CN110070509B - 一种可见光遥感图像实时可视化系统及可视化方法 - Google Patents
一种可见光遥感图像实时可视化系统及可视化方法 Download PDFInfo
- Publication number
- CN110070509B CN110070509B CN201910345769.XA CN201910345769A CN110070509B CN 110070509 B CN110070509 B CN 110070509B CN 201910345769 A CN201910345769 A CN 201910345769A CN 110070509 B CN110070509 B CN 110070509B
- Authority
- CN
- China
- Prior art keywords
- image
- image data
- blue
- green
- red
- 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.)
- Active
Links
- 238000012800 visualization Methods 0.000 title claims abstract description 33
- 238000007794 visualization technique Methods 0.000 title claims abstract description 23
- 238000012937 correction Methods 0.000 claims abstract description 124
- 230000003287 optical effect Effects 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000002310 reflectometry Methods 0.000 claims description 56
- 238000002834 transmittance Methods 0.000 claims description 23
- 230000003068 static effect Effects 0.000 claims description 11
- 230000005855 radiation Effects 0.000 claims description 8
- 238000000034 method Methods 0.000 abstract description 21
- 230000008569 process Effects 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241000208818 Helianthus Species 0.000 description 2
- 235000003222 Helianthus annuus Nutrition 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000008033 biological extinction Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001429 visible spectrum Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000012415 analytical development Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种可见光遥感图像实时可视化系统及可视化方法，该系统包括：遥感数据接收模块，用于接收红绿蓝三波段的图像数据；至少三个快速大气订正模块，用于分别对应接收红波段、绿波段和蓝波段的图像数据以及大气分子散射光学厚度，并根据同一波段的大气分子散射光学厚度对该波段的图像数据进行快速大气订正，获取红绿蓝三波段的订正后图像数据；图像增强模块，用于对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理，获取红绿蓝三波段的图像增强后图像数据；图像输出模块，用于对红绿蓝三波段的图像增强后图像数据进行压缩输出。本发明通过快速大气订正模块和图像增强模块依次对遥感图像进行处理，形成通用的遥感图像可视化处理过程。
Description
技术领域
本发明涉及遥感图像处理技术领域，尤其涉及一种可见光遥感图像实时可视化系统及可视化方法。
背景技术
近年来，新一代静止轨道卫星陆续成功发射并在轨业务运行，对地观测数据时效性大大提升。静止轨道卫星遥感器包括中国风云四号、日本葵花八号、中国高分四号等卫星等均可实现对中国及周边区域高时效观测。风云四号(FY-4)是中国第二代静止轨道气象卫星的首发星，主要载荷之一是多谱段成像仪，具有6个可见光观测波段；葵花八号(Himawari-8)是日本新一代静止气象卫星的首发星，主要载荷是静止轨道成像仪，具有6个可见光观测波段；高分四号(GF-4)是中国高分系列卫星之一，成像仪在可见光谱段的空间分辨率最高达到50米，具有4个可见光观测波段。这些卫星位于地球同步轨道，可以在15分钟以内实现对地观测的重访。
可见光在进入遥感器之前，两次穿过大气层，期间受到地表的反射，因此影响遥感器入瞳能量的因素主要是大气的散射、吸收以及地表的反射。一般情况下，大气分子散射是可见光波段的主要影响因素，导致红绿蓝真彩色图像颜色偏蓝。。
