CN109990902A - 一种图谱关联的分谱段估计目标亮温的方法 - Google Patents
一种图谱关联的分谱段估计目标亮温的方法 Download PDFInfo
- Publication number
- CN109990902A CN109990902A CN201811632929.0A CN201811632929A CN109990902A CN 109990902 A CN109990902 A CN 109990902A CN 201811632929 A CN201811632929 A CN 201811632929A CN 109990902 A CN109990902 A CN 109990902A
- Authority
- CN
- China
- Prior art keywords
- target
- wave band
- temperature
- bright
- wave
- 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 28
- 230000003595 spectral effect Effects 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 230000005855 radiation Effects 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 11
- 238000002834 transmittance Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005316 response function Methods 0.000 claims description 4
- 241000287181 Sturnus vulgaris Species 0.000 abstract description 2
- 238000001228 spectrum Methods 0.000 description 28
- 239000013535 sea water Substances 0.000 description 16
- 238000011088 calibration curve Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000005457 Black-body radiation Effects 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 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
Abstract
本发明公开了一种图谱关联的分谱段估计目标亮温的方法，包括：凝视测量目标的红外宽光谱及对应的长波红外图像；根据长波红外图像识别目标的类型，若为小目标，则分谱段估计其亮温；若为大目标，则将目标划分为多个局部区域，并分谱段估计各局部区域的亮温；分谱段估计待测对象亮温的方法为：根据红外宽光谱的形态及长波红外图像识别待测对象的类型，并根据识别结果确定进行温度反演的目标谱段；通过温度反演分别得到目标谱段内每一个波长所对应的亮温，并获得所有波长对应的亮温的平均值作为待测对象的亮温。本发明能够提高亮温估计的精度，并精确估计目标各局部区域的亮温。
Description
技术领域
本发明属于光谱学、遥感和图像识别的交叉技术领域，更具体地，涉及一种图谱关联的分谱段估计目标亮温的方法。
背景技术
使用遥感红外数据进行温度的反演以获得目标的亮温对于地面监测有非常重要的意义，尤其是在对水文、生态、环境等方面。
目前利用遥感技术对地表温度信息的提取主要是利用热红外波段，但热红外波段数据受大气、背景环境影响较大，反演精度较低。随着科技的不断进步，已有学者提出了一些很好的利用中红外或短波红外来识别和反演温度的方法：程洁等提出利用中红外波段提取土壤发射率的算法，利用提取出土壤的发射率反演地表温度；短波红外谱段(1.3～3.0μm)，对高温目标有一定的敏感性，对森林火、活火山等高温目标的识别精度较高，能够清楚的显示火点的位置和大小，因此，短波红外谱段常被用于捕捉高温信息。
以上地面遥感技术对于各类目标，均采用相同波段的光谱进行温度的反演，所得到的亮温精度不高。而且，以上地面遥感技术获得是大区域的地表遥感数据，反演得到的是大区域面积的平均温度，难以得到各小局部区域的精确反演结果。
发明内容
针对现有技术的缺陷和改进需求，本发明提供了一种图谱关联的分谱段估计目标亮温的方法，其目的在于，精确估计目标各局部区域的亮温。
为实现上述目的，本发明提供了一种图谱关联的分谱段估计目标亮温的方法，包括：
(1)凝视测量目标的红外宽光谱及对应的长波红外图像；
(2)根据长波红外图像识别目标的类型，若为小目标，则转入步骤(5)；若为大目标，则转入步骤(6)；
