过其方位角的大小,读取数据库中仿真波段的光谱 辐射亮度值,由此完成图像的大气部分模拟。3.1地面数据库建立3.1.1大气透过率数据库
采用MODTRAN或LIBTRAN在全波段对地面进行仿真。对于定义在90°与180° 之间的观测方位角分别进行计算,得到在不同波段情况下不同方位角所对应的地面部分的大气透过率。3.1.2地物光谱反射率数据库
采用的标准地物反射率数据库包括三个国际上具有代表性的数字化地物反射光谱数 据库,分别是:USGS地物反射光谱数据库、JHU地物反射光谱数据库、JPL地物反射光谱数 据库。波长范围从近紫外到长波红外波段,涵盖物质包括常见的岩石,矿物,土壤,植被以及 各种人造材料等数千种。3.2.地物分类与解混
利用端元提取的方式确定纯净像元与混合像元,通过像元解混的方式确定每一个混合像元 的地物组成成分,根据标准反射率数据库的地物光谱反射率数据,计算每种物质在仿真波段的 光谱反射率r(λi)。
具体算法如下:
1.借由K-means聚类得到每一个单独类别的聚类中心点;
2.计算图像中每一个样本点到所有聚类中心点距离的倒数g(ij),归一化处理作为样本点出 现于该类别的条件概率
g(ij)=1/[·(||x(i)-uj||2)]
3.根据条件概率,计算当前样本点在所有类别中的加权辐射亮度值作为最终的混合像元辐 射亮度值。
式中,Lj代表第j个地物在目标波段的光谱辐射亮度值;C是所有j的集合。
4.通过大气校正模型,将目标波段的光谱辐射亮度值转换为光谱反射率r(λi)。将此步骤得 到的光谱反射率作为转换公式的输入。
3.3.坐标系的转换
如图2所示,相机的成像过程涉及到四个坐标系:世界坐标系、相机坐标系、图像坐标系、 像素坐标系以及这四个坐标系的转换。相机的镜头是一组透镜,当平行于主光轴的光线穿过透 镜时,会聚到一点上,这个点叫做焦点,焦点到透镜中心的距离叫做焦距f。数码相机的镜头 相当于一个凸透镜,感光元件就处在这个凸透镜的焦点附近,将焦距近似为凸透镜中心到感光 元件的距离时就成为小孔成像模型。在此模型下,物体的空间坐标和图像坐标之间是线性的关 系,因而对相机参数的求解就归结到求解线性方程组上。四个坐标系的关系图如图3所示,其 中M为三维空间点,m为M在图像平面投影成的像点。
1.世界坐标系:是客观三维世界的绝对坐标系,也称客观坐标系。因为数码相机安放在三 维空间中,我们需要世界坐标系这个基准坐标系来描述数码相机的位置,并且用它来描述安放 在此三维环境中的其它任何物体的位置,用(Xw,Yw,Zw)表示其坐标值。
2.相机坐标系(光心坐标系):以相机的光心为坐标原点,X轴和Y轴分别平行于图像 坐标系的X轴和Y轴,相机的光轴为Z轴,用(Xc,Yc,Zc) 表示其坐标值。
3.图像坐标系:以CCD图像平面的中心为坐标原点,X轴和Y轴分别平行于图像平面的 两条垂直边,用(x,y)表示其坐标值。图像坐标系是用物理单位(例如毫米)表示像素在图像 中的位置。
4.像素坐标系:以CCD图像平面的左上角顶点为原点,X轴和Y轴分别平行于图像坐标 系的X轴和Y轴,用(u,v)表示其坐标值。数码相机采集的图像首先是形成标准电信号的形式, 然后再通过模数转换变换为数字图像。每幅图像的存储形式是M×N的数组,M行N列的图像 中的每一个元素的数值代表的是图像点的灰度。这样的每个元素叫像素,像素坐标系就是以像 素为单位的图像坐标系。
像素坐标系与图像坐标系的关系如图3所示。
他们之间的转换关系如下,
采用齐次坐标再用矩阵形式将上式表示为:
其中(u0,v0)是图像坐标系原点在像素坐标系中的坐标,dx和dy分别是每个像素在图像平 面x和y方向上的物理尺寸。
图像坐标系与相机坐标系的转换为:
其中f为焦距(像平面与相机坐标系原点的距离)。用齐次坐标系和矩阵表示上述关系:
相机坐标系与世界坐标系的变换为:
其中R为3×3正交旋转矩阵,t为三维平移向量,综合起来:
其中:
ax和ay分别是图像水平轴和垂直轴的尺度因子。K的参数中只包含焦距、主点坐标等只 由相机的内部结构决定,因此称K为内部参数矩阵,ax,ay,u0,v0叫做内部参数。M1中包含 的旋转矩阵和平移向量是由相机坐标系相对于世界坐标系的位置决定的,因此称M1为相机的 外部参数矩阵,R和t叫做外部参数,M叫投影矩阵。由此将原图像经坐标系转换从而得到投 影图像。
3.4.光谱辐射亮度值的计算
对投影得到的图像中每一个像素点的几何值(角度)进行定义。以纵向角分辨率的值为根 据,得到全图每一个像素点的方位角。对于不同的角度值,在对应的大气透过率库中读取对应 的透过率值
在得到图像中每一点的光谱反射率后,就可以对图像进行反演。通过公式1的反向推演, 将反射率转换为对应波段的光谱辐射亮度值Lλi,具体下式所示:
式中,Lλi表示天基传感设备接收到的对地遥感λ谱段的辐射强度;E′sλ表示到达大气外层 的太阳光照辐射强度,受太阳方位角控制;σ′表示太阳天顶角;r(λ)表示典型地物在λ波段的 光谱反射率;rd(λ)位地物漫反射率;τ1(λ)表示太阳到地面的大气透过率,τ2(λ)表示地面到传 感器的大气透过率;F表示天空形状参数;ε(λ)为地物特有的光谱发射率;LTλ为温度为T的 黑体辐射光谱亮度;Edsλ为地表反射大气散射太阳光的辐射照度;Edελ为大气下行热辐射被地 表反射的辐照度;Lusλ为大气散射的太阳光的辐射亮度;Luελ为大气上行热辐射亮度。
