CN111680659A - 国际空间站rgb夜间灯光图像的相对辐射归一化方法 - Google Patents
国际空间站rgb夜间灯光图像的相对辐射归一化方法 Download PDFInfo
- Publication number
- CN111680659A CN111680659A CN202010552680.3A CN202010552680A CN111680659A CN 111680659 A CN111680659 A CN 111680659A CN 202010552680 A CN202010552680 A CN 202010552680A CN 111680659 A CN111680659 A CN 111680659A
- Authority
- CN
- China
- Prior art keywords
- image
- space station
- pseudo
- international space
- rgb
- 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
- 230000005855 radiation Effects 0.000 title claims abstract description 34
- 238000010606 normalization Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000006243 chemical reaction Methods 0.000 claims abstract description 20
- DFPOZTRSOAQFIK-UHFFFAOYSA-N S,S-dimethyl-beta-propiothetin Chemical compound C[S+](C)CCC([O-])=O DFPOZTRSOAQFIK-UHFFFAOYSA-N 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000013341 scale-up Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000000611 regression analysis Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000001308 synthesis method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种在利用现有全球DMSP/OLS或VIIRS/DNB时间序列的基础上，基于伪不变特征法对国际空间站RGB夜光图像进行相对辐射归一化的方法,该方法利用差值图像和目视识别相结合的方法识别伪不变特征区域；利用灰度转换公式对国际空间站RGB目标图像进行灰度转换；利用面‑面升尺度转换方法进行像元尺度转换；利用回归分析法拟合目标图像和参考图像在伪不变特征区域的像元灰度值，确定最佳回归方程；利用自然间断法去除背景值影响后，对国际空间站RGB夜光图像进行相对辐射归一化。本发明有效提高国际空间站图像的跨区域辐射亮度可比性和图像可用性。
Description
技术领域
本本发明属于夜间灯光图像相对辐射归一化技术领域，公开了一种在利用现有全球DMSP/OLS或VIIRS/DNB时间序列的基础上，基于伪不变特征法对国际空间站(ISS,International Space Station)RGB夜光图像进行相对辐射归一化的方法。该方法将国际空间站RGB夜光图像修正到与其他多源夜光遥感图像一致的灰度水平上，有效提高国际空间站图像的跨区域辐射亮度可比性和图像可用性。
该方法利用DMSP/OLS或VIIRS/DNB差值图像法识别伪不变特征区域，对国际空间站RGB目标图像进行灰度转换和像元尺度转换，然后拟合分析目标图像和参考图像在伪不变特征区域的像元灰度值，最后确定回归方程，并对国际空间站RGB夜光图像进行辐射归一化。
背景技术
国际空间站(International Space Station，简写为ISS)以独特的太空视角拍摄了全球许多地区的夜间灯光相片，构成了一个独特和有价值的数据集。与其他低空间分辨率的单波段夜光遥感图像相比，国际空间站夜光相片作为第一个从空间角度记录地球发出的可见光波长的夜光图像，具有5-200米的中高空间分辨率和多光谱的优势，在流行病学研究、生态环境效应、光污染分析和照明技术研究中具有独特的应用价值。
尽管国际空间站提供了丰富的城市夜光图像，但由于这些国际空间站夜光图像缺乏精确的位置和地理参考，国际空间站宇航员拍摄图像的过程中，相机的倾斜角度、焦距、轨道高度等不同，各国际空间站夜光图像的成像范围和空间分辨率也不完全一致，图像自身不具备时间序列，使得相同地区不同时间的图像以及相同时间不同地区的图像之间没有辐射可比性。这也产生了利用国际空间站RGB图像进行夜光研究的局限性，降低了夜光图像的可用性。国际空间站夜光图像的绝对辐射定标过程复杂，需要表征宇航员所使用的相机的特性，分析恒星场图像，然后利用约翰逊V波段的测量值与G通道的测量值具有的一致性进行光度校准，最后经过校正灯光、星象校准以及光度测量完成了原图像的绝对校准。[
DE MIGUEL A,2016.Variación espacial,temporal y espectral de lacontaminación lumínica y sus fuentes:Metodología y resultados[M/OL].