(3)根据红外宽光谱的形态及长波红外图像识别待测对象的类型，并根据识别结果确定进行温度反演的目标谱段；
不同类型待测对象，其红外宽光谱的形态会有所不同；当待测对象为高温物体时，在光谱的短波波段和/或中波波段会出现波峰，使用短波波段对这类待测对象进行温度反演的精度更高；待测对象反射太阳光的能量强时，在光谱的短波波段和/或中波波段也会出现波峰，此时应使用长波波段或全波段进行温度的反演；中、低温待测对象在短波波段和中波波段均不会出现波峰，对这类目标，应使用长波波段进行温度反演；本发明根据红外宽光谱的形态及长波红外图像能够准确识别待测对象的类型，针对不同类型的待测对象使用不同的谱段进行温度反演，能够有效提高亮温估计的准确度；
(4)通过温度反演分别得到目标谱段内每一个波长所对应的亮温，并获得所有波长对应的亮温的平均值作为待测对象的亮温；
(5)将目标作为待测对象并执行步骤(3)～(4)，以估计目标的亮温，处理结束；
(6)将目标划分为多个局部区域，分别以各局部区域为待测对象并执行步骤(3)～(4)，从而估计目标各局部区域的亮温，处理结束。
本发明所提供的图谱关联的分谱段估计目标亮温的方法，对于小目标，直接估计其亮温，对于大目标，则先将其划分为多个局部区域并分别估计各局部区域的亮温，由此能够获得大目标的亮温分布；由于大目标各局部区域的亮温可能不一致，相比于传统的只能获得大区域面积平均温度的亮温估计方法，本发明具有更重要的实际意义。
进一步地，步骤(2)中，根据长波红外图像识别目标的类型，包括：
获得目标在红外图像中所占像素数的比值，若比值大于预设的尺寸阈值，则将目标识别为大目标；否则，将目标识别为小目标。
进一步地，步骤(3)包括：
获得红外宽光谱对应的波段B0，并分别获得波段B0中的短波波段和中波波段；
若短波波段和中波波段均没有波峰，则识别待测对象为中温对象或低温对象，并确定波段B0或者波段B0中的长波波段为目标谱段；
若短波波段和/或中波波段有波峰，且待测对象在长波红外图像中为亮目标，则识别待测对象为高温对象，并确定出现波峰的波峰波段为目标谱段；
若短波波段和/或中波波段有波峰，且待测对象在长波红外图像中不是亮目标，则识别待测对象为反射太阳光能量较多的对象，并确定波段B0中的长波波段为目标谱段。
更进一步地，波峰波段的获取方式为：
根据红外宽光谱计算中间波段内的平均DN值并获得中间波段内DN值高于平均DN值的波段范围B1＝(λi,λj)；
将波段范围B1向其邻域扩大一倍，以得到波峰波段为：
其中，中间波段为波段范围B0中的短波波段或中波波段，λi和λj分别为波段范围B1的下界和上界，且λi<λj，λi′和λj′分别为波段B的下界和上界，且λi′<λj′，λk为中间变量。
更进一步地，判断待测对象在长波红外图像中是否为亮目标的方式为：
遍历长波红外图像以获得灰度直方图；
根据灰度直方图分别获得灰度值最高的前α％像素的平均灰度值以及灰度值最低的前β％像素的平均灰度值
若则判定待测对象在长波红外图像中为亮目标；否则，判定待测对象在长波红外图像中不是亮目标；
其中，α和β均为预设的百分比阈值，vth为预设的灰度值阈值。
进一步地，步骤(4)中，通过温度反演分别得到目标谱段内每一个波长所对应的亮温，包括：
(41)对于目标谱段内的每一个波长λ，分别获得黑体在温度T1和T2下与波长λ相对应的DN值S(λ,T1)和S(λ,T2)，以计算与波长λ相对应的仪器响应函数k(λ)和仪器辐射偏置b(λ)；
(42)根据红外宽光谱获得待测对象与波长λ相对应的DN值S(λ,T)，并根据仪器响应函数k(λ)、仪器辐射偏置b(λ)以及DN值S(λ,T)计算校正后的辐射亮度G(λ,T)；
(43)从辐射亮度G(λ,T)中去除大气程辐射Gpath(λ)以得到待测对象在像方的辐射亮度G′(λ,T′)；
(44)根据辐射亮度G′(λ,T′)和大气透过率τ(λ)得到待测对象在物方的辐射亮度G″(λ,T″)，并根据辐射亮度G″(λ,T″)计算待测对象的亮温T″；
其中，大气程辐射Gpath(λ)和大气透过率τ(λ)均与波长λ相对应。
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
(1)本发明所提供的图谱关联的分谱段估计目标亮温的方法，同时获得目标的红外宽光谱和长波红外图像，能够根据红外宽光谱的形态及长波红外图像能够准确识别待测对象的类型。
(2)本发明所提供的图谱关联的分谱段估计目标亮温的方法，针对不同类型的待测对象使用不同的谱段进行温度反演，能够有效提高亮温估计的准确度。
(3)本发明所提供的图谱关联的分谱段估计目标亮温的方法，对于小目标，直接分谱段估计其亮温；对于大目标，则先将其划分为多个局部区域并分别分谱段估计各局部区域的亮温，由此能够获得大目标的亮温分布；由于大目标各局部区域的亮温可能不一致，相比于传统的只能获得大区域面积平均温度的亮温估计方法，本发明具有更重要的实际意义。
附图说明
图1为本发明实施例提供的图谱关联的分谱段估计目标亮温的方法流程图；
图2(a)为本发明实施例提供的凝视测量海水亮带的红外宽光谱和长波红外图像的示意图；