可见光谱段遥感图像中，亮云的反射率接近100％，地表的典型反射率约为10％，两者相差接近10倍。陆地和水体等较暗的目标，其信息集中于较暗的计数值区间。如果不做处理，人眼难以区分这些目标的纹理和层次等信息。为此需要图像做增强处理，增强低反射率目标的计数值，压缩中高端反射率目标的计数值范围，使图像的亮度分布更均匀。
红绿蓝的真彩色反射率图像存在两方面问题，对后续应用产生不利影响：一是由于大气分子散射引起的短波反射率偏强，即反射率真彩色图像偏蓝；另一方面是由于图像高动态范围导致的陆表等中低亮度目标纹理特征不显著。
现有的可见光谱段遥感图像可视化方法包括：大气订正、图像增强等方法。
1.大气订正一直是遥感定量化研究的主要难点之一。直接大气订正方法是指根据大气状况对遥感图像测量值进行调整，以消除大气影响，进行大气订正。大气状况可以是标准的模式大气或地面实测资料，也可以是由图像本身进行反演的结果。美国对地观测卫星上的中分辨率成像光谱仪(MODIS)的光谱反射率产品进行了细致的大气订正，包括分子(瑞利)散射、大气吸收和气溶胶散射等。
然而，一般的大气订正算法，需要遥感器反演的大气产品或地面辅助数据进行大气订正，即依赖于其它大气状态产品数据，导致时效性不能满足对重要天气系统等高时效性监测的需求。
2.图像增强是数字图像处理领域的主要问题，成熟方法较多包括直方图均衡化、空间滤波、频率域，分线性增强等。然而，单纯基于图像自身信息的图像增强方法，订正效果不稳定，即不同时次的订正图像在颜色、亮度等方面存在显著差异，不利于遥感图像时间序列的可视化的稳定连续，即出现跳色、闪动等现象。
3.在目前的程序优化方面，并行化主要在数据文件单元上，并行颗粒度较大，对单个文件而言，时效性性能提升不足。
一方面，卫星资料用户面对这些大空间覆盖度实时的可见光波段对地观测数据，迫切需要建立一种遥感图像的快速可视化处理方法。
另一方面，由于静止轨道卫星往往是业务运行卫星，即遥感数据是源源不断地产生的。如何使不同时次的图像，实现相同的增强效果，以保障多幅图像在拼图时不产生亮度上的跳跃，是目前亟待解决的问题。
因此，本发明提供一种可见光遥感图像实时可视化系统及可视化方法。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的可见光遥感图像实时可视化系统及可视化方法，解决大气订正算法时效性问题和图像增强效果不稳定问题，以实现遥感图像可视化的时效性和稳定性。
根据本发明的一个方面，提供一种可见光遥感图像实时可视化系统，包括：
遥感数据接收模块，用于接收红绿蓝三波段的图像数据，发送至快速大气订正模块；
至少三个快速大气订正模块，用于分别对应接收红波段的图像数据以及大气分子散射光学厚度、绿波段的图像数据以及大气分子散射光学厚度和蓝波段的图像数据以及大气分子散射光学厚度，并根据同一波段的大气分子散射光学厚度对该波段的图像数据进行快速大气订正，获取红绿蓝三波段的订正后图像数据，发送至图像增强模块；
图像增强模块，用于对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理，获取红绿蓝三波段的图像增强后图像数据，发送至图像输出模块；
图像输出模块，用于对红绿蓝三波段的图像增强后图像数据进行压缩输出。
进一步地，每个快速大气订正模块包括多个快速大气订正单元，每个快速大气订正模块调用各个快速大气订正单元，并将图像数据中的各个像元分别分发至不同的快速大气订正单元，使得一个快速大气订正单元对一个像元进行快速大气订正。
进一步地，在快速大气订正模块中，通过以下公式分别对红绿蓝三波段的图像数据进行快速大气订正：
其中，
ρs(μs,μv,φ)为地表反射率，S为大气半球反照率，ρTOA(μs,μv,φ)为大气顶的反射率，ρa(μs,μv,φ)为路径辐射反射率，T(μs)为μs方向的透过率，T(μv)为μv方向的透过率。
进一步地，在图像增强模块中，根据对地表反射率的分段线性插值函数对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理。
进一步地，上述可见光遥感图像实时可视化系统，还包括：静态参数获取模块，用于获取红绿蓝三波段的大气分子散射光学厚度，发送至快速大气订正模块。
根据本发明的另一方面，提供一种可见光遥感图像实时可视化方法，包括：
遥感数据接收模块接收红绿蓝三波段的图像数据，发送至快速大气订正模块；
至少三个快速大气订正模块分别对应接收红波段的图像数据以及大气分子散射光学厚度、绿波段的图像数据以及大气分子散射光学厚度和蓝波段的图像数据以及大气分子散射光学厚度，并根据同一波段的大气分子散射光学厚度对该波段的图像数据进行快速大气订正，获取红绿蓝三波段的订正后图像数据，发送至图像增强模块；
图像增强模块对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理，获取红绿蓝三波段的图像增强后图像数据，发送至图像输出模块；
图像输出模块对红绿蓝三波段的图像增强后图像数据进行压缩输出。
进一步地，上述可见光遥感图像实时可视化方法，还包括：
每个快速大气订正模块调用各个快速大气订正单元，并将图像数据中的各个像元分别分发至不同的快速大气订正单元，使得一个快速大气订正单元对一个像元进行快速大气订正。进一步地，上述可见光遥感图像实时可视化方法，还包括：通过以下公式分别对红绿蓝三波段的图像数据进行快速大气订正：
