CN111354054A - 一种极地可见光遥感自适应制图方法 - Google Patents

一种极地可见光遥感自适应制图方法 Download PDF

Info

Publication number
CN111354054A
CN111354054A CN202010173576.3A CN202010173576A CN111354054A CN 111354054 A CN111354054 A CN 111354054A CN 202010173576 A CN202010173576 A CN 202010173576A CN 111354054 A CN111354054 A CN 111354054A
Authority
CN
China
Prior art keywords
remote sensing
sensing image
satellite remote
satellite
solar altitude
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
Application number
CN202010173576.3A
Other languages
English (en)
Other versions
CN111354054B (zh
Inventor
程晓
陈卓奇
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen 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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202010173576.3A priority Critical patent/CN111354054B/zh
Publication of CN111354054A publication Critical patent/CN111354054A/zh
Application granted granted Critical
Publication of CN111354054B publication Critical patent/CN111354054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/001Texturing; Colouring; Generation of texture or colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/40Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038Image mosaicing, e.g. composing plane images from plane sub-images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/32Indexing scheme for image data processing or generation, in general involving image mosaicing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10032Satellite or aerial image; Remote sensing
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种极地可见光遥感自适应制图方法,包括如下步骤:对卫星遥感影像进行太阳高度角订正;对太阳高度角订正后的卫星遥感影像进行非朗勃体订正,订正冰雪表面的非朗勃体效应;对经过太阳高度角订正、非朗勃体订正后的卫星遥感影像进行非线性彩色拉伸;对非线性彩色拉伸后的卫星遥感影像进行拼接,完成卫星遥感影像自适应制图。本发明提出了一套标准化、流程化的极地遥感影像自适应制图方法,通过对遥感图像进行太阳高度角订正、非朗勃体订正、非线性影像彩色拉伸、极地可见光遥感影像拼接,所获得的极地遥感影像亮度明显提高、无色差,且保留了原始影像中所有的细节信息,实现了对南北极环境的有效监测。