图2(b)为本发明实施例提供的凝视测量防浪堤的红外宽光谱和长波红外图像的示意图；
图3(a)为本发明实施例提供的海水亮带长波红外图像；
图3(b)为本发明实施例提供的防浪堤长波红外图像；
图4为本发明实施例提供的海水亮带和防浪堤的红外宽光谱；
图5为本发明实施例提供的飞机各部位的长波红外图像；(a)～(d)分别为飞机机头、机翼、尾喷管及尾焰的长波红外图像；
图6为本发明实施例提供的飞机各部位的红外宽光谱；
图7为本发明实施例提供的飞机各部位的光谱辐射校正曲线；(a)～(c)分别为飞机机体、机翼及尾喷管在6.5～9.5um波段内的关铺辐射校正曲线；(d)为飞机尾焰在3.2～4.2um波段内的光谱辐射校正曲线；
图8为本发明实施例提供的飞机各部位的亮温估计结果；(a)～(c)分别为飞机机体、机翼及尾喷管的亮温估计结果；(d)为飞机尾焰在3.2～4.2um波段内的亮温估计结果；(e)为飞机尾焰在6.5～9.5um波段内的亮温估计结果；
图9(a)为本发明实施例提供的防浪堤的光谱辐射校正曲线；
图9(b)为本发明实施例提供的防浪堤的亮温估计结果；
图10(a)为本发明实施例提供的海水亮带的光谱辐射校正曲线；
图10(b)为本发明实施例提供的海水亮带在9～11um波段内的亮温估计结果；
图10(c)为本发明实施例提供的海水亮带在3.2～4.2um波段内的亮温估计结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种图谱关联的分谱段估计目标亮温的方法，其整体思路在于：同时获得目标的红外宽光谱及对应的长波红外图像；根据长波红外图像识别目标类型；对于小目标，则直接分谱段估计其亮温；对于大目标，则将其划分为多个局部区域，并分别分谱段估计各局部区域的亮温，以得到目标的亮温分布；在分谱段估计亮温的过程中，结合红外宽光谱的形态和长波红外图像识别待测对象的类型，并根据识别结果确定更为具体的目标谱段，在目标谱段内进行温度反演以提高亮温估计的准确度。
本发明所提供的图谱关联的分谱段估计目标亮温的方法，如图1所示，包括：
(1)凝视测量目标的红外宽光谱及对应的长波红外图像；
(2)根据长波红外图像识别目标的类型，若为小目标，则转入步骤(5)；若为大目标，则转入步骤(6)；
在一个可选的实施方式中，步骤(2)中，根据长波红外图像识别目标的类型，包括：
获得目标在红外图像中所占像素数的比值，若比值大于预设的尺寸阈值，则将目标识别为大目标；否则，将目标识别为小目标；
(3)根据红外宽光谱的形态及长波红外图像识别待测对象的类型，并根据识别结果确定进行温度反演的目标谱段；
根据维恩位移定律，黑体辐射光谱分布曲线极大值对应的波长λ随黑体温度的升高，向短波长方向移动；
不同类型的待测对象，其红外宽光谱的形态会有所不同；当待测对象为高温物体时，在光谱的短波波段和/或中波波段会出现波峰，使用短波波段对这类待测对象进行温度反演的精度更高；待测对象反射太阳光的能量强时，在光谱的短波波段和/或中波波段也会出现波峰，此时应使用长波波段或全波段进行温度的反演；中、低温待测对象在短波波段和中波波段均不会出现波峰，对这类目标，应使用长波波段进行温度反演；本发明根据红外宽光谱的形态及长波红外图像能够准确识别待测对象的类型，针对不同类型的待测对象使用不同的谱段进行温度反演，能够有效提高亮温估计的准确度；
在一个可选的实施方式中，步骤(3)具体包括：
获得红外宽光谱对应的波段B0，并分别获得波段B0中的短波波段和中波波段；
若短波波段和中波波段均没有波峰，则识别待测对象为中温对象或低温对象，并确定波段B0或者波段B0中的长波波段为目标谱段；
若短波波段和/或所述中波波段有波峰，且待测对象在长波红外图像中为亮目标，则识别待测对象为高温对象，并确定出现波峰的波峰波段为目标谱段；
若短波波段和/或所述中波波段有波峰，且待测对象在长波红外图像中不是亮目标，则识别待测对象为反射太阳光能量较多的对象，并确定波段B0中的长波波段为目标谱段；
在本实施例中，波峰波段的获取方式为：
根据红外宽光谱计算中间波段内的平均DN值并获得中间波段内DN值高于平均DN值的波段范围B1＝(λi,λj)；
将波段范围B1向其邻域扩大一倍，以得到波峰波段为：
其中，中间波段为波段范围B1中的短波波段或中波波段，λi和λj分别为波段范围B1的下界和上界，且λi<λj，λi′和λj′分别为波段B的下界和上界，且λi′<λj′，λk为中间变量；
判断待测对象在长波红外图像中是否为亮目标的方式为：
遍历长波红外图像以获得灰度直方图；
根据灰度直方图分别获得灰度值最高的前α％像素的平均灰度值以及灰度值最低的前β％像素的平均灰度值
若则判定待测对象在长波红外图像中为亮目标；否则，判定待测对象在长波红外图像中不是亮目标；
其中，α和β均为预设的百分比阈值，vth为预设的灰度值阈值；
(4)通过温度反演分别得到目标谱段内每一个波长所对应的亮温，并获得所有波长对应的亮温的平均值作为待测对象的亮温；
在一个可选的实施方式中，步骤(4)中，通过温度反演分别得到目标谱段内每一个波长所对应的亮温，具体包括：