虽然已经通过上述具体实施方案对本发明的一些特定实施例进行了详细说明,但是本领域 的技术人员应该理解,以上例子仅是为了进行说明,而不是为了限制本发明的范围。本领域的技 术人员应该理解,可在不脱离本发明的范围情况下,对以上实施例进行修改。本专利的范围由所 附权利要求来限定。
Claims (5)
1.一种临边全波段超光谱图像仿真方法,其特征在于,包括如下步骤:
1)进行图像预处理,通过基于真实地球数据的建模软件在可见光波段对临边图像进行模拟;
2)通过图像阈值分割的方式将图像分为大气部分与地面部分;
3)建立大气与地面临边光谱反射率与光谱辐射亮度值数据库;
4)对大气与地面图像中各像素点光谱辐射亮度值进行仿真;
5)输出仿真图像。
2.如权利要求1所述的临边全波段超光谱图像仿真方法,其特征在于,步骤2)中,图像阈值分割包括以下步骤:
步骤2.1,选择T作为阈值;
步骤2.2,利用阈值T把图像分为两个区域R1,和R2;
步骤2.3,对区域R1和R2中的所有像素计算平均灰度值u1和u2
步骤2.4,计算新的阈值:
步骤2.5,重复步骤2.4,直到逐次迭代所得的T值小于事先定义的参数T;
步骤2.6,根据最终阈值T,对图像进行分割,划分大气部分与地面部分。
3.如权利要求1所述的临边全波段超光谱图像仿真方法,其特征在于,步骤3)中,建立大气与地面数据库;具体为:
步骤3.1,建立一个全波段、不同地物的光谱反射率数据库;
步骤3.2,使用大气辐射仿真软件,针对观测方位角在90°到180°,建立全波段对应的大气反射率与光谱辐射亮度值数据库。
4.如权利要求1所述的临边全波段超光谱图像仿真方法,其特征在于,步骤4)中,对大气部分进行仿真步骤如下:
步骤4.1,根据探测镜头探测角度与角分辨率,计算出图像中每一个点的观测方位角;
步骤4.2,针对不同的观测方位角,读取大气数据库中仿真波段的光谱辐射亮度值;
步骤4.3,输出大气部分仿真图像。
5.如权利要求1所述的临边全波段超光谱图像仿真方法,其特征在于,步骤4)中,对地面部分进行仿真步骤如下:
步骤4.4,利用端元提取的方式确定纯净像元与混合像元,通过像元解混的方式确定每一个混合像元的地物组成成分;
步骤4.5,根据标准反射率数据库的地物光谱反射率数据,计算每种物质在仿真波段的光谱反射率;
步骤4.6,通过改变探测镜头坐标系的相关参数,实现图像由正视向斜视的投影变换;
步骤4.7,根据探测镜头的角分辨率确定图像中每个点的观测方位角;
步骤4.8,针对不同的观测方位角,读取数据库中仿真波段的大气反射率,借由全链路物理模型,计算出每个点的光谱辐射亮度值;
步骤4.9,输出地面部分仿真图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810805467.1A CN109241554B (zh) | 2018-07-20 | 2018-07-20 | 一种临边全波段超光谱图像仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810805467.1A CN109241554B (zh) | 2018-07-20 | 2018-07-20 | 一种临边全波段超光谱图像仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109241554A true CN109241554A (zh) | 2019-01-18 |
CN109241554B CN109241554B (zh) | 2023-04-25 |
Family
ID=65072792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810805467.1A Active CN109241554B (zh) | 2018-07-20 | 2018-07-20 | 一种临边全波段超光谱图像仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109241554B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800857A (zh) * | 2021-01-07 | 2021-05-14 | 北京中云伟图科技有限公司 | 一种基于高分辨率卫星数据的裸露土地快速提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103743488A (zh) * | 2013-12-28 | 2014-04-23 | 华中科技大学 | 遥感卫星地球临边背景特性的红外成像仿真方法 |
CN104867179A (zh) * | 2015-05-22 | 2015-08-26 | 北京航空航天大学 | 一种全谱段光学成像仪遥感影像仿真方法 |
-
2018
- 2018-07-20 CN CN201810805467.1A patent/CN109241554B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103743488A (zh) * | 2013-12-28 | 2014-04-23 | 华中科技大学 | 遥感卫星地球临边背景特性的红外成像仿真方法 |
CN104867179A (zh) * | 2015-05-22 | 2015-08-26 | 北京航空航天大学 | 一种全谱段光学成像仪遥感影像仿真方法 |