Description

一种极地可见光遥感自适应制图方法
技术领域
本发明涉及地球科学技术领域,特别是涉及一种极地可见光遥感自适应制图方法。
背景技术
南北极地区由于环境条件恶劣,人迹罕至,难以在现场开展实地观测。遥感观测是对南北极环境监测的有效手段。可见光遥感是最直接获取南北极数据的方式。目前,国际上基于Landsat系列卫星遥感数据已获取南、北极冰盖的遥感影像图(Bindschadler et al.,2008;Howat et al.,2014)。但南北极冰盖的遥感影像图存在以下几方面的问题:
(1)南北极遥感影像色差大。可见光遥感的技术原理是卫星传感器接收地表反射的太阳辐射。卫星对地物的观测时间不同,太阳高度角不同,卫星传感器接收的辐射强度是不同的。一般来说,太阳高度角越高,接收的辐射越强。也就是说,即便是同一地物,由于观测时间不同,太阳高度角不同,其观测数值也不同。这种观测时间/太阳高度角的不同往往造成南北极遥感影像存在很大的色差。如何订正由于观测时间/太阳高度角不同造成的影像色差是南北极遥感影像制图的一大难点。
(2)南北极遥感影像细节特征不突出。南北极的主要地物为3类,分别为:水体、岩石和雪盖。这三类地物分别对应高反射率地表(雪盖)和低反射率地表(水体、岩石)。而中反射率地表(植被、沙地)在南北极分布十分稀少。南北极遥感影像制图的关键步骤是影像彩色拉伸,即用数学的方法将0-1500的辐射值映射到0-255的RGB彩色图像,这其中必然存在信息丢失。而现有南北极遥感制图往往采用线性的影像彩色拉伸方法。该方法的特点是不论高中低反射率的地表都获得同样数量的RGB彩色值。由于南北极地区中反射率地表分布十分稀少,线性影像彩色拉伸方法分配的用于显示中反射率地表的RGB值就被浪费了,而高反射率地表和低反射率地表的细节特征也不能突出显示。
发明内容
本发明的目的是提供一种极地可见光遥感自适应制图方法,以解决上述现有技术存在的问题,减少南北极遥感影像色差,突出南北极遥感影像细节特征,形成一套流程化、自动化的极地可见光遥感自适应制图方法。
为实现上述目的,本发明提供了如下方案:本发明提供一种极地可见光遥感自适应制图方法,包括如下步骤:
对卫星遥感影像进行太阳高度角订正;
对太阳高度角订正后的卫星遥感影像进行非朗勃体订正,订正冰雪表面的非朗勃体效应;
对经过太阳高度角订正、非朗勃体订正后的卫星遥感影像进行非线性彩色拉伸,包括:确定自适应非线性影像彩色拉伸函数,并基于自适应非线性拉伸函数对极地可见光卫星遥感影像进行非线性拉伸处理;
对非线性彩色拉伸后的卫星遥感影像进行拼接,完成卫星遥感影像自适应制图。
优选地,对卫星遥感影像进行太阳高度角订正的方法包括:
卫星接收到的太阳辐射由式1计算获得:
ρλ=(Mλ×DN+Aλ)×sinθ……………………………………1
其中,ρλ表示卫星接收到的太阳辐射值,DN表示卫星传感器电信号强度,Mλ和Aλ分别表示电信号转化为太阳辐射值的缩放系数和增益系数,Sinθ表示太阳高度角订正系数;太阳高度角订正系数Sinθ由日地关系计算获得,如式2所示:
sinθ=cosω×cosδ×cosφ+sinδ×sinφ………………………2
其中,ω表示地方时角,δ表示太阳赤纬角,
Figure BDA0002410044740000031
表示纬度;
将式2代入式1,得到经太阳高度角订正后的太阳辐射。
优选地,非朗勃体订正的具体方法包括:
采集若干幅不同太阳高度角的卫星遥感影像,计算不同太阳高度角与卫星所接收到的冰雪辐射量之间的关系,并根据不同太阳高度角与卫星所接收到的冰雪辐射量之间的关系计算出不同太阳高度角的非朗勃体订正。
优选地,自适应非线性影像彩色拉伸函数确定方法包括:
计算卫星遥感影像的反射率值,并制作极地可见光卫星遥感影像的彩色合成图;
将卫星遥感影像中的像元按反射率值的大小进行分类,对不同类别的像元按照不同的函数形式拟合卫星遥感影像的反射率值与彩色合成图RGB值之间的关系;
对不同类别的像元,均选取拟合系数最优的函数形式,并确定拟合参数;
采用线性加权的方式确定不同反射率波段重叠部分彩色合成图的RGB值。