(41)对于目标谱段内的每一个波长λ，分别获得黑体在温度T1和T2下与波长λ相对应的DN值S(λ,T1)和S(λ,T2)，以计算与波长λ相对应的仪器响应函数k(λ)和仪器辐射偏置b(λ)；
(42)根据红外宽光谱获得待测对象与波长λ相对应的DN值S(λ,T)，并根据仪器响应函数k(λ)、仪器辐射偏置b(λ)以及DN值S(λ,T)计算校正后的辐射亮度G(λ,T)；
(43)从辐射亮度G(λ,T)中去除大气程辐射Gpath(λ)以得到待测对象在像方的辐射亮度G′(λ,T′)；
(44)根据辐射亮度G′(λ,T′)和大气透过率τ(λ)得到待测对象在物方的辐射亮度G″(λ,T″)，并根据辐射亮度G″(λ,T″)计算待测对象的亮温T″；
其中，大气程辐射Gpath(λ)和大气透过率τ(λ)均与波长λ相对应；
(5)将目标作为待测对象并执行步骤(3)～(4)，以估计目标的亮温，处理结束；
(6)将目标划分为多个局部区域，分别以各局部区域为待测对象并执行步骤(3)～(4)，从而估计目标各局部区域的亮温，处理结束。
本发明所提供的图谱关联的分谱段估计目标亮温的方法，对于小目标，直接估计其亮温，对于大目标，则先将其划分为多个局部区域并分别估计各局部区域的亮温，由此能够获得大目标的亮温分布；由于大目标各局部区域的亮温可能不一致，相比于传统的只能获得大区域面积平均温度的亮温估计方法，本发明具有更重要的实际意义。
应用实例
使用华中科技大学张天序教授课题组研制的图谱协同遥感探测系统跟踪和凝视相结合的方式测量多组飞机不同部位、海水亮带与背景1.7～20um红外宽光谱数据和8～12um长波红外图像，以及面源黑体光谱数据。在亮温估计是，将实测1.7～20um和2～12um的宽光谱分为短波波段(2～3um)、中波波段(3～5um)和长波波段(8～12um)，针对不同类型(如高温、低温、反射太阳光强)目标温度的反演使用不同谱段光谱。
图谱协同遥感探测系统凝视测量海水亮带与防浪堤的红外宽光谱和长波红外图像，数据采集示意图分别如图2(a)和图2(b)所示，两类各采集光谱样本100个，红外图像各100帧，每个光谱样本在1.7～20um波长上的DN值数量N＝1545，所采集到的海水亮带和防浪堤的长波红外图像分别如图3(a)和图3(b)所示，所采集到的海水亮带和防浪堤的红外宽光谱如图4所示；对高温目标，测量机场飞机尾焰光谱样本100个，红外图像100帧，每个光谱样本在2～12um波长上的DN值数量N＝1042；飞机机头、机翼、尾喷管及尾焰的长波红外图像分别如图5(a)～图5(d)所示，飞机各部位的红外宽光谱如图6所示。
从图3和图5可知，对实测光谱对应的红外图像，遍历图像获得灰度直方图，计算灰度直方图中高灰度值前α％且高于图像光斑灰度值的像素数n和低灰度值前β％的像素数m，在本应用实例中，α＝10，β＝10，分别计算这n和m个像素数的平均灰度值和灰度值阈值设为t＝100，对飞机尾焰成立，因此将图像中的飞机尾焰视为亮目标；对于海水亮带不成立，故不是亮目标；对于防浪堤红外图像不成立，故不是亮目标。
从图4和图6可知，红外宽光谱方面，对于海面亮带，反射太阳光能量造成的波峰出现在光谱短波波段和中波波段，短波波段的光谱DN值的平均值中波波段的光谱DN值的平均值计算得到短波波段(2～3um)高于平均值的波段范围λi,j＝2.2～2.4um(i，j分别表示波段范围的下界和上界)，中波波段(3～5um)高于平均值的波峰范围λi,j＝3.6～3.8um，由该范围向左右邻域扩大一倍可近似得到波峰波段范围band＝3.5～3.9um，根据长波红外图像判断海水亮带不是亮目标，故判定海水亮带是低温但反射太阳光能量较多的目标；其中，波峰波段的计算公式如下：
band＝λi-k,j+k
对于海面上的防浪堤，在光谱短波波段没有波峰，且在长波红外图像中不是亮目标，因此判定防浪堤为中、低温物体。
飞机尾焰在红外图像中很亮，且在红外光谱中波波段有波峰出现，中波波段的光谱DN得到平均值计算得到中波波段(3～5um)高于平均值的波段范围λi,j＝3.6～4.1um，由该范围向左右邻域扩大一倍可近似得到波峰波段范围band＝3.3～4.3um，故判定飞机尾焰为高温目标。
根据上述分析，可以识别各对象(即目标或目标的局部区域)的类型，对不同目标或同一目标的不同部件选择合适谱段范围进行温度的反演。由于飞机尾焰是高温目标且在短波波段有波峰出现，所以选择用波峰出现的波峰波段进行温度反演；海水亮带为低温物体但在短波波段有波峰出现，短波反射太阳光能量多，所以选择长波波段进行温度的反演；防浪堤属于中、低温目标，且反射太阳光能量少，所以选择长波红外波段进行温度反演。
上述目标与背景的表观温度是由实测目标红外宽光谱经辐射定标和大气校正后得到的辐射亮度谱，再经普朗克公式计算所得。辐射校正使用两点校正公式，大气校正用的大气透过率和大气程辐射由modtran根据当时测量条件计算所得。测量条件如表1所示。
表1测量条件
利用实测黑体光谱数据对目标与背景光谱进行辐射校正，两点校正公式为S(λ,T1)＝k(λ)H(λ,T1)+b(λ)
S(λ,T2)＝k(λ)H(λ,T2)+b(λ)
