CN111915682B - 一种实时自调节的高光谱图像数据非均匀校正方法 - Google Patents

一种实时自调节的高光谱图像数据非均匀校正方法 Download PDF

Info

Publication number
CN111915682B
CN111915682B CN202010704270.6A CN202010704270A CN111915682B CN 111915682 B CN111915682 B CN 111915682B CN 202010704270 A CN202010704270 A CN 202010704270A CN 111915682 B CN111915682 B CN 111915682B
Authority
CN
China
Prior art keywords
hyperspectral image
hyperspectral
image data
data
axis
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
Application number
CN202010704270.6A
Other languages
English (en)
Other versions
CN111915682A (zh
Inventor
李奇峰
马翔云
崔泽霖
吴欢欢
张迎虎
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN202010704270.6A priority Critical patent/CN111915682B/zh
Publication of CN111915682A publication Critical patent/CN111915682A/zh
Application granted granted Critical
Publication of CN111915682B publication Critical patent/CN111915682B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06T2207/10016—Video; Image sequence

Abstract

本发明公开了一种实时自调节的高光谱图像数据非均匀校正方法，使高光谱相机定时拍摄采集多帧连续的高光谱图像检验数据，对多帧连续的高光谱图像检验数据进行整体统计，识别出高光谱图像检验数据中的坏点，计算出各坏点的响应比例曲线，将各坏点的响应比例曲线反馈至采集的高光谱图像数据，对高光谱图像数据进行校正。本发明可实现自动对高光谱图像进行校正。

