CN109974854A - 一种框幅式fpi高光谱图像的辐射校正方法 - Google Patents

Abstract

本发明公开了一种框幅式FPI高光谱图像的辐射校正方法，在光谱成像仪系统级别的定标与校正，消除了感光单元内非光照引起的暗电流和边缘入射光线的透镜衰减影响。在辐射处理部分，非理想太阳光照条件导致图像之间的辐射差异很大。使用全局中值照度校正的方法消除了航带间照度变化引起的辐射亮度梯度差异。基于像底点标准化的BRDF校正消除了场景内与观测角度和方向相关的亮度梯度差异。使用Savitzky‑Golay滤波对光谱曲线进行抛光，消除了大气校正残余的吸收峰毛刺噪声。滤波后的图像的信噪比得到了明显的提升，尤其是原本信噪比较低的波段。另外，近红外波段的信噪比提升效果要优于可见光波段，提升幅度约为5个单位。

Description

一种框幅式FPI高光谱图像的辐射校正方法

技术领域

本发明涉及航空遥感图像预处理领域，尤其涉及一种框幅式FPI高光谱图像的辐射校正方法。

背景技术

Fabry-Perot干涉仪(FPI)技术的快速发展使得高光谱成像仪成为了新技术之一，并且可推广应用到航空遥感领域。在遥感成像时，由于仪器探测元件、大气环境和太阳光照等因素的影响，遥感影像会存在一定的辐射畸变现象，这些畸变影响了影像的质量和应用。特别是在天气状况不佳时，在非均匀光照条件下采集的数据，由于地表接收的太阳辐射受到云层的严重影响,使得不同照度水平下的像元存在辐射畸变的问题，增加了地物光谱信息提取的难度，阻碍了遥感影像数据的进一步分析与应用。因此，遥感数据能否得到有效的应用不仅取决于成像载荷的设计与性能，也取决于其图像数据的辐射质量。辐射校正虽不直接参与遥感图像的获取过程，但在提升图像辐射品质方面起着重要的作用。辐射校正的目标是消除或修正因辐射误差而引起的图像畸变，实际上是消除因传感器自身条件、大气条件、太阳光照等条件引起的传感器测量值与目标的光谱反射率之间的差异，尽可能地恢复遥感图像本来的光谱信息，使图像的辐射信息具有相同的尺度和可比性，为遥感图像后续应用工作奠定基础。

航空遥感最重要的优点之一是操作灵活，操作人员可以自由地选择飞行测量时间。但是，天气条件通常是最大的限制因素。成像光谱测量理想的天气条件是晴朗的天空条件或至少照度均匀。然而，在很多季节或气候地区，理想的天气很罕见，致使设备的利用率较低。现有辐射处理方法未提供非理想天气条件下成像光谱测量后的辐射处理方法。而在非理想天气条件下进行成像光谱测量时，太阳光会受到不同厚度云层的折射和反射，到达目标地物的辐射强度和波长会发生变化，对应的反射光也会同步发生变化，致使传感器所测得的辐射能量产生较大的差异。即，同一地物的遥感图像会受大气环境、太阳照度、太阳方位角和太阳高度角等因素影响，在不同时间和照度水平下成像的反射光谱存在差异，在图像上表现为亮度不均匀。需要辐射校正以减轻或消除这种辐射畸变，常用校正方法需要外加辐射计以获取校正参照，虽然校正精度较高，但存在成本高、操作不易及效率低等缺点。

发明内容

本发明的目的就在于为了解决上述问题而提供一种框幅式FPI高光谱图像的辐射校正方法。

本发明通过以下技术方案来实现上述目的：

本发明包括以下步骤：

步骤1：飞行前，在无人机顶端安装太阳辐照度传感器，并在地面布设4块辐射校正靶标，标准反射率分别为3％、22％、48％和64％；

步骤2：飞行过程中，高光谱相机按照设定的时间间隔连续拍摄图像，并在曝光的同时记录GPS位置信息和相对辐照度信息；

步骤3：飞行结束后，导出每张图像的元数据及影像数据，并将K-type格式的原始图像转换为ENVI标准格式，生成高光谱立方体数据；

步骤4：使用相机出厂测定的校正文件进行暗电流和镜头渐晕校正，并将影像像元电信号值(DNs)定标为光谱辐亮度(mW/[m²·str·nm])；

步骤5：使用平稳飞行时获取的图像和对应的辐照度，统计并计算整个架次的辐照度中值，以全局中值照度水平和对应的图像作为参考图像，计算剩余图像的乘性校正因子，将辐照度修正到参考图像照度水平；