其中，S(λ,T1)和S(λ,T2)分别表示两个不同温度的实测黑体DN值，k(λ)表示仪器响应函数，H(λ,T1)和H(λ,T2)分别表示这两个不同温度的普朗克数据，b(λ)表示仪器辐射偏置，
对观测到的目标DN值S(λ,T)有，
S(λ,T)＝So(λ,T)+Sp(λ,T)
So(λ,T)＝τ(λ)*Starget(λ,T)
其中So(λ,T)是实际目标进入到图谱协同设备的DN值，Starget(λ,T)是目标在物方的DN值，τ(λ)为当时测量条件下的大气透过率，计算得到校正后的辐射亮度G(λ,T)
减去大气程辐射Gpath(λ)后的目标在像方的辐射亮度为G′(λ,T′)，其像方亮温为T′。
G′(λ,T′)＝G(λ,T)-Gpath(λ)
G′(λ,T′)＝τ(λ)*G″(λ,T″)
G′(λ,T′)除大气透过率τ(λ)后得到目标在物方辐射亮度G″（λ,T″)，经普朗克公式计算可得目标物方亮温为T″；
其中，C1为普朗克第一辐射常数，C1＝3.74l 8×10-16(W*m2)；C2为普朗克第二辐射常数C2＝1.438786×10-2(m*K)。
飞机机体、机翼及尾喷管在6.5～9.5um波段内以及飞机尾焰在3.2～4.2um波段内的光谱辐射校正曲线分别如图7(a)、7(b)、7(c)和7(d)所示；对应波段内，飞机机体、机翼及尾喷管的亮温估计结果分别如图8(a)～(c)所示，飞机尾焰在3.2～4.2um波段和6.5～9.5um波段内的亮温估计结果分别如图8(d)和图8(e)所示。根据图8所示亮温估计结果可知，如果使用长波波段来估计高温目标(尾焰)的亮温误差较短、中波有波峰的波段大。从图8还可得知，对于飞机的不同部位，其亮温不同，因此通过测量同一目标的不同局部小区域可以得到该目标的温度分布。
防浪堤的光谱辐射校正曲线和亮温估计结果分别如图9(a)和图9(b)所示；海水亮带的光谱辐射校正曲线、9～11um波段内的亮温估计结果以及3.2～4.2um波段内的亮温估计结果分别如图10(a)～图10(c)所示。根据图10所示的亮温估计结果可知，如果使用短、中波波段来估计海水亮带的亮温，误差较长波波段大。
总的来说，根据本发明所提供的图谱关联的分谱段估计目标亮温的方法，通过识别待测对象类型，并对不同类型的目标使用不同波段进行亮温的估计能够有效提高亮温估计的准确度。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种图谱关联的分谱段估计目标亮温的方法，其特征在于，包括：
(1)凝视测量目标的红外宽光谱及对应的长波红外图像；
(2)根据所述长波红外图像识别所述目标的类型，若为小目标，则转入步骤(5)；若为大目标，则转入步骤(6)；
(3)根据所述红外宽光谱的形态及所述长波红外图像识别待测对象的类型，并根据识别结果确定进行温度反演的目标谱段；
(4)通过温度反演分别得到所述目标谱段内每一个波长所对应的亮温，并获得所有波长对应的亮温的平均值作为所述待测对象的亮温；
(5)将所述目标作为待测对象并执行步骤(3)～(4)，以估计所述目标的亮温，处理结束；
(6)将所述目标划分为多个局部区域，分别以各局部区域为待测对象并执行步骤(3)～(4)，从而估计所述目标各局部区域的亮温，处理结束。
2.如权利要求1所述的图谱关联的分谱段估计目标亮温的方法，其特征在于，所述步骤(2)中，根据所述长波红外图像识别所述目标的类型，包括：
获得所述目标在所述红外图像中所占像素数的比值，若所述比值大于预设的尺寸阈值，则将所述目标识别为大目标；否则，将所述目标识别为小目标。
3.如权利要求1或2所述的图谱关联的分谱段估计目标亮温的方法，其特征在于，所述步骤(3)包括：
获得所述红外宽光谱对应的波段B0，并分别获得所述波段B0中的短波波段和中波波段；
若所述短波波段和所述中波波段均没有波峰，则识别所述待测对象为中温对象或低温对象，并确定所述波段B0或者所述波段B0中的长波波段为所述目标谱段；
若所述短波波段和/或所述中波波段有波峰，且所述待测对象在所述长波红外图像中为亮目标，则识别所述待测对象为高温对象，并确定出现所述波峰的波峰波段为所述目标谱段；
若所述短波波段和/或所述中波波段有波峰，且所述待测对象在所述长波红外图像中不是亮目标，则识别所述待测对象为反射太阳光能量较多的对象，并确定所述波段B0中的长波波段为所述目标谱段。
4.如权利要求3所述的图谱关联的分谱段估计目标亮温的方法，其特征在于，所述波峰波段的获取方式为：
根据所述红外宽光谱计算中间波段内的平均DN值并获得所述中间波段内DN值高于所述平均DN值的波段范围B1＝(λi，λj)；
将所述波段范围B1向其邻域扩大一倍，以得到所述波峰波段为：
其中，所述中间波段为所述短波波段或所述中波波段，λi和λj分别为所述波段范围B1的下界和上界，且λi＜λj，λi′和λj′分别为所述波峰波段的下界和上界，且λi′＜λj′，λk为中间变量。
5.如权利要求3所述的图谱关联的分谱段估计目标亮温的方法，其特征在于，判断所述待测对象在所述长波红外图像中是否为亮目标的方式为：