其中，
ρs(μs,μv,φ)为地表反射率，S为大气半球反照率，ρTOA(μs,μv,φ)为大气顶的反射率，ρa(μs,μv,φ)为路径辐射反射率，T(μs)为μs方向的透过率，T(μv)为μv方向的透过率。
进一步地，上述可见光遥感图像实时可视化方法，还包括：根据对地表反射率的分段线性插值函数对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理。
进一步地，上述可见光遥感图像实时可视化方法，还包括：静态参数获取模块获取红绿蓝三波段的大气分子散射光学厚度，发送至快速大气订正模块。
本发明与现有技术相比具有以下的优点：
本发明的可见光遥感图像实时可视化系统及可视化方法通过快速大气订正模块和图像增强模块依次对遥感图像进行处理，形成通用的遥感图像的可视化处理过程，获取颜色和亮度稳定的遥感图像，并通过至少三个快速大气订正模块分别对红绿蓝三波段的遥感图像进行大气订正，使得通用的遥感图像的可视化处理过程实现并行运算，具有快速性，该通用的遥感图像的快速可视化处理过程不依赖于图像自身的统计特性，以确保多景遥感图像之间的稳定性，不存在颜色和亮度的跳变。
附图说明
以下结合附图和实施例对本发明作进一步说明。
图1是本发明的可见光遥感图像实时可视化系统框图；
图2是本发明的可见光遥感图像实时可视化方法流程图；
图3(a)是大气订正前红色通道直方图分布情况；
图3(b)是大气订正后红色通道直方图分布情况；
图4(a)是大气订正前绿色通道直方图分布情况；
图4(b)是大气订正后绿色通道直方图分布情况；
图5(a)是大气订正前蓝色通道直方图分布情况；
图5(b)是大气订正后蓝色通道直方图分布情况。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
图1是本发明的可见光遥感图像实时可视化系统框图，参见图1，可见光遥感图像实时可视化系统，包括：
遥感数据接收模块101，用于接收红绿蓝三波段的图像数据，发送至快速大气订正模块。
具体地，在遥感数据接收模块中，完成对静止轨道遥感器可见光谱段遥感数据的获取，包括红绿蓝三个波段的反射率图像数据和逐像元的经纬度信息。
至少三个快速大气订正模块102，用于分别对应接收红波段的图像数据以及大气分子散射光学厚度、绿波段的图像数据以及大气分子散射光学厚度和蓝波段的图像数据以及大气分子散射光学厚度，并根据同一波段的大气分子散射光学厚度对该波段的图像数据进行快速大气订正，获取红绿蓝三波段的订正后图像数据，发送至图像增强模块。
在这里，由于红波段、绿波段和蓝波段的大气分子散射光学厚度不同，不同波段的图像数据的大气订正所需数据不同，因此，为了加快大气订正处理速度，不同波段的图像数据的大气订正需要设置不同的快速大气订正模块，三个波段需要至少三个快速大气订正模块，为了进一步加快大气订正处理速度，快速大气订正模块的个数可以超过三个。
具体地，可见光通道遥感图像可视化大气订正方案利用了观测通道的独立性，同一时间同一地理位置的不同光谱通道订正方案相互独立，因此设置至少三个快速大气订正模块，使得在并行方案设计中，对观测输入信息从通道的维度角度进行并行处理，提高处理的时效。
为了进一步加快大气订正处理速度，每个快速大气订正模块包括多个快速大气订正单元，每个快速大气订正模块调用各个快速大气订正单元，并将图像数据中的各个像元分别分发至不同的快速大气订正单元，使得一个快速大气订正单元对一个像元进行快速大气订正，使得在并行方案设计中，对观测输入信息从像元的维度角度进行并行处理，进一步提高处理的时效。
进一步地，针对大气分子散射，逐波段订正大气影响，完成逐像元的反射率大气订正。
大气订正基础理论
遥感图像每个像元的反射率为遥感器在大气层顶(Top of Atmosphere，TOA)测量到的太阳反射波段反射，按照能量贡献可以表述为如下式1：
其中，ρTOA(μs,μv,φ)为大气顶的反射率，ρa(μs,μv,φ)为路径辐射反射率，ρS(μs,μv,φ)为地表反射率，T(μs)为μs方向的透过率，T(μv)为μv方向的透过率。透过率T可以分解为直射透过率和漫射透过率两部分，如下式2所示。
T(μ)＝e-τ/μ+td(μ)
其中，T(μ)为μ方向的透过率，τ为总光学厚度，td为漫射透过率。
将式1进行变换，得到大气订正计算方法，如下式3所示。
其中，
ρs(μs,μv,φ)为地表反射率，S为大气半球反照率，ρTOA(μs,μv,φ)为大气顶的反射率，ρa(μs,μv,φ)为路径辐射反射率，T(μs)为μs方向的透过率，T(μv)为μv方向的透过率。可以看到上述大气订正中，需要获取四个参数：大气半球反照率S，大气透过率T(μ)，大气瑞利散射反射率ρa，大气吸收透过率Tg。
大气瑞利散射反射率：
首先设定散射层的光学厚度(该光学厚度缺失了大气散射光学厚度的海拔插值，即根据像元对应的地理经纬度所处海拔高度，订正该像元的光学厚度)是τ，太阳从天顶角θs(μs)入射，从天顶角θv(μv)方向观测，入射方向与观测方向的相对方位角为Δφ。
对于各向同性散射的介质，可以将适用于描述较小光学厚度的解析式拓展为对较大光学厚度的描述。将大气反射率ρa(θs,θv,φs-φv)表达为单次散射反射比与多次散射的叠加，进而根据如下式5进行计算：
上式中，
为单次散射贡献，上式的第二项表示高阶散射贡献。将相函数P(μs,μv,φv-φs)作傅立叶展开，即如下式6：
其中，
因此式6可以写为如下式7：
其中，
表示单次散射反射。
由于单次散射比较容易计算，式7对于快速而准确的计算瑞利散射很有用途。