优选地,卫星遥感影像拼接方法包括:
对于非线性拉伸处理后的卫星遥感影像,按照各卫星遥感影像中云量从大到小的顺序,将卫星遥感影像从下向上排列,然后将所有卫星遥感影像进行拼接合成,形成完整的卫星遥感影像。
本发明公开了以下技术效果:
本发明提出了一套标准化、流程化的极地遥感影像自适应制图方法,通过对遥感图像进行太阳高度角订正、非朗勃体订正、非线性影像彩色拉伸、极地可见光遥感影像拼接,所获得的极地遥感影像亮度明显提高、无色差,且保留了原始影像中所有的细节信息,实现了对南北极环境的有效监测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明极地可见光遥感自适应制图方法流程图;
图2为本发明实施例中不同太阳高度角非朗勃体订正系数图;
图3为本发明实施例中南北极卫星遥感影像拉伸前后对比直方图;
图4为使用国际常用的线性制图方法以及本发明自适应非线性制图方法所获得的遥感影像对比图;其中,图4(a)为使用国际常用的线性制图方法获得的极地遥感影像,图4(b)为使用本发明自适应非线性制图方法获得的极地遥感影像;图4(c)、4(e)、4(g)均为图4(a)的细节放大图,分别为冰盖、冰面水系、岩石典型极地地物;图4(d)、4(f)、4(h)均为图4(b)的细节放大图,分别与图4(c)、4(e)、4(g)的位置相对应。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1所示,本实施例提供一种极地可见光遥感自适应制图方法,包括如下步骤:
步骤S1、对卫星遥感影像进行太阳高度角订正。
由于卫星接收到的地面信号源自地球对太阳辐射的反射,因此接收到的辐射强度与太阳辐射入射角(太阳高度角)有关,对同一地物太阳高度角越大接收到的辐射越强。但本质上地物的物理属性(反射率)并无差异,因此需要对卫星遥感影像中不同太阳高度角进行订正。通过太阳高度角订正,来订正卫星遥感影像的色差,并提高卫星遥感影像的亮度。
卫星接收到的太阳辐射由式(1)计算获得:
ρλ=(Mλ×DN+Aλ)×sinθ……………………………………(1)
其中,ρλ表示卫星接收到的太阳辐射值,DN表示卫星传感器电信号强度,Mλ和Aλ分别表示电信号转化为太阳辐射值的缩放系数和增益系数,Sinθ表示太阳高度角订正系数;太阳高度角订正系数Sinθ由日地关系计算获得,如式(2)所示:
sinθ=cosω×cosδ×cosφ+sinδ×sinφ…………………(2)
其中,ω表示地方时角,δ表示太阳赤纬角,
Figure BDA0002410044740000061
表示纬度。
将式(2)代入式(1),得到经太阳高度角订正后的太阳辐射。
步骤S2、对太阳高度角订正后的卫星遥感影像进行非朗勃体订正。
由于南北极冰盖被大量的冰雪覆盖,冰雪是典型的非朗勃体(朗勃体对太阳辐射的反射表现为漫反射,即反射无方向性),其对太阳辐射的反射具有显著的方向性,即前向散射更多,且太阳高度角越低,前向散射越强烈,前向散射越多,卫星传感器接收到的辐射就越少(卫星传感器接收地表向上的辐射)。本发明对经过太阳高度角订正的卫星遥感影像进行非朗勃体订正,通过非朗勃体订正,降低冰雪覆盖对卫星接收到的太阳辐射值的影响,进一步订正卫星遥感影像的色差,提高卫星遥感影像的亮度。
为了订正冰雪表面的非朗勃体效应,本发明采集若干幅不同太阳高度角的卫星遥感影像,统计不同太阳高度角与卫星接收到的雪盖的辐射量之间的关系,并由此计算出不同太阳高度角的非朗勃体订正。
本实施例采用Landsat-8卫星遥感影像进行不同太阳高度角的非朗勃体订正,订正结果如图2所示。图2横坐标为太阳高度角,纵坐标为非朗勃体订正系数,其中,正方形、圆形和三角形点分别为Landsat-8卫星遥感影像中波段2至波段4的订正系数,实线、虚线和点线分别是对波段2至波段4的拟合线。针对Landsat-8卫星遥感影像,本实施例采用拟合线对其进行非朗勃体订正。
步骤S3、对经过太阳高度角订正、非朗勃体订正后的卫星遥感影像进行非线性彩色拉伸。
确定自适应非线性影像彩色拉伸函数,并基于自适应非线性影像彩色拉伸函数对卫星遥感影像进行非线性拉伸处理,使卫星遥感影像能够保留原始影像中的细节信息。