http://eprints.ucm.es/31436/.DOI:10.13140/RG.2.1.2233.7127.]这个绝对校准过程虽然大大提高了国际空间站的夜光照片的可用性，但是在没有天文学标准恒星通量和机载光谱辐射计获取的夜间辐射值的情况下却无法完成绝对校准。相比之下，相对辐射归一化方法简单，且不需要得到地表的真实辐射测量值，便可提高图像的可比性和可用性。本发明针对这一问题，提出了在利用现有全球DMSP/OLS(Defense MeteorologicalSatellite Program/Operational Linescan System)或VIIRS/DNB(Visible InfraredImaging Radiometer Suite Day/Night Band)时间序列夜间灯光遥感数据的基础上，基于伪不变特征法获得回归模型的国际空间站RGB图像的相对辐射归一化方法。该方法可有效提高图像之间的辐射可比性和图像可用性，且操作简单，对国际空间站夜光图像的相对辐射归一化具有普遍适用性。
发明内容
本发明提供了一种国际空间站RGB夜间灯光图像相对辐射归一化的方法，其步骤为：
(1)选择国际空间站运动模糊影响小的JPEG格式的RGB夜光图像和DMSP/OLS时间序列夜光遥感图像，确定并裁剪目标图像和参考图像；
(2)将参考图像时间前后的影像分别与参考图像作差，得到两幅差值图像，将参考图像和两幅差值图像分别赋予红绿蓝通道，得到新的波段合成图像；
(3)利用步骤(2)合成的多波段图像，结合差值图像和伪不变特征点选取原则人工目视识别参考图像上的伪不变特征区域；
(4)分别提取步骤(1)确定的国际空间站RGB目标图像的红绿蓝三个分波段图像，并利用灰度转换公式将原RGB图像转换为单波段的灰度图像；
(5)根据升尺度转换方法，将步骤(4)得到的国际空间站灰度图像的像元尺度升尺度转换为包含原目标灰度图像物理含义并且与参考图像像元尺度相同的像元尺度，得到像元尺度归一化后的目标灰度图像；
(6)筛选并匹配步骤(5)得到的目标灰度图像与参考图像上相同像元位置的伪不变特征点；
(7)回归拟合步骤(6)中匹配的伪不变特征点，分别采用线性回归和一元二次多项式回归，确定最优回归模型，得到相对辐射归一化模型；
(8)去除背景值影像，利用步骤(7)得到的辐射归一化模型对国际空间站图像进性相对辐射归一化。
可选地，其中步骤(1)包括：图像地理配准，统一图像格式，赋予图像地理坐标系。
可选地，其中步骤(3)中，在识别伪不变特征点过程中，采用了时间序列图像变化检测方法中的差值图像法，并给出了伪不变特征点选取的基本原则及其在图像像元亮度值上的体现。
可选地，其中步骤(4)中，在图像灰度转换过程中，采用了对比度增强的彩色灰度转换算法。
可选地，其中步骤(5)中，在像元升尺度转换过程中，采用了面-面升尺度转换方法。
可选地，其中步骤(6)中，在筛选伪不变特征点的过程中，给出了特征点空间分布的评价方法。
可选地，其中步骤(8)中，在去除背景值影响的过程中，采用了自然间断法。
国际空间站RGB夜光图像虽然自身不具备时间序列的条件，但是在拍摄时间跨度上分别与DMSP/OLS和VIIRS/DNB时间序列夜光遥感影像有重叠，为国际空间站夜光图像的相对辐射归一化提供了可能。本发明充分利用这一条件，在无法获取当时地面真实辐射亮度值的情况下，对于2012年及其之前的ISS RGB夜光图像，将已经经过相互校准的DMSP/OLS时间序列年度合成产品作为参考图像进行相对辐射归一化，选取伪不变特征区域，拟合分析推导相对辐射归一化模型。对于2013年及其之后的ISS RGB夜光图像可以利用同样的方法将VIIRS/DNB作为参考图像进行相对辐射归一化。
附图说明
图1是本发明提供的国际空间站RGB夜光图像相对辐射归一化流程图；
具体实施方式
本发明为了实现国际空间站RGB夜光图像的相对辐射归一化，提出了实现该过程的如下方法(以DMSP/OLS作为参考图像为例)：
步骤1：选择国际空间站运动模糊影响小的JPEG格式的RGB夜光图像，将图像进行地理配准，统一图像格式，赋予其地理坐标，确定并裁剪国际空间站目标图像和DMSP/OLS参考图像，建立一个工程。
其中，待辐射归一化的国际空间站RGB夜光图像为目标图像；时间序列夜光遥感产品中与目标图像时间最邻近的合成产品作为参考图像。
步骤2：模型建立前，参考图像和目标图像的处理过程。
(1)伪不变特征区域选取
本发明利用参考图像时间前后的影像分别与参考图像作差值，得到两幅差值图像，再利用波段合成的方法分别赋予参考图像与两幅差值图像为红、绿、蓝通道得到新的合成图像。采用合成图像分析与人工目视识别相结合的方法，根据夜间灯光伪不变特征区域的选取原则识别参考图像的伪不变特征点。
伪不变特征区域的选取主要参考两个原则：1)不变区域的社会经济发展相对稳定，保证了夜间灯光亮度变化很小；2)不变区域应覆盖夜光图像的所有灰度级，保证模型的通用性。其在夜光图像上表现为像元灰度值变化小，且覆盖整个像元灰度值范围，参考文献[Jiang W,He G,Long T,Wang C,Ni Y,Ma R.Assessing light pollution in Chinabased on nighttime light imagery.Remote Sens.2017；9(2):1-18.doi:10.3390/rs9020135]；
(2)目标图像的波段提取及灰度转换
分别提取国际空间站RGB目标图像的红绿蓝三个波段，通过灰度转换公式将RGB图像转换为灰度图像来解决多光谱目标图像与单波段参考图像的波段差异，RGB图像向灰度图像转换的参考文献[M.Grundland and N.A.Dodgson,“Decolorize:Fast,contrastenhancing,color to grayscale conversion,”Pattern Recognit.,vol.40,no.11,pp.2891–2896,2007]；