遍历所述长波红外图像以获得灰度直方图；
根据所述灰度直方图分别获得灰度值最高的前d％像素的平均灰度值以及灰度值最低的前β％像素的平均灰度值
若则判定所述待测对象在所述长波红外图像中为亮目标；否则，判定所述待测对象在所述长波红外图像中不是亮目标；
其中，α和β均为预设的百分比阈值，vth为预设的灰度值阈值。
6.如权利要求1或2所述的图谱关联的分谱段估计目标亮温的方法，其特征在于，所述步骤(4)中，通过温度反演分别得到所述目标谱段内每一个波长所对应的亮温，包括：
(41)对于所述目标谱段内的每一个波长λ，分别获得黑体在温度T1和T2下与所述波长λ相对应的DN值S(λ，T1)和S(λ，T2)，以计算与所述波长λ相对应的仪器响应函数k(λ)和仪器辐射偏置b(λ)；
(42)根据所述红外宽光谱获得所述待测对象与所述波长λ相对应的DN值S(λ，T)，并根据所述仪器响应函数k(λ)、所述仪器辐射偏置b(λ)以及所述DN值S(λ，T)计算校正后的辐射亮度G(λ，T)；
(43)从所述辐射亮度G(λ，T)中去除大气程辐射Gpath(λ)以得到所述待测对象在像方的辐射亮度G′(λ，T′)；
(44)根据所述辐射亮度G′(λ，T′)和大气透过率τ(λ)得到所述待测对象在物方的辐射亮度G″(λ，T″)，并根据所述辐射亮度G″(λ，T″)计算所述待测对象的亮温T″；
其中，所述大气程辐射Gpath(λ)和所述大气透过率τ(λ)均与所述波长λ相对应。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811632929.0A CN109990902B (zh) | 2018-12-29 | 2018-12-29 | 一种图谱关联的分谱段估计目标亮温的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811632929.0A CN109990902B (zh) | 2018-12-29 | 2018-12-29 | 一种图谱关联的分谱段估计目标亮温的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109990902A true CN109990902A (zh) | 2019-07-09 |
| CN109990902B CN109990902B (zh) | 2020-02-14 |
Family
ID=67129805
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811632929.0A Active CN109990902B (zh) | 2018-12-29 | 2018-12-29 | 一种图谱关联的分谱段估计目标亮温的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109990902B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111044152A (zh) * | 2019-12-31 | 2020-04-21 | 华中科技大学 | 图谱关联系统光谱偏置外场的自适应校正方法及系统 |
| CN112097778A (zh) * | 2020-09-18 | 2020-12-18 | 上海航天控制技术研究所 | 一种同时提取大小目标的识别跟踪方法 |
| CN113639867A (zh) * | 2021-08-11 | 2021-11-12 | 吉林大学 | 高温目标短波红外方向光谱发射率及温度实验观测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103293084A (zh) * | 2013-05-08 | 2013-09-11 | 南京大学 | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 |
| CN103776540A (zh) * | 2013-12-30 | 2014-05-07 | 华中科技大学 | 一种多波段共光路图谱联合遥感测量系统及方法 |
| CN104240429A (zh) * | 2014-08-27 | 2014-12-24 | 中国资源卫星应用中心 | 一种红外与多光谱波段组合监测森林火灾的方法 |
| CN104615848A (zh) * | 2014-12-26 | 2015-05-13 | 中国南方电网有限责任公司 | 一种集森林火险预报和地面火点监测于一体的综合应用方法 |
| CN104793269A (zh) * | 2015-04-24 | 2015-07-22 | 北京师范大学 | 一种监测沙尘覆盖区域的范围和强度的方法 |
| CN105182436A (zh) * | 2015-09-07 | 2015-12-23 | 南京华图信息技术有限公司 | 一种全光学波段图谱协同探测动目标的装置和方法 |