自适应非线性影像彩色拉伸函数确定方法包括:
根据典型的南北极卫星遥感影像,计算卫星遥感影像的反射率值,制作彩色合成图,绘制影像直方图。
按反射率值的大小将卫星遥感影像中的像元分为三类,每一类像元分别采用不同的函数形式拟合卫星遥感影像反射率值与彩色合成图RGB值的关系,确定拟合系数最好的函数形式,并确定拟合参数,其中,所采用的函数包括线性函数、二次函数、指数函数、对数函数。非线性影像彩色拉伸函数及参数如表1示;
表1
Figure BDA0002410044740000081
其中,表1中x表示波段发射率值,y表示彩色合成图的RGB值,R2表示决定系数。
由于低、中、高反射率采用了不同的函数模拟形式,拟合函数存在不平滑的现象,因此采用线性加权的方式确定不同反射率波段重叠部分彩色合成图的RGB值,如式(3)所示:
Gi=wi×Gi,1+(1-wi)×Gi,2……………………………(3)
其中,Gi表示第i个重复反射率所对应的彩色合成图RGB值;wi表示第i个重复反射率的权重系数,wi=i/I,I表示不同反射率波段中重复反射率的个数,i=1,2,…,I;Gi,1、Gi,2分别表示第i个重复反射率时,由第一段分段函数和第二段分段函数确定的彩色合成图RGB值。例如,重复反射率为[0.10,0.11,0.12,0.13,0.14,0.15],则I为6,每个不同的反射率对应的i为[1,2,3,4,5,6],每个反射率的权重wi则为[1/6,2/6,3/6,4/6,5/6,6/6]。
对典型的南北极卫星遥感影像拉伸前后的直方图进行对比,如图3所示。图3中横坐标为影像RGB值,纵坐标为概率密度,实线为线性拉伸的遥感影像直方图,虚线为自适应非线性拉伸后的遥感影像直方图。线性拉伸的遥感影像直方图在低RGB值地物(岩石、水体)和高RGB值地物(冰雪)处呈现双峰结构。使用自适应非线性拉伸方法对遥感影像直方图进行拉伸,拉伸后的影像直方图更为平滑,两个RGB峰值变的更加平缓。线性拉伸直方图中岩石等低反射率地物主要由0-50RGB值表示,冰雪等高反射率地物由100-150RGB值表示;经过自适应非线性拉伸后的影像,岩石等低反射率地物主要由25-100RGB值表示,冰雪等高反射率地物由150-225RGB值显示,这说明经过自适应非线性拉伸后的影像保留了更多的信息。
步骤S4、对非线性彩色拉伸后的卫星遥感影像进行拼接,完成卫星遥感影像自适应制图。
对于非线性拉伸处理后的卫星遥感影像,按照各卫星遥感影像中云量从大到小的顺序,将卫星遥感影像从下向上排列,然后将所有影像进行拼接合成,形成完整的卫星遥感影像。
基于本实施例所采用的Landsat-8卫星遥感影像,同时利用国际常用的线性制图方法以及本发明自适应非线性制图方法进行制图,效果对比如图4所示。
其中,图4(a)为使用国际常用的线性制图方法获得的极地卫星遥感影像,图4(b)为使用本发明自适应非线性制图方法获得的极地卫星遥感影像;图4(c)、4(e)、4(g)均为图4(a)的细节放大图,分别为冰盖、冰面水系、岩石典型极地地物;图4(d)、4(f)、4(h)均为图4(b)的细节放大图,分别与图4(c)、4(e)、4(g)的位置相对应。通过图4,可知:
首先,本发明自适应非线性制图方法获得的极地卫星遥感影像在亮度方面优于使用线性制图技术获得的极地卫星遥感影像。
其次,本发明自适应非线性制图方法获得的极地卫星遥感影像不存在色差问题,而使用线性制图技术获得的极地卫星遥感影像存在明显的色差,如图4(a)、图4(b)中的A区域。
再次,本发明自适应非线性制图方法获得的极地卫星遥感影像对地物细节的展示优于使用线性制图技术获得的极地卫星遥感影像;如图4(a)、图4(b)中的B、C区域,采用线性制图技术获得的极地卫星遥感影像不能明显区分陆地与海洋的边界,且不能显示影像中的薄云,而使用本发明自适应非线性制图方法获得的极地卫星遥感影像保留了原始影像中的所有细节信息。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。