式7中的
可以表示为如下式8：
大气透过率
大气透过率是光学厚度与观测几何(天顶角余弦)的函数，这里使用爱丁顿近似，如下式9：
大气半球反照率
在保守的情况下(如分子散射)，大气半球反照率S可以根据如下式10定义为：
利用式9和式10可以将半球反照率表述为如下式11：
其中，E3和E4为关于τ的指数积分，通过查找数学手册得到。
大气反照率即为如下式12：
图像增强模块103，用于对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理，获取红绿蓝三波段的图像增强后图像数据，发送至图像输出模块。
具体地，为了满足暗目标反射率增强到中端，图像亮度增加，到达预期的效果要求，根据对地表反射率的分段线性插值函数对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理，公式如下式13。
式中，x为原始图像的反射率，y为增强后图像的反射率，Xi为反射率分段函数节点，Yi为增强后反射率分段函数节点。本发明采用5段6节点增强图像时，各个结点见表1，表1为分段线性增强反射率表。
表1
另外，本发明还可以采用三次多项式增强方案增强图像，该三次多项式如下式14。
y＝2.685x3-5.5162x2+3.8399x
其中，x为原始图像的反射率，y为增强后图像的反射率。
参见图1，为了加快遥感图像的可视化，图像增强模块包括多个图像增强单元，每个图像增强模块调用各个图像增强单元，并将订正后图像数据中的各个像元分别分发至不同的图像增强单元，使得一个图像增强单元对一个像元进行图像增强处理，其中，各个图像增强单元中的图像增强方案均相同。
图像输出模块104，用于对红绿蓝三波段的图像增强后图像数据进行压缩输出。
具体地，红绿蓝三通道压缩输出图像。像元的空间位置相对关系不做任何改动，保持图像地理信息准确，仅仅对图像反射率订正输出。经过大气订正和图像增强后的数据为反射率数据，为了显示和传播的方便，将反射率转换为0-255整型数并以TIFF无损压缩方式输出到硬盘文件。
参见图1，遥感数据接收模块分别与三个快速大气订正模块电连接，三个快速大气订正模块均与图像增强模块电连接，图像增强模块与图像输出模块电连接。
本发明的可见光遥感图像实时可视化系统通过快速大气订正模块和图像增强模块依次对遥感图像进行处理，形成通用的遥感图像的可视化处理过程，获取颜色和亮度稳定的遥感图像，并通过至少三个快速大气订正模块分别对红绿蓝三波段的遥感图像进行大气订正，使得通用的遥感图像的可视化处理过程实现并行运算，具有快速性，该通用的遥感图像的快速可视化处理过程不依赖于图像自身的统计特性，以确保多景遥感图像之间的稳定性，不存在颜色和亮度的跳变。
进一步地，上述可见光遥感图像实时可视化系统，还包括：静态参数获取模块，用于获取红绿蓝三波段的大气分子散射光学厚度，发送至快速大气订正模块。
静态参数获取模块具体用于依据仪器光谱响应计算等效中心波长；依据波段等效中心波长及标准大气廓线，计算海拔为0的大气散射光学厚度；依据中国及周边地区网格点海拔高度，计算网格点大气散射光学厚度高度订正栅格数据，发送至快速大气订正模块。本发明的大气分子散射光学厚度为网格点大气散射光学厚度高度订正栅格数据，因此，该静态参数获取模块预先计算并存储快速大气订正模块所需的大气分子散射光学厚度，与现有技术中实时计算大气分子散射光学厚度相比，省去计算步骤，节约时间，提高了可见光遥感图像实时可视化效率。
特别地，大气光学厚度栅格数据计算一次，储存到内存中，仪器全寿命期内数据处理不再重新计算更新。
具体地，完成红绿蓝三个波段分子散射光学厚度的计算。利用空气折射率计算分子散射截面，利用摩尔常数和空气摩尔体积计算空气分子数密度，并根据温度和气压修正；基于散射截面和空气分子数密度计算消光系数；以标准大气温度气压廓线为基础，计算整层大气光学厚度。
瑞利散射通过如下方法计算。如下式15，空气折射率ns通过波长λ(单位：cm)计算得到
散射截面σλ通过下式16计算
其中，Ns为空气分子数密度，数值上等于
气压和温度修正通过下式17计算
其中，P(Z)是气压廓线，T(Z)为温度廓线。
消光系数βλ的计算用下式18
βλ(Z)＝σλNr(Z)×105
瑞利光学厚度
可以如下式19计算
在这里，瑞利光学厚度
为海拔为0的大气散射光学厚度。
图2是本发明的可见光遥感图像实时可视化方法流程图，参见图2，本发明提供的可见光遥感图像实时可视化方法，包括：
遥感数据接收模块接收红绿蓝三波段的图像数据，发送至快速大气订正模块；
至少三个快速大气订正模块分别对应接收红波段的图像数据以及大气分子散射光学厚度、绿波段的图像数据以及大气分子散射光学厚度和蓝波段的图像数据以及大气分子散射光学厚度，并根据同一波段的大气分子散射光学厚度对该波段的图像数据进行快速大气订正，获取红绿蓝三波段的订正后图像数据，发送至图像增强模块；
图像增强模块对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理，获取红绿蓝三波段的图像增强后图像数据，发送至图像输出模块；
图像输出模块对红绿蓝三波段的图像增强后图像数据进行压缩输出。
本发明的可见光遥感图像实时可视化方法通过快速大气订正模块和图像增强模块依次对遥感图像进行处理，大气订正模块采用物理上的辐射传输模式，图像增强模块采用分段线性插值，形成通用的遥感图像的可视化处理过程，获取颜色和亮度稳定的遥感图像，并通过至少三个快速大气订正模块分别对红绿蓝三波段的遥感图像进行大气订正，使得通用的遥感图像的可视化处理过程实现并行运算，具有快速性，该通用的遥感图像的快速可视化处理过程不依赖于图像自身的统计特性，以确保多景遥感图像之间的稳定性，不存在颜色和亮度的跳变。