| WO2018120444A1 (zh) * | 2016-12-31 | 2018-07-05 | 华中科技大学 | 一种动目标的红外辐射光谱特性仿真分析方法 |
-
2018
- 2018-12-29 CN CN201811632929.0A patent/CN109990902B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103293084A (zh) * | 2013-05-08 | 2013-09-11 | 南京大学 | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 |
| CN103776540A (zh) * | 2013-12-30 | 2014-05-07 | 华中科技大学 | 一种多波段共光路图谱联合遥感测量系统及方法 |
| CN104240429A (zh) * | 2014-08-27 | 2014-12-24 | 中国资源卫星应用中心 | 一种红外与多光谱波段组合监测森林火灾的方法 |
| CN104615848A (zh) * | 2014-12-26 | 2015-05-13 | 中国南方电网有限责任公司 | 一种集森林火险预报和地面火点监测于一体的综合应用方法 |
| CN104793269A (zh) * | 2015-04-24 | 2015-07-22 | 北京师范大学 | 一种监测沙尘覆盖区域的范围和强度的方法 |
| CN105182436A (zh) * | 2015-09-07 | 2015-12-23 | 南京华图信息技术有限公司 | 一种全光学波段图谱协同探测动目标的装置和方法 |
| WO2018120444A1 (zh) * | 2016-12-31 | 2018-07-05 | 华中科技大学 | 一种动目标的红外辐射光谱特性仿真分析方法 |
Non-Patent Citations (3)
| Title |
|---|
| T.SCHMUGGE等: "Recovering Surface Temperature and Emissivity from Thermal Infrared Multispectral Data", 《REMOTE SENSING OF ENVIRONMENT》 * |
| 郭洪涛: "利用卫星资料反演表面海流的研究", 《中国博士学位论文全文数据库基础科学辑》 * |
| 黄士科等: "空空导弹多光谱红外成像制导技术研究", 《红外与激光工程》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111044152A (zh) * | 2019-12-31 | 2020-04-21 | 华中科技大学 | 图谱关联系统光谱偏置外场的自适应校正方法及系统 |
| CN112097778A (zh) * | 2020-09-18 | 2020-12-18 | 上海航天控制技术研究所 | 一种同时提取大小目标的识别跟踪方法 |
| CN113639867A (zh) * | 2021-08-11 | 2021-11-12 | 吉林大学 | 高温目标短波红外方向光谱发射率及温度实验观测方法 |
| CN113639867B (zh) * | 2021-08-11 | 2022-04-26 | 吉林大学 | 高温目标短波红外方向光谱发射率及温度实验观测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109990902B (zh) | 2020-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | On the computation of planetary boundary-layer height using the bulk Richardson number method | |
| CN109990902A (zh) | 一种图谱关联的分谱段估计目标亮温的方法 | |
| Zhang et al. | A hurricane morphology and sea surface wind vector estimation model based on C-band cross-polarization SAR imagery | |
| CN109509319B (zh) | 基于静止卫星监测资料的输电线路山火监测预警方法 | |
| Miller et al. | The ARM Mobile Facility and its first international deployment: Measuring radiative flux divergence in West Africa | |
| CN111368817B (zh) | 一种基于地表类型进行热效应定量评价方法及系统 | |
| Zhou et al. | Estimation of tropical cyclone parameters and wind fields from SAR images | |