Claims (5)

1.一种极地可见光遥感自适应制图方法,其特征在于,包括如下步骤:
对卫星遥感影像进行太阳高度角订正;
对太阳高度角订正后的卫星遥感影像进行非朗勃体订正,订正冰雪表面的非朗勃体效应;
对经过太阳高度角订正、非朗勃体订正后的卫星遥感影像进行非线性彩色拉伸,包括:确定自适应非线性影像彩色拉伸函数,并基于自适应非线性拉伸函数对极地可见光卫星遥感影像进行非线性拉伸处理;
对非线性彩色拉伸后的卫星遥感影像进行拼接,完成卫星遥感影像自适应制图。
2.根据权利要求1所述的极地可见光遥感自适应制图方法,其特征在于,对卫星遥感影像进行太阳高度角订正的方法包括:
卫星接收到的太阳辐射由式1计算获得:
ρλ=(Mλ×DN+Aλ)×sinθ……………………………………1
其中,ρλ表示卫星接收到的太阳辐射值,DN表示卫星传感器电信号强度,Mλ和Aλ分别表示电信号转化为太阳辐射值的缩放系数和增益系数,Sinθ表示太阳高度角订正系数;太阳高度角订正系数Sinθ由日地关系计算获得,如式2所示:
sinθ=cosω×cosδ×cosφ+sinδ×sinφ………………………2
其中,ω表示地方时角,δ表示太阳赤纬角,
Figure FDA0002410044730000011
表示纬度;
将式2代入式1,得到经太阳高度角订正后的太阳辐射。
3.根据权利要求1所述的极地可见光遥感自适应制图方法,其特征在于,非朗勃体订正的具体方法包括:
采集若干幅不同太阳高度角的卫星遥感影像,计算不同太阳高度角与卫星所接收到的冰雪辐射量之间的关系,并根据不同太阳高度角与卫星所接收到的冰雪辐射量之间的关系计算出不同太阳高度角的非朗勃体订正。
4.根据权利要求1所述的极地可见光遥感自适应制图方法,其特征在于,自适应非线性影像彩色拉伸函数确定方法包括:
计算卫星遥感影像的反射率值,并制作极地可见光卫星遥感影像的彩色合成图;
将卫星遥感影像中的像元按反射率值的大小进行分类,对不同类别的像元按照不同的函数形式拟合卫星遥感影像的反射率值与彩色合成图RGB值之间的关系;
对不同类别的像元,均选取拟合系数最优的函数形式,并确定拟合参数;
采用线性加权的方式确定不同反射率波段重叠部分彩色合成图的RGB值。
5.根据权利要求1所述的极地可见光遥感自适应制图方法,其特征在于,卫星遥感影像拼接方法包括:
对于非线性拉伸处理后的卫星遥感影像,按照各卫星遥感影像中云量从大到小的顺序,将卫星遥感影像从下向上排列,然后将所有卫星遥感影像进行拼接合成,形成完整的卫星遥感影像。
CN202010173576.3A 2020-03-13 2020-03-13 一种极地可见光遥感自适应制图方法 Active CN111354054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010173576.3A CN111354054B (zh) 2020-03-13 2020-03-13 一种极地可见光遥感自适应制图方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010173576.3A CN111354054B (zh) 2020-03-13 2020-03-13 一种极地可见光遥感自适应制图方法

Publications (2)

Publication Number Publication Date
CN111354054A true CN111354054A (zh) 2020-06-30
CN111354054B CN111354054B (zh) 2023-03-31

Family

ID=71197403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010173576.3A Active CN111354054B (zh) 2020-03-13 2020-03-13 一种极地可见光遥感自适应制图方法

Country Status (1)