Description

一种实时自调节的高光谱图像数据非均匀校正方法
技术领域
本发明涉及一种高光谱图像数据校正方法，特别涉及一种实时自调节的高光谱图像数据非均匀校正方法。
背景技术
目前，高光谱成像仪具有光谱分辨率高、光谱范围宽等特点，通过分光技术可以达到几百个波段，地物目标的二维图像与其一维光谱信息构成数据立方体，实现空间维与光谱维的融合。因此高光谱成像仪的应用领域广泛，如植被调查、环境监测、地质勘探等，尤其在搭载在卫星上的高光谱成像仪在大气遥测，对地面目标遥测上同样应用广泛，在国家与社会发展中发挥着重要的作用。然而高光谱成像仪由于系统本身存在背景噪声，周围环境的影响会造成一定非均匀性。因此对高光谱相机的非均匀校正对高光谱遥测具有重要意义。
现有的非均匀校正方法主要有基于辐射定标的校正方法与基于场景自适应的校正方法两种。基于辐射定标的校正方法需要使用黑体定标。而基于场景自适应的校正算法不需要黑体定标，通过获取高光谱成像系统的输出值，利用较为复杂的算法实时完成校正系数的估计，并使用计算后的估计结果对系统输出进行补偿，从而达到非均匀性校正的目的。
在一些特定场所使用高光谱成像仪对非均匀校正方法有一些条件限制，如在煤窑由于灰尘较大，对高光谱数据采集影响较大，需要频繁的进行校正。以及卫星上搭载的高光谱成像仪由于卫星服役时间较长，因此无法实现人为校正。因此基于场景自适应的校正算法应用更加满足需求。但现有的自适应的非均匀校正算法存在算法复杂，校正时间过长，不能实现实时校正等问题，因此自适应的非均匀校正算法仍有较大发展空间，开发一种实时自调节的高光谱非均匀校正方法十分必要。
发明内容
本发明为解决公知技术中存在的技术问题而提供一种实时自调节的高光谱图像数据非均匀校正方法。
本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种实时自调节的高光谱图像数据非均匀校正方法，使高光谱相机定时拍摄采集多帧连续的高光谱图像检验数据，对多帧连续的高光谱图像检验数据进行整体统计，识别出高光谱图像检验数据中的坏点，计算出各坏点的响应比例曲线，将各坏点的响应比例曲线反馈至采集的高光谱图像数据，对高光谱图像数据进行校正。
进一步地，识别高光谱图像数据中的坏点的方法为：由多帧连续的高光谱图像检验数据得到包括二维空间轴和时间轴的三维高光谱图像检验数据，设高光谱图像检验数据的二维空间轴分别为x轴和y轴，设其时间轴为z轴；将三维高光谱图像检验数据分割为Nx×Ny×Nz个子区域块，其中Nx、Ny、Nz分别对应为x轴、y轴和z轴方向的分割个数，求取每个子区域块内的三维高光谱图像检验数据的一阶导数与二阶导数，将子空间区域块的一阶导数与二阶导数进行数据融合，提取每个子区域块的光谱极值点，将光谱极值点映射至三维高光谱图像检验数据空间，设置三维高光谱图像检验数据的x轴、y轴和z轴的光谱阈值范围，将位于光谱阈值范围外的点判断为坏点。
进一步地，将子空间区域块的一阶导数与二阶导数进行数据融合后，从三个维度设置融合的阈值mi，i为维度序号，i＝1、2、3，将在三个维度上对应低于阈值mi的点判断为坏点，mi取值为0.001～0.02。
进一步地，设置掩模对高光谱图像数据进行校正，设si为第i个坏点校正值，si取值如下：
Figure GDA0003661557350000021
其中Mi为以第i个坏点为中心的三维矩阵。
进一步地，同时对10帧以上的高光谱图像同时进行校正，对校正结果进行评估，对评估结果取平均值，如果平均评估结果达到设定值则判定为校正合格，否则判定为校正不合格。
进一步地，高光谱相机校正周期为10至30天。
进一步地，使高光谱相机定时拍摄采集100帧以上连续的高光谱图像数据。
进一步地，使高光谱相机定时拍摄采集高光谱视频数据，由视频数据得到多帧连续的高光谱图像数据。
进一步地，连续拍摄速度为8～12帧/秒。
本发明具有的优点和积极效果是：本发明提供的一种实时自调节的高光谱图像数据非均匀校正方法，具有显著的优势，通过设计实时自调节的高光谱图像数据非均匀校正方法，进行高光谱定时拍摄，识别视频中的坏点与各点的响应比例曲线，并由此对高光谱图像进行反馈，实现高光谱图像校正。本发明可自动对高光谱图像数据进行校正，并可评价校正结果，基于评估结果，可重复校正，直至评估结果达到要求，实现高光谱相机实时自动调节校正。
附图说明
图1是本发明的一种流程框图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹列举以下实施例，并配合附图详细说明如下：
请参见图1，一种实时自调节的高光谱图像数据非均匀校正方法，使高光谱相机定时拍摄采集多帧连续的高光谱图像检验数据，对多帧连续的高光谱图像检验数据进行整体统计，识别出高光谱图像检验数据中的坏点，计算出各坏点的响应比例曲线，将各坏点的响应比例曲线反馈至采集的高光谱图像数据，对高光谱图像数据进行校正。