进一步地，上述可见光遥感图像实时可视化方法，还包括：
每个快速大气订正模块调用各个快速大气订正单元，并将图像数据中的各个像元分别分发至不同的快速大气订正单元，使得一个快速大气订正单元对一个像元进行快速大气订正。进一步地，上述可见光遥感图像实时可视化方法，还包括：通过以下公式分别对红绿蓝三波段的图像数据进行快速大气订正：
其中，
ρs(μs,μv,φ)为地表反射率，S为大气半球反照率，ρTOA(μs,μv,φ)为大气顶的反射率，ρa(μs,μv,φ)为路径辐射反射率，T(μs)为μs方向的透过率，T(μv)为μv方向的透过率。
进一步地，上述可见光遥感图像实时可视化方法，还包括：根据对地表反射率的分段线性插值函数对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理。
进一步地，上述可见光遥感图像实时可视化方法，还包括：静态参数获取模块获取红绿蓝三波段的大气分子散射光学厚度，发送至快速大气订正模块。
对于方法实施例而言，由于其与系统实施例基本相似，所以描述的比较简单，相关之处参见系统实施例的部分说明即可。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
以以GF-4成像仪数据为例，遥感图像可视化具体实现如下：
高分四号是一颗搭载了具有高分辨率凝视相机的卫星，在民用卫星遥感方面具有划时代的意义，能够实现分钟级高分辨率遥感监测能力，为局地精准天气预报、减灾救灾、森林资源调查、农作物长势监测等方面提供强有力的支持。
数据样例：GF4_PMS_E111.3_N28.8_20160723_L1A0000122970.tiff
(1)遥感数据接收模块
高分四号卫星配置一台可见光50m分辨率的面阵相机，单幅遥感图像为500KM×500KM。其通道1为可见光全谱段通道，通道2、3、4、5为经典可见近红外通道。各通道中心波长及对应太阳常数如下表1所示，表1表示通道设置。
表1
卫星遥感图像在经过地理定位和辐射定标后，具备了位置和反射率等信息，可以进一步的定量应用。GF-4遥感图像为TIFF格式，其表头带有图像的经纬度和观测时间信息。从遥感图像中抽取通道2、3、4的灰度数值，利用辐射定标系数将灰度数值转换为反射率数值。
(2)静态参数获取模块
分子散射光学厚度，结合通道2、3、4的中心波长计算出光学厚度，该光学厚度用于快速大气订正模块。
(3)快速大气订正模块
在快速计算中，以标准大气为参考，插值到像元的海拔高度处，得到各通道的分子散射光学厚度。逐像元计算大气反照率、大气透过率和大气瑞利散射反射率，从而得到大气订正所需参数，逐像元订正大气影响。其中，大气订正后图像，蓝色偏移基本消失。但是还有遗留问题：对于植被等低亮度目标，图像较暗。
大气订正前后的三个通道统计直方图，如图3(a)和图3(b)、图4(a)和图4(b)、图5(a)和图5(b)所示。如图3(a)和图3(b)，红色通道的分布变化较小，如图4(a)和图4(b)，绿色通道的分布变化也不大，如图图5(a)和图5(b)，蓝色通道分布变化明显，由原始的多峰现象，转换为单峰分布，同时峰值向较小码值移动，即表现为图像的蓝色分量得到抑制。
(4)图像增强模块
逐通道逐像元增强图像，以提升低亮度目标亮度，增强陆表纹理特征信息。其中，图像增强后的图像，纹理更亮，细节更容易解译。
(5)至少三个快速大气订正模块
将一个快速大气订正模块优化为至少三个快速大气订正模块，即：将原型单线程代码改为多线程并行代码，优化运行程序和并行加速后，单个文件(10240像素×10240像素)的处理时间控制在1分钟之内，处理速度取决于运行此程序的CPU等硬件条件。
经过测试，在8核CPU上运行速度可以提升5倍，使处理单张1G的tiff文件时间小于1分钟。测试系统是intel xeon cpu e5-2630 2.4GHz 8核。系统使用OpenMP加速，在8核cpu上升5倍。测试处理单张1G的tiff文件。处理时间为：45秒。cpu并行使用率大于70％。OpenMP是由OpenMP Architecture Review Board牵头提出的，并已被广泛接受，用于共享内存并行系统的多处理器程序设计的一套指导性编译处理方案。
(6)输出模块。
红绿蓝三通道压缩输出图像，使用TIFF无压缩形式保存输出。其中，压缩即：将浮点型数转换为整型数，即从4字节数据类型转换为1字节数据类型。
本发明面向静止轨道遥感卫星的可见光谱段观测数据，应用快速大气订正和图像增强技术生成可视化产品，支持目标分析和动态特征识别，在气象、环境、生态、交通等领域实现高时效应用。作为一种半定量的快速信息呈现方式，真彩色合成图是可视化产品的形式之一，可以充分发挥人眼的优势，实现对目标特征的高效率识别和解译。将大气订正、图像增强结合起来，同时利用并行化处理提高计算效率，才能满足高时效和稳定性的要求。在并行化处理中，数据处理颗粒度方面，主要以数据文件为单位，并发多个遥感数据文件同时处理为主，加快遥感图像可视化，具体地，并发单元为快速大气订正单元，即像元级并发，压缩单幅遥感图片的处理时间。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种可见光遥感图像实时可视化系统，其特征在于，包括：
遥感数据接收模块，用于接收红绿蓝三波段的图像数据，发送至快速大气订正模块；