Country Link
CN (1) CN111354054B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160071A (zh) * 2021-03-11 2021-07-23 北京师范大学 卫星影像自动化几何纠正方法、系统、介质及终端设备
CN116228604A (zh) * 2023-05-09 2023-06-06 国家卫星海洋应用中心 一种适用于极地区域的卫星遥感光学影像匀色方法
CN116630204A (zh) * 2023-07-19 2023-08-22 南京佳格耕耘科技有限公司 遥感影像在线分析处理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101034475A (zh) * 2007-03-29 2007-09-12 上海大学 无阴影卫星遥感正射数字图像的计算机生成方法
WO2018028191A1 (zh) * 2016-08-10 2018-02-15 福州大学 一种基于波段比模型和太阳高度角的tavi计算方法
CN109472237A (zh) * 2018-11-02 2019-03-15 中国资源卫星应用中心 一种可见光遥感卫星影像的大气订正方法和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101034475A (zh) * 2007-03-29 2007-09-12 上海大学 无阴影卫星遥感正射数字图像的计算机生成方法
WO2018028191A1 (zh) * 2016-08-10 2018-02-15 福州大学 一种基于波段比模型和太阳高度角的tavi计算方法
CN109472237A (zh) * 2018-11-02 2019-03-15 中国资源卫星应用中心 一种可见光遥感卫星影像的大气订正方法和系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160071A (zh) * 2021-03-11 2021-07-23 北京师范大学 卫星影像自动化几何纠正方法、系统、介质及终端设备
CN113160071B (zh) * 2021-03-11 2023-11-07 北京师范大学 卫星影像自动化几何纠正方法、系统、介质及终端设备
CN116228604A (zh) * 2023-05-09 2023-06-06 国家卫星海洋应用中心 一种适用于极地区域的卫星遥感光学影像匀色方法
CN116630204A (zh) * 2023-07-19 2023-08-22 南京佳格耕耘科技有限公司 遥感影像在线分析处理系统
CN116630204B (zh) * 2023-07-19 2023-09-26 南京佳格耕耘科技有限公司 遥感影像在线分析处理系统

Also Published As

Publication number Publication date
CN111354054B (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN111354054B (zh) 一种极地可见光遥感自适应制图方法
CN101452078B (zh) 极轨气象卫星遥感白天和夜间海雾的检测方法
CN104966298A (zh) 一种基于微光云图数据的夜间低云大雾监测方法
CN108399363B (zh) 一种基于偏振图像的云检测方法
CN113744249B (zh) 一种海洋生态环境损害调查方法
Duplančić Leder et al. Satellite derived bathymetry survey method–Example of Hramina bay
CN104778668A (zh) 基于可见光波段光谱统计特征的光学遥感图像薄云去除方法
Santosa Evaluation of satellite image correction methods caused by differential terrain illumination
CN115082309A (zh) 一种太湖蓝藻水华的多源卫星高时空分辨率监测方法
Li et al. Applications of radar-based nowcasting techniques for mesoscale weather forecasting in Hong Kong
Pimentel et al. Terrestrial photography as an alternative to satellite images to study snow cover evolution at hillslope scale
Gupta Comparative study of AVHRR ratio vegetation index and normalized difference vegetation index in district level agricultural monitoring
Small et al. Terrain-corrected Gamma: Improved thematic land-cover retrieval for SAR with robust radiometric terrain correction
Seto et al. Comparison of TRMM PR V6 and V7 focusing heavy rainfall
CN115079114A (zh) 基于海洋与角反射器后向散射的机载sar辐射定标方法
Purnama et al. Salt pond analysis using ALOS PALSAR case study Sampang, Madura-Indonesia
CN113724165B (zh) 合成孔径雷达镶嵌影像匀色处理方法
CN116862798B (zh) 一种光学卫星遥感影像的地形阴影效应校正方法
Veljanovski et al. LARGE SCALE MOSAICING AND COMPOSITING OF PROBA-V SATELLITE IMAGES.
Leshkevich et al. Monitoring Great Lakes ice cover with satellite synthetic aperture radar (SAR)
CN114325701B (zh) 一种利用sar数据与多光谱数据进行城市水体提取方法
CN112926408B (zh) 一种基于数字高程模型的冰川崩解前沿自动提取方法
Van Leeuwen et al. Quality assurance of global vegetation index compositing algorithms using AVHRR data
Wang et al. Dual-aspect geometric and radiometric terrain correction method for high-resolution SAR data
Leshkevich et al. Algorithm development for satellite synthetic aperture radar (SAR) classification and mapping of Great Lakes ice cover

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