其中，识别高光谱图像数据中的坏点的方法可采用现有技术中的方法。也可采用如下方法：由多帧连续的高光谱图像检验数据得到包括二维空间轴和时间轴的三维高光谱图像检验数据，设高光谱图像检验数据的二维空间轴分别为x轴和y轴，设其时间轴为z轴；将三维高光谱图像检验数据分割为Nx×Ny×Nz个子区域块，其中Nx、Ny、Nz分别对应为x轴、y轴和z轴方向的分割个数，求取每个子区域块内的三维高光谱图像检验数据的一阶导数与二阶导数，将子空间区域块的一阶导数与二阶导数进行数据融合，提取每个子区域块的光谱极值点，将光谱极值点映射至三维高光谱图像检验数据空间，设置三维高光谱图像检验数据的x轴、y轴和z轴的光谱阈值范围，将位于光谱阈值范围外的点判断为坏点。
进一步地，将子空间区域块的一阶导数与二阶导数进行数据融合后，可从三个维度设置融合的阈值mi，i为维度序号，i＝1、2、3，mi可为可调节参数，可将在三个维度上对应低于阈值mi的点判断为坏点，mi取值可为0.001～0.02。
进一步地，可设置掩模对高光谱图像数据进行校正，可设si为第i个坏点校正值，si取值如下：
Figure GDA0003661557350000031
其中Mi为以第i个坏点为中心的三维矩阵，mask为掩模。
可同时对10帧以上的高光谱图像同时进行校正，然后对校正结果进行评估，对评估结果取平均值，如果平均评估结果达到设定值则判定为校正合格，否则判定为校正不合格。如果判定为校正不合格，则重复上述步骤方法：重复拍摄采集多帧连续的高光谱图像检验数据，重复对新采集的高光谱图像检验数据进行坏点识别，找出高光谱图像检验数据中的坏点，将各坏点的响应比例曲线反馈至采集的高光谱图像数据，对高光谱图像数据进行校正等等。
进一步地，为满足高光谱相机的校正精度要求，高光谱相机校正周期可为10至30天。
进一步地，为达到较好的校正精度，可使高光谱相机定时拍摄采集100帧以上连续的高光谱图像数据。
进一步地，可使高光谱相机定时拍摄采集高光谱视频数据，可由视频数据得到多帧连续的高光谱图像数据。
进一步地，连续拍摄速度可为8～12帧/秒。
下面以本发明的一个优选实施例来进一步说明本发明的工作流程及工作原理：
现在高光谱相机的非均匀校正都是基于静态图像，这就非常依赖标准样本的均匀度，一般只在出厂时进行一次校正。在实际应用中，随着冷却、采集等系统老化，高光谱相机的非均匀性也会发生改变。本发明提出了一种基于多帧连续的高光谱图像检验数据进行非均匀校正的方案，可以让高光谱相机实现实时自调节。
本发明的一种实时自调节的高光谱图像数据非均匀校正方法，使高光谱相机定时拍摄采集多帧连续的高光谱图像检验数据，对多帧连续的高光谱图像检验数据进行整体统计，识别出高光谱图像检验数据中的坏点，计算出各坏点的响应比例曲线，将各坏点的响应比例曲线反馈至采集的高光谱图像数据，实现高光谱图像数据的校正。
该方法可以分成3个部分，分别为：高光谱进行定时拍摄、光谱视频整体统计和高光谱图像校正。
首先，使高光谱相机进行定时拍摄高光谱视频数据，拍摄频率即进行自校正频率，可以按自身需求进行设定，检验频率为10至30天一次，拍摄的高光谱视频数据根据自身系统而定，不影响接下来的数据处理，可以10帧/秒的速度拍摄1分钟的视频为例，拍摄速度与时长可以自由设定，但需要保证整体图像帧数超过100帧。
光谱视频整体统计是本发明所述方法的核心步骤，对采集到的视频进行合理化分析。首先，高光谱在采集过程中，由于相机本身的质量和硬件损耗，会有一些探测点容易出现异常值，一般称为坏点，本发明提出的邻域最佳判断法可以很好的检测出坏点位置，该邻域最佳判断法具体为：将三维高光谱数据分割为Nx*Ny*Nz个子空间区域块，Nx，Ny和Nz分别为三个方向的分割个数，对子空间区域块的一阶导数与二阶导数进行数据融合，提取每个区域块的极值点，将极值点的位置代入三维高光谱数据空间，以三个维度标准进行合理性分析，并对应设置融合的阈值mi，i为维度序号，i＝1、2、3，mi可为可调节参数，可将在三个维度上对应低于阈值mi的点判断为坏点，mi取值为0.001～0.02，将坏点的值由周围点的信息获得，可设计掩模mask，第i个坏点值si为：
Figure GDA0003661557350000051
其中Mi为以第i个坏点为中心的三维矩阵。此外，还需对视频进行整体统计，计算出响应比例曲线，对高光谱图像进行反馈，实现高光谱图像校正。
利用上一步所得的校正模型进行图像校正，评估校正结果，本发明提出的评估方式为高频比例判断，正常图像中的高频信息比例一般较少，当坏点较多或响应比例不准确的时候，会极大的增加图像中的高频比例，当然，对于单张图片可能会出现误差，所以要同时对10帧以上的高光谱图像同时进行处理评估，对评估结果进行平均，如果评估平均结果达到设定值，则认为校正合格，结束校正，此时所得校正模型即为本发明所述的实时自调节的高光谱图像数据非均匀校正方法模型，如果未达到设定值，则重复前述步骤方法，重新校正。
以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够理解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利范围，即凡本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。