至少三个快速大气订正模块，用于分别对应接收红波段的图像数据以及大气分子散射光学厚度、绿波段的图像数据以及大气分子散射光学厚度和蓝波段的图像数据以及大气分子散射光学厚度，并根据同一波段的大气分子散射光学厚度对该波段的图像数据进行快速大气订正，获取红绿蓝三波段的订正后图像数据，发送至图像增强模块；
图像增强模块，用于对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理，获取红绿蓝三波段的图像增强后图像数据，发送至图像输出模块；
图像输出模块，用于对红绿蓝三波段的图像增强后图像数据进行压缩输出；
在图像增强模块中，根据对地表反射率的分段线性插值函数对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理，公式如下：
式中，x为原始图像的反射率，y为增强后图像的反射率，Xi为反射率分段函数节点，Yi为增强后反射率分段函数节点；
在快速大气订正模块中，通过以下公式分别对红绿蓝三波段的图像数据进行快速大气订正：
其中，
ρs(μs,μv,φ)为地表反射率，S为大气半球反照率，ρTOA(μs,μv,φ)为大气顶的反射率，ρa(μs,μv,φ)为路径辐射反射率，T(μs)为μs方向的透过率，T(μv)为μv方向的透过率。
2.根据权利要求1所述的可见光遥感图像实时可视化系统，其特征在于，每个快速大气订正模块包括多个快速大气订正单元，每个快速大气订正模块调用各个快速大气订正单元，并将图像数据中的各个像元分别分发至不同的快速大气订正单元，使得一个快速大气订正单元对一个像元进行快速大气订正。
3.根据权利要求1所述的可见光遥感图像实时可视化系统，其特征在于，还包括：静态参数获取模块，用于获取红绿蓝三波段的大气分子散射光学厚度，发送至快速大气订正模块。
4.一种可见光遥感图像实时可视化方法，其特征在于，包括：
遥感数据接收模块接收红绿蓝三波段的图像数据，发送至快速大气订正模块；
至少三个快速大气订正模块分别对应接收红波段的图像数据以及大气分子散射光学厚度、绿波段的图像数据以及大气分子散射光学厚度和蓝波段的图像数据以及大气分子散射光学厚度，并根据同一波段的大气分子散射光学厚度对该波段的图像数据进行快速大气订正，获取红绿蓝三波段的订正后图像数据，发送至图像增强模块；
图像增强模块对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理，获取红绿蓝三波段的图像增强后图像数据，发送至图像输出模块；
图像输出模块对红绿蓝三波段的图像增强后图像数据进行压缩输出；
在图像增强模块中，根据对地表反射率的分段线性插值函数对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理，公式如下：
式中，x为原始图像的反射率，y为增强后图像的反射率，Xi为反射率分段函数节点，Yi为增强后反射率分段函数节点；
还包括：通过以下公式分别对红绿蓝三波段的图像数据进行快速大气订正：
其中，
ρs(μs,μv,φ)为地表反射率，S为大气半球反照率，ρTOA(μs,μv,φ)为大气顶的反射率，ρa(μs,μv,φ)为路径辐射反射率，T(μs)为μs方向的透过率，T(μv)为μv方向的透过率。
5.根据权利要求4所述的可见光遥感图像实时可视化方法，其特征在于，还包括：
每个快速大气订正模块调用各个快速大气订正单元，并将图像数据中的各个像元分别分发至不同的快速大气订正单元，使得一个快速大气订正单元对一个像元进行快速大气订正。
6.根据权利要求5所述的可见光遥感图像实时可视化方法，其特征在于，还包括：根据对地表反射率的分段线性插值函数对红绿蓝三波段的订正后图像数据进行逐像元图像增强处理。
7.根据权利要求6所述的可见光遥感图像实时可视化方法，其特征在于，还包括：静态参数获取模块获取红绿蓝三波段的大气分子散射光学厚度，发送至快速大气订正模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910345769.XA CN110070509B (zh) | 2019-04-26 | 2019-04-26 | 一种可见光遥感图像实时可视化系统及可视化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910345769.XA CN110070509B (zh) | 2019-04-26 | 2019-04-26 | 一种可见光遥感图像实时可视化系统及可视化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110070509A CN110070509A (zh) | 2019-07-30 |
| CN110070509B true CN110070509B (zh) | 2021-08-27 |
Family
ID=67369090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910345769.XA Active CN110070509B (zh) | 2019-04-26 | 2019-04-26 | 一种可见光遥感图像实时可视化系统及可视化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110070509B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112149753B (zh) * | 2020-10-07 | 2022-05-10 | 起源太空(南京)科技有限公司 | 一种遥感影像数据处理方法、系统和云平台 |