Non-Patent Citations (2)
Title |
---|
许洪 等: "基于可见光光谱图像的红外多光谱图像仿真生成", 《红外与激光工程》 * |
赵云峰 等: "海洋背景下运动目标的天基红外探测场景生成系统", 《光学精密工程》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800857A (zh) * | 2021-01-07 | 2021-05-14 | 北京中云伟图科技有限公司 | 一种基于高分辨率卫星数据的裸露土地快速提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109241554B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Marquez et al. | Intra-hour DNI forecasting based on cloud tracking image analysis | |
EP0620409B1 (en) | Electro-optical target and background simulation | |
CN109416413A (zh) | 太阳能预报 | |
CN110514298B (zh) | 一种基于地基云图的太阳辐照强度计算方法 | |
CN104502918A (zh) | 一种低轨卫星星载图谱关联探测方法与载荷 | |
Moorhead et al. | CAMEO-SIM: a physics-based broadband scene simulation tool for assessment of camouflage, concealment, and deception methodologies | |
CN111581884A (zh) | 一种星载多分辨率目标光学辐射图像仿真方法 | |
CN107301633B (zh) | 在云雾干扰下遥感成像的仿真方法 | |
Kazantzidis et al. | Short-term forecasting based on all-sky cameras | |
CN113902663A (zh) | 一种自动适应天气的空中小目标动态红外仿真方法及装置 | |
CN111047686A (zh) | 一种用于无人光电设备的实时成像仿真系统 | |
Zhang et al. | A back propagation neural network-based radiometric correction method (BPNNRCM) for UAV multispectral image | |
CN109241554A (zh) | 一种临边全波段超光谱图像仿真方法 | |
Schott et al. | Advanced synthetic image generation models and their application to multi/hyperspectral algorithm development | |
Sheffer et al. | Computer generated IR imagery: a first principles modeling approach | |
Francis et al. | Comparison of physically-and computer-generated imagery | |
Gilmore et al. | CAMEO-SIM: a broadband scene generation system that is fit for purpose | |
Cavanaugh et al. | Cell tower contrast in the visible, short-wave infrared, and long-wave infrared bands | |
CN115841048B (zh) | 一种基于目标机理模型的多模仿真数据集制备方法 | |
Ratliff et al. | An empirically-driven model for reflective-band polarization phenomenology | |
Oh et al. | Ray tracing based simulation of stray light effect for geostationary ocean color imager | |
Martins et al. | Systematic Literature Review on Forecasting/Nowcasting based upon Ground-Based Cloud Imaging | |
CN118154429B (zh) | 遥感图像重建方法 | |
CN116433859A (zh) | 面向天基目标检测机器学习的海量多波段图像生成方法 | |
Habib et al. | Quality Assurance and Quality Control of Remote Sensing Systems |
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 |