(3)解决目标图像与参考图像的像元尺度差异
目标灰度图像的空间分辨率为几十米，参考图像的空间分辨率约为1千米。为平衡目标灰度图像和参考图像的像元尺度差异，根据面-面升尺度转换方法的原理，并利用夜间灯光图像的像元DN(Digital Number,DN值是遥感图像像元的亮度值，记录目标的灰度值，无单位，无实际意义)值是传感器记录的地面像元范围内夜间灯光灰度平均值的特性，将目标灰度图像像元升尺度转换为包含原目标灰度图像物理含义并且与参考图像像元尺度相同的像元尺度，得到像元尺度归一化后的目标灰度图像。其中，图像升尺度转换方法参考文献[郝大磊,肖青,闻建光,等.定量遥感升尺度转换方法研究进展[J].遥感学报,2018,v.22(03):40-55]；
(4)筛选并匹配目标灰度图像与参考图像上相同像元位置的伪不变特征点
确定满足步骤3中拟合需要的伪不变特征点数量，匹配过程中应尽量去除图像过饱和的点和亮度极值点，以减少由于像元过饱和现象造成的相对辐射归一化结果精度的降低。在去除多余特征点时，主要考虑伪不变特征点的空间分布，尽量保留城市边缘的特征点，使归一化结果更可靠。
步骤3：基于步骤2-(4)中目标图像和参考图像匹配的伪不变特征点进行回归分析，并构建辐射归一化模型。
根据目标图像和参考图像上伪不变特征点的灰度值分布特征分别进行线性回归拟合和二次多项式回归拟合分析，确定最优拟合结果，得到最佳回归模型。相对辐射归一化模型确定的指标主要考虑图像拟合的相关系数(R2)和均方根误差(RMSE)，回归模型通过显著性检验。基于伪不变特征点拟合分析的参考文献[梁丽,边金虎,李爱农,冯文兰,雷光斌,张正健,左家旗.2020.中巴经济走廊DMSP/OLS与NPP/VIIRS夜光数据辐射一致性校正.遥感学报,24(2):149-160]；基于伪不变特征区域模型进行夜间灯光影像校正的参考文献[WuJ,He S,Peng J,Li W and Zhong X.2013.Intercalibration of DMSP-OLS night-timelight data by the invariant region method.International Journal of RemoteSensing,34(20):7356-7368]。
步骤4：图像后处理。
由于夜间灯光图像主要反映陆地人工夜间灯光，海陆条件和灯光晕渲效果等因素会造成不同地区图像亮度值总和的差异，因此，在进行不同地区(尤其是海陆条件不同的地区)夜间灯光辐射亮度比较时，考虑去除背景值的影响。本发明采用自然间断(Jenks)法，保持类间方差最大，类内方差最小，将归一化后的图像像元值分成五类，定义数值最小的一类为背景值，在统计像元亮度均值和比较时去除背景值的影响，使统计结果更加可靠。
利用步骤3中获得的辐射归一化模型对目标图像像元尺度统一前提取的红绿蓝三个分波段图像进行归一化，既保留了原始夜光图像中高空间分辨率和多光谱的性质，又保留了原始夜光图像红绿蓝三个波段之间的辐射亮度相对大小关系。分别归一化后的三个分波段图像通过波段合成的方法得到相对归一化后的国际空间站夜光新图像
步骤1—4如说明书附图1所示。
步骤5：归一化结果评价与验证。
(1)归一化结果定性评价
综合考虑国际空间站夜光多光谱图像相对辐射归一化前后图像的视觉效果和像素深度变化，评价归一化结果；
(2)图像平均像元值的比较
由于国际空间站图像与参考的DMSP/OLS夜光遥感图像空间分辨率的差异，导致相同图幅面积内，像元个数的差异，从而使得归一化后得到国际空间站图像图幅像元值总和与DMSP/OLS图像的图幅像元值总和之间没有直接的可比性，因此引入图像平均像元值，评价图像归一化结果的准确性和可靠性；
(3)归一化后的国际空间站夜光图像像元值与GDP和人口数据的相关性检验
归一化后的国际空间站夜光灰度图像与图像区域的GDP和人口数据等社会经济数据的相关性检验，验证归一化结果的可信性。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.国际空间站RGB夜间灯光图像的相对辐射归一化方法，其步骤为：
(1)选择国际空间站运动模糊影响小的JPEG格式的RGB夜光图像和DMSP/OLS时间序列夜光遥感图像，确定并裁剪目标图像和参考图像；
(2)将参考图像时间前后的影像分别与参考图像作差，得到两幅差值图像，将参考图像和两幅差值图像分别赋予红绿蓝通道，得到新的波段合成图像；
(3)利用步骤(2)合成的多波段图像，结合差值图像和伪不变特征点选取原则人工目视识别参考图像上的伪不变特征区域；
(4)分别提取步骤(1)确定的国际空间站RGB目标图像的红绿蓝三个分波段图像，并利用灰度转换公式将原RGB图像转换为单波段的灰度图像；
(5)根据升尺度转换方法，将步骤(4)得到的国际空间站灰度图像的像元尺度升尺度转换为包含原目标灰度图像物理含义并且与参考图像像元尺度相同的像元尺度，得到像元尺度归一化后的目标灰度图像；
(6)筛选并匹配步骤(5)得到的目标灰度图像与参考图像上相同像元位置的伪不变特征点；
(7)回归拟合步骤(6)中匹配的伪不变特征点，分别采用线性回归和一元二次多项式回归，确定最优回归模型，得到相对辐射归一化模型；
(8)去除背景值影像，利用步骤(7)得到的辐射归一化模型对国际空间站图像进性相对辐射归一化。
2.根据权利要求1所述方法，其特征在于，其中步骤(1)包括：图像地理配准，统一图像格式，赋予图像地理坐标系。
3.根据权利要求1所述方法，其特征在于，其中步骤(3)中，在识别伪不变特征点过程中，采用了时间序列图像变化检测方法中的差值图像法，并给出了伪不变特征点选取的基本原则及其在图像像元亮度值上的体现。
4.根据权利要求1所述方法，其特征在于，其中步骤(4)中，在图像灰度转换过程中，采用了对比度增强的彩色灰度转换算法。
5.根据权利要求1所述方法，其特征在于，其中步骤(5)中，在像元升尺度转换过程中，采用了面-面升尺度转换方法。