| CN113094653B (zh) * | 2021-04-01 | 2023-05-12 | 北京环境特性研究所 | 一种重建大气温度轮廓线的方法 |
| CN115082582B (zh) * | 2022-06-09 | 2023-03-10 | 珠江水利委员会珠江水利科学研究院 | 卫星遥感数据真彩色模拟方法、系统、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107219226A (zh) * | 2017-07-24 | 2017-09-29 | 中国科学院遥感与数字地球研究所 | 图像采集装置及增强植被指数监测系统 |
| CN108256493A (zh) * | 2018-01-26 | 2018-07-06 | 中国电子科技集团公司第三十八研究所 | 一种基于车载视频的交通场景文字识别系统及识别方法 |
| CN108280812A (zh) * | 2018-01-23 | 2018-07-13 | 中国科学院遥感与数字地球研究所 | 一种基于图像增强的过火区域提取方法 |
| CN109584191A (zh) * | 2018-12-06 | 2019-04-05 | 纳米视觉(成都)科技有限公司 | 一种基于直方图的自适应图像增强方法及终端 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102176001B (zh) * | 2011-02-10 | 2013-05-08 | 哈尔滨工程大学 | 一种基于透水波段比值因子的水深反演方法 |
| CN102778675B (zh) * | 2012-04-28 | 2014-02-26 | 中国测绘科学研究院 | 一种卫星遥感影像大气校正方法及其模块 |
| CN105261026B (zh) * | 2015-10-26 | 2018-03-30 | 中国资源卫星应用中心 | 一种星载多光谱相机的大气校正处理方法 |
| CN107240081A (zh) * | 2017-06-20 | 2017-10-10 | 长光卫星技术有限公司 | 夜景影像去噪与增强处理方法 |
| CN109523475A (zh) * | 2018-10-29 | 2019-03-26 | 中国资源卫星应用中心 | 一种基于色彩复原及增强的遥感图像处理方法 |
| CN109631951A (zh) * | 2019-01-11 | 2019-04-16 | 重庆市国土资源和房屋勘测规划院 | 一种遥感影像大气校正方法及装置 |
-
2019
- 2019-04-26 CN CN201910345769.XA patent/CN110070509B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107219226A (zh) * | 2017-07-24 | 2017-09-29 | 中国科学院遥感与数字地球研究所 | 图像采集装置及增强植被指数监测系统 |
| CN108280812A (zh) * | 2018-01-23 | 2018-07-13 | 中国科学院遥感与数字地球研究所 | 一种基于图像增强的过火区域提取方法 |
| CN108256493A (zh) * | 2018-01-26 | 2018-07-06 | 中国电子科技集团公司第三十八研究所 | 一种基于车载视频的交通场景文字识别系统及识别方法 |
| CN109584191A (zh) * | 2018-12-06 | 2019-04-05 | 纳米视觉(成都)科技有限公司 | 一种基于直方图的自适应图像增强方法及终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110070509A (zh) | 2019-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110070509B (zh) | 一种可见光遥感图像实时可视化系统及可视化方法 | |
| Berberoglu et al. | Assessing different remote sensing techniques to detect land use/cover changes in the eastern Mediterranean | |
| CN110006463B (zh) | 一种光学遥感卫星的在轨绝对辐射定标方法及系统 | |
| Markham et al. | Forty-year calibrated record of earth-reflected radiance from Landsat: A review | |
| US8432974B2 (en) | Method and system for compression of hyperspectral or multispectral imagery with a global optimal compression algorithm (GOCA) | |
| CN113970376B (zh) | 一种基于海洋区域再分析资料的卫星红外载荷定标方法 | |