步骤6：计算每幅场景图像的像底点位置，将非像底点的辐射信息通过与场景相对应的扫描角和像底点值等进行标准化，通过图像统计实现BRDF校正；

步骤7：使用反射率为3％、22％、48％和64％的4块辐射靶标建立经验线性模型，使用最小二乘法计算每个波段的反射率转换系数，并将光谱辐亮度图像转换为光谱反射率图像；

步骤8：使用Savitzky-Golay图像滤波算法，通过小窗口的滑动，对给定高阶多项式进行最小二乘拟合计算加权平均系数，平滑光谱曲线并降低噪音的干扰。

本发明的有益效果在于：

本发明是一种框幅式FPI高光谱图像的辐射校正方法，与现有技术相比，本发明在光谱成像仪系统级别的定标与校正，消除了感光单元内非光照引起的暗电流和边缘入射光线的透镜衰减影响。在辐射处理部分，非理想太阳光照条件导致图像之间的辐射差异很大。使用全局中值照度校正的方法消除了航带间照度变化引起的辐射亮度梯度差异，在可见光波段和近红外波段分别提供了 20.46％～36.46％和9.69％～23.23％的均匀性，数据的整体均匀性提高了0.51％～ 4.05％。基于像底点标准化的BRDF校正消除了场景内与观测角度和方向相关的亮度梯度差异。在土壤场景内，BRDF校正分别在可见光和近红外波段提供了 3.66％～4.30％和2.81％～4.31％；在植被场景内，BRDF校正分别在可见光和近红外波段提供了0.79％～1.44％和0.37％～1.51％，并且整体上在可见光波段的校正效果优于近红外波段。以地面布设的4块地面辐射靶标作为辐射参考，由最小二乘法建立的经验线性模型成功地将辐亮度转换为反射率，虽然不是对大气影响辐射传输的准确描述，但估算得到的经验参数在一定程度上能够修正大气环境对辐射传输产生的影响。使用Savitzky-Golay滤波对光谱曲线进行抛光，消除了大气校正残余的吸收峰毛刺噪声。滤波后的图像的信噪比得到了明显的提升，尤其是原本信噪比较低的波段。另外，近红外波段的信噪比提升效果要优于可见光波段，提升幅度约为5个单位。

附图说明

图1是本发明的方法流程图。

具体实施方式

下面结合附图对本发明作进一步说明：

如图1所示：本实施例的辐射校正方法包括如下步骤：

S1：高光谱数据采集。在飞行前，首先将高光谱相机搭载在增稳云台上，通过兔笼结构从上下两面固定相机，以降低飞行过程中相机的抖动，并使相机镜头始终保持垂直向下。其次，将光谱敏感范围为400～1000nm的Intersil ISL29004相对辐照度传感器和GPS接收机安装到无人机顶端，。最后，在地面布设4张1.2m×1.2m便携式漫反射油布作为辐射参考靶标，表面涂有丙烯酸染色或者硅树脂，能够使得表面均匀散射，标称反射率分别为3％、22％、48％和64％。在飞行时，无人机按照预定航线飞行，高光谱成像仪时间间隔曝光获取图像。与此同时，GPS接收机和辐照度传感器曝光时刻的太阳辐照度和地理位置信息。飞行后，导出每张图像的元数据及影像数据，将K-type格式的原始图像转换为 ENVI标准格式，并构建光谱立方体数据。

S2：系统校正及定标。首先，遍历所有高光谱图像计算每个波段感光单元的暗电流电信号值，使用公式(1)消除暗电流的影响；其次，使用相机出厂测定的校正文件，遍历每一景图像的每个波段，使用公式(2)消除镜头边缘减光效应的影响；最后，根据每个波段的实验室绝对定标系数，使用公式(3)将图像电信号值(DNs)转换为辐亮度，单位为(mW/[m²·str·nm])。

DN_dc(λ)＝DN_raw(λ)-Dark(λ) 公式(1)

DN_vc(λ)＝DN_(i,j)(λ)+Vig_(i,j)(λ) 公式(2)

L_λ＝DN_vc·gain_λ+bias_λ 公式(3)

其中，λ为波段，_(i,j)为第i行第j列的像元，Dark为暗电流值，Vig为镜头消光值，DN_raw为原始图像值，DN_dc为暗电流校正后的图像值，DN_vc为镜头渐晕校正后的图像值，gain为增益系数，bias为偏置系数，L为辐亮度值。

S3：辐射校正。

辐射校正总体模型：

光谱辐射传感器进行照度测量，再结合双向光谱反射率分布函数(BRDF) 使用经验线性模型进行辐射校正，如公式(4)：

I_{ij_k}＝a_{irr_k}(b_ref·BRDF_m+c_ref) (4)