6.根据权利要求1所述方法，其特征在于，其中步骤(6)中，在筛选伪不变特征点的过程中，给出了特征点空间分布的评价方法。
7.根据权利要求1所述方法，其特征在于，其中步骤(8)中，在去除背景值影响的过程中，采用了自然间断法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010552680.3A CN111680659B (zh) | 2020-06-17 | 2020-06-17 | 国际空间站rgb夜间灯光图像的相对辐射归一化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010552680.3A CN111680659B (zh) | 2020-06-17 | 2020-06-17 | 国际空间站rgb夜间灯光图像的相对辐射归一化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111680659A true CN111680659A (zh) | 2020-09-18 |
| CN111680659B CN111680659B (zh) | 2023-04-18 |
Family
ID=72435893
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010552680.3A Active CN111680659B (zh) | 2020-06-17 | 2020-06-17 | 国际空间站rgb夜间灯光图像的相对辐射归一化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111680659B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113569386A (zh) * | 2021-07-01 | 2021-10-29 | 武汉大学 | 卫星遥感夜光辐亮度的观测角度归一化方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101303733A (zh) * | 2008-05-26 | 2008-11-12 | 东华大学 | 采用模式数据库的具有空间感的自然彩色夜视实现方法 |
| CN105550681A (zh) * | 2016-03-01 | 2016-05-04 | 中国科学院遥感与数字地球研究所 | 一种基于稳定映射点夜间灯光影像间相互辐射校正方法 |
| US20180268239A1 (en) * | 2011-11-14 | 2018-09-20 | San Diego State University Research Foundation | Method and System of Image-Based Change Detection |
| CN111192298A (zh) * | 2019-12-27 | 2020-05-22 | 武汉大学 | 一种夜光遥感影像相对辐射校正方法 |
-
2020
- 2020-06-17 CN CN202010552680.3A patent/CN111680659B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101303733A (zh) * | 2008-05-26 | 2008-11-12 | 东华大学 | 采用模式数据库的具有空间感的自然彩色夜视实现方法 |
| US20180268239A1 (en) * | 2011-11-14 | 2018-09-20 | San Diego State University Research Foundation | Method and System of Image-Based Change Detection |
| CN105550681A (zh) * | 2016-03-01 | 2016-05-04 | 中国科学院遥感与数字地球研究所 | 一种基于稳定映射点夜间灯光影像间相互辐射校正方法 |
| CN111192298A (zh) * | 2019-12-27 | 2020-05-22 | 武汉大学 | 一种夜光遥感影像相对辐射校正方法 |
Non-Patent Citations (4)
| Title |
|---|
| QINGLING ZHANG: "Robust Method to Generate a Consistent Time Series from DMSP/OLS Nighttime Light Data" * |
| YANHUA XIE AND QIHAO WENG: "Spatiotemporally enhancing time-series DMSP/OLS nighttime light imagery for assessing large-scale urban dynamics" * |
| YE WEI ET.AL: "Normalization of time series DMSP-OLS nighttime light images for urban growth analysis with Pseudo Invariant Features" * |
| 梁丽等: "中巴经济走廊DMSP/OLS与NPP/VIIRS夜光数据辐射一致性校正" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113569386A (zh) * | 2021-07-01 | 2021-10-29 | 武汉大学 | 卫星遥感夜光辐亮度的观测角度归一化方法 |