| Partamies et al. | Observations of the auroral width spectrum at kilometre-scale size | |
| CN115507959B (zh) | 一种用于目标检测的红外辐射特性分析方法 | |
| CN110689505B (zh) | 一种基于场景的星载遥感仪器自适应校正方法和系统 | |
| Mahanti et al. | Inflight calibration of the lunar reconnaissance orbiter camera wide angle camera | |
| CN116519557A (zh) | 一种气溶胶光学厚度反演方法 | |
| CN114638758A (zh) | 一种基于压缩感知的光谱成像技术进行受损图像的恢复重构方法 | |
| CN113790798B (zh) | 动态点目标跟踪测量用无缝光谱成像装置、系统及方法 | |
| de Oliveira et al. | Topographic effects on the determination of hyperspectral vegetation indices: a case study in southeastern Brazil | |
| Jing et al. | Sub-pixel accuracy evaluation of FY-3D MERSI-2 geolocation based on OLI reference imagery | |
| Schläpfer et al. | Correction of shadowing in imaging spectroscopy data by quantification of the proportion of diffuse illumination | |
| Del Rocco et al. | Real-time spectral radiance estimation of hemispherical clear skies with machine learned regression models | |
| CN114170503A (zh) | 一种气象卫星遥感云图的处理方法 | |
| CN106895916A (zh) | 一种单次曝光拍摄获取多光谱图像的方法 | |
| CN115015147B (zh) | 一种高空间分辨率高光谱热红外遥感影像模拟方法 | |
| CN113029339B (zh) | 用于深空探测成像光谱仪的在轨多溯源光谱辐射定标方法 | |
| CN113049102A (zh) | 一种用于深空探测成像光谱仪的星上辐射定标系统和方法 | |
| Amrich et al. | Design and construction of hardware and software for autonomous observations of Transient Luminous Events | |
| CN117911667B (zh) | 遥感影像预处理方法、装置、电子设备及存储介质 | |
| CN114255167B (zh) | 一种地表温度图像空间分辨率提升方法及装置 |
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 | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100081 No. 46 South Main Street, Haidian District, Beijing, Zhongguancun Patentee after: NATIONAL SATELLITE METEOROLOGICAL CENTER (NATIONAL CENTER FOR SPACE WEATHER) Patentee after: Wu Ronghua Address before: 100081 No. 46 South Main Street, Haidian District, Beijing, Zhongguancun Patentee before: NATIONAL SATELLITE METEOROLOGICAL CENTER Patentee before: Wu Ronghua |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230803 Address after: 100081 No. 46 South Main Street, Haidian District, Beijing, Zhongguancun Patentee after: NATIONAL SATELLITE METEOROLOGICAL CENTER (NATIONAL CENTER FOR SPACE WEATHER) Address before: 100081 No. 46 South Main Street, Haidian District, Beijing, Zhongguancun Patentee before: NATIONAL SATELLITE METEOROLOGICAL CENTER (NATIONAL CENTER FOR SPACE WEATHER) Patentee before: Wu Ronghua |