| Krapez | Radiative measurements of temperature | |
| CN110388986A (zh) | 基于tasi数据的土地表面温度反演方法 | |
| US20190128805A1 (en) | Characterizing tropospheric boundary layer thermodynamic and refractivity profiles utilizing selected waveband infrared observations | |
| Zhang et al. | A hurricane tangential wind profile estimation method for C-band cross-polarization SAR | |
| Chen et al. | Evaluation of Landsat TM vegetation indices for estimating vegetation cover on semi-arid rangelands: a case study from Australia | |
| Alekseychik et al. | Eddies in motion: visualizing boundary-layer turbulence above an open boreal peatland using UAS thermal videos | |
| Widyasamratri et al. | Air temperature estimation from satellite remote sensing to detect the effect of urbanization in Jakarta, Indonesia | |
| CN106885824A (zh) | 一种基于红外图像处理的建筑墙体传热系数检测方法 | |
| Metoyer et al. | Measurement of small-scale surface velocity and turbulent kinetic energy dissipation rates using infrared imaging | |
| CN109061769B (zh) | 基于可控目标靶的红外系统作用距离测试评估方法 | |
| Pan et al. | A new algorithm for planetary boundary layer height calculation based on multilayer recognition | |
| Cecil et al. | Hurricane Imaging Radiometer (HIRAD) wind speed retrievals and validation using dropsondes | |
| Furuzawa et al. | Development of a land surface emissivity algorithm for use by microwave rain retrieval algorithms | |
| Gong et al. | Improved method for retrieving the aerosol optical properties without the numerical derivative for Raman–Mie lidar | |
| Adam et al. | Application of the Kano–Hamilton multiangle inversion method in clear atmospheres | |
| Pelon et al. | Optical and microphysical parameters of dense stratocumulus clouds during mission 206 of EUCREX'94 as retrieved from measurements made with the airborne lidar LEANDRE 1 | |
| Liu et al. | Estimation of river ice thickness in the Shisifenzi reach of the Yellow River with remote sensing and air temperature data | |
| Morris et al. | A coupled-pixel model (CPM) atmospheric retrieval algorithm for high-resolution imagers |
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 |