| CN113569386B (zh) * | 2021-07-01 | 2023-08-22 | 武汉大学 | 卫星遥感夜光辐亮度的观测角度归一化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111680659B (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210201452A1 (en) | Image dehazing and restoration | |
| CN109581372B (zh) | 一种生态环境遥感监测方法 | |
| Du et al. | Radiometric normalization, compositing, and quality control for satellite high resolution image mosaics over large areas | |
| US8509476B2 (en) | Automated system and method for optical cloud shadow detection over water | |
| US20220215509A1 (en) | Physics-based recovery of lost colors in underwater and atmospheric images under wavelength dependent absorption and scattering | |
| Zhang et al. | A mixed radiometric normalization method for mosaicking of high-resolution satellite imagery | |
| Chianucci et al. | Continuous observations of forest canopy structure using low-cost digital camera traps | |
| Pawar et al. | Detecting clear sky images | |
| Wierzbicki et al. | Method of radiometric quality assessment of NIR images acquired with a custom sensor mounted on an unmanned aerial vehicle | |
| CN109472804A (zh) | 基于遥感影像的陆表水体提取方法和装置 | |
| CN111680659B (zh) | 国际空间站rgb夜间灯光图像的相对辐射归一化方法 | |
| Neale | Classification and mapping of riparian systems using airborne multispectral videography | |
| Manninen et al. | Automatic snow surface roughness estimation using digital photos | |
| Liu et al. | High-spatial-resolution nighttime light dataset acquisition based on volunteered passenger aircraft remote sensing | |
| Joachim et al. | Cloud detection for night-time panchromatic visible and near-infrared satellite imagery | |
| Aitken et al. | Prelude to CZMIL: seafloor imaging and classification results achieved with CHARTS and the Rapid Environmental Assessment (REA) Processor | |
| CN116229459A (zh) | 国产卫星多光谱图像逐像素质量标记方法 | |
| Chijioke | Satellite remote sensing technology in spatial modeling process: technique and procedures | |
| Jacq et al. | Structure-from-motion, multi-view stereo photogrammetry applied to line-scan sediment core images | |
| Jin | ENVI automated image registration solutions | |
| CN113628098A (zh) | 一种多时相无云卫星影像重构方法 | |
| Ismaya et al. | New automated cloud and cloud-shadow detection using Landsat imagery | |
| Bostater et al. | Integration, testing, and calibration of imaging systems for land and water remote sensing | |
| KR20210111578A (ko) | 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법 | |
| Chen et al. | Urban-Rural Fringe Recognition with the Integration of Optical and Nighttime Lights Data |
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 |