Claims (8)

1.一种实时自调节的高光谱图像数据非均匀校正方法，其特征在于，使高光谱相机定时拍摄采集多帧连续的高光谱图像检验数据，对多帧连续的高光谱图像检验数据进行整体统计，识别出高光谱图像检验数据中的坏点，计算出各坏点的响应比例曲线，将各坏点的响应比例曲线反馈至采集的高光谱图像数据，对高光谱图像数据进行校正；
识别高光谱图像数据中的坏点的方法为：由多帧连续的高光谱图像检验数据得到包括二维空间轴和时间轴的三维高光谱图像检验数据，设高光谱图像检验数据的二维空间轴分别为x轴和y轴，设其时间轴为z轴；将三维高光谱图像检验数据分割为Nx×Ny×Nz个子区域块，其中Nx、Ny、Nz分别对应为x轴、y轴和z轴方向的分割个数，求取每个子区域块内的三维高光谱图像检验数据的一阶导数与二阶导数，将子空间区域块的一阶导数与二阶导数进行数据融合，提取每个子区域块的光谱极值点，将光谱极值点映射至三维高光谱图像检验数据空间，设置三维高光谱图像检验数据的x轴、y轴和z轴的光谱阈值范围，将位于光谱阈值范围外的点判断为坏点。
2.根据权利要求1所述的实时自调节的高光谱图像数据非均匀校正方法，其特征在于，将子空间区域块的一阶导数与二阶导数进行数据融合后，从三个维度设置融合的阈值mi，i为维度序号，i＝1、2、3，将在三个维度上对应低于阈值mi的点判断为坏点，mi取值为0.001～0.02。
3.根据权利要求1所述的实时自调节的高光谱图像数据非均匀校正方法，其特征在于，设置掩模对高光谱图像数据进行校正，设si为第i个坏点校正值，si取值如下：
Figure FDA0003644563970000011
其中Mi为以第i个坏点为中心的三维矩阵。
4.根据权利要求3所述的实时自调节的高光谱图像数据非均匀校正方法，其特征在于，同时对10帧以上的高光谱图像同时进行校正，对校正结果进行评估，对评估结果取平均值，如果平均评估结果达到设定值则判定为校正合格，否则判定为校正不合格。
5.根据权利要求1所述的实时自调节的高光谱图像数据非均匀校正方法，其特征在于，高光谱相机校正周期为10至30天。
6.根据权利要求1所述的实时自调节的高光谱图像数据非均匀校正方法，其特征在于，使高光谱相机定时拍摄采集100帧以上连续的高光谱图像数据。
7.根据权利要求1所述的实时自调节的高光谱图像数据非均匀校正方法，其特征在于，使高光谱相机定时拍摄采集高光谱视频数据，由视频数据获得多帧连续的高光谱图像数据。
8.根据权利要求1所述的实时自调节的高光谱图像数据非均匀校正方法，其特征在于，连续拍摄速度为8～12帧/秒。
CN202010704270.6A 2020-07-21 2020-07-21 一种实时自调节的高光谱图像数据非均匀校正方法 Active CN111915682B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010704270.6A CN111915682B (zh) 2020-07-21 2020-07-21 一种实时自调节的高光谱图像数据非均匀校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010704270.6A CN111915682B (zh) 2020-07-21 2020-07-21 一种实时自调节的高光谱图像数据非均匀校正方法

Publications (2)

Publication Number Publication Date
CN111915682A CN111915682A (zh) 2020-11-10
CN111915682B true CN111915682B (zh) 2022-07-15

Family

ID=73280055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010704270.6A Active CN111915682B (zh) 2020-07-21 2020-07-21 一种实时自调节的高光谱图像数据非均匀校正方法

Country Status (1)