其中，a_{irr_k}是待修正图像k相对于参考图像的辐照度修正系数，b_ref和c_ref是辐照度和反射率转换的经验线性参数，BRDF_m是图像k中目标点(i,j)的双向反射校正函数。

辐射校正分步模型：

1)辐照度修正。统计有效数据的相对辐照度，距辐照度中值最近的相对辐照度和对应的图像作为参考，计算剩余图像的校正因子(公式5、6)，将辐照度修正到参考图像照度水平，以消除由辐照度变化引起的航带间辐射亮度梯度差异。

L_jc(λ)_{at_sensor}＝L_j(λ)_{at_sensor}×C_j(λ) (5)

C_j(λ)＝E_j(λ)/E_ref(λ) (6)

式中，C_j(λ)是第j个图像乘性校正因子，E_j(λ)是第j个图像的辐照度值，E_ref(λ)是参考图像的辐照度值，L_j(λ)_{at_sensor}、L_jc(λ)_{at_sensor}是第j个原始图像和辐照度修正后的图像。

2)BRDF修正。大多数自然物体具有各向异性反射特性，受相机视场角、飞行方向、太阳方位角及太阳高度角的影响二向性反射特征明显，特别是宽视场角镜头。在平坦地形下可以通过图像统计进行BRDF校正，将每幅场景非像底点的辐射信息通过扫描角和像底点值进行标准化(如公式(7))，以消除路径辐射不对称引起的与观测角度和方向相关的亮度梯度差异。

式中，为最低点区域的平均辐亮度值，l(j)为图像中列号j像素的辐亮度值，函数f₂(j)是扫描角度间隔(1°或3°)和图像行列数建立的校正函数。其中，扫描角为1°时支持热点几何校正。

3)BRDF修正。为了避免临近像元的影响，取以标准反射率为3％、22％、48％和64％的辐射靶标作为参考。取辐射靶标中央18pixel×18pixel区域，使用最小二乘法建立每个波段的经验线性校正模型(如公式(8))，估算每个波段辐亮度与反射率之间的转换系数。

ρ_λ＝b_{ref_λ}·L(λ)+c_{ref_λ} (8)

式中，ρ_λ为λ波段的真实反射率，L(λ)为λ波段辐射靶标的辐亮度值，b_{ref_λ}和c_{ref_λ}为λ波段的反射率转换因子。

S4：波谱滤波。

使用Savitzky-Golay滤波降噪时需要控制三个关键参数：滤波窗口大小、导数阶数和平滑多项式的次数。为了避免出现偏置现象和噪声过拟合，设置参数为5pixel×5pixel移动窗口、0阶导数和2次多项式时的平滑时降噪效果最佳，在去除光谱毛刺噪声的同时很好地保留图像特征。

以上显示和描述了本发明的基本原理和主要特征及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (1)

1.一种框幅式FPI高光谱图像的辐射校正方法，其特征在于：包括以下步骤：

步骤1：飞行前，在无人机顶端安装太阳辐照度传感器，并在地面布设4块辐射校正靶标，标准反射率分别为3％、22％、48％和64％；

步骤2：飞行过程中，高光谱相机按照设定的时间间隔连续拍摄图像，并在曝光的同时记录GPS位置信息和相对辐照度信息；

步骤3：飞行结束后，导出每张图像的元数据及影像数据，并将K-type格式的原始图像转换为ENVI标准格式，生成高光谱立方体数据；

步骤4：使用相机出厂测定的校正文件进行暗电流和镜头渐晕校正，并将影像像元电信号值(DNs)定标为光谱辐亮度(mW/[m²·str·nm])；

步骤5：使用平稳飞行时获取的图像和对应的辐照度，统计并计算整个架次的辐照度中值，以全局中值照度水平和对应的图像作为参考图像，计算剩余图像的乘性校正因子，将辐照度修正到参考图像照度水平；

步骤6：计算每幅场景图像的像底点位置，将非像底点的辐射信息通过与场景相对应的扫描角和像底点值等进行标准化，通过图像统计实现BRDF校正；

步骤7：使用反射率为3％、22％、48％和64％的4块辐射靶标建立经验线性模型，使用最小二乘法计算每个波段的反射率转换系数，并将光谱辐亮度图像转换为光谱反射率图像；

步骤8：使用Savitzky-Golay图像滤波算法，通过小窗口的滑动，对给定高阶多项式进行最小二乘拟合计算加权平均系数，平滑光谱曲线并降低噪音的干扰。