Country Link
CN (1) CN111915682B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487592B (zh) * 2021-07-22 2023-11-17 四川九洲电器集团有限责任公司 一种基于统计量的高光谱或多光谱图像过曝检测方法及系统
CN117221747B (zh) * 2023-11-09 2024-01-26 海豚乐智科技(成都)有限责任公司 一种基于sopc的单周期坏点补偿与非均匀校正方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104754327A (zh) * 2015-03-26 2015-07-01 山东大学 一种检测及消除高光谱图像坏点的方法
CN106373094A (zh) * 2016-08-25 2017-02-01 中国科学院长春光学精密机械与物理研究所 一种红外图像的非均匀性校正方法及装置
CN109377469A (zh) * 2018-11-07 2019-02-22 永州市诺方舟电子科技有限公司 一种热成像融合可见光图像的处理方法、系统及存储介质
CN110487412A (zh) * 2019-08-14 2019-11-22 北京环境特性研究所 红外高光谱图像非均匀性校正方法、装置和计算机设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019520574A (ja) * 2016-06-21 2019-07-18 エスアールアイ インターナショナルＳＲＩ Ｉｎｔｅｒｎａｔｉｏｎａｌ ハイパースペクトルイメージング方法および装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104754327A (zh) * 2015-03-26 2015-07-01 山东大学 一种检测及消除高光谱图像坏点的方法
CN106373094A (zh) * 2016-08-25 2017-02-01 中国科学院长春光学精密机械与物理研究所 一种红外图像的非均匀性校正方法及装置
CN109377469A (zh) * 2018-11-07 2019-02-22 永州市诺方舟电子科技有限公司 一种热成像融合可见光图像的处理方法、系统及存储介质
CN110487412A (zh) * 2019-08-14 2019-11-22 北京环境特性研究所 红外高光谱图像非均匀性校正方法、装置和计算机设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"嫦娥一号"干涉成像光谱(IIM)数据坏点检测与去除研究;王超等;《中国科学: 物理学 力学 天文学》;20131231;第1448-1456页 *
Detector anomaly detection and stripe correction of hyperspectral data;Daisuke Niina et al.;《2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS)》;20151112;第3513-3516页 *
Research of Spectral Curvature Correction Method for;Lin Li et al.;《International Symposium on Photoelectronic Detection and Imaging 2011》;20110908;第819331-1-819331-8页 *
基于热红外高光谱图像的差值均衡校正技术;孙羽等;《红外技术》;20190831;第750-757页 *

Also Published As

Publication number Publication date
CN111915682A (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
CN109902633B (zh) 基于固定位摄像机监控视频的异常事件检测方法及装置
CN111915682B (zh) 一种实时自调节的高光谱图像数据非均匀校正方法
CN102324098B (zh) 一种结合实验室定标和均匀景统计的相对辐射定标方法
CN106871925B (zh) 一种在轨综合动态调整的遥感卫星相对辐射定标处理方法
CN107562791B (zh) 一种基于大数据统计的遥感卫星相对辐射定标处理方法
CN107093196B (zh) 视频卫星面阵相机在轨相对辐射定标方法
CN103226819A (zh) 一种基于分段统计的相对辐射校正方法
CN108154479A (zh) 一种对遥感图像进行图像校正的方法
CN106940887B (zh) 一种gf-4卫星序列图像云与云下阴影检测方法
CN112525359B (zh) 一种基于红外图像的红外测温校正方法及终端
CN112529807B (zh) 卫星影像的相对辐射校正方法和装置
US7796153B1 (en) Equalization system and method for an imaging sensor
CN113963260A (zh) 一种冬小麦种植区的提取方法、装置和计算机设备
CN112967176A (zh) 一种利用Image J和Photoshop对植物盖度分析的方法
CN108917722B (zh) 植被覆盖度计算方法及装置
CN112435178B (zh) 一种基于fpga的线阵红外盲元的工程化处理方法及系统
CN110887563B (zh) 一种高光谱面阵探测器坏元检测方法
CN112435202A (zh) 一种针对dmsp局部夜光影像的相互校正方法
Bekhtin et al. Algorithmic supply of IR sensors with FPN using texture homogeneity levels
CN114359066A (zh) 一种高分遥感影像辐射基准建立与辐射校正方法
CN114820376A (zh) 条带噪声的融合校正方法、装置、电子设备及存储介质
CN110580692B (zh) 一种多线列时差扫描图像辐射一致性校正方法
CN112150481B (zh) 一种白粉病图像分割方法
CN111986171B (zh) 一种用于红外线阵探测器的异常元检测方法
CN115035200A (zh) 一种行间转移ccd相机拖影的标定和